CN103826202B - 基于手机传感器信息改进WiFi定位结果跳动的方法 - Google Patents

基于手机传感器信息改进WiFi定位结果跳动的方法 Download PDF

Info

Publication number
CN103826202B
CN103826202B CN201410064664.4A CN201410064664A CN103826202B CN 103826202 B CN103826202 B CN 103826202B CN 201410064664 A CN201410064664 A CN 201410064664A CN 103826202 B CN103826202 B CN 103826202B
Authority
CN
China
Prior art keywords
kinestate
mobile phone
data
motion
idle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410064664.4A
Other languages
English (en)
Other versions
CN103826202A (zh
Inventor
陈国良
张言哲
杨舟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN201410064664.4A priority Critical patent/CN103826202B/zh
Publication of CN103826202A publication Critical patent/CN103826202A/zh
Application granted granted Critical
Publication of CN103826202B publication Critical patent/CN103826202B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了基于手机传感器信息改进WiFi定位结果跳动的方法。本方法具体包括以下四步骤：传感器数据获取；数据处理与分析；运动状态判定；定位结果获取。本发明充分考虑到信号强度的不稳定性因素，以改进WiFi定位结果跳动为目标；无需额外设备，方便快捷，部署成本低，判断算法简单有效。

Description

基于手机传感器信息改进WiFi定位结果跳动的方法
技术领域：
本发明涉及的是基于手机传感器信息改进WiFi定位结果跳动的方法。
背景技术：
随着移动互联网时代的到来，各种智能手机迅速占领手机市场。由于每部智能手机都有WiFi功能，从而把WiFi推入热潮。因此利用广泛存在的WiFi网络对处于楼群密集或者室内定位目标进行定位成为最佳选择技术。通过WiFi网络进行定位可以弥补卫星定位在建筑密集和室内应用的限制，扩大定位服务的应用行业和范围，提高定位精度，降低部署成本，提高设备利用率。
现在基于WiFi定位最常用的方法是指纹识别方法。基于指纹识别的WiFi定位分为两个阶段：离线采样阶段和在线定位阶段。离线采样阶段的目标是构建一个关于信号强度与采样点位置间关系的数据库，也就是位置指纹的数据库。即需要在待定位区域里确定若干采样点，记录下在每个采样点测量的信号强度，最后将它们以某种方式保存在数据库中。在线定位阶段，当用户移动到某一位置时，根据用户实时收到的信号强度信息，利用定位算法将其与位置指纹数据库中的信息匹配、比较，计算出该用户的位置。然而该方法是基于绝对的信号强度值，复杂的室内环境容易造成WiFi信号的反射、折射、衍射等引起的多径效应以及WiFi硬件设施的不稳定直接导致了接收信号强度的不稳定性和时变性。
现有的运动状态检测方法主要分为三种：第一种是基于肢体位置标记的状态检测，第二种是基于多设备的状态检测，第三种是基于SVM的状态检测。
在第一种检测方法中，检测人员需要在人体的四肢关节位置和头部等固定一系列的标志物，然后通过部署在一个小型的室内环境中的各个方位的摄像机对关节上标记物的位置进行跟踪，随后把采集到的图像在计算机上运用图像处理的方法进行人体关节位置信息的提取、计算，进而分析人体的运动状态。
第二种方法中，检测人员需要在人体固定多个检测设备。例如加速度传感器、方向传感器等。数据采集的过程中，设备把采集到的数据发送到接收端，随后处理终端通过对传感器信号波形进行分析，计算获得人体运动的状态。
第三种方法中分为两部分,样本训练和状态识别。样本训练指在人员运动状态已知的情况下进行数据的采集分析，对各种运动状态进行特征提取，将不同状态对应的特征信息存入样本库中。状态识别指在实时判断时根据采集的数据来和样本库中的特征数据进行匹配，选择匹配程度最高的作为最终的运动状态判断结果。
第一种基于肢体位置标记的状态检测的方法是一种比较成熟的人体运动状态检测方法，但该方法需要高速摄像机对人体运动进行捕捉，如果摄像机捕捉速度不及时检测结果则会出现较大偏差。另外，此方法需要部署大量的摄像机，而且如果采用低质量的摄像机，检测结果可能会受四周光线等环境的影响比较大。总的来说，该方法成本高昂，并且仅能适用于小范围的室内环境，无法大规模地推广和使用。
第二种基于多设备的状态检测的方法需要在人体固定多个设备，这给使用者增添了额外的麻烦。其所佩戴的整套传感器设备成本较高，不适宜一般个人使用。另外，由于传感器本身没有计算能力，需要把数据通过网络传输到计算机再进行处理，不能做到便携、随时随地检测。
第三种基于SVM的状态检测的方法需要事先进行样本训练，而且对运动状态划分过细，达不到简单快捷的效果。
上述三种方法对运动状态划分过于细化，在算法上实现起来十分复杂。
发明内容：
本发明的目的在于克服现有技术的不足，提供基于手机传感器信息改进WiFi定位结果跳动的方法。
为了解决背景技术所存在的问题，本发明采用以下技术方案：
基于手机传感器信息改进WiFi定位结果跳动的方法，它包括以下步骤：
（1）传感器数据获取：设置一定的采样频率，采集手机三轴方向的加速度数据；
（2）数据处理与分析：对采集到的三轴加速度数据，采用特定的算法计算出对应的阈值；
（3）运动状态判定：根据计算出的阈值和运动状态的划分，判断出人员的运动状态；
（4）定位结果获取：根据人员的运动状态，获取最终的定位结果。
进一步的，在步骤（1）中，基于AndroidAPI提供的onSensorChanged（手机传感器变化时触发的事件）中的event.values（事件的对应返回值）方法获取手机三轴方向的加速度数据，采样频率为14Hz，两秒钟判断一次，采用三个队列xi、yi，zi，其中i=1,2,…,28来记录三方向的加速度数据，这样当队列记录28个数据时的时间间隔大约为2s。
进一步的，在步骤（2）中，将运动状态分为：IDLE空闲、MOTION运动，其中，IDLE指静止和基本动作如手势动作、转弯、坐下、起立等，MOTION指走动和跑；
设置三个阈值：numX、numY、numZ，分别代表X、Y、Z三个方向上对应的阈值。
对numX、numY、numZ的计算方法为：
首先计算xi、yi，zi的平均值X、Y、Z并将numX、numY、numZ值设为0：
numX=0,numY=0，numZ=0
然后对xi、yi，zi各自对应的28个数据依次减去各自的平均值得到三组新的数据xi'，yi'，zi'（i=1,2,…,28）：
x'i＝xi-X(i＝1,2,…,28)
y'i＝yi-Y(i＝1,2,…,28)
z'i＝zi-Z(i＝1,2,…,28)
对这组新的数据进行逐个判断：若相邻两个值为一正一负且后一个值平方大于0.2，则对num值增加1，这样对这组新数据全部判断完后得到的num值就是最终的num值。
在步骤（3）中，三个方向的加速度数据对应三个num值，对此三个num值进行判断，如果有一个num值小于3则将运动状态设置为IDLE否则设定为MOTION。
在步骤（4）中，当运动状态为IDLE时取上一次定位结果为本次定位结果，当运动状态为MOTION时取WiFi定位的结果为本次定位结果。
本发明对比现有技术，有如下的有益效果：本发明充分考虑到信号强度的不稳定性因素，以改进WiFi定位结果跳动为目标；无需额外设备，方便快捷，部署成本低，判断算法简单有效。
附图说明：
图1是本发明方法步骤（2）中的算法流程图。
图2是本发明方法流程图。
具体实施方式：
下面结合附图和具体实施方式对本发明作进一步描述：
本发明方法具体包括以下四步骤：传感器数据获取；数据处理与分析；运动状态判定；定位结果获取。
1.传感器数据获取
本方法是基于Android平台的智能手机实现的，首先基于AndroidAPI提供的onSensorChanged(Sensoreventevent)中event.values方法获取手机三轴方向的加速度数据。Android平台手机共设置了四种采样频率：SENSOR_DELAY_FASTEST为200Hz、SENSOR_DELAY_GAME为50Hz、SENSOR_DELAY_UI为14Hz、SENSOR_DELAY_NORMAL为5Hz。考虑到数据量和手机计算能力本方法采用的采样频率为14Hz，大约两秒钟判断一次。采用三个队列xi、yi，zi（i=1,2,…,28）来记录三方向的加速度数据。这样当队列记录28个数据时的时间间隔大约为2s。
2.数据处理与分析
将运动状态分为：IDLE（空闲）、MOTION（运动）。其中，IDLE指静止和基本动作如手势动作、转弯、坐下、起立等，MOTION指走动和跑动。本方法中设置三个阈值：numX、numY、numZ，分别代表X、Y、Z三个方向上对应的阈值。
对numX、numY、numZ的计算方法为：
首先计算xi、yi，zi的平均值X、Y、Z并将numX、numY、numZ值设为0：
numX=0,numY=0，numZ=0
然后对xi、yi，zi各自对应的28个数据依次减去各自的平均值得到三组新的数据xi'，yi'，zi'（i=1,2,…,28）：
x'i＝xi-X(i＝1,2,…,28)
y'i＝yi-Y(i＝1,2,…,28)
z'i＝zi-Z(i＝1,2,…,28)
对这组新的数据进行逐个判断：若相邻两个值为一正一负且后一个值平方大于0.2，则对num值增加1。这样对这组新数据全部判断完后得到的num值就是最终的num值。
算法流程图如图1所示（备注：本方法中采用0.2和3为手机加速度传感器经验阈值）。
3.运动状态判定
三个方向的加速度数据对应三个num值，对此三个num值进行判断，如果有一个num值小于3则将运动状态设置为IDLE否则设定为MOTION。
4.定位结果获取
当运动状态为IDLE时取上一次定位结果为本次定位结果，当运动状态为MOTION时取WiFi定位的结果为本次定位结果。
本发明整个方法的流程如图2所示。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.基于手机传感器信息改进WiFi定位结果跳动的方法，其特征在于，它包括以下步骤：
(1)传感器数据获取：设置一定的采样频率，采集手机三轴方向的加速度数据；
(2)数据处理与分析：对采集到的三轴加速度数据，采用特定的算法计算出对应的阈值；
(3)运动状态判定：根据计算出的阈值和运动状态的划分，判断出人员的运动状态；
(4)定位结果获取：根据人员的运动状态，获取最终的定位结果；
在步骤(2)中，将运动状态分为：IDLE空闲、MOTION运动，其中，IDLE指静止和基本动作如手势动作、转弯、坐下、起立等，MOTION指走动和跑；
设置三个阈值：numX、numY、numZ，分别代表X、Y、Z三个方向上对应的阈值；
对numX、numY、numZ的计算方法为：
首先计算xi、yi，zi的平均值X、Y、Z并将numX、numY、numZ值设为0：
numX＝0,numY＝0，numZ＝0
然后对xi、yi，zi各自对应的28个数据依次减去各自的平均值得到三组新的数据xi'，yi'，zi'(i＝1,2,…,28)：
xi'＝xi-X(i＝1,2,…,28)
yi'＝yi-Y(i＝1,2,…,28)
zi'＝zi-Z(i＝1,2,…,28)
对这组新的数据进行逐个判断：若相邻两个值为一正一负且后一个值平方大于0.2，则对num值增加1，这样对这组新数据全部判断完后得到的num值就是最终的num值。
2.根据权利要求1所述的基于手机传感器信息改进WiFi定位结果跳动的方法，其特征在于，在步骤(1)中，基于AndroidAPI提供的onSensorChanged中的event.values方法获取手机三轴方向的加速度数据，采样频率为14Hz，两秒钟判断一次，采用三个队列xi、yi，zi，其中i＝1,2,…,28来记录三方向的加速度数据，这样当队列记录28个数据时的时间间隔大约为2s。
3.根据权利要求1所述的基于手机传感器信息改进WiFi定位结果跳动的方法，其特征在于，在步骤(3)中，三个方向的加速度数据对应三个num值，对此三个num值进行判断，如果有一个num值小于3则将运动状态设置为IDLE否则设定为MOTION。
4.根据权利要求1所述的基于手机传感器信息改进WiFi定位结果跳动的方法，其特征在于，在步骤(4)中，当运动状态为IDLE时取上一次定位结果为本次定位结果，当运动状态为MOTION时取WiFi定位的结果为本次定位结果。
CN201410064664.4A 2014-02-25 2014-02-25 基于手机传感器信息改进WiFi定位结果跳动的方法 Active CN103826202B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410064664.4A CN103826202B (zh) 2014-02-25 2014-02-25 基于手机传感器信息改进WiFi定位结果跳动的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410064664.4A CN103826202B (zh) 2014-02-25 2014-02-25 基于手机传感器信息改进WiFi定位结果跳动的方法

Publications (2)

Publication Number Publication Date
CN103826202A CN103826202A (zh) 2014-05-28
CN103826202B true CN103826202B (zh) 2017-04-05

Family

ID=50760983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410064664.4A Active CN103826202B (zh) 2014-02-25 2014-02-25 基于手机传感器信息改进WiFi定位结果跳动的方法

Country Status (1)

Country Link
CN (1) CN103826202B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105142107B (zh) * 2015-08-14 2017-06-23 中国人民解放军国防科学技术大学 一种室内定位方法
CN110087308B (zh) * 2019-04-29 2020-09-18 中国矿业大学(北京) 一种基于rss和toa互补的矿井移动目标定位方法
CN110177335B (zh) * 2019-05-29 2021-05-14 鹏城实验室 一种导航定位方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102665170A (zh) * 2012-04-24 2012-09-12 北京邮电大学 一种用户上/下楼层判定方法及装置
CN102932742A (zh) * 2012-10-12 2013-02-13 上海交通大学 基于惯性传感器与无线信号特征的室内定位方法及系统
CN103340634A (zh) * 2013-06-17 2013-10-09 无锡市中安捷联科技有限公司 一种基于加速度变化检测人运动状态的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10145707B2 (en) * 2011-05-25 2018-12-04 CSR Technology Holdings Inc. Hierarchical context detection method to determine location of a mobile device on a person's body

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102665170A (zh) * 2012-04-24 2012-09-12 北京邮电大学 一种用户上/下楼层判定方法及装置
CN102932742A (zh) * 2012-10-12 2013-02-13 上海交通大学 基于惯性传感器与无线信号特征的室内定位方法及系统
CN103340634A (zh) * 2013-06-17 2013-10-09 无锡市中安捷联科技有限公司 一种基于加速度变化检测人运动状态的方法

Also Published As

Publication number Publication date
CN103826202A (zh) 2014-05-28

Similar Documents

Publication Publication Date Title
CN108564005B (zh) 一种基于卷积神经网络的人体跌倒辨识方法
CN108109336B (zh) 一种基于加速度传感器的人体跌倒识别方法
Ouchi et al. Indoor-outdoor activity recognition by a smartphone
KR101157073B1 (ko) 근전도 센서와 자이로 센서를 이용한 지화 인식 방법 및 장치
Jensen et al. Classification of kinematic swimming data with emphasis on resource consumption
He et al. Weightlessness feature—a novel feature for single tri-axial accelerometer based activity recognition
CN105320937B (zh) 基于Kinect的交警手势识别方法
JP6083799B2 (ja) 携帯デバイスの携帯場所判定方法、携帯デバイス、携帯デバイスの携帯場所判定システム、プログラム及び情報記憶媒体
CN111089604B (zh) 基于可穿戴传感器的健身运动识别方法
Shao et al. DePedo: Anti periodic negative-step movement pedometer with deep convolutional neural networks
US20140278208A1 (en) Feature extraction and classification to determine one or more activities from sensed motion signals
CN111288986B (zh) 一种运动识别方法及运动识别装置
CN107966161B (zh) 基于fft的步行检测方法
CN112464738B (zh) 改进朴素贝叶斯算法基于手机传感器的用户行为识别方法
CN108021888A (zh) 一种跌倒检测方法
Fernandez-Lopez et al. Optimizing resources on smartphone gait recognition
CN103826202B (zh) 基于手机传感器信息改进WiFi定位结果跳动的方法
CN107463873B (zh) 一种基于rgbd深度传感器的实时手势分析与评价方法与系统
CN112801000A (zh) 一种基于多特征融合的居家老人摔倒检测方法及系统
Pan et al. Dynamic hand gesture detection and recognition with WiFi signal based on 1d-CNN
Cottone et al. User activity recognition via kinect in an ambient intelligence scenario
Chen et al. Detection of falls with smartphone using machine learning technique
Harasimowicz et al. Accelerometer-based human activity recognition and the impact of the sample size
Dwiyantoro et al. A simple hierarchical activity recognition system using a gravity sensor and accelerometer on a smartphone
CN116470957A (zh) 一种基于卫星多模边缘计算网关的通信系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant