System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于模式识别,特别是涉及基于人体运动步态频率的步长自适应估计方法,可应用于行人导航领域。
技术介绍
1、行人导航可以采用惯性导航+零速修正的模式得到位置信息,也可以采用航位推算的方式获取位置信息。在典型单一运动步态情况下,基于零速修正的方法能够得到较为精确的行人导航信息。然而,当行人在非结构化环境中以行走、跑步、上下楼梯等混合步态运动和步态切换时,会导致零速区间检测出现漏检或者误检的情况,进而导致惯性导航解算的步长信息引入较大的误差。航位推算则不依赖于零速区间检测及惯性导航修正,仅需提供准确的航向信息和步长信息,即可得到行人当前运动步态下的位移信息。因此,如何在非结构化环境中准确获取行人复杂运动步态的步长信息,对高精度行人导航定位具有重要的意义。
技术实现思路
1、为了抑制复杂步态运动情况下零速区间检测存在误检、漏检情况导致行人导航定位精度降低的问题,本专利技术目的在于基于行人运动过程中的惯性测量信息,建立基于人体步态频率的步长模型,实现对行人步态周期内运动步长的自适应估计。
2、为实现本专利技术目的,本专利技术提供了一种基于人体运动步态频率的步长模型及自适应估计方法,采取技术方案如下:
3、通过获取行人运动过程中的步态惯性测量信息,建立步态周期内加速度峰峰值和行人步态频率的非线性步长模型;通过获取步态频率与步态周期内特征参数,构造基于不同步态频率的非线性步长模型,实现对行人步态周期内运动步长的自适应估计。
4、进一步的,将惯性测量单元
5、进一步的,所述非线性步长模型为:
6、
7、其中,f(x1,x2)是与行人步态频率有关的模型函数,amax为步态周期内加速度最大值,amin为步态周期内加速度最小值;c为基于步态频率的行人基础步长函数。
8、进一步的,所述步态周期内特征参数获取方法如下:
9、步骤(1)受试人员沿直线行走,行走过程中沿地面标定刻线尽量按恒定频率行走,行走步数不少于n步;
10、步骤(2)对采集的数据进行分析,识别步态周期,并提取步态周期内步长、加速度矢量最大值、加速度矢量最小值、步态频率参数;
11、步骤(3)对测试的n个步态数据挑选参数数据一致性好的m组典型值,计算m组数据平均值,得到步态周期内特征参数:步长平均值加速度矢量最大值平均值加速度矢量最小值平均值步态频率平均值
12、进一步的,步长、加速度矢量最大值、加速度矢量最小值、步态频率参数标准差必须满足:步长标准差≯5cm、加速度矢量最大值和最小值标准差≯0.5m/s2,步态频率标准差≯0.2hz。
13、进一步的,各参数标准差σ按如下公式计算:
14、
15、
16、上述公式为计算各参数标准差的通用公式,其中a用来表示步长、加速度矢量最大值、加速度矢量最小值或步态频率。
17、进一步的,重复上述步骤(1)~步骤(3),行人分别按不同运动频率运动,得到不同运动频率状态下步态周期内特征参数;计算不同运动步态频率下的构造基于不同步态频率的的非线性步长模型。
18、本专利技术与现有技术对比,有益效果如下:
19、为了抑制复杂步态运动情况下零速区间检测存在误检、漏检情况导致行人导航定位精度降低的情况,本专利技术通过本专利技术通过构建行人运动非线性步长模型,设计了基于步态频率的步长模型参数辨识及运动步长自适应估计方法,实现了行人在非结构化环境中步长信息的准确估计,为行人精确导航定位提供了信息支撑。本专利技术中步长模型及模型参数辨识方法、步长估计方法可应用于非结构化环境中基于位置信息的行人导航定位领域,极大地改善了非结构化环境中复杂步态对应运动步长的估计精度,拓宽了行人导航航位推算方法的应用环境适应性。
本文档来自技高网...【技术保护点】
1.一种基于人体运动步态频率的步长模型及自适应估计方法,其特征在于,通过获取行人运动过程中的步态惯性测量信息,建立步态周期内加速度峰峰值和行人步态频率的非线性步长模型;通过获取步态频率与步态周期内特征参数,构造基于不同步态频率的非线性步长模型,实现对行人步态周期内运动步长的自适应估计。
2.根据权利要求1所述的一种基于人体运动步态频率的步长模型及自适应估计方法,其特征在于,将惯性测量单元安装在人体足部,采集行人运动步态对应的加速度和角速度信息,并对采集的惯性信息进行滤波、参数补偿数据预处理,获得平滑后的步态惯性测量信息。
3.根据权利要求2所述的一种基于人体运动步态频率的步长模型及自适应估计方法,其特征在于,所述非线性步长模型为:
4.根据权利要求3所述的一种基于人体运动步态频率的步长模型及自适应估计方法,其特征在于,所述步态周期内特征参数获取方法如下:
5.根据权利要求4所述的一种基于人体运动步态频率的步长模型及自适应估计方法,其特征在于,步长、加速度矢量最大值、加速度矢量最小值、步态频率参数标准差必须满足:步长标准差≯5cm、加
6.根据权利要求5所述的一种基于人体运动步态频率的步长模型及自适应估计方法,其特征在于,各参数标准差σ按如下公式计算:
7.根据权利要求4所述的一种基于人体运动步态频率的步长模型及自适应估计方法,其特征在于,重复所述的步骤(1)~步骤(3),行人分别按不同运动频率运动,得到不同运动频率状态下步态周期内特征参数;计算不同运动步态频率下的构造基于不同步态频率的的非线性步长模型。
...【技术特征摘要】
1.一种基于人体运动步态频率的步长模型及自适应估计方法,其特征在于,通过获取行人运动过程中的步态惯性测量信息,建立步态周期内加速度峰峰值和行人步态频率的非线性步长模型;通过获取步态频率与步态周期内特征参数,构造基于不同步态频率的非线性步长模型,实现对行人步态周期内运动步长的自适应估计。
2.根据权利要求1所述的一种基于人体运动步态频率的步长模型及自适应估计方法,其特征在于,将惯性测量单元安装在人体足部,采集行人运动步态对应的加速度和角速度信息,并对采集的惯性信息进行滤波、参数补偿数据预处理,获得平滑后的步态惯性测量信息。
3.根据权利要求2所述的一种基于人体运动步态频率的步长模型及自适应估计方法,其特征在于,所述非线性步长模型为:
4.根据权利要求3所述的一种基于人体运动步态频率的步长模型及...
【专利技术属性】
技术研发人员:尚克军,田晓春,刘辉,罗星航,廖斌,简凯宁,王博通,孔德哲,张丽娜,
申请(专利权)人:北京自动化控制设备研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。