CN102944240A - 一种基于智能手机的惯性导航系统及方法 - Google Patents

Abstract

本发明涉及无线定位和惯性导航领域，通过提供一种基于智能手机的惯性导航系统及方法，设计基于有限状态机的计步算法计算人所走过的步数，并获得每一步的起止时间戳，根据三轴陀螺仪所读取的数据及所述每一步的起止时间戳，计算人走过的每一步所发生的方向变化；并根据不同步长的人行走时所产生的不同的加速度，估计人的步长；然后根据路径起点的坐标，结合所述步长以及所述方向变化，计算人走过的每一步相对于所述路径起点的坐标；通过每一步相对于所述路径起点的坐标，得到人的运动轨迹；本发明无需高精度、价格昂贵的惯性传感器，即可能够达到较高的惯性导航精度，其准确度高，实用性强，通用性广，成本低廉。

Description

一种基于智能手机的惯性导航系统及方法

技术领域

本发明涉及无线定位和惯性导航领域，特别涉及一种基于智能手机的惯性导航系统及方法。

背景技术

惯性导航是利用惯性传感器实现导航定位的技术，手机惯性导航依靠智能手机上低精度、低成本的内置传感器来实现智能手机基于位置的服务。由于手机天然地和人绑定在一起，手机惯性导航也通常被用来估算人的运动轨迹，并为人提供导航定位服务。目前最常用的手机惯性导航技术通过手机上内置的加速度传感器进行计步，并乘以一个特定的步长以估算位移；指南针或者陀螺仪被用来估计移动方向。从理论上讲，结合位移和方向，就能够估算出目标的移动轨迹。

但是，传统的手机惯性导航在估算人的运动轨迹时仍然存在以下问题：

1）、不精确的计步。手机加速度传感器的采样频率不高，加上用户的动作行为十分复杂与不确定，造成了加速度传感器的读数误差较大。传统的方法利用固定阈值判断手机加速度传感器读数的波峰（或波谷），其计步结果不尽如人意。

2）、步长估计。步长是估算用户位移的基本参数。然而，不同身高体重的人有不同的步长，即使同一个人在不同场景下也可能表现出不同的步长。如何估算人在特定场景下的步幅，是一个十分挑战的问题。传统的很多方法，根据自然科学的规律，直接利用用户的身高体重估算一个确定的步长。很显然，这样的方法在实际中可能带来巨大的误差。

因此，现有技术仍有待于改善。

发明内容

针对现有技术存在的不足，本发明提供一种基于智能手机的惯性导航系统及方法，使得手机惯性导航能够提供准确度高的计步和步长估计，达到较高的惯性导航精度。

本发明通过以下技术方案予以实现：

一种基于智能手机的惯性导航方法，包括以下步骤：

S1、根据智能手机上三轴加速度传感器捕捉到人走路时产生的三轴加速度值，利用基于有限状态机的计步算法，估计人所走过的步数并获得其每一步的起止时间戳；

S2、根据三轴陀螺仪所读取的数据及所述每一步的起止时间戳，结合指南针读数，计算人走过的每一步所发生的方向变化；

S3、根据不同步长的人行走时所产生的不同的加速度特征，估计人的步长；

S4、根据路径起点的坐标，结合所述步长以及所述方向变化，计算人走过的每一步相对于所述路径起点的坐标；通过每一步相对于所述路径起点的坐标，得到人的运动轨迹。

所述步骤S1进一步包括以下步骤：

S11、采集智能手机上三轴加速度传感器的一系列读数，获得人走路时产生的三轴加速度值，记作Α={a₁,a₂,a₃,…,a_n}；

S12、利用低通滤波器对Α={a₁,a₂,a₃,…,a_n}进行降噪处理，即a_j=αa_j+(1-α)a_j-1，其中，α∈[0,1],j={1,2,…n};

S13、对经过降噪处理的A，去除其包含的重力成分，即a_j=a_j-g,j={1,2,…n}，其中，g为当地重力加速度；

S14、以去除重力成分后的A为输入，利用基于有限状态机的计步算法，估算所述序列A中所包括的步数Q并获得每一步的起止时间戳，将所述每一步的起止时间戳记作：

$S=\{s_1,s_2,\·\·\·,s_N\}=\{(t_1^s,t_1^e),(t_2^s,t_2^e),\·\·\·,(t_N^s,t_N^e)\},$ 其中

分别代表第j步的起止时间。

所述步骤S1中的基于有限状态机的计步算法包括以下状态：

M0：用户静止；

M1：向上加速度由零开始增大，表明一步的开始状态；

M2：向上加速度逐渐增大至到达波谷；

M3：向上加速度由波谷位置逐渐减小；

M4：向上加速度数值回归到接近于零，表明抬脚至最高点；

M5：向下加速度由零开始增大；

M6：向下加速度逐渐增大至到达波峰；

M7：向下加速度由波峰位置逐渐减小；

M8：向下加速度回归到接近于零，表明脚回到地面。

所述步骤S14进一步包括当所述基于有限状态机的计步算法到达状态M8时，步数Q加1。

所述步骤S2进一步包括以下步骤：

S21、记录人在行走过程中水平手持智能手机时所产生的三轴陀螺仪的数据，利用低通滤波器去除高频噪音，得到人在行走过程中所产生的水平方向上的角速度变化，记作R={r₁,r₂,r₃,…,r_n}；

S22、计算人行走的每一步过程中所发生的方向变化；对于第j步，其起止时间戳为则第j步过程中的方向变化的计算方法为： ${\mathrm{\γ}}_j={\∫}_{t_j^s}^{t_j^e}{r}_j\mathrm{dt};$

S23、在人行走过程的同时记录指南针的读数，记作C={c₁,c₂,c₃,…,c_N}，每隔k步，利用指南针第j+k步指示的方向对通过三轴陀螺仪读数计算得到的第j+k步的方向变化进行修正，并将修正后的数据作为人在第j+k步的方向。

所述步骤S23进一步包括以下步骤：

S231、对所记录的指南针的读数进行平滑处理；

S232、获取指南针所指示的第j步与第j+k步之间的方向变化为

获取通过三轴陀螺仪读数计算得到的第j步与第j+k步之间的方向变化为

S233、设置

的角度阀值，当

超过该角度阀值时，利用指南针第j+k步指示的方向对通过三轴陀螺仪读数计算得到的第j+k步的方向变化进行修正，并将修正后的数据作为人在第j+k步的方向。

所述步骤S3进一步包括以下步骤：

S31、采集一组不同步长的用户以规定步长行走时所产生的加速度数据，记作B={A₁,A₂,A₃,…,A_m}，每一组加速度数值对应一个步长，记作L={l₁,l₂,l₃,…,l_m}；

S32、对B中的每一组加速度A_i利用低通滤波器进行降噪处理；

S33、对经过降噪处理的A_i，去除其包含的重力成分；

S34、计算经过步骤S33后的每一组A_i的方差，记作V={v₁,v₂,v₃，…,v_m}；

S35、利用最小二乘法对V和L作最佳线性拟合，得到v_i和l_i之间的对应关系，从而得到B中任一组加速度值对应的步长为：

l_i=(v_i-b)/a，其中a和b为最佳线性拟合的系数，v_i为该组加速度值所对应的方差。

所述步骤S4进一步包括以路径起点的坐标为原点，其坐标为（0,0）；第j-1步的坐标为(x_j-1,y_j-1)，则第j步的坐标(x_j,y_j)为：

(x_j,y_j)=(x_j-1+l_jcos(φ+γ_j),y_j-1+l_jsin(φ+γ_j))

其中，l_j,γ_j分别为第j步所对应的步长和方向变化；φ为前j-1步内所发生的方向变化之和，即

一种基于智能手机的惯性导航系统，包括有：

第一估计单元，用于根据智能手机上三轴加速度传感器捕捉到人走路时产生的三轴加速度值，利用基于有限状态机的计步算法，估计人所走过的步数并获得其每一步的起止时间戳；

第二估计单元，用于根据三轴陀螺仪所读取的数据及所述每一步的起止时间戳，结合指南针读数，计算人走过的每一步所发生的方向变化；

第三估计单元，用于根据不同步长的人行走时所产生的不同的加速度特征，估计人的步长；

第四估计单元，用于根据路径起点的坐标，结合所述步长以及所述方向变化，计算人走过的每一步相对于所述路径起点的坐标；通过每一步相对于所述路径起点的坐标，得到人的运动轨迹。

本发明提供的基于智能手机的惯性导航系统及方法，无需高精度、价格昂贵的惯性传感器，仅利用通用智能手机中集成的传感器实现惯性导航，利用基于有限状态机的计步算法计算人所走过的步数，并根据不同步长的人行走时所产生的不同的加速度，估计人的步长；其准确度高，能够达到较高的惯性导航精度，而且本发明实用性高，通用性广，成本低廉。

附图说明

图1为本发明的流程图；

图2为有限状态机的计步算法示意图；

图3为本发明的系统装置图。

具体实施方式

下面对于本发明所提出的一种基于智能手机的惯性导航系统及方法，结合附图和实施例详细说明。

如图1所示，本发明提供一种基于智能手机的惯性导航方法，包括以下步骤：

S1、根据智能手机上三轴加速度传感器捕捉到人走路时产生的三轴加速度值，利用基于有限状态机的计步算法，估计人所走过的步数并获得其每一步的起止时间戳；

S2、根据三轴陀螺仪所读取的数据及所述每一步的起止时间戳，结合指南针读数，计算人走过的每一步所发生的方向变化；

S3、根据不同步长的人行走时所产生的不同的加速度特征，估计人的步长；

S4、根据路径起点的坐标，结合所述步长以及所述方向变化，计算人走过的每一步相对于所述路径起点的坐标；通过每一步相对于所述路径起点的坐标，得到人的运动轨迹。

所述步骤S1进一步包括以下步骤：

S11、采集智能手机上三轴加速度传感器的一系列读数，获得人走路时产生的三轴加速度值，记作Α={a₁,a₂,a₃,…,a_n}；

S12、利用低通滤波器对Α={a₁,a₂,a₃,…,a_n}进行降噪处理，即a_j=αa_j+(1-α)a_j-1，其中，α∈[0,1],j={1,2,…n};

S13、对经过降噪处理的A，去除其包含的重力成分，即a_j=a_j-g,j={1,2,…n}，其中，g为当地重力加速度；

S14、以去除重力成分后的A为输入，利用有限状态机的计步算法，估算所述序列A中所包括的步数Q并获得每一步的起止时间戳，将所述每一步的起止时间戳记作： $S=\{s_1,s_2,\·\·\·,s_N\}=\{(t_1^s,t_1^e),(t_2^s,t_2^e),\·\·\·,(t_N^s,t_N^e)\},$ 其中

分别代表第j步的起止时间。

所述步骤S1中的基于有限状态机的计步算法包括以下状态：

M0：用户静止；

M1：向上加速度由零开始增大，表明一步的开始状态，即对应人抬起脚步；

M2：向上加速度逐渐增大至到达波谷；

M3：向上加速度由波谷位置逐渐减小；

M2和M3代表了抬起脚步至最高点的加速度变化过程；

M4：向上加速度数值回归到接近于零，表明抬脚至最高点；

M5：向下加速度由零开始增大，表明脚由最高点开始往下降；

M6：向下加速度逐渐增大至到达波峰；

M7：向下加速度由波峰位置逐渐减小；

M6和M7表明脚由最高点下降到接触地面的过程；

M8：向下加速度回归到接近于零，表明脚回到地面。

如图2所示为基于有限状态机的计步算法的示意图，基于有限状态机的计步算法以三轴加速度传感器的数据作为输入，设定其上升沿阀值（pos）、下降沿阀值（neg）以及波峰阀值（posPeak）、波谷阀值（negPeak）,其中所述下降沿阀值与波谷阀值分别为所述上升沿阀值和波峰阀值的相反数。在实际中，上升沿阀值可以取[0.3，0.6]，波峰阀值可以取[1.0,1.5],不同的阀值会得到不同的估计精度，以a标记在三轴加速度传感器读取的当前加速度值。

如图2所示，所述基于有限状态机的计步算法其初始状态为M0，表示一步的开始状态;

在状态M0上，当a小于或等于下降沿阈值时，由M0跳转到M1，否则仍停留在状态M0；

在状态M1上，当a小于或等于波谷阈值时，由M1跳转到M2，当a大于下降沿阈值时，由M1跳转回M0，否则仍停留在状态M1；

在状态M2上，当a大于波谷阈值时，由M2跳转到M3，否则仍停留在状态M2；

在状态M3上，当a大于下降沿阈值时，由M3跳转到M4，否则仍停留在状态M3；

在状态M4上，当a大于或等于上升沿阈值时，由M4跳转到M5，当a小于或等于下降沿阈值时，由M4跳转回M3，否则仍停留在状态M4；

在状态M5上，当a大于或等于波峰阈值时，由M5跳转到M6，当a小于上升沿阈值时，由M5跳转回M4，否则仍停留在状态M5；

在状态M6上，当a小于波峰阈值时，由M6跳转到M7，否则仍停留在状态M6；

在状态M7上，当a小于上升沿阈值时，由M7跳转到M8，否则仍停留在状态M7；

当有限状态机的计步算法到达状态M8时，表示检测到一步。在状态M8上，当a小于上升沿阈值时，由M8跳转到初始状态M0，当a小于下降沿阈值时，直接跳转到状态M1，继续检测下一步。

所述步骤S14进一步包括当所述基于有限状态机的计步算法到达状态M8时，步数Q加1。

所述步骤S2进一步包括以下步骤：

S21、记录人在行走过程中水平手持智能手机时所产生的三轴陀螺仪得数据，利用低通滤波器去除高频噪音，得到人在行走过程中所产生的水平方向上的角速度变化，记作R={r₁,r₂,r₃,…,r_n}；其中，三轴陀螺仪Z轴上的读数代表了智能手机朝向的方向，即人在行走过程中的方向变化；

S22、计算人行走的每一步过程中所发生的方向变化；对于第j步，其起止时间戳为

则第j步过程中的方向变化的计算方法为： ${\mathrm{\γ}}_j={\∫}_{t_j^s}^{t_j^e}{r}_j\mathrm{dt}.$

S23、在人行走过程的同时记录指南针的读数，记作C={c₁,c₂,c₃,…,c_N}，每隔k步，利用指南针第j+k步指示的方向对通过三轴陀螺仪读数计算得到的第j+k步的方向变化进行修正，并将修正后的数据作为人在第j+k步的方向。

由于三轴陀螺仪记录的角速度只能提供相对的方向，无法获取相对于地球表面的绝对方向信息。通过步骤S23不仅可以得到人行走的绝对方向，同时也可以避免三轴陀螺仪引起的累积误差。

所述步骤S23进一步包括以下步骤：

S231、对所记录的指南针的读数进行平滑处理；由于指南针读数波动较大，因此需要对所记录的指南针数据进行平滑处理，即利用一小段时间内的平均值取代记录的指南针的读数；

S232、获取指南针所指示的第j步与第j+k步之间的方向变化为

获取通过三轴陀螺仪读数计算得到的第j步与第j+k步之间的方向变化为

S233、设置

的角度阀值，当

超过该角度阀值时，利用指南针第j+k步指示的方向对通过三轴陀螺仪读数计算得到的第j+k步的方向变化进行修正，并将修正后的数据作为人在第j+k步的方向。

所述步骤S3进一步包括以下步骤：

S31、采集一组不同步长的用户以规定步长行走时所产生的加速度数据，记作B={A₁,A₂,A₃,…,A_m}，每一组加速度数值对应一个步长，记作L={l₁,l₂,l₃,…,l_m}；

S32、对B中的每一组加速度A_i利用低通滤波器进行降噪处理；

S33、对经过降噪处理的A_i，去除其包含的重力成分；

S34、计算经过步骤S33后的每一组A_i的方差，记作V={v₁,v₂,v₃,…,v_m}；

S35、利用最小二乘法对V和L作最佳线性拟合，得到v_i和l_i之间的对应关系，从而得到B中任一组加速度值对应的步长为：

l_i=(v_i-b)/a，其中a和b为最佳线性拟合的系数，v_i为该组加速度值所对应的方差。

所述步骤S4进一步包括以路径起点的坐标为原点，其坐标为（0,0）；第j-1步的坐标为(x_j-1,y_j-1)，则第j步的坐标(x_j,y_j)为

(x_j,y_j)=(x_j-1+l_jcos(φ+γ_j),y_j-1+l_jsin(φ+γ_j))

其中，l_j,γ_j分别为第j步所对应的步长和方向变化；φ为前j-1步内所发生的方向变化之和，即

计算得到每一步相对于路径起点的相对坐标之后，只要给定第一步的绝对坐标，即可计算之后每一步的绝对坐标，从而得到人的运动轨迹，通常第一步的绝对坐标可以通过GPS获得。

如图3所示，本发明还提供一种基于智能手机的惯性导航系统，包括有：

第一估计单元，用于根据智能手机上三轴加速度传感器捕捉到人走路时产生的三轴加速度值，利用基于有限状态机的计步算法，估计人所走过的步数并获得其每一步的起止时间戳；

第二估计单元，用于根据三轴陀螺仪所读取的数据及所述每一步的起止时间戳，结合指南针读数，计算人走过的每一步所发生的方向变化；

第三估计单元，用于根据不同步长的人行走时所产生的不同的加速度特征，估计人的步长；

第四估计单元，用于根据路径起点的坐标，结合所述步长以及所述方向变化，计算人走过的每一步相对于所述路径起点的坐标；通过每一步相对于所述路径起点的坐标，得到人的运动轨迹。

本发明提供的基于智能手机的惯性导航系统及方法，无需高精度、价格昂贵的惯性传感器，仅利用通用智能手机中集成的传感器实现惯性导航，利用基于有限状态机的计步算法计算人所走过的步数，并根据不同步长的人行走时所产生的不同的加速度，估计人的步长；其准确度高，能够达到较高的惯性导航精度，而且本发明实用性高，通用性广，成本低廉。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (9)

1.一种基于智能手机的惯性导航方法，其特征在于，包括以下步骤：

S1、根据智能手机上三轴加速度传感器捕捉到人走路时产生的三轴加速度值，利用基于有限状态机的计步算法，估计人所走过的步数并获得其每一步的起止时间戳；

S2、根据三轴陀螺仪所读取的数据及所述每一步的起止时间戳，结合指南针读数，计算人走过的每一步所发生的方向变化；

S3、根据不同步长的人行走时所产生的不同的加速度特征，估计人的步长；

S4、根据路径起点的坐标，结合所述步长以及所述方向变化，计算人走过的每一步相对于所述路径起点的坐标；通过每一步相对于所述路径起点的坐标，得到人的运动轨迹。

2.如权利要求1所述的方法，其特征在于，所述步骤S1进一步包括以下步骤：

S11、采集智能手机上三轴加速度传感器的一系列读数，获得人走路时产生的三轴加速度值，记作Α={a₁,a₂,a₃,…,a_n}；

S12、利用低通滤波器对Α={a₁,a₂,a₃,…,a_n}进行降噪处理，即a_j=αa_j+(1-α)a_j-1，其中，α∈[0,1],j={1,2,…n};

S13、对经过降噪处理的A，去除其包含的重力成分，即a_j=a_j-g,j={1,2,…n}，其中，g为当地重力加速度；

S14、以去除重力成分后的A为输入，利用基于有限状态机的计步算法，估算所述序列A中所包括的步数Q并获得每一步的起止时间戳，将所述每一步的起止时间戳记作：

$S=\{s_1,s_2,\·\·\·,s_N\}=\{(t_1^s,t_1^e),(t_2^s,t_2^e),\·\·\·,(t_N^s,t_N^e)\},$ 其中

分别代表第j步的起止时间。

3.如权利要求2所述的方法，其特征在于，所述步骤S1中的基于有限状态机的计步算法包括以下状态：

M0：用户静止；

M1：向上加速度由零开始增大，表明一步的开始状态；

M2：向上加速度逐渐增大至到达波谷；

M3：向上加速度由波谷位置逐渐减小；

M4：向上加速度数值回归到接近于零，表明抬脚至最高点；

M5：向下加速度由零开始增大；

M6：向下加速度逐渐增大至到达波峰；

M7：向下加速度由波峰位置逐渐减小；

M8：向下加速度回归到接近于零，表明脚回到地面。

4.如权利要求3所述的方法，其特征在于，所述步骤S14进一步包括当所述基于有限状态机的计步算法到达状态M8时，步数Q加1。

5.如权利要求2所述的方法，其特征在于，所述步骤S2进一步包括以下步骤：

S21、记录人在行走过程中水平手持智能手机时所产生的三轴陀螺仪的数据，利用低通滤波器去除高频噪音，得到人在行走过程中所产生的水平方向上的角速度变化，记作R={r₁,r₂,r₃,…,r_n}；

S22、计算人行走的每一步过程中所发生的方向变化；对于第j步，其起止时间戳为

则第j步过程中的方向变化的计算方法为： ${\mathrm{\γ}}_j={\∫}_{t_j^s}^{t_j^e}{r}_j\mathrm{dt};$

S23、在人行走过程的同时记录指南针的读数，记作C={c₁,c₂,c₃,…,c_N}，每隔k步，利用指南针第j+k步指示的方向对通过三轴陀螺仪读数计算得到的第j+k步的方向变化进行修正，并将修正后的数据作为人在第j+k步的方向。

6.如权利要求5所述的方法，其特征在于，所述步骤S23进一步包括以下步骤：

S231、对所记录的指南针的读数进行平滑处理；

S232、获取指南针所指示的第j步与第j+k步之间的方向变化为

获取通过三轴陀螺仪读数计算得到的第j步与第j+k步之间的方向变化为

S233、设置的角度阀值，当

超过该角度阀值时，利用指南针第j+k步指示的方向对通过三轴陀螺仪读数计算得到的第j+k步的方向变化进行修正，并将修正后的数据作为人在第j+k步的方向。

7.如权利要求6所述的方法，其特征在于，所述步骤S3进一步包括以下步骤：

S31、采集一组不同步长的用户以规定步长行走时所产生的加速度数据，记作B={A₁,A₂,A₃,…,A_m}，每一组加速度数值对应一个步长，记作L={l₁,l₂,l₃,…,l_m}；

S32、对B中的每一组加速度A_i利用低通滤波器进行降噪处理；

S33、对经过降噪处理的A_i，去除其包含的重力成分；

S34、计算经过步骤S33后的每一组A_i的方差，记作V={v₁,v₂,v₃,…,v_m}；

S35、利用最小二乘法对V和L作最佳线性拟合，得到v_i和l_i之间的对应关系，从而得到B中任一组加速度值对应的步长为：

l_i=(v_i-b)/a，其中a和b为最佳线性拟合的系数，v_i为该组加速度值所对应的方差。

8.如权利要求7所述的方法，其特征在于，所述步骤S4进一步包括以路径起点的坐标为原点，其坐标为（0,0）；第j-1步的坐标为(x_j-1,y_j-1)，则第j步的坐标(x_j,y_j)为：

(x_j,y_j)=(x_j-1+l_jcos(φ+γ_j),y_j-1+l_jsin(φ+γ_j))

其中，l_j,γ_j分别为第j步所对应的步长和方向变化；φ为前j-1步内所发生的方向变化之和，即

9.一种基于智能手机的惯性导航系统，其特征在于，包括有：

第一估计单元，用于根据智能手机上三轴加速度传感器捕捉到人走路时产生的三轴加速度值，利用基于有限状态机的计步算法，估计人所走过的步数并获得其每一步的起止时间戳；

第二估计单元，用于根据三轴陀螺仪所读取的数据及所述每一步的起止时间戳，结合指南针读数，计算人走过的每一步所发生的方向变化；

第三估计单元，用于根据不同步长的人行走时所产生的不同的加速度特征，估计人的步长；

第四估计单元，用于根据路径起点的坐标，结合所述步长以及所述方向变化，计算人走过的每一步相对于所述路径起点的坐标；通过每一步相对于所述路径起点的坐标，得到人的运动轨迹。

Images