CN103843313B - 使用来自移动装置上的惯性导航系统的噪声信号的运动方向的确定 - Google Patents

Abstract

本发明的方面一般涉及室内定位，例如，在GPS或其他定位信号不能使用的位置。更具体地，方面涉及使用例如加速度计(136)和陀螺仪(134)的惯性导航系统(132)帮助确定用户的位置。应校准例如设置在手持客户端装置(104)中的MEMS陀螺仪的某些装置以确保获取到精确的位置信息。一方面，对带移动装置的用户行走时生成的震动能量进行振动能量模型处理(图4B)以检测用户行走的方向。这个信息可用作信号融合系统的一部分以对用户进行精确的室内定位，从而为用户提供增强的地图和位置服务。

Description

使用来自移动装置上的惯性导航系统的噪声信号的运动方向的确定

背景技术

各种移动装置为用户提供基于位置的服务(LBS)。这些移动装置包括先进的移动电话、掌上电脑、上网本以及平板电脑。能够保持跟踪这些移动装置的位置可增强许多应用。因此，LBS迅速成为用于广泛的移动应用(例如位置定位、位置导航、位置感知搜索、商务以及广告，仅仅列举一些)的下一代普遍技术。但是，目前的LBS技术仍存在一些不足。一个问题是缺少室内定位和导航的支持。虽然GPS信号可用于提供精确的室外定位，但这在室内环境和城市峡谷中通常是不可行的。另外，GPS可能需要较长的第一次定位时间，延迟了装置位置的确定。另一个问题是移动装置接收GPS和WiFi信号时的能耗可过高以至于无法维持连续使用。

移动装置(例如上述的那些移动装置)可利用惯性导航系统(INS)来帮助检测装置的位置和运动的方向。INS已被用在汽车、飞机和宇宙飞船中以计算获取车辆的位置。这种车辆的开发者可以承受使用昂贵的、高质量的并且精确校准的INS以获取精确的运动信号。这些技术可支持连续的实时定位服务，即使外部定位信号是断续的。相反地，由于形状因子和成本问题，在手持移动装置中通常使用基于微机电系统(MEMS)的INS装置。基于MEMS的INS装置需要是小型的并且便宜的，因为手持移动装置通常是小型的并且便宜的。

然而，基于MEMS的INS部件可能不如应用在高端车辆中的INS装置精确。例如，MEMS指南针的读数可能有大约20至30度的偏差。基于MEMS的加速度计可能遭受轴失准、随机噪声以及零点偏移。与基于MEMS的INS部件相关联的噪声和其他误差可能对位置估计产生不利影响。因此，许多依赖精确读数以计算速度和位置的传统技术可能无法用于手持移动装置的INS。

发明内容

本发明的一方面通过分析用户的振动能量，在低质量的充满噪声的INS信号的情况下提取可靠的移动方向。例如，当移动装置自身相对于用户的运动而运动时，由移动装置上的INS单元确定用户的运动的方向。更具体地，移动装置关于用户的运动可以是非静止的。例如，移动装置不需要被用户的身体部分稳定地握住或者固定在用户的身体部分上。相反地，移动装置自身可以在运动中，例如，在摆动的手中，在钱包中，或在口袋中。与这个运动相关联的振动能量用于确定相对移动方向。

根据一方面，提出一种确定移动装置的运动方向的方法。所述方法包括：接收与所述移动装置相关联的多个加速度读数；对所述接收到的加速度读数进行高通滤波以获取高频分量；由所述高频分量确定振动能量；以及基于所述确定出的振动能量确定所述移动装置的运动的主要方向。

在一个示例中，所述方法进一步包括对所述确定出的振动能量进行低通滤波以获取平滑数据。此处，确定所述运动的主要方向包括评估所述平滑数据以确认运动的最可能方向。在另一个示例中，使用陀螺仪以及多轴加速度计生成所述多个加速度读数。在进一步示例中，所述方法包括在接收所述多个加速度读数之前，校准所述多轴加速度计。在一个可选示例中，校准所述多轴加速度计包括：计算来自选定的时间窗上的所述多轴加速度计的加速度读数的平均值；确定偏置和比例因子；以及利用所述偏置和所述比例因子进行代价函数处理。

在另一个示例中，所述高频分量与所述移动装置相对于用户的运动生成的摇摆能量相关联。在进一步示例中，根据以下等式确定所述振动能量：其中，A_energy是表示所述振动能量的矢量，A_high是所述高频分量。

在又另一个示例中，确定所述运动的主要方向包括进行信号融合以消除运动的可选(alternative)方向。在这种情况下，进行所述信号融合可包括评估无线信号和与室内位置相关联的地图信息。

在另一个示例中，如果确定所述运动的主要方向为恒定的垂直能量，所述方法进一步包括确认所述移动装置正在改变高度。

根据本发明的另一方面，一种装置包括用于存储移动装置数据的存储器以及联接至所述存储器的处理器。所述处理器用于：接收与移动装置相关联的多个加速度读数并将所述加速度读数存储到所述存储器中作为所述移动装置数据的至少一部分；对所述接收到的加速度读数进行高通滤波以获取高频分量；由所述高频分量确定振动能量；以及基于所述确定出的振动能量确定所述移动装置的运动的主要方向。

在一个示例中，所述处理器进一步用于对所述确定出的振动能量进行低通滤波以获取平滑数据。此处，所述平滑数据存储在所述存储器中，并且所述处理器用于通过评估所述平滑数据确认运动的最可能方向来确定所述运动的主要方向。在另一个示例中，所述移动装置包括多轴加速度计，并且所述处理器进一步用于在接收所述多个加速度读数之前校准所述多轴加速度计。在这种情况下，所述处理器可用于通过以下方式校准所述多轴加速度计：计算来自选定的时间窗上的所述多轴加速度计的加速度读数的平均值；确定偏置和比例因子；以及利用所述偏置和所述比例因子进行代价函数处理。

在进一步示例中，所述处理器用于通过进行信号融合以消除运动的可选方向来确定所述运动的主要方向。在这种情况下，所述运动的主要方向可用于将地图应用或定向广告的至少一个提供给所述移动装置的用户。在另一个示例中，所述处理器用于通过评估无线信号和与室内位置关联的地图信息进行所述信号融合。

在一个可选示例中，所述处理器和所述存储器是所述移动装置的部分。在另一个可选示例中，所述处理器和所述存储器的至少一个是所述移动装置外部的远程服务器的部分。

根据本发明的另一方面，一种有形的非易失性计算机程序产品存储计算机程序的计算机可读指令。当通过处理器执行所述指令时，所述指令使得所述处理器执行确定移动装置的运动方向的方法。所述方法包括：接收与所述移动装置相关联的多个加速度读数；对所述接收到的加速度读数进行高通滤波以获取高频分量；由所述高频分量确定振动能量；以及基于所述确定出的振动能量确定所述移动装置的运动的主要方向。

附图说明

图1是关于本发明的方面的系统的功能示意图；

图2示出测试系统中的加速度的测量；

图3示出示例性移动装置中的三轴加速度计的阿伦方差；

图4A是描述根据本发明的方面的步行运动模式的示意图；

图4B是根据本发明的方面的振动能量模型处理的流程图；

图5示出根据本发明的方面的振动能量模型处理以检测人的方向的结果；

图6A-C示出根据本发明的方面的三个情景中的步行者的测量加速度；

图7A-C示出根据本发明的方面的三个情景中的步行者的步态检测；

图8A-C示出根据本发明的方面的用于确定步行者的位置的实验结果。

参考下面的实施例和附图的描述，本发明的方面、特征和优点将变得明显。下面的描述不限制本发明；相反地，本发明的范围由所附权利要求及其等同界定。

具体实施方式

本发明的一方面涉及用于室内定位和导航的信号融合结构。该系统可利用可校准移动目标的位置的一个或多个信号源作为外部参考或约束。这种信号源可以是，例如GPS、WiFi或通过点对点协议传输的附近装置的位置信息。约束可包括地图和空间布局信息。INS可包括但不限于运动感应装置(例如加速度计、陀螺仪和磁性传感器)。来自信号源和INS的信息可被融合以进行精确的室内和室外位置定位，并且以节能的方式进行。

众所周知，常规的便宜的惯性导航系统由于轴失准、零偏差以及积分漂移产生误差。线性加速度(加速度计)和角速度(陀螺仪)的略不精确的读数可(随时间)逐渐累计成为大的速度误差，这些大的速度误差形成更大的位置误差。更有挑战的是步行者的运动。与飞机、汽车或其他车辆的运动不同，步行者的运动通常是“非平滑的”。例如，移动装置可以由不同的人在不同的时间以不同的方式携带。从噪声中分辨出真实的信号几乎是不可能的。

为了将噪声最小化，一方面利用非介入校准机制。在一个例子中，可以使用本文称为“振动能量模型”(VEM)的处理来基于均分定理确定步行者的移动方向。均分定理表明能量在所有自由度之间平均分配。校准处理为获取精确的传感器读数以实施高效的多峰信号融合来进行位置定位提供了基础。在一个场景中，粒子滤波可用于融合算法。校准使得每个INS的读数更精确。振动能量模型使用从INS收集的信号来在“能量”领域计算运动方向以降低误差被放大的倍数，从而保证或大或小、或校准或未校准的误差不被放大得太严重。融合将来自INS的结果与外部信号相结合以进一步提高位置预测的准确度和效率。

图1示出关于本发明的方面的包括移动装置的组件校准的示例性系统100。该示例性系统100可包括服务器102以及一个或多个客户端装置104。服务器102可包含处理器106、存储器108以及典型地存在于通用计算机中的其他组件。

存储器108通过处理器106存储可存取信息，包括可通过处理器106执行的指令110。存储器还包括可通过处理器检索、操作或存储的数据112。存储器可以是能够存储可通过处理器存取的信息的任意类型，例如硬盘驱动、存储卡、ROM、RAM、DVD、CD-ROM、可写存储器和只读存储器。处理器106可为任意已知的处理器，例如市场上可买到的CPU。可选地，处理器可以是例如ASIC的专用控制器。

指令110可以是通过处理器直接执行的任何指令组(例如机器代码)或间接执行的任何指令组(例如脚本)。在这方面，术语“指令”、“步骤”以及“程序”在本文可互换使用。指令可以以对象码的格式存储以通过处理器直接处理，或者以任何其他计算机语言的格式(包括脚本或需要解释或者预先编译的独立源代码模块的集合)存储。下面详细说明指令的功能、方法和程序。

可通过处理器106根据指令110检索、存储或修改数据112。例如，虽然系统和方法不受任何特定数据结构的限制，但是数据可存储在计算机寄存器中，在关系数据库中作为具有多个不同栏和记录的表格或XML文档。数据还可被格式化成任何计算机可读格式。而且，数据可包括足以确认相关信息的任意信息，例如数字、描述性文本、专有代码、指针、存储在其他存储器中的数据的参考(包括其他网络位置)或用于通过函数计算相关数据的信息。

根据本发明的一方面，数据112可包括地图信息114。地图信息114可为，例如，室内区域、墙壁的具体位置、入口通道、房间以及室内空间的其他属性(例如无线接入点和以特定功率比(例如，dBm)测量的各个位置处的来自接入点的信号强度)的地图集合。这个地图信息114可与来自客户端装置104的数据结合使用以确定每个客户端装置104的位置并为客户端装置提供导航信息。

虽然图1功能性地示出服务器102的处理器和存储器在相同的方框中，处理器和存储器实际上可包括可以或不可以存储在相同物理壳体中的多个处理器和存储器。例如，一些指令和数据可存储在可移动光学介质，其他指令和数据存储在只读计算机芯片中。一些或全部的指令和数据可存储在物理上远离处理器但仍可通过处理器存取的位置。类似地，处理器实际上可包括可以或不可以并行运行的处理器的集合。

服务器102可以在网络116的一个节点处并能够直接或间接地与网络的其他节点通信。例如，服务器102可包括能够通过网络116与客户端装置104通信的网络服务器，从而服务器102使用网络116传输信息并在客户端装置104的显示器上将信息显示给用户。服务器102还可包括多个计算机，例如，为了接收、处理并传输数据至客户端装置的目的而与网络的不同节点交换信息的负载均衡服务器群。在这种情况下，客户端装置将典型地仍在网络的不同节点处，而不是在包括服务器102的任何计算机中。

每个客户端装置104的配置可与服务器102类似，具有处理器118、存储器120、指令122和数据124。每个客户端装置104可以为专门为个人使用的个人计算机，具有通常存在于个人计算机中的所有内部组件，例如中央处理单元(体现为处理器118)、显示装置126(例如，具有屏幕的显示器、投影仪、触摸屏、小型LCD屏幕、电视、或其他可操作用于显示通过处理器处理的信息的装置)、CD-ROM驱动器或其他可移动介质、硬盘驱动、用户输入128(例如，鼠标、键盘、触摸屏和/或麦克风)、扬声器、调制解调器或其他网络接口装置、以及用于将这些元件彼此连接的所有组件。

虽然客户端装置104可分别包括个人计算机，但是本文描述的系统和方法也可与能够通过网络(例如互联网)与服务器无线交换数据的移动装置结合使用。仅仅举例来说，任何客户端装置104可以为具有无线功能的掌上电脑、便携式导航装置、平板电脑、上网本、或能够无线获取信息的移动电话。例如，用户可使用用户输入128(例如小型键盘、按键、或触摸屏)输入信息。

服务器102和客户端装置104能够直接和间接通信，例如通过网络116。虽然在图1中只描述了一些装置，应理解的是，典型的系统可包括与网络116的各个节点处的每个不同的装置相连的大量连接装置。网络以及中间节点可包括各种配置和协议，包括互联网、万维网、内联网、虚拟专用网、广域网、局域网、使用一个或多个公司专有的通信协议的专用网、以太网、WiFi(例如802.11，802.11b，g，n，或其他此类标准)、以及上述的各种组合。

如图1所示，客户端装置104还可包括用于确定地理位置的地理定位组件130。例如，每个客户端装置104可包括用于确定装置的近似纬度、经度和高度位置的GPS接收器。由此，当客户端装置104改变位置(例如通过物理运动)时，GPS接收器可以确定新的当前位置。地理定位组件130还可包括用于基于客户端装置104接收的其他信号(例如移动装置的天线从一个或多个蜂窝塔接收的信号)确定装置的位置的软件。

客户端装置104还可包括车载传感器132，例如定向装置和其他类型的传感器。例如，车载传感器132可包括陀螺仪134、加速度计136、指南针138、计步器140、磁场检测器142、以及温度传感器(例如温度计144)。车载传感器可用于(例如，与软件相结合)确定室内空间中的客户端装置104的位置。例如，定向装置可指示装置所朝向的方向。客户端装置104可使用来自陀螺仪134的数据和来自加速度计136的输入确定客户端装置相对于重力方向或与其垂直的平面的倾斜度、偏转(yaw)或滚动(或变化)。

在这方面，应理解的是，本文中阐述的提供给客户端装置的方向数据可自动提供给客户端装置。可选地或者额外地，来自车载传感器130的这种方向数据或其他数据可传输至服务器102或其他装置以进行进一步处理或记录。没有个人数据需要传输。为用户数据提供隐私保护，例如包括个人身份信息的匿名化、数据聚合、敏感信息的过滤、加密、敏感信息的散列或过滤以移除个人属性、信息存储的时间限制、或数据使用或共享的限制。用户可选择不使用任何这种敏感信息。

从车载传感器130接收到的方向数据可以各种方式使用。例如，通过运行加速度值的平均值以确认哪个方向朝下(朝向地面)，陀螺仪134或加速度计136可用作计步器。每当向下方向的运动大于经验确定的阈值，计步器可确定发生了一步。可使用人的近似步长或速度来近似得到每步的距离。

当用户在室内空间移动时，客户端装置140的车载传感器130可用于确定用户的运动。例如，陀螺仪134可指示角度改变的速率(例如，用户转动得多快)。例如，这个数据可与来自加速度计136或计步器140的数据结合以确定客户端装置在给定时间的位置。

车载传感器130还可提供位置的一般测量。但是，来自陀螺仪或其他传感器的测量可能受到漂移的影响，因此随时间可能变得不精确。因此，车载传感器测量可定期地与通过其他方式获取的测量和位置估计进行比较。例如，使用无线网络数据或本文讨论的其他信息获取的测量和位置估计可用于校准螺旋仪或其他惯性导航组件，或改善位置估计(例如当人位于室内环境时)。

客户端装置104的数据124可存储来自一个或多个车载传感器130的测量和无线网络接入点标识符的时间索引的日志146。例如，日志可包括时间戳、方向和指南针测量、无线网络接入点标识符(MAC地址和/或SSID)、以及信号强度。此外，这个数据无需包括任何有效载荷信息，只需确认无线网络接入点(或其他无线网络标识符)及其相关联的信号强度。对于沿线的每个时间单元，客户端装置可记录那个位置的日志条目。例如，可定期地(例如每0.1秒一次)记录日志条目。可以一边收集一边将日志数据传输至服务器102，或者用户可以选择一旦用户已经完成在室内空间的行走时传输数据。

客户端装置104的数据124还可存储传感器校准信息148。根据一些方面，可使用客户端装置180的其他功能或能力确定这个校准信息148并定期地对其进行更新。例如，如在下文中将进一步讨论的，可使用关于用户或装置运动的信息校准一个或多个车载传感器(例如陀螺仪132或加速度计136)。

根据INS单元如何放置的方式可将使用INS装置来定位人的位置大体上划分为两类。一类使用脚部安装的惯性单元执行室内步行者位置雏形。另一类设定INS单元穿戴在腰部。两类方案都保证它们的INS单元的运动模式是可预测的。在脚部安装的情况下，当脚部接触地面时，INS单元接收清除信号以开始跨步(stride)，并且周期性地执行这个重置。在腰部穿戴的情况下，INS单元被预期为稳定地移动。然而，嵌入在移动电话中的INS单元不能具有这些优点。移动电话可戴在腰上，放在钱包中，放在口袋里，或在手中摆动。

内置于电话的计步器可使用加速度计。虽然估计出的步数可能不是非常可靠的，但是它可以在没有方向信息的情况下提供对行进距离的良好估计。指南针可用于估计用户的方向；然而，可靠的读数需要用户以这样的方式握着电话：电话的方向总是与用户的方向一致。而且，移动电话上的指南针可能非常不精确，例如，由于来自移动电话的其他电子单元的严重干扰。某些技术可以用于解决这些问题，但是可能只在电话的方向不太频繁地改变时有效。这些使用INS的现有方法不能提供防止由各种INS噪声产生的累计误差的有效策略。

高端传感器校准经常需要昂贵的机械平台，通过该机械平台，可以精确地控制方向和旋转速度。然后将传感器输出与通过已知的机械平台参数计算出的外部校准值进行比较。这种高成本且侵入式的方法不适于校准移动电话或其他手持用户装置上的INS单元。为了解决移动电话的INS校准问题，已经提出便宜的设备(例如光学跟踪器)。然而，要求移动电话或其他手持装置的购买者也购买这种校准站，或者去商店以定期地校准他们的装置是不可行的。相反地，本发明的一方面提供一种需要手持移动装置的用户的最小的努力就可有效进行的校准。

由于嵌入在移动电话中的MEMS惯性传感器具有较大噪声基底，因此在MEMS惯性传感器用于精确定位之前对它们进行校准是非常重要的。有两个时机可对移动电话中的惯性单元进行校准：在制造商处和在家。在制造商处的校准处理可依靠外部的昂贵装置。但是，一旦用户已购回移动电话或其他这种便携装置，在家的校准处理期望是一次性的、非介入式的、并且应不依靠外部装置(例如旋转台)。

经常用于移动客户端装置中的一个装置是加速度计。与其他用于惯性导航的组件一样，加速度计可能需要校准，因为它可能受到较大的噪声基底的影响。进行简单的实验以帮助分析和分解噪声基底，从而模拟噪声基底。特别地，将两个智能手机并排放置，首先躺在桌上，然后靠墙站立。三轴加速度计的最敏感的轴线是最接近于与重力相平行的轴线。前述的两种放置考虑到期望成为最敏感的轴线的隔离，但不需要智能手机或加速度计的任何轴与水平方向精确地平行或垂直。

在实验的每种放置中，智能手机保持静止至少30秒。这段时间内测量的加速度的大小如图2所示。可观测到三种类型的误差：随机误差、偏置误差和比例因子误差。虽然两个手机都是静止的，加速度测量的大小仍然抖动得非常明显，这说明随机噪声的存在。当两个手机放置在两个不同的位置时，图2指示两个手机都受到的偏置误差和比例因子误差的影响，因为两个手机在相同位置的加速度和同一手机在不同位置的加速度都不同。首先，通过第二手机测量出的加速度大小比通过第一手机测量出的加速度至少大0.2m/s²。其次，当改变关于重力的最敏感轴线时，相同的手机测量出不同的加速度大小。第三，两个智能手机测量出的加速度的大小都偏离重力加速度(9.8015m/s²)。这个结果强烈地指示应单独对每个手机进行校准。下面使用等式1对以上讨论的三种加速度误差进行建模，其中三轴加速度计读数a_raw校准成a_c(脚注c表示已校准的)，其中a_raw和a_c是三元组。

a_c＝S(a_raw-b-V)             (等式1)

其中比例矩阵(S)为：

$S=\begin{array}{c}\left(\begin{array}{ccc}{S}_x& 0& 0\\ 0& S_y& 0\\ 0& 0& S_z\end{array}\right)\end{array},$

偏置矢量(b)为：

b＝(b_xb_yb_z)^T，

V代表随机误差

用于加速度校准的重要性质为电话或其他装置静止时测量的加速度的大小必须等于重力加速度。直观地，如果加速度计不引入任何误差，则在静止位置测量的加速度(表示为三相(triple))应当形成半径为重力加速度的大小的球形。偏置和比例因子将球形拉伸成不规则的椭圆，随机误差扰乱椭圆。加速度计校准处理的目的是确定误差模型中的参数以将椭圆转变回期望的球形。

因为随机误差V不是常量值并且随时间不同而不同，因此消除随机性的有效方法包括对在选定时间窗内的加速度读数取平均值。阿伦方差用于确定时间窗应当持续的时间长度。阿伦方差首先由David Allan提出以测量振荡器在时域中的不稳定性，并且也是一种将随机噪声表示为平均时间的函数的有效方法。此处，平均时间表示对样本一起进行平均的时间跨度间。阿伦方差可由以下等式表示：

${\mathrm{\σ}}_y^2\left(T\right)=\frac{1}{2}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[y(i,T)-y(i-1,T)]$             (等式2)

其中y(i，T)是第i个平均值，每个平均值跨越T秒。

在一个测试中，收集静止加速度计信号160分钟。平均时间T从1秒(N＝9599)变化到400秒(N＝23)。图3示出当平均时间从1秒变化到15秒时的阿伦方差。如图所示，嵌入在测试移动电话中的加速度计的z轴的阿伦方差花费6秒的最长时间段来收敛。这表明测试手机的校准需要手机静止至少6秒以获取稳定的平均值来消除随机噪声，以便平均值在之后的任意6秒时间段内不会显著地改变。

比6秒更长的平均时间可能稍微减小阿伦方差；但是，对于现场校准，期望校准时间尽可能地短。因此可选择大约6秒(例如，加上或减去2秒，至少3秒，或少于10秒)作为合适的值。这个随机噪音去除步骤与任意选择一秒间隔作为平均时间窗的长度形成对比。测量的阿伦方差指示跨越仅仅一秒的加速度计信号的平均值在每秒钟都不同。

在通过对跨越至少6秒的加速度读数进行平均来已经消除随机噪声之后，校准的下一个步骤是确定偏置和比例因子，即六个参数：Sx、Sy、Sz、bx、by、以及bz。由于有六个参数，谨慎的做法是具有足够多的数据来形成超定(over-determined)系统。在一个测试中，使用两个盒子来帮助将手机固定成不同的姿态以获取稳定的加速度测量。两个盒子放在平坦表面，其间留出一些空间。然后，手机靠着一个盒子的面放置，另一个盒子用于防止手机滑倒。两个盒子保持手机处在静止位置至少6秒。跨越6秒的平均三轴加速度计信号形成校准数据集。之后，通过旋转手机或扩大/减小两盒子之间的空间改变手机的姿态。给定n个集，校准是使用根据如下所述的代价函数来计算(Sx，Sy，Sz，bx，by，bz)：

$f(S,b)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left(\right|\left|a_{\mathrm{ci}}\right||-|\left|a_g\right|\left|\right)}^2$              (等式3)

结合使用Nelder-Mead单纯形法和梯度下降法可最小化代价函数f(S，b)的处理。在一个示例中，由于在使用不同值进行初始化时单纯形法有时会漏掉全局最小值，因此包括梯度下降法。单纯形法的结果用作梯度下降法的初始启动值。梯度下降法的结果用于开启下一轮的单纯形法。经过若干迭代后，完成最小化过程。

根据一方面，在移动装置的加速度计已校准之后，可开始通过惯性导航跟踪步行者。步行者跟踪包括跟踪步行者的运动方向，以及跟踪步行者距离特定点的距离。对此，期望以(方向，距离)的形式维持二元组。例如，这个数据可存储在客户端装置的时间索引的日志146(见图1)中。方向由步行者的朝向和特定的指南针方向之间的角度表示。例如，指南针方向可以是南方，例如，南方被认为是0°，东方是90°，西方是-90°，北方是180°(或-180°)。距离以步行者自最后跟踪点已行走的米数来测量。在一个示例中，二元组以1Hz的速率发送至融合算法。通过振动能量模型处理推导出方向，通过将步数乘以步长来计算出距离，以下将对两者进行描述。

当人步行时，他们很少垂直于他们步行的方向摆动他们的手臂。例如，以由南向北的方向行走的步行者可以沿平行于她行走的方向摆动她的手臂，而非朝东或朝西。如果步行者握住某个东西(例如电话或掌上电脑)并停止摆动她的手臂，她可平行于她行走的方向摆动她的身体以保持她的平衡。如极端情况，即使步行者想像螃蟹一样横向行走，她仍需像螃蟹一样摆动她的身体，特别地，以平行于步行方向的方式。这个现象可理论上解释为好像步行者在摆动她的手臂时为行走存储能量。摆动被认为是能量存储。根据均分定理，步行者在行走/摆动之间交替地消耗/存储能量。因此，摆动手臂的方向也可被理解为步行者的方向。本发明的一方面使用摆动能量、振动能量或其他振动(统一称为“振动动能”或“振动能量”)的信号作为用户的运动方向的提示。

图4A示出描述步行移动模式的示意图400。此处，可将步行者建模为单元402。步行者的步行运动可评估为两个主要部分。一个是平移运动，另一个是振荡运动。根据均分定理，这两个运动在一个跨步(或一个运动周期)平均地分配能量。如图4A所示，这两个运动通常沿运动方向404。通过沿运动方向404的箭头406线性地示出平移运动。相反，振荡运动可发生在沿运动方向404的弧形路径408中。系统通过测量振动运动推断关于平移运动的信息。

处理过程从确定绝对参考系(由矢量A_a＝(A_ax，A_ay，A_az)^T表示)中的加速度以获得步行者的运动方向(即，运动方向与给定方向(例如南方)之间的角度)开始。可使用陀螺仪和三轴加速度计确定加速度。在这个绝对参考系的示例中，X轴是水平的并指向南方，Y轴是垂直的并指向东方，Z轴指向地面。然而，移动电话或其他便携式装置内部的加速度计提供装置在参考坐标中的加速度，例如其中所有的轴线均是相对于屏幕的前面的。

测量周围磁场的磁场传感器和通过加速度计测量的重力加速度均可用于确定将移动装置的参考坐标转换为绝对参考坐标的初始旋转矩阵。在跟踪操作期间，采用陀螺仪的测量更新旋转矩阵。在一个实施例中，步行者的运动方向确定如下：

A_high＝HPF(A_a)         (等式4)

根据等式4，矢量A_a反馈给高通滤波器(HPF)以获取保持摆动运动的高频分量A_high。可以不考虑沿绝对参考系的Z轴的信息，因为系统关注于确定沿二维平面(例如XY平面)的步行者的方向。

$A_{\mathrm{energy}}=A_{\mathrm{high}}\×A_{\mathrm{high}}^T$              (等式5)

根据这个等式，A_energy为2×2的对称矩阵，可由 $\left(\begin{array}{cc}{a}^2& \mathrm{ab}\\ \mathrm{ab}& b^2\end{array}\right)$ 表示。此处，能量指的是与加速度成正比的存储的弹性势能。在一个实施例中，a和b可由加速度读数和姿态信号获取。此处，a表示加速度，b表示误差。

A_LowEnergy＝LPF(A_energy)           (等式6)

此处，为了平滑的目的，采用线性低通滤波器提取A_energy的低频分量。因为低通滤波器是线性的，所以A_LowEnergy保持是对称的，因此A_LowEnergy的元素可表示为：

$A_{\mathrm{LowEnergy}}=\left(\begin{array}{cc}\mathrm{LPF}\left(a^2\right)& \mathrm{LPF}\left(\mathrm{ab}\right)\\ \mathrm{LPF}\left(\mathrm{ab}\right)& \mathrm{LPF}\left(b^2\right)\end{array}\right)$           (等式7)

A_LowEnergy到运动方向上的投影是所有方向中最大的。换言之，将f(α)＝LPF((acosα+bsinα)²)最大化的α是步行者的运动方向的角度。利用可推导出：

            (等式8)

实际上，有两个α值将f(α)最小化，通过将α的这些值代进f(α)可以检查出这两个α值。剩下的两个α值表示运动的可能方向，因为系统只能检测摆动的方向。摆动方向与步行的方向平行，但可以与其相反。信号融合可使用来自WiFi信号和地图信息的信息确定运动的方向。与上述处理相关联的信息可存储成例如时间索引的日志146和/或移动装置的存储器的传感器校准数据148(见图1)。在一个示例中，移动客户端装置可存储信息、进行加速度计校准和振动能量模型处理。可选地，在另一示例中，一些或所有的信息可传输至服务器102用于分析、处理和/或存储。在进一步示例中，移动客户端装置和服务器102可共享存储、分析和处理操作。在将某些信息发送到服务器102用于处理的情况下，没有个人数据需要传输，并且为用户数据提供隐私保护，例如包括个人身份信息的匿名化、数据聚合、敏感信息的过滤、加密、敏感信息的散列或过滤以移除个人属性、信息存储的时间限制、或数据使用或共享的限制。用户可选择不使用任何这种敏感信息。

图4B示出根据本发明的方面的振动能量模型处理的示例420。首先，在块422中获取(例如，从存储器120检索出)或以其他方式接收加速度读数。期望使用陀螺仪和三轴加速度计计算出加速度。如上所述，在块422的操作之前，加速度计可经过校准处理。接着，如块424所示，进行高通滤波以获取高频分量A_high。如上所讨论的，A_high保留当步行者带移动装置在他或她的手中行走时生成的摆动运动。在块426中，可对过滤后的数据求平方以与能量成正比。接着，确定振动能量(A_energy)，例如如上述等式5所述。一旦获取到振动能量，在块430中通过低通滤波操作对其进行平滑化，产生“平滑”振动能量(块430)。接着，在块434确定运动的主方向。输出生成的方向，例如，被信号融合结构用于确定室内步行者(即移动装置的用户)的位置。鉴于此，运动的位置和主方向可用于为移动装置的用户提供地图应用、位置服务或定向广告的至少一个。尽管以特定顺序示出，示例420的某些操作可以以不同的顺序进行或同时进行。此外，处理中还可加入或省略额外的操作。

图5示出在上述振动能量模型处理用于检测步行者的运行(方向)的一个示例。在该示例中，假设步行者握着便携式装置(例如移动电话)。当她行走时，步行者摇摆她的手臂，围着块走，先朝向西，再朝向南、东和北。这个图示出通过振动能量模型系统(实线)检测处的步行者的方向，结果与地面实况(虚线)紧密匹配。

当步行者在水平地面上行走时，测量出的加速度示出如图6A至6C所示的明显的节奏。此处，对装备有加速度计的移动手机在不同位置时存在的节奏进行评估。例如，图6A表示当客户端装置被握在步行者的手中时的步行数据，其中移动装置随用户行走而摆动。图6B表示当步行者将电话稳定地握在他们面前时客户端装置握在步行者手中时的数据。图6C表示客户端装置放在步行者的裤子的前口袋时的数据。在这些图中仅示出加速度的大小。加速度计的采样频率大约是30Hz。

由于步行者的行走是由脚跟着地和脚趾离地组成的周期性运动，加速度计的每个放置显示一种节奏。然而，根据客户端装置所处的位置，节奏具有不同的表现。例如，当步行者将电话握在她的手中并摇摆她的手臂以保持平衡时，加速度测量示出与每步相对应的一个尖峰，而在其他场景(图6B和图6C)中，存在与每步相对应的两个靠近的尖峰。尖峰的数量的不同是因为一些人通常先将脚趾着地后再脚跟着地，这将生成两个尖峰，但是如果电话被握在摆动手臂的手中，脚趾-脚跟着地的影响是不明显的。

不论步行者如何握住电话，可采用平滑尖峰(smooth-spike)算法来检测每步。例如，可首先使用前述的等式1对原始加速度计读数的N个采样的每个进行校准。除了消除偏置误差和比例因子误差以及减小随机误差之外，校准还将两个靠近的尖峰整合为仅一个尖峰，由此将校准称为“平滑化”。然后，平滑的加速度形成序列(记为a_si)并被发送至尖峰检测算法。如果a_si大于a_si-1和a_si+1，则a_si被认为是尖峰并且被标记为单个步。在一个实验中，N＝5提供合适的结果，因为几乎没有有用的尖峰被平滑，而由于脚趾-脚跟运动导致的两个尖峰被整合成一个尖峰。虽然平滑尖峰方法因在N次采样完成后取平均值而引入滞后，N＝5并且30Hz的采样率使得这个滞后为16秒左后，而这是可接受的。图7A至图7C示出三个不同电话放置的步态检测结果的示例。在上述实验中，当电话放在牛仔裤的前口袋时只漏掉了一步。步长大小可如Constandache等，“Toward Mobile Phone Localization WithoutWar-Driving”，INFOCOM论文集，2010，1-9页中所描述的，其公开内容通过引用并入本文。

从一个楼层到另一个楼层的运动检测可与在给定的固定楼层上的位置预测分离开。例如，为了检测楼层变化，使用振动能量模型处理来跟踪用户在楼层之间的运动。如果振动能量模型处理检测到恒定的垂直能量，可理解为用户正在改变高度(level)(例如，建筑物的楼层)，例如通过楼梯、自动扶梯或升降机。一旦用户到达期望的楼层(可以表现为垂直能量已经维持凭经验选择的时间)，可以认为已经完成楼层变化。那个楼层上的界标可提供确认。

为了跟踪给定的楼层上的位置，可以采用粒子滤波处理作为融合算法。粒子滤波通常用于估计贝叶斯(Bayesian)模型，在贝叶斯模型中潜在变量连接成马尔科夫(Markov)链，其中潜在变量的状态空间是连续的(而非离散的)，并且没有足够的限制以实现精确的易处理的推断。在马尔科夫假设下，随后事件被在先事件影响，允许贝叶斯滤波跟踪动态系统随时间的状态。

然而，已知的是粒子滤波是随潜在变量的状态空间增长而计算密集的，导致巨大数量的粒子。为了使得框架在移动装置(例如手机)上是计算可行的，期望采用楼层平面图和WiFi界标作为约束以限制粒子的数量。在位置框架中，粒子在时间t时具有状态s_t，其中：

s_t＝(x_t，y_t，θ_t，landmark_t)          (等式9)

此处，(x_t，y_t)和θ_t分别为用户的水平位置和朝向方向，landmark_t是可以从地图、WiFi和INS单元获取强指示的特殊多边形区域并且是用户的推测位置。注意的是，如果用户不在任何界标附近，landmark_t可以为空。由于关于用户在哪个楼层的确定是使用振动能量模型处理单独进行的，因此无需将高度存储在状态变量S_t中。粒子滤波的输入期望包括楼层平面图、INS源的读数、WiFi信号读数、以及现场勘测的WiFi信号热图。输出为与用户的室内位置相对应的获胜粒子S_t。

利用校准的惯性导航系统来定位步行者的目的在于生成步行者的当前位置。系统可评估INS跟踪的正确率和粒子滤波的效率。已经使用一组具有移动电话的不同路径和不同放置的实验对上面讨论的校准的惯性导航系统进行评估。在一个示例中，在实验中使用两组不同的路径，即，步行者围绕着5m×14.5m的矩形顺时针地和逆时针地行走(分别表示为“顺时针矩形”和“逆时针矩形”)。在一个场景中，移动电话(或其他装置)位于三个不同的放置，即，静止的手、摇摆的手和佩带者的裤子的前口袋。此处，静止的手代表步行者试图在行走时看移动装置的显示屏的情景。在一个测试中，请求两个人(一男一女)参加以获得总共12组的实验数据，包含具有移动电话的三个不同放置的两个不同路径。

使用校准的惯性导航系统以1Hz的速率生成的位置而绘成踪迹，结果如图8A至图8C所示。图8A示出两个步行者逆时针行走(逆时针矩形)且移动电话在他们的摆动手臂中的测试结果。图8B示出两个步行者顺时针行走(顺时针矩形)且移动电话在他们的静止(非摆动)手中的测试结果。如图所示，无论移动电话在静止的手中还是摆动的手中，振动能量模型处理都产生有效的结果。对于两个场景，摆动能量是明显的并且可用于推导出步行者的方向。在72.5m²的区域内，行走39米后，距离的最大偏移被确定为大约3米。然而，如图8C所示，当移动装置放在步行者的裤子的前口袋中时，这种处理的效率降低。这是因为，移动装置的摆动幅度不足以区分步行者的方向。然而，包含WiFi信号和室内地图以确定用户的位置的粒子滤波能够使得跟踪更加有效，在几乎没有移动装置摇摆时补偿振动能量模型校准处理。

在室内环境中，系统可主要依靠WiFi信号，使用惯性导航系统填补任意两个连续的WiFi信号之间的间隙。因此，系统可增加车载GPS装置的激活间隔。随着GPS的激活间隔的增加，移动装置的能耗降低。类似地，调用WiFi以确定移动装置的位置的间隔的增加也降低系统的能耗。在一个场景中，INS组件可通常是打开的以自动旋转屏幕，由此INS的使用不增加额外的能耗。因此，系统能够通过减少对GPS和WiFi信号的依赖来节省能耗。

由于可在不脱离权利要求限定的主题的范围的前提下利用如上讨论的特征的这些和其他变型和组合，前述实施例的描述应被当作说明而非对权利要求限定的主题的限制。还需理解的是，本文公开的示例(以及从句短语如“例如”，“包括”等)不应被理解为将权利要求的主题限制为具体示例；相反地，示例旨在说明许多可能的实施例的仅仅一个。进一步，不同附图中的相同参考标记可表示相同或类似的元件。

工业实用性

本发明具有广泛的工业实用性，包括但不限于移动装置的使用和操作。

Claims (19)

1.一种确定移动装置的运动方向的方法，所述方法包括：

接收与所述移动装置相关联的多个加速度读数；

对接收到的加速度读数进行高通滤波以获取高频分量；

由所述高频分量确定振动能量；以及

基于确定出的振动能量确定所述移动装置的运动的主要方向。

2.根据权利要求1所述的方法，进一步包括对所述确定出的振动能量进行低通滤波以获取平滑数据，其中确定所述运动的主要方向包括评估所述平滑数据以确认运动的最可能方向。

3.根据权利要求1至2中任一项所述的方法，其中使用陀螺仪以及多轴加速度计生成所述多个加速度读数。

4.根据权利要求3所述的方法，进一步包括在接收所述多个加速度读数之前，校准所述多轴加速度计。

5.根据权利要求4所述的方法，其中校准所述多轴加速度计包括：

计算来自选定的时间窗上的所述多轴加速度计的加速度读数的平均值；

确定偏置和比例因子；以及

使用所述偏置和所述比例因子进行代价函数处理。

6.根据权利要求1至2中任一项所述的方法，其中所述高频分量与用户导致的所述移动装置的运动而生成的摆动能量相关联。

7.根据权利要求1至2中任一项所述的方法，其中根据以下等式确定所述振动能量：

$A_{\mathrm{energy}}=A_{\mathrm{high}}\×A_{\mathrm{high}}^T,$

其中，A_energy是表示所述振动能量的矢量，A_high是所述高频分量。

8.根据权利要求1至2中任一项所述的方法，其中确定所述运动的主要方向包括进行信号融合以消除运动的可选方向。

9.根据权利要求8所述的方法，其中进行所述信号融合包括评估无线信号和与室内位置相关联的地图信息。

10.根据权利要求1至2中任一项所述的方法，其中如果确定所述运动的主要方向为恒定的垂直能量，所述方法进一步包括确认所述移动装置正在改变高度。

11.一种确定移动装置的运动方向的装置，包括：

存储器，所述存储器用于存储移动装置数据；以及

处理器，所述处理器联接至所述存储器，用于：

接收与移动装置相关联的多个加速度读数并将所述加速度读数存储到所述存储器中作为所述移动装置数据的至少一部分；

对接收到的加速度读数进行高通滤波以获取高频分量；

由所述高频分量确定振动能量；以及

基于确定出的振动能量确定所述移动装置的运动的主要方向。

12.根据所述权利要求11所述的装置，其中所述处理器进一步用于对所述确定出的振动能量进行低通滤波以获取平滑数据，所述平滑数据存储在所述存储器中，以及其中所述处理器用于通过评估所述平滑数据确认运动的最可能方向来确定所述运动的主要方向。

13.根据权利要求11至12中任一项所述的装置，其中所述移动装置包括多轴加速度计，所述处理器进一步用于在接收所述多个加速度读数之前校准所述多轴加速度计。

14.根据权利要求13所述的装置，其中所述处理器用于通过以下方式校准所述多轴加速度计：

计算来自选定的时间窗上的所述多轴加速度计的加速度读数的平均值；

确定偏置和比例因子；以及

使用所述偏置和所述比例因子进行代价函数处理。

15.根据权利要求11至12中任一项所述的装置，所述处理器用于通过进行信号融合以消除运动的可选方向来确定所述运动的主要方向。

16.根据权利要求15所述的装置，其中所述运动的主要方向用于将地图应用或定向广告的至少一个提供给所述移动装置的用户。

17.根据权利要求15所述的装置，其中所述处理器用于通过评估无线信号和与室内定位相关联的地图信息进行所述信号融合。

18.根据权利要求11至12中任一项所述的装置，其中所述处理器和存储器是所述移动装置的部分。

19.根据权利要求11至12中任一项所述的装置，其特征在于，所述处理器和存储器的至少一个是所述移动装置外部的远程服务器的部分。