CN105074381B - 确定设备与行人之间的未对准的方法和装置 - Google Patents

Abstract

本公开涉及用于确定设备和行人之间的未对准的方法和装置，其中行人能够以受约束或不受约束的方式沿不同取向携带、保持或使用该设备，并且其中该设备包括传感器组件。该设备中的传感器可以是例如加速度计、陀螺仪、磁力计、气压计以及其它。这些传感器具有传感器的轴的相应的坐标系。设备和行人之间的未对准意味着设备中的传感器组件的坐标系与行人的坐标系之间的未对准。不论存在还是不存在绝对导航信息更新(诸如，例如，全球导航卫星系统(GNSS)或WiFi定位)，本方法和装置都可以工作。

Description

确定设备与行人之间的未对准的方法和装置

相关申请

本申请要求美国临时专利申请No.61/754,863的权益，该申请在此通过引用结合。

技术领域

本公开涉及用于确定设备和行人之间的未对准的方法和装置，其中行人能够以受约束或不受约束的方式沿不同取向携带、保持或使用该设备。

背景技术

平台的惯性导航是基于通过设备的惯性传感器(例如，加速度计，陀螺仪)所测量的比力(specific force)与角速率的积分，该设备包含传感器并定位在支持运动(motion-capable)的平台内。。在传统系统中，该设备拴系到平台。来自设备的测量可被用于确定设备和/或平台的位置、速度和姿态。

平台内的惯性传感器的对准(即，包含传感器的设备与平台的前向、横向和垂直轴的对准)通常是传统的惯性导航系统所需的。在惯性传感器未适当对准的地方，使用来自惯性传感器的测量所计算的位置和姿态将不能代表平台的状态。由此，为了获得高准确度的导航解决方案，惯性传感器必须拴系在平台内并且需要将设备仔细地手动安装在平台内。

然而，不论在平台(诸如例如人、车辆或任何类型的船只)内受约束还是不受约束，便携式导航设备(或支持导航的(navigation-capable)设备)都能够移动，所以将设备仔细安装或拴系到平台不是选项。

现有便携式导航设备(或支持导航的设备)不能获得平台的准确姿态和位置，除非已知下列三个条件中的至少一个：

1)设备和平台的绝对姿态角；

2)设备的绝对姿态角以及设备与平台之间的未对准；

3)平台的绝对姿态角以及设备与平台之间的未对准。

由于第一上述选项至少需要两个传感器组件，一个在设备上且一个在平台上，因而了解未对准是启用便携式导航设备而没有先前提到的约束的关键因素。

随着支持导航的设备(例如，移动电话/智能电话)变得越来越流行，它们可以配备辅助全球定位系统(AGPS)芯片组，该辅助全球定位系统(AGPS)芯片组具有即使在没有到卫星信号的清晰视线的环境中也能够提供平台(例如，用户)的绝对定位的高灵敏度能力。在单独的AGPS信息不够的环境中，诸如在室内深处或在挑战性的市中心区导航或定位中，一种可能的解决方案是结合手机信号塔(cell tower)识别，或如果可能的话，结合用于定位的手机信号塔的三边测量(其中AGPS解决方案是不可用的)。尽管这两种已知的定位方法可用在很多移动设备中，但准确的室内定位仍提出挑战并且未能满足当前基于位置的服务(LBS)的准确度要求。此外，这些方法仅可提供平台的绝对航向(heading)而没有关于设备的航向的任何信息。

支持导航的移动设备(例如，移动/智能电话)可配备有主要用于屏幕控制和娱乐应用的微机电系统(MEMS)传感器。这些传感器由于非常高的噪声、大的随机漂移率以及设备相对于平台的频繁改变的取向而还没有被广泛用于导航目的。

移动设备还可配备有磁力计，并且在某些情况下，已表明如果用户足够小心保持设备相对于其身体的特定取向(诸如当在校准磁力计之后小心保持在用户前面时)，使用加速度计和磁力计的导航解决方案也许是可能的。

然而，需要提供以下导航解决方案的方法，该导航解决方案能够准确地利用来自平台内的支持导航的设备的测量，并且藉此确定设备/平台的导航状态而没有对平台(即，在室内或室外环境中)或平台内的设备的移动性的任何约束。平台的位置和姿态的估计应独立于设备的使用(例如，用户在导航期间保持或移动设备的方式)。所需的方法应允许设备以任何取向倾斜同时仍提供无缝的导航信息而没有性能的退化。

除了上面提到的便携式设备的应用(该应用包括完整的导航解决方案，包括位置、速度和姿态、或位置和姿态)之外，还有其它应用(其可包括估计完整的导航解决方案、或仅姿态解决方案或姿态和速度解决方案)，其中所需的方法旨在提高用户体验和可用性，并且可应用于许多场景，诸如例如：

视频游戏设备；

增强现实设备；或

腕表。

文献中可用的某些技术仅能够基于设备的离散使用情况分类来计算未对准角的仅离散值或预定值。这限制它们用于这些离散使用情况，并且即使当使用所支持的使用情况之一时，准确度也会恶化，如果真实的未对准值与分配给经分类的使用情况的离散未对准值有点不同(后者在真实生活场景中可大量发生)。

为了解决设备和行人之间的未对准确定的这个关键问题，文献中的以往方法使用主分量分析(PCA)来获得运动轴的方向(即，具有180度的不确定性(ambiguity)的向前-向后运动方向的轴)。这意味着，单独的PCA不能从向后方向中检测出向前方向。使用PCA来获得运动的轴的方向背后的基本原理是，加速度矢量的变化沿人体的横向轴最小并且沿人体的前向轴最大。基于该理论，可估计设备相对于用户运动的运动轴，但具有如以上所解释的180度的不确定性。在某篇以往文献中，运动的方向的180度不确定性问题是基于以下想法来解决的，即，对投影的水平加速度执行PCA以得到运动的方向并且对该分量的积分被用于确定哪个方向是前面(通向正面)。然而，这种方法是为口袋中的设备而开发的并且不适合于所有其它设备取向。该文献中用于解决180度不确定性并确定向前方向的另一方法是通过测试在向前-向后方向上的运动信号中的加速度峰值处的垂直加速度的斜率是否增加；如果是这样的话，则运动轴的方向是向前的，否则其是向后的。这种技术不能正确工作于所有设备使用和取向。

由此，需要解决180度不确定性并能够工作于相对于行人的任何设备使用或取向以及不同人的步态和速度的方法和装置。

发明内容

本公开涉及用于确定设备和行人之间的未对准的方法和装置，其中行人能够以受约束或不受约束的方式沿不同取向携带、保持或使用该设备，并且其中该设备包括传感器组件。设备中的传感器可以是例如加速度计、陀螺仪、磁力计、气压计以及其它。这些传感器具有传感器的轴的对应坐标系(frame)。设备和行人之间的未对准对应于设备中的传感器组件的坐标系与行人的坐标系之间的未对准。不论存在还是不存在导航信息更新(诸如，例如，全球导航卫星系统(GNSS)或WiFi定位)，本方法和装置都可以工作。

本方法和装置可工作于(work with)具有其不同步态和速度的各种类型的步行者。其可工作于缓慢行走、正常行走或快速行走。而且，其可工作于具有其不同步态和速度的各种类型的跑步者。

本方法和装置可工作于相对于行人的不同设备使用和取向。出于本说明书的目的，设备的不同使用和取向被定义为“设备使用情况”。这些使用情况可包括，例如：(i)手持，具有所有不同的可能取向，包括罗盘、发短信纵向、发短信横向或任何任意取向(包括任何横摇、纵摇和航向)；

(ii)手悬摆(也被称为手摆动)，处于不论水平还是垂直的任意取向上以及处于各种类型的悬摆，包括非常轻摆动、轻摆动、正常摆动或强烈摆动；(iii)裤子口袋，不管是前面的、侧面的或后面的，具有任何类型(紧身口袋、宽松口袋等)并具有包括例如水平、垂直或以任何姿势倾斜的任何设备取向；(iv)带，这意味着在具有任何类型、在带周围的任意位置上的任何带扣中，并且具有带扣的任何取向，例如水平、垂直或以任何姿势倾斜；(v)耳朵，这意味着行人将设备保持在其耳朵上或附近，以用于在包括水平、垂直或倾斜的任何取向上听/说；(vi)衬衫口袋，具有任何设备取向或倾斜，例如水平、垂直或以任何姿势倾斜；

(vii)夹克/西服口袋(不论侧面口袋/胸部口袋/内口袋)，具有任何设备取向或倾斜，例如水平、垂直或以任何姿势倾斜；(viii)胸部装配或背部装配，这意味着设备以任何取向或倾斜(例如，水平、垂直或以任何姿势倾斜)处于胸部装配或背部装配中，并且这样的装配的示例是用于士兵、警察、消防员等示例的装配；(ix)拴系或松弛的背包，具有任何设备取向或倾斜，例如水平、垂直或以任何姿势倾斜；(x)电脑包，不论设备是拴系还是松弛的，具有任何设备取向或倾斜，例如水平、垂直或以任何姿势倾斜；(xi)钱包，不论设备是拴系还是松弛的，具有任何设备取向或倾斜，例如水平、垂直或以任何姿势倾斜；(xii)以任何取向(包括水平、垂直或倾斜)在手腕上(诸如例如智能手表)；(xiii)头戴式(诸如，智能眼镜、智能护目镜、耳戴式系统、头盔系统或任何其它种类的头戴式系统)；(xiv)与处于任一以上使用情况中或以任何设备取向或倾斜(例如水平、垂直或以任何姿势倾斜)拴系到身体的任何部位的设备一起跑，某些示例是腿、臂、手腕、胸部装配、口袋或任何携带方式。在所有设备使用和取向中，本方法可工作于设备的任何横摇、纵摇和方位(航向)角。

本方法和装置可被用于计算覆盖整个未对准空间的连续未对准角，而不只是基于设备的使用情况分类的这种角的离散值或预定值。

本方法和装置使用加速度计读数来确定未对准角。本方法和装置可被用于以等于或小于加速度计读数的速率的速率给出输出。在一个实施例中，本方法可对缓冲的读数进行操作，而在另一实施例中，本方法可对瞬时读数进行操作并且仅自动地缓冲该方法的对应步骤中的所需的量。首先，使用横摇值和纵摇值来分级(level)所接收的加速度计读数。在加速度计的读数被分级后，可从经分级的垂直加速度计数据中移除重力值以给出垂直加速度分量。在分级之后，水平加速度分量是用于获得输入数据域中的最大可能方差的技术的输入参数。在一个实施例中，被用于获得最大可能方差的技术是PCA技术。两个水平加速度缓冲器(buffer)被馈送至PCA，该PCA可生成两个水平分量缓冲器的主分量。可基于所返回的值来计算沿轨(along-track)角。然而，该沿轨角具有180度不确定性，即，其可以是未对准角的向前方向或向后方向。为了得到运动方向，即，为了解决180度不确定性的问题并确定运动方向是向前还是向后，基于沿轨角(不管其是正确的沿轨角还是180反向的沿轨角)的变换可被应用于经分级的水平分量。此运算可将经分级的水平加速度分量变换成沿轨加速度分量和侧轨(或横向方向)加速度分量。沿轨加速度分量和垂直加速度分量可被缓冲达预定持续时间。

为了解决沿轨角的180度不确定性并计算正确的未对准角，可使用不同的数据缓冲器：沿轨加速度分量缓冲器、跨轨(cross-track)加速度分量缓冲器、垂直加速度分量缓冲器、水平加速度大小缓冲器以及3D加速度大小缓冲器。在某些实施例中，低通滤波器(LPF)可被应用于这些缓冲器以使经缓冲的信号平滑。沿轨缓冲器和垂直缓冲器中的加速度信号中的模式可基于设备使用情况而具有不同性质。用于确定或分类设备使用情况的技术可在沿轨缓冲器和垂直缓冲器上运行。基于使用情况确定例程的结果并且可能地还基于设备类型(例如，智能手机、平板电脑、智能手表或头戴式/智能眼镜)，不同技术可被用于解决180度不确定性并校正沿轨角以给出正确的未对准角。如果180度不确定性的解决失败，则该方法在当前迭代处(即，加速度计读数的当前样本)的结果可以是“无决定”，这意味着该方法不能提供正确的未对准角。

在某些实施例中，可使用在主方法给出“无决定”输出的情况下给出未对准角输出的可选例程；这种可选例程可以是基于下列中的任一个或任何组合的历史：(i)沿轨角的缓冲的历史，(ii)经校正的未对准角的缓冲的历史，(iii)180度消除不确定性(disambiguity)解决结果的输出的缓冲的历史，(iv)横摇角和纵摇角的缓冲的历史，(v)方位(航向)角的缓冲的历史。

在某些实施例中，可使用用于增强未对准角计算的可选例程，这样的可选例程可以是基于下列中的任一个或任何组合的历史：(i)沿轨角的缓冲的历史，(ii)经校正的未对准角的缓冲的历史，(iii)180度消除不确定性解决结果的输出的缓冲的历史，(iv)横摇角和纵摇角的缓冲的历史，(v)方位(航向)角的缓冲的历史。在其它实施例中，此例程可依赖于对缓冲的量的以上列表中的任一个或任何组合的平滑、平均或对于本领域技术人员来说已知的任何类型的过滤或其任何组合。

在某些实施例中，可使用计算所计算出的未对准角的标准差的可选例程。

在某些实施例中，可使用当绝对导航信息(诸如例如GNSS或WiFi，以及其它)可用且能够计算行人航向时用于增强本方法的未对准角计算的可选例程。

在某些实施例中，可使用以上提到的可选例程中的任一个或任何组合。

广泛地说，在某些实施例中，提供了一种用于确定设备和行人之间的未对准的方法，其中该设备包括三轴加速度计，该方法包括以下步骤：a)通过将三轴加速度计读数变换成经分级的垂直加速度计读数分量以及第一和第二水平加速度分量来从三轴加速度计的读数计算多个经分级的加速度计读数；b)从经分级的垂直加速度计读数分量中生成垂直加速度分量；c)通过对第一和第二水平加速度分量应用最大可能方差技术来计算沿轨角；

d)确定该设备的使用情况；e)基于该使用情况来检测该沿轨角中的180度误差是否存在；以及f)从该沿轨角以及如果存在的话，180度误差计算未对准角。

在替代实施例中，提供了一种用于确定设备和行人之间的未对准的方法，其中该设备包括三轴加速度计，该方法包括以下步骤：a)通过将三轴加速度计读数变换成经分级的垂直加速度计读数分量以及第一和第二水平加速度分量来从三轴加速度计的读数计算多个经分级的加速度计读数；b)从经分级的垂直加速度计读数分量中生成垂直加速度分量；c)对第一和第二水平加速度分量应用主分量分析；d)使用主分量分析的输出来计算沿轨角；e)使用该沿轨角来变换水平加速度分量以生成沿轨加速度分量和跨轨加速度分量；f)确定该设备的使用情况；g)基于该使用情况、沿轨加速度分量和垂直加速度分量来检测沿轨角中的180度误差是否存在；以及h)从沿轨角以及如果存在的话，180度误差计算未对准角。

在另一替代实施例中，提供了一种用于确定设备和行人之间的未对准的方法，其中该设备包括三轴加速度计，该方法包括以下步骤：a)通过将三轴加速度计读数变换成经分级的垂直加速度计读数分量以及第一和第二水平加速度分量来从三轴加速度计的读数计算多个经分级的加速度计读数；

b)从经分级的垂直加速度计读数分量中生成垂直加速度分量；c)对第一和第二水平加速度分量应用主分量分析；d)使用主分量分析的输出来计算沿轨角；e)使用沿轨角来变换第一和第二水平加速度分量以生成沿轨加速度分量和跨轨加速度分量；f)确定设备的使用情况；g)基于该使用情况、沿轨加速度分量和垂直加速度分量来检测180度误差是否存在于沿轨角中，或者宣布无决定；以及h)假使g)没有宣布无决定，从沿轨角以及如果存在的话，180度误差计算未对准角。

180度误差是否存在于沿轨角中的检测可进一步基于选自下列的下面的分量中的一个或多个：跨轨加速度分量、第一和第二水平加速度分量的大小或第一和第二水平加速度分量以及垂直加速度分量的大小。如果该方法宣布无决定，则缓冲的信息可被用于计算未对准角。该方法可进一步包括使用自包含的(self-contained)信息或绝对导航信息来增强未对准角。该方法可进一步计算所计算出的未对准角的标准差。

本发明的另一实施例是一种由行人便携的设备，该设备包括三轴加速度计；以及处理器，该处理器被耦合成接收来自该三轴加速度计的读数，并且可操作以确定该设备和行人之间的未对准，其中该处理器可操作以：i)通过将三轴加速度计读数变换成经分级的垂直加速度计读数分量以及第一和第二水平加速度分量来从三轴加速度计的读数计算多个经分级的加速度计读数；ii)从经分级的垂直加速度计读数分量中生成垂直加速度分量；iii)通过对第一和第二加速度分量应用最大可能方差技术来计算沿轨角；

iv)确定设备的使用情况；v)基于该使用情况来确定沿轨角中的180度误差是否存在；以及vi)从沿轨角以及如果存在的话，180度误差计算未对准角。

附图说明

图1示出了设备坐标系和行人坐标系之间的未对准示例。

图2示出了本方法的一个实施例的框图。

图3示出了本方法的一个实施例的流程图。

图4示出了来自示例数据集的主分量的散布图。

图5示出了设备方位角、行人方位角、未对准角和主分量的向量表示。

图6示出了利用主分量的未对准角的向量表示。

图7示出了具有不同设备使用情况和未对准的第一轨迹定位结果。

图8示出了具有不同设备使用情况的设备航向、横摇、纵摇和未对准的第一轨迹结果。

图9示出了具有不同设备使用情况和未对准的第二轨迹定位结果。

图10示出了具有不同设备使用情况的设备航向、横摇、纵摇和未对准的第二轨迹结果。

图11示出了具有不同设备使用情况的设备航向、横摇、纵摇和未对准的第三轨迹结果。

图12具有不同设备使用情况和未对准的第四轨迹定位结果。

图13具有不同设备使用情况的设备航向、横摇、纵摇和未对准的第四轨迹结果。

图14具有不同设备使用情况和未对准的第五轨迹定位结果。

图15具有不同设备使用情况的设备航向、横摇、纵摇和未对准的第五轨迹结果。

图16具有不同平板电脑使用情况和未对准的第六轨迹定位结果。

图17具有不同平板电脑使用情况的设备航向、横摇、纵摇和未对准的第六轨迹结果。

图18具有不同平板电脑使用情况和未对准的第七轨迹定位结果。

图19具有不同平板电脑使用情况的设备航向、横摇、纵摇和未对准的第七轨迹结果。

图20具有不同手表使用情况和未对准的第八轨迹定位结果。

图21具有不同手表使用情况的设备航向、横摇、纵摇和未对准的第八轨迹结果。

图22对于在跑步期间的设备拴系在手臂上的使用情况的设备航向、横摇、纵摇和未对准的第九轨迹结果。

图23对于在跑步期间的设备在口袋中的使用情况的设备航向、横摇、纵摇和未对准的第十轨迹结果。

图24对于在跑步期间的设备拴系在腿上的使用情况的设备航向、横摇、纵摇和未对准的第十一轨迹结果。

具体实施方式

本公开涉及用于确定设备和行人之间的未对准的方法和装置，其中行人能够以受约束或不受约束的方式沿不同取向携带、保持或使用设备，并且其中该设备包括传感器组件。设备中的传感器可以是例如加速度计、陀螺仪、磁力计、气压计以及其它。传感器具有传感器的轴的对应坐标系。设备和行人之间的未对准意味着设备中的传感器组件的坐标系与行人的坐标系之间的未对准。不论存在还是不存在绝对导航信息更新(诸如，例如，全球导航卫星系统(GNSS)或WiFi定位)，本方法和装置都可以工作。

在本文中，“行人(pedestrian)”被定义为步行或进行步行活动的人，诸如但不限于行走或跑步

本方法和装置是用于确定设备和行人之间的未对准而不管行人的步行活动的类型或方式。对于步行者，本方法工作于具有其不同步态和速度的各种类型的步行者。其可工作于缓慢行走、正常行走或快速行走。对于跑步者，其可工作于具有其不同步态和速度的各种类型的跑步者。

绝对导航信息是与导航和/或定位有关的信息并且由“基于参考”的系统所提供，该“基于参考”的系统依赖于诸如例如全球导航卫星系统(GNSS)之类的外部信息源。在另一方面，自包含的导航信息是与导航和/或定位有关的信息并且由设备/平台内的自包含和/或“非基于参考”的系统所提供，并且因此不必依赖于可能变得中断或阻塞的外部信息源。自包含信息的示例是来自诸如加速度计和陀螺仪之类的运动传感器的读数。

本方法和装置工作于相对于行人的不同设备使用和取向。设备的不同使用和取向在本文中将被称为使用情况。这些使用情况是诸如，例如：(i)手持，具有所有不同的可能取向，包括罗盘、发短信纵向、发短信横向或任何任意的取向(包括任何横摇、纵摇和航向)；(ii)手悬摆(也被称为手摆动)，处于不论水平还是垂直的任意取向以及处于各种类型的悬摆，包括非常轻摆动、轻摆动、正常摆动或强烈摆动；(iii)裤子口袋，具有任意类型(紧身口袋、宽松口袋等)并具有包括例如水平、垂直或以任何姿势倾斜的任意设备取向；(iv)带，这意味着在具有任意类型、在带周围的任意位置上的任意带扣中，并且具有带扣的任何取向，例如水平、垂直或以任何姿势倾斜；(v)耳朵，这意味着行人将设备保持在其耳朵上或附近以用于在包括水平、垂直或倾斜的任何取向上听/说；

(vi)衬衫口袋，具有任何设备取向或倾斜，例如水平、垂直或以任何姿势倾斜；(vii)夹克/西服口袋(不论侧面口袋/胸部口袋/内口袋)，具有任何设备取向或倾斜，例如水平、垂直或以任何姿势倾斜；(viii)胸部装配或背部装配，这意味着设备以任何取向或倾斜(例如，水平、垂直或以任何姿势倾斜)处于胸部装配或背部装配中，并且这样的装配的示例是用于士兵、警察、消防员等示例的装配；(ix)拴系或松弛的背包，具有任何设备取向或倾斜，例如水平、垂直或以任何姿势倾斜；(ix)电脑包，不论设备是拴系还是松弛的，具有任何设备取向或倾斜，例如水平、垂直或以任何姿势倾斜；(xi)钱包，不论设备是拴系还是松弛的，具有任何设备取向或倾斜，例如水平、垂直或以任何姿势倾斜；(xii)以任何取向(包括水平、垂直或倾斜)在手腕上(诸如例如智能手表)；

(xiii)头戴式(诸如，智能眼镜、智能护目镜、耳戴式系统、头盔上系统或任何其它种类的头戴式系统)；(xiv)与处于任一以上使用情况中或以任何设备取向或倾斜(例如水平、垂直或以任何姿势倾斜)拴系到身体的任何部位的设备一起跑，，某些示例是腿、臂、手腕、胸部装配、口袋或任何携带方式。在所有设备使用和取向中，本方法可工作于设备的任何横摇、纵摇和方位(航向)角。

本方法和装置能够计算覆盖整个未对准空间的连续未对准角度，而不只是基于设备的离散的使用情况分类的这种角度的离散值或预定值。

在正常使用期间，设备(例如，便携式电话)的姿态自由地改变。事实上，当被定位例如用于以横向视图或纵向视图发短信时，当在电话使用期间被定位在带上、口袋中或用户的耳朵附近时(这些是当设备是电话时的示例)，这样的设备常常经历沿其主轴(例如，x轴、y轴和z轴)的旋转运动。在图1中定义这样的轴，其中设备的前向轴(10)被定义为x轴、垂直轴或z轴(20)向下指向，并且横向轴或y轴(30)以完成右手坐标系的方式进行定义。

平台(在本公开中，携带、保持或使用设备的行人)内的设备(50)的取向不代表平台或行人的取向。该设备可经历相对于平台沿其主轴中的任一个的任意数量的旋转运动。设备的这些旋转运动不表明平台正在经历相同的取向变化。例如，用户或平台可在经平整的的2D平面上移动，而设备可能正在经历任意数量的可能的横摇角和纵摇角。图1示出了不受约束的设备(50)和行人(60)之间的关系。

典型的便携式设备包括用于测量沿着量测轴中的每一个(即，x轴、y轴和z轴)的加速度或比力的三轴加速度计。该设备可包含其它传感器，诸如例如，陀螺仪、磁力计、气压计以及其它。

横摇被定义为设备沿着向前x轴的旋转，而纵摇是沿着横向y轴的旋转。因为设备用户根据需要自由旋转该设备，所以设备可具有相对于平台的横摇、纵摇和方位(航向)的若干变化。

本方法和装置使用加速度计读数来估算未对准角度。本方法和装置能够以等于或小于加速度计读数的速率的速率给出输出。在一个实施例中，本方法可拿下列的预定持续时间上的缓冲作为输入：加速度计读数、横摇角值和纵摇角值。在另一实施例中，该方法可以是取得加速度计读数、横摇角和纵摇角的瞬时样本值并且仅缓冲该方法的对应步骤中的所需量。

首先，使用设备的横摇值和纵摇值来分级(level)加速度计读数的每个样本(不管是在相应的缓冲器中还是瞬时的)。可从下列以及其它中的任一个中计算纵摇值和横摇值：(i)通过诸如例如四元法之类的不同方法中的任一方法的陀螺仪；(ii)加速度计读数或经平均的加速度计读数(不管固定时间平均还是移动平均)；(iii)使用任何类型的集成技术并且集成不同的传感器和/或系统(诸如例如下列中的一些或全部)的集成导航解决方案：加速度计、陀螺仪、磁力计、气压计、里程计或任何导航信息更新(诸如，例如，GNSS、WiFi或任何其它无线技术)。用于分级的横摇值和纵摇值可以是瞬时样本值或可以是时间平均值(不管固定时间平均还是移动平均)，无论是被缓冲的还是逐个时间点(epoch)(每个时间点对应于一加速度计读数样本)馈送至本方法的。

分级加速度计读数的运算将这些读数变换成两个水平加速度分量和一个垂直分量，该垂直分量是经分级的垂直加速度计读数。在加速度计的读数被分级之后，从经分级的垂直加速度计数据中移除重力加速度值以给出垂直加速度分量。重力加速度可以按包括不同重力模型或数据库的不同方式之一来获得。

水平分量是在东北平面或水平平面中，该东北平面或水平平面与设备在地球上的当前位置处的地球椭圆体相切。垂直分量垂直于该水平平面。

如果输入数据是瞬时的，即没有作为缓冲数据到来并且垂直加速度在缓冲器中是可用的，则缓冲垂直加速度分量。在分级之后，水平加速度分量缓冲器(不管是根据输入缓冲器计算出还是根据瞬时输入计算出并接着在水平加速度缓冲器中缓冲这些)是用于获得输入数据域中的最大可能方差的技术的输入参数。在一个实施例中，用于获得最大可能方差的技术是PCA技术。两个水平加速度缓冲器被馈送至PCA，该PCA生成两个水平分量缓冲器的主分量。沿轨角是基于所返回的值计算的。然而，该沿轨角具有180度不确定性不确定性，即，其可以是未对准角的向前或向后方向。为了得到运动方向，即，为了解决180度不确定性的问题并确定运动方向是向前还是向后，基于沿轨角(不管其是正确的沿轨角还是180反向的沿轨角)的变换被应用于经分级的的水平加速度分量。此运算变换经分级的水平加速度分量以给出沿轨加速度分量和侧轨(或横向方向)加速度分量。如果该方法的输入尚未处于缓冲格式，则沿轨加速度分量和垂直加速度分量被缓冲达相同的预定持续时间。

为了解决沿轨角中的180度不确定性并计算正确的未对准角，可使用不同的数据缓冲器：沿轨加速度分量缓冲器、跨轨加速度分量缓冲器、垂直加速度分量缓冲器、水平加速度大小缓冲器以及3D加速度大小缓冲器。用于使经缓冲的信号平滑的可选步骤，LPF可被应用于缓冲器。沿轨缓冲器和垂直缓冲器中的加速度信号中的模式可基于设备使用情况而具有不同的性质。用于确定或分类设备使用情况的技术在沿轨缓冲器和垂直缓冲器上运行。基于使用情况确定例程的结果并且可能地还基于设备类型(例如，智能手机、平板电脑、智能手表或头戴式/智能眼镜)，不同技术被用于解决180度不确定性并校正沿轨角以给出正确的未对准角。如果180度不确定性的解决失败，则该方法在当前迭代处(即，加速度计读数的当前样本)的结果是“无决定”，这意味着该方法不能提供正确的未对准角。

可使用在主方法给出“无决定”输出的情况下给出未对准角输出的可选例程，这种例程是基于下列中的任意一个或任何组合的历史：(i)沿轨角的缓冲的历史，(ii)经校正的未对准角的缓冲的历史，(iii)180度消除不确定性解决结果的输出的缓冲的历史，(iv)横摇角和纵摇角的缓冲的历史，(v)方位(航向)角的缓冲的历史。

可使用用于增强未对准角计算的可选例程，这样的例程是基于下列中的任一个或任何组合的历史：(i)沿轨角的缓冲的历史，(ii)经校正的未对准角的缓冲的历史，(iii)180度消除不确定性解决结果的输出的缓冲的历史，(iv)横摇角和纵摇角的缓冲的历史，(v)方位(航向)角的缓冲的历史。此例程可依赖于对缓冲的量的以上列表中的任一个或任何组合的平滑、平均或任何类型的过滤。

可使用计算所计算出的未对准角的标准差的可选例程。在一个实施例中，此例程可依赖于下列中的任一个或任何组合的一致性：(i)沿轨角的缓冲的历史，(ii)经校正的未对准角的缓冲的历史(一种可能性是当其示出意味着180度消除不确定性解中的频繁错误的连续翻转时，因此标准差是翻转率的函数)，(iii)180度消除不确定性解决结果的输出的缓冲的历史(0和180度所需校正之间的频繁变化指示错误的行为，因此标准差是翻转率的函数)。

可使用当绝对导航信息(诸如例如GNSS或WiFi，以及其它)可用且能够计算行人航向时用于增强本方法的未对准角度计算的可选例程。这意味着具有信息冗余：(i)来自一个或多个其自包含传感器、其自包含传感器的融合版本或来自集成导航解决方案的设备航向；(ii)来自本方法的未对准；(iii)来自绝对导航信息的行人航向。在一个实施例中，来自(i)和(iii)的信息可被用于计算设备和行人之间的未对准的另一版本，其可增强来自(ii)的未对准、与来自(ii)的未对准集成或融合、利用来自(ii)的未对准求平均或过滤。在另一实施例中，从(i)和(iii)计算出的设备和行人之间的未对准的其它版本可与机器学习或训练技术连同来自(ii)的未对准一起使用(尤其是当来自(ii)的未对准具有可能地由其标准差的可选计算所指示的不良性能时)以在这样的使用情况下获得更好的未对准，甚至后来在绝对导航信息被阻塞、中断或降级时。在又一实施例中，最后两个想法都可被应用于第三实施例中。

可使用这些可选例程中的任一个或任何组合。

在图2中示出了本专利中所描述的方法的一个实施例的框图。可选的部分用虚线框标记。

应当注意，本方法可被用于包括包含2D或3D导航解决方案的那些应用的各种应用中，2D或3D导航解决方案包括：

·2D或3D位置、速度和姿态或

·仅2D或3D位置和姿态，

或者部分2D或3D导航解决方案包括：

·仅2D或3D速度和姿态，或

·仅2D或3D姿态。

在2D解决方案的情况中，姿态仅是方位(航向)角。

作为示例应用，本方法可与行人航位推算法(PDR)解决方案一起使用。PDR需要行人航向(方位角)连同脚步检测和步长。设备中的传感器(诸如例如加速度计、陀螺仪和磁力计)仅可给出设备航向(方位角)而非行人航向。这两者是不一样的并且在它们之间具有未对准，如早前根据设备的使用情况所解释的。因此，如果不存在绝对导航信息(诸如例如GNSS或WiFi)或者如果任何可用的绝对导航信息的质量或性质不足以或不能够计算行人航向，则在给定从设备的自包含传感器中获得的设备航向的情况下，需要设备航向和行人航向之间的未对准以计算行人航向。所计算出的行人航向将被用于PDR。即使在绝对导航信息可用的情况下，设备航向和未对准可被用于计算要被用于PDR的行人航向，则此解决方案可与绝对导航信息集成以给出更好的解决方案，该更好的解决方案缓解航位推算法和绝对导航信息两者的缺点。任何状态估计或过滤技术可被用于这样的集成。

在另一示例应用中，来自本方法的未对准角可与任何2D或3D导航应用一起使用，其中应用需要此未对准角的运动约束以增强定位或导航解决方案(而没有对设备的使用的任何物理约束)，诸如例如：

a.非完整约束(NHC)：NHC是在移动平台坐标系(其在这里是行人坐标系)中，因此为了应用NHC，需要设备坐标系和行人坐标系之间的变换，该变换依赖于通过本方法所获得的未对准角。

b.PDR，该PDR作为约束应用于不管是2D还是3D导航解决方案的另一集成导航解决方案，藉此利用低成本传感器提供与一般惯性导航相比改进的定位性能。早前解释了PDR对由本方法所计算出的未对准角的依赖性。通常，可按下列方式中的任何一种来使用PDR结果：

i.提供导航解决方案的测量更新(除了这些更新的标准差的可能计算之外)，

ii.在最小二乘法意义上与导航解决方案集成，或者

iii.用作唯一独立的定位和导航解决方案(如上所述)。

c.地图约束：如果(任何类型的)环境地图可用，则地图约束可被用于增强导航解决方案。为了使用这种约束，需要行人航向，该行人航向可从设备航向和由本方法所计算出的未对准中计算出。如果没有绝对导航信息(诸如例如GNSS或WiFi)或者如果任何可用的绝对导航信息的质量或性质不足以或不能够计算行人航向，则在给定从设备的自包含传感器中获得的设备航向的情况下，需要设备航向和行人航向之间的未对准以计算行人航向。所计算出的行人航向将被用于导航解决方案的地图约束。即使在绝对导航信息可用的情况下，设备航向和未对准也可被用于计算行人航向以进一步与绝对导航信息集成来给出更好的解决方案。如果PDR被用于进一步增强解决方案，则可使用用于增强导航解决方案的地图约束，或者如果PDR不被用于增强主导航解决方案，则可使用这种地图约束。

当本文中所呈现的本方法以任何方式与不管是2D还是3D的导航解决方案结合时，此导航解决方案可使用任何类型的状态估计或过滤技术。状态估计技术可以是线性的、非线性的或其组合。在导航解决方案中使用的技术的不同示例可依赖于卡尔曼(Kalman)滤波器、扩展的卡尔曼滤波器、诸如粒子滤波器之类的非线性滤波器或诸如神经网络或模糊系统之类的人工智能技术。在导航解决方案中所使用的状态估计技术可使用任何类型的系统和/或测量模型。导航解决方案可遵循集成不同传感器和系统的任何方案，诸如例如松耦合集成方案或紧耦合集成方案以及其它。导航解决方案可利用建模(不管使用线性或非线性、短记忆长度或长记忆长度)和/或针对所使用的惯性传感器和/或其它传感器的误差的自动校准。

构想的实施例

本公开将身体坐标系描述成x向前、y朝身体的右侧为正且z轴向下为正。可以构想，任何身体坐标系定义可被用于本文中所描述的方法和装置的应用。

可以构想，以上所呈现的方法和装置可与导航解决方案一起使用，该导航解决方案可以可选地利用具有可能的零速度更新和惯性传感器偏差重新计算的自动零速度周期或静态周期检测、非完整更新模块、惯性传感器误差的高级建模和/或校准、从GNSS中(在适当时)导出它们的可能测量更新、GNSS解决方案质量的自动评估以及检测降级的性能、松耦合集成方案和紧耦合集成方案之间的自动切换、当处于紧耦合模式时的每个可见GNSS卫星的评估，并且还可与向后平滑模块一起使用，该向后平滑模块具有任何类型的向后平滑技术并且在任务后或在同一任务内的缓冲数据上在后台中运行。

进一步构想，以上所呈现的方法和装置还可与某种模式的运输技术或模式检测技术结合以建立运输模式。这使得能够检测行人模式以及其它模式，诸如例如驾驶模式。当检测到行人模式时，可使本公开中所呈现的方法可操作以确定设备和行人之间的未对准。

进一步构想，以上所呈现的方法和装置还可与以下导航解决方案一起使用，该导航解决方案被进一步编程以在后台运行例程以模拟绝对导航信息中的人工中断并估计用于本导航模块中的解决方案的状态估计技术的另一实例的参数以优化解决方案的准确度和一致性。通过将在模拟中断期间的临时后台解决方案与参考解决方案进行比较来评估准确度和一致性。参考解决方案可以是以下示例之一：绝对导航信息(例如GNSS)、将可用传感器与绝对导航信息(例如GNSS)并且可能地与可选的速度或速度读数集成的设备中的向前集成导航解决方案、将可用传感器与绝对导航信息(例如GNSS)并且可能地与可选的速度或速度读数集成的向后平滑集成导航解决方案。后台处理可在与向前解决方案处理相同的处理器上运行或者在可与第一处理器通信并可从共享位置读取保存数据的另一处理器上运行。后台处理解决方案的结果可使实时导航解决方案在其未来运行(即，在后台例程已完成运行之后的实时运行)中受益，例如通过使用于本模块中的导航的向前状态估计技术的参数具有改进值。

进一步构想，以上所呈现的方法和装置还可与以下导航解决方案一起使用，该导航解决方案进一步与地图(诸如街道地图、室内地图或模型、或在使这样的地图或模型可用的应用的情况下的任何其它环境地图或模型)以及地图匹配或模型匹配例程集成。地图匹配或模型匹配可在绝对导航信息(诸如GNSS)降级或中断期间进一步增强导航解决方案。在模型匹配的情况中，可使用获得关于环境的信息的传感器或一组传感器，诸如例如，激光测距机、相机和视觉系统或声纳系统。这些新系统可被用作在绝对导航信息问题(降级或缺乏)期间用于提高导航解决方案的准确度的额外帮助，或者在某些应用中它们可完全地代替绝对导航信息。

进一步构想，以上所呈现的方法和装置还可与以下导航解决方案一起使用，该导航解决方案在按紧耦合方案或混合松/紧耦合选项工作时，不必被限于利用伪距测量(其是根据代码而不是载波相位来计算的，因此它们被称为基于代码的伪距)以及多普勒测量(用于获得伪距率)。也可使用GNSS接收器的载波相位测量，例如：(i)作为替换方式来计算距离而不是基于代码的伪距，或(ii)通过合并来自基于代码的伪距和载波相位测量两者的信息来增强距离计算，这样的增强是载波平滑的伪距。

进一步构想，以上所呈现的方法和装置还可与依赖于GNSS接收器和其它传感器的读数之间的超紧密集成方案的导航解决方案一起使用。

进一步构想，以上所呈现的方法和装置还可与以下导航解决方案一起使用，该导航解决方案使用也可被用于定位和导航的各种无线通信系统作为附加辅助(其在GNSS不可用时将是更有益的)或作为GNSS信息的替代(例如，对于GNSS不适用的应用)。用于定位的这些无线通信系统的示例是诸如由蜂窝电话塔和信号、无线电信号、数字电视信号、WiFi或Wimax所提供的那些系统。例如，对于基于蜂窝电话的应用，来自蜂窝电话塔的绝对坐标以及室内用户和塔之间的距离可被用于定位，藉此可通过不同的方法来估算距离，在这些方法中，计算最近的蜂窝电话定位坐标的到达时间或到达时间差。被称为增强型观察时间差(E-OTD)的方法可被用于得到已知的坐标和距离。距离测量的标准差可依赖于蜂窝电话中所使用的振荡器类型以及蜂窝塔计时设备和传输损失。WiFi定位可按各种方式来完成，包括但不限于到达时间、到达时间差、到达角度、接收到的信号强度以及指纹技术以及其它；所有这些方法提供不同的准确度水平。用于定位的无线通信系统可使用不同技术来对来自无线信号的测距、角度或信号强度的误差进行建模，并且可使用不同的多路径缓解技术。所有上述想法以及其它也可按类似的方式应用于基于无线通信系统的其它无线定位技术。

进一步构想，以上所呈现的方法和装置还可与利用来自其它移动设备的辅助信息的导航解决方案一起使用。该辅助信息可被用作附加辅助(其在GNSSS不可用时将是更有益的)或者用作GNSS信息的替代(例如，对于基于GNSS的定位不适用的应用)。来自其它设备的辅助信息的一个示例可能够依赖于不同设备之间的无线通信系统。深层想法是具有更好的定位或导航解决方案的设备(例如，具有带良好可用性和准确度的GNSS)可帮助具有降级的或不可用的GNSS的设备获得改进的定位或导航解决方案。这一帮助依赖于辅助设备的公知位置以及用于定位具有降级的或不可用的GNSS的设备的无线通信系统。这一所构想的变型涉及以下一种或两种情况：(i)具有降级的或不可用的GNSS的设备利用本文中所描述的方法并且从其它设备和通信系统获得辅助，(ii)具有可用的GNSS并因此具有好的导航解决方案的辅助设备利用本文中所描述的方法。用于定位的无线通信系统可依赖于不同通信协议并且可依赖于不同方法，诸如例如，到达时间、到达时间差、到达角度以及接收到的信号强度以及其它。用于定位的无线通信系统可使用不同技术来对来自无线信号的测距和/或角度的误差进行建模，并且可使用不同的多路径缓解技术。

构想的是，除了本文通过示例描述的基于MEMS的传感器，以上所呈现的方法和装置还可与不同类型的惯性传感器一起使用。

没有对前述内容作出任何限制，通过下面的示例进一步说明以上所呈现的实施例。

示例

示例1–基于PCA的未对准估算技术

所提出的技术使用加速度计读数来估算未对准角(θ_mis)。首先，使用横摇值和纵摇值来分级加速度计读数，如图3所示。在加速度计的数据被分级后，从经分级的垂直加速度计数据中移除重力值以给出垂直加速度分量。水平分量是PCA技术的输入参数，该PCA技术生成水平分量缓冲器的主分量。基于由PCA技术所获得的分量来计算沿轨角。然而，所计算出的沿轨角可在向前方向上或在向后方向上。实施不同的技术以解决180度不确定性的问题并确定运动的方向是向前还是向后。为了获得运动方向，我们将基于沿轨角(不管其是正确沿轨角还是反向沿轨角)的变换应用至水平轴。此运算将水平加速度分量变换成沿轨运动方向和侧轨(side-track)方向。

为了计算未对准角，我们使用数据的两个主要向量；第一向量是从分级和变换得到的运动向量并且第二向量是在移除重力后从垂直轴得到的垂直向量。为了使信号平滑，在此示例中使用4Hz截止频率的LPF被应用于运动和垂直信号。使用运动分类技术来分类设备的使用情况。我们具有在180度不确定性解决方案中涉及的三个主要使用情况类别：(i)具有所有的其可能的变化和取向的口袋，(ii)具有所有的其可能的变化和取向向的悬摆，(iii)具有所有的其可能的变化和取向的所有其它使用情况。

180度不确定性的解决方案的逻辑在执行过程中对所有使用情况不是一样的。口袋使用情况具有与悬摆使用情况不同的逻辑并且它们两者都与其它使用情况不同。因此，我们通过将数据分类成口袋、悬摆或其它的三个主要类别来开始程序。在某些情况中，使用情况确定或分类技术未能正确地识别悬摆或口袋。然而，在一般技术中考虑了这些错过的情况。通常，错过的情况表现更像其它取向，因此它们中的一些可通过一般方法或特别针对轻悬摆和轻口袋行为所设计的特定方法来解决。一旦数据被分类成某一类别，适当技术就被调用来处理该数据并生成向前/向后解决方案。该技术将对数据作出决定，其是向前还是向后。如果决定是向后，则通过添加180度来校正第一估算的未对准。否则，将返回所估算的角度而没有任何变化。

分级

使用从系统中估算的经估算的横摇值和纵摇值来将加速度计的数据分级到水平图。贯穿本工作，横摇角被定义为围绕x轴旋转的角度，而纵摇角被定义为围绕y轴旋转的角度。为了将观测结果(x加速度和y加速度)转换到水平平面中，通过使用欧拉(Euler)角(横摇角(φ)、纵摇角(θ)和方位角(ψ))来建立直接余弦矩阵(DCM)。

在方程1中示出分级过程的转换方程。

重力移除

分级过程将x和y加速度计的数据转换到水平平面中并且z是垂直轴。轴z包含重力分量，这使其量级值大于x轴和y轴的值。为了使所有轴具有接近范围的值，我们将重力从垂直轴中移除。通过从垂直分量中减去g的值来移除重力。

垂直_矢量(数据_ν)＝z－g (2)

主分量分析

在将这些测量分级到水平图之后，容易观察到二维加速度的点云像椭圆一样分布。这是由于人向前行走也带有一些横向运动的事实引起的。假设除了前向运动和横向运动外没有其它显著的运动，椭圆的长轴对应于前向加速度而短轴对应于主要由脚步的切换所生成的横向加速度。为了计算长轴和短轴的向量，执行PCA。PCA是涉及数据矩阵的特征值分析的排序技术。数据矩阵由对应于观测结果的行和对应于变量的列所组成。PCA选择第一PCA轴作为使每个点到该线的距离的平方为最小的线。等效地，该线经过数据中的最大变化。PCA中的第一阶段是通过减去平均值来使数据标准化，并且随后执行奇异值分解(SVD)以得到x轴和y轴的特征向量。这里所用的SVD技术是豪斯霍尔德(Householder)变换，该变换在数值线性代数中对计算三对角对称矩阵有用。

豪斯霍尔德的原理是对n维矩阵(A)做n-2次正交变换：

A_n-2＝P_n-3…P₁P₀AP₀P₁…P_n-3.

其中，P_i由以下进行计算：

在得到三对角对称矩阵(A_n-2)之后，执行QR技术以计算特征向量和特征值。QR分解的基本思想是将矩阵写成正交矩阵和上三角矩阵的乘积、按相反顺序乘以因子并迭代。从简单直观的概念，SVD程序通过使用V^*矩阵来旋转单位矩阵、沿旋转坐标轴使用Σ来缩放并接着使用第二旋转U矩阵来将其再次旋转以生成如方程式3中的目标矩阵(A)：

A＝UΣV^* (3)

这里，明显的是，目标矩阵(V^*)包含未对准角的信息。V^*矩阵中的第一列表示主要(primary)分量向量并且第二列表示二次(secondary)分量向量。重要的是，知道它们是正交向量。这意味着，列是按减小的分量方差的顺序。值得提到的是，主要分量向量中的第一个值意味着x数据对主要分量向量的贡献是什么级别并且第二个值意味着y数据对主要分量的贡献的级别。

沿轨角估算

可使用设备的嵌入式传感器来估算设备方向。利用这些传感器可估算设备的航向。然而，这样的方向没有呈现真实的方向，因为设备可被保持在不同取向而不是用户方向上。以任何取向保持设备使得设备航向与用户方向不同，该不同被称为未对准角。因此，应通过该角校正或补偿解决方案。基于PCA技术来执行未对准角估算技术。为了用户方便，便携式导航设备可被保持在任何取向上，诸如罗盘、带、发短信、悬摆等。当用户开始诸如行走、跑步或驾驶之类的活动时，存在两个主要方向；一个是与用户方向相同的运动的方向并且第二个是设备方向。

PCA技术被用于将加速度测量结果变换成一组被称为主分量的不相关变量。该技术使用水平加速度、轴x和y数据来计算2D向量[x^T y^T]的主分量。因此，该过程的结果生成两个主分量；一个被称为主要分量，而第二个被称为二次分量。

主分量的图表明主要分量指示未对准角的近似值。轨迹被分成具有2秒数据长度的窗口。对于每个窗口，存在一个主要分量向量。每个窗口中的累积的主要分量表明相当大部分的向量方向非常接近于预期的未对准。图4示出了具有180度未对准角的样本的分数(score)、测量结果的图。分数的方向表示与样本相关联的主分量(PC)。Ave_PC表示所有主要主分量的平均向量。向量的方向表示指代0°的未对准角。图4示出使用180度校正来将解决方案调整到为180度的正确值的重要性。

可通过使用主要分量向量来计算角度来确定未对准角。假设:

·EV_x表示主要分量中的第一个值

·EV_y表示主要分量中的第二个值

·E(东)和N(北)是用户坐标

·θ_P是平台(行人)方位角

·x表示设备的前向方向

·y表示设备的横向方向

·θ_D是设备方位角

·θ_mis是未对准角

如图5中所示，未对准角被估算为设备航向和行人航向之差，如方程式4：

θ_mis＝θ_D-θ_P (4)

图6示出了主分量在设备坐标系中的投影。分析向量给出角度，如方程5：

可从由PCA技术所产生的主分量估算未对准角。

沿轨加速度、跨轨加速度、垂直加速度、水平加速度的大小、3D加速度向量的大小

我们具有两个不同的前向方向；设备的前向和用户的前向。已经在设备坐标系中定义了设备的前向方向。然而，行人的前向方向被定义为运动方向，该运动方向是x方向和y方向两者的结果。为了解决180度的不确定性，通过将x轴和y轴变换到用户平面中来计算运动方向。为实现这一点，我们将设备的水平平面围绕z轴旋转θ_mis。所得的向量是运动方向向量(沿轨)和横向方向向量(跨轨)。

作为先前变换的结果，依照方程式7计算运动(沿轨)向量和横向(跨轨)向量：

运动_向量(数据_m)＝cos(θ_mis)*x-sin(θ_mis)*y

横向_向量(数据_l)＝sin(θ_mis)*x+cos(θ_mis)*y (7)

如方程式2中所示来计算垂直加速度向量，而基于方程式8来计算水平加速度向量的大小和3D加速度向量的大小：

低通滤波器

取决于信号使用的目的，信号中的某些分量比其它分量更重要。低通滤波器(LPF)被用于移除高频噪声。因此，经过滤的数据变得更平滑且更少依赖于短的变化。在我们的应用中，用户的行为是意料不到的并且我们可能在短的时间周期内得到太多信号变化。数据的最重要部分是由设备的运动所引起的部分。为了提取此部分，具有4Hz频率的低通滤波器被应用于运动向量和垂直向量以减小突然变化对加速度计数据的影响。这意味着仅低于4Hz的信号频率可通过该滤波器。

设备类型

本方法可工作于相对于行人具有不同设备使用和取向的不同设备。这些设备包括智能手机、平板电脑、眼镜、头戴设备、智能手表等。如在实施例中，不是所有的使用设备使用情况都适用于所有类型的设备。因此，存在一例程来给设备类型提供一标志(flag)以便于不同设备之间的识别。诸如运动、横向和垂直之类的不同信号基于所使用的设备而具有不同特性。因此，存在针对某些设备或某些使用情况而开发的方法。技术使用设备标志来激活/禁用该技术中的某些部分。

使用情况的确定(运动分类)

使用情况(在本文中也被称为“运动分类”)的确定被设计用于将数据区分成三个不同的模式：口袋、悬摆和一般(其包括带、手持、耳聊(eartalking)、胸部、背包、钱包、电脑包等)。由于口袋和悬摆运动包括不仅包含躯干力而且包含来自大腿和手臂的附加力，因此运动信号、垂直信号和姿态信号之间的关系不再与一般情况一致。然而，这些附加力有时使峰值振幅突出；因此其改进了检测峰值的程序并且增加了正确的解决方案的概率。在正常的悬摆的情况中，运动的振幅比垂直信号的振幅大得多。具有这种标准的信号将被直接分类为悬摆。否则，推算统计资料被用于区分悬摆和口袋数据集。一旦数据集被分类成口袋或悬摆，这些附加力就使峰值振幅突出并且因此检测峰值的程序变得更简单。所执行的方法处理在垂直和水平取向上的设备。设计不同标准以识别缓慢运动或不可预测的行走行为。所执行的方法使用从若干实验导出的统计值，该若干实验包括缓慢行走、正常行走、女人的行走和男人的行走。

技术以确定哪种姿态从要被使用的运动中获得更大贡献开始。由于某些步行者具有意料不到且不规则的运动，因此必须根据信号本身的振幅来改变用在姿态峰值检测中的阈值。由于来自大腿和手臂的附加力，根据被称为姿态变化范围的设备取向在横摇值或纵摇值中存在改变或变化，而水平或垂直的设备取向使该变化出现在横摇值或纵摇值中。悬摆和口袋之间的主要差别是相比垂直信号悬摆具有相对一致且平滑的运动曲线这一现象。也在分类过程中考虑了轻的步行者，其中轻的步行者的垂直信号具有较少功率，尖锐的垂直峰值容易被掩埋在噪声下。根据信号特征，如果该技术发现垂直信号不明显，则其将直接使用最高的垂直峰值来检查独特口袋模式是否存在。口袋模式是建立在当大腿向前移动时运动信号具有相对一样的趋势这一理论上。口袋逻辑确定是基于姿态变化和形状与运动信号和垂直信号的关系。这种使用情况确定的输出指导该技术来选择要被用于解决180度不确定性问题的功能(function)。

口袋的180度不确定性检测

此功能被用于通过大腿姿态、运动特征和垂直信号之间的关系来解决口袋取向的180度不确定性。所提出的技术将仅在当其已经被分类成口袋时的运动分类功能之后使用通过实验，通过峰值的相对位置来建立运动信号、垂直信号和大腿姿态之间的关系。这些实验包括轻的步行者、缓慢步行者、男人和女人。所提出的技术工作于8个不同取向，其中，4个取向具有在x和-x轴上的重力分量，4个取向具有在y和-y轴上的重力分量。为了使该技术一般化，还已针对诸如裤子口袋(前口袋和后口袋)之类的不同类型的口袋在宽松口袋和紧身口袋中测试了该技术。

已经通过不稳定的运动信号测试该技术，该不稳定的运动信号通常在检测信号波上的峰值方面具有问题。找出垂直信号、运动信号和姿态信号的峰值是解决方案中的第一步。取决于信号状态，每个信号具有不同的阈值。由于不同的用户具有不同的行走模式，因而阈值将被改变若干次以适当地检测足够的高峰值和低峰值。为了检测运动峰值，通过为预定的垂直数据范围的条件来分开轻的步行者样式和正常的步行者样式。如果没有检测到峰值，则将根据步行者样式来减小阈值。该技术使用具有较大的变化的姿态数据。根据姿态的相应信号，将触发不同的技术。存在两个代表性的向前模式，该两个向前模式具有下列两个系列：

‐最尖锐的垂直峰值出现在上姿态波处，则下一个低的姿态峰值将使一个高运动峰值接踵而至(come around)。

‐最尖锐的垂直峰值出现在下姿态波处，下一个高的姿态峰值将使一个运动高峰值接踵而至。

代表性的向后模式具有下列两个系列：

‐最尖锐的垂直峰值出现在下姿态波处，则下一个高的姿态峰值将使一个低运动峰值接踵而至。

‐最尖锐的垂直峰值出现在上姿态波处，下一个低的姿态峰值将使一个运动低峰值接踵而至。

如果没有低姿态峰值(没有完整的半波)，则其切换到刚好在最高的垂直峰值之前到来的姿态峰值。

该技术将结果返回作为向前/向后。如果出于任何原因，该技术不能确定是否存在180度不确定性(向后/向前)，则替代地，其将返回未检测到。

悬摆的180度不确定性检测

该功能被用于通过不同的方法来解决悬摆取向的180度不确定性，该不同的方法被执行以处理输入数据中的不同情况。执行不同方法以处理输入数据中的不同情况。在悬摆模式中考虑了24个不同取向，其中16个取向在水平上并且8个取向在垂直上。水平图由具有重力分量的z、-z、y和-y轴表示，而垂直用具有重力分量的x和-x表示。所提出的技术处理正常行走信号。然而，所提出的技术解决强烈悬摆、正常悬摆、轻的悬摆、具有不同运动速度的悬摆、具有不稳定的运动信号、不稳定的垂直信号的悬摆、以及当悬摆具有与运动信号值相比具有高振幅值的垂直信号时的情况下的问题。通过各种方法，峰值被用于作出向前/向后决定。在某些情况中，阈值被用于实施解决方案，而在其它情况中，它们被用于接受或拒绝峰值。某些情况需要在其它情况之前处理，因此仔细准备方法的顺序。在某些情况中，垂直峰值和运动峰值的模式被用于作出向前/向后的决定。在其它情况中，在垂直峰值(所有峰值、高于或低于某一阈值的某些峰值、最大峰值或最小峰值)周围的运动数据斜率的信号提供向前/向后决定。

找出垂直信号和运动信号的峰值是解决方案中的第一步。通过各种方法，峰值被用于作出向前/向后的决定。在某些情况中，阈值被用于实施解决方案而在其它情况中，它们被用于接受或拒绝峰值。某些情况需要在其它情况之前处理，因此仔细准备方法的顺序。

技术将结果返回作为向前/向后。如果出于任何原因，该技术不能确定是否存在180度不确定性(向后/向前)，则替代地，其将返回未检测到。

其它情况(一般的)的180度不确定性检测

所执行的方法包括用于解决诸如带、手持发短信或阅读、耳聊、背包、胸部、夹克/西服口袋、电脑包、钱包、错过的口袋和悬摆情况之类的很多取向的180度不确定性的若干子方法。它们中的一些具有统计值上的若干相似性；设计不同标准以帮助该技术触发适当的部分。

所执行的方法处理在垂直和水平取向上的设备。设计不同标准以帮助识别缓慢运动或不可预测的行走行为。而且，所执行的方法可处理在诸如使用者没有在正确行走的轻行走之类的不同使用情况中的不稳定的运动行为。轻行走的结果是不稳定的或失真的运动信号或垂直信号。

例如：

‐在轻且缓慢的手持情况中，信号有着具有相对较小范围的垂直信号的相对复杂结构，该垂直信号指示该情况不是正常的手持情况。因此，垂直峰值位置是不稳定且不一致的，导致手持信号的正常模式的变化。

‐一些其它方法处理极慢的运动，而其它方法处理尤其是当运动信号具有大振幅时的手持情况。

‐一些方法处理未被适当地分类为悬摆的轻悬摆的情况，而在一些情况下，轻悬摆信号模式具有带模式的相同的行为但具有应被认识到的相反的向前/向后逻辑。

‐一些方法处理在仅排除垂直情况的水平取向中未被适当地分类为悬摆的轻悬摆的情况。在一些情况中，轻悬摆信号或口袋模式具有带模式的相同的行为但具有应被认识到的相反的向前/向后逻辑。

‐一些方法被开发以处理当其具有口袋模式但具有相反的向前/向后逻辑时的带信号。

‐在数据集具有横摇或纵摇数据的变化的一些情况(诸如带、悬摆、口袋等)中，检测并比较横摇和纵摇的变化以检查横摇和纵摇的变化并使用具有较大变化的数据。

‐开发一些方法以处理耳聊数据集的情况，该耳聊数据集在将不稳定的耳信号考虑在内的运动信号中具有相对较高的功率和噪声。在此情况中，局部隆起区域被用于确定向前/向后决定，如较大的正隆起对应于向后，反之亦然。

‐其它方法使用由于缓慢的带和轻的带运动而可出现的特定带情况的姿态信息(横摇和纵摇)。

‐其它方法处理当其具有手持模式但具有相反的向前/向后逻辑时的夹克/西服口袋。

在某些情况中，使用情况确定或分类技术由于在行走期间的不可预测的用户行为而未能分类口袋或悬摆取向。这些例外的原因通常是由运动信号和垂直信号中的低标准差所引起的。当标准差较小时，正确地定位峰值位置变得非常有挑战性。为了解决此问题，在此功能中提供了两个解决方案：(1)通过删除不合理的峰值的调节。(2)使用不同阈值来生成不同对的峰值，即，主要用于缓慢运动的缓慢峰值、在严格的测试之后用于保持峰值的振幅大于中线并保持峰值系列合理的正常峰值。峰值检测在180度不确定性检测的操作中起关键作用。如果峰值的数量不够，则峰值检测技术被适配成改变阈值。另外，信号形状是告诉该技术其最可能是什么种类的运动的另一关键因素。

运动分类有时由于信号的失真而未能正确地识别口袋和悬摆。执行某些方法以处理处于正常或缓慢行走的错过的悬摆或错过的口袋的情况。在某些情况中，垂直和运动峰值的模式被用于作出向前/向后的决定。在其它情况中，在垂直峰值(所有峰值、高于或低于某一阈值的某些峰值、最大峰值或最小峰值)周围的运动数据斜率的信号给出向前/向后决定。在其它情况中，通过比较曲线下的区域的正侧和负侧两者来使用运动信号的积分来检测180度不确定性。

在若干缓慢行走测试之后，我们发现运动峰值和垂直峰值之间的关系将是反向的。因此，在一般功能结束时，其检查缓慢运动的标签是否已经被设置为真。如果该技术检测这是缓慢运动但没有来自缓慢运动方法的决定，则该决定将是反向的。

该技术将结果返回作为向前/向后。如果出于任何原因，该技术不能决定是否存在180度不确定性(向后/向前)，则替代地，其将返回未检测到。

180度不确定性的校正

基于来自不同功能的决定来解决180度不确定性。所接收的决定包含三个可能性：向前、向后或无决定。向后决定意味着设备的方向与运动的方向相反，这需要校正180度。如果决定是向后，则向所估算的未对准角添加180度。另一方面，向前决定意味着设备是在运动的同一方向上并且不需要校正。然而，无决定意味着技术不能作出其是向前还是向后的决定。在这种情况下，可使用用于给出未对准角输出的可选例程，这种例程是基于下列中的任何一个或任何组合的历史：(i)沿轨角的缓冲的历史，(ii)经校正的未对准角的缓冲的历史，(iii)180度消除不确定性解决结果的输出的缓冲的历史，(iv)横摇角和纵摇角的缓冲的历史，(v)方位(航向)角的缓冲的历史。在无决定的这种情况中的一个示例选项是把最后迭代的经校正的未对准角与决定放在一起(迭代被定义为加速度计数据的每个样本)。

整体导航结果

为了证明目的，在接下来的示例中呈现行走和跑步的十一个轨迹。在示例2中，存在带支持导航的原型(prototype)行走的两个轨迹。示例3示出了带智能手机行走的三个轨迹。在示例4中呈现了带平板电脑行走的两个轨迹。在示例5中由一个轨迹示出了不同使用情况中的带智能手表行走。最后，示例6呈现了带智能手机跑步的使用情况的三个轨迹。

示例2–带支持导航的原型行走的结果

包括来自Invensense的六自由度惯性单元(即，三轴陀螺仪和三轴加速度计)(MPU-6050)、来自Honeywell的三轴磁力计(HMC5883L)、来自Measurement Specialties的气压计(MS5803)以及来自u-blox的GPS接收器(LEA-5T)的低成本原型单元(用于便携式设备)被用于记录具有不同步态和不同速度的不同用户的大量行人轨迹的数据。这些轨迹包括原型设备的很多不同使用情况，该很多不同使用情况包括在若干不同取向上的很多手持、不同类型和取向的很多手悬摆、具有不同类型和取向的很多口袋、具有在不同取向上的不同带扣的很多带、很多耳朵(ear)。

图7和图8示出了第一轨迹的结果。图7示出了定位结果，而图8示出了设备航向、横摇和纵摇以及设备和行人之间的未对准。应当注意，因为角是周期的，因此180度左右的值可显示在曲线图顶部和底部(即，稍小于180度和稍大于-180度)，这使它们在曲线图中在180和-180度之间显示垂直线。在该轨迹中，用户开始在有GPS的室外，接着走进办公大楼的室内并在大楼的走廊中的形成八字形的两个矩形中行走，接着又走出去。用户以手机被手持在发短信纵向上开始，接着在走进室内后他切换到悬摆(其中，扬声器向前)并在图7右边的第一个矩形中行走，接着他将设备放进裤子口袋(左口袋，其中屏幕在内且扬声器相对指向右边但由于口袋而有倾斜)并完成图左边的第二个矩形，接着当在走出去之前在最后走廊中向南走时，用户切换到发短信横向模式(其中，扬声器指向左边)，并且最后他在手机仍在同一发短信横向上的情况下又走出楼外。图8示出了这些不同周期连同在每个周期期间的姿态角和未对准角。当用户将手机放进口袋以及将其从口袋取出时的两个周期也可在图8中看出，以及当这种进出口袋的转变发生时，在中间的北到南的走廊中，它们对导航解决方案的小影响可在图7中看出。在发短信纵向期间的未对准角接近0度，同样在悬摆期间，未对准接近0度，在口袋期间未对准是大约50度，并且最后对于发短信横向，未对准在-90度和-100度。应当注意，在非常少的时间点(即，迭代，其处于惯性传感器的采样率下)内，未对准可使瞬时值错误180度，因为消除不确定性方法在这些时间点处确实作出错误决定。然而，这些对导航解决方案的总体影响是较小的。室内的持续时间大约是2分钟，并且最大定位误差在7米内。室内部分没有任何GPS并且其没有任何其它形式的绝对导航信息，但其是利用来自所提出方法的未对准确定的仅传感器导航。这些结果示出了本方法如何能够获得设备和行人之间的未对准以及其如何能够被用于增强仅传感器导航解决方案。

图9和图10示出了第二轨迹的结果。图9示出了定位结果，而图10示出了设备航向、横摇和纵摇以及设备和行人之间的未对准。先前轨迹中关于角是循环的同一注意也在图10的各部分中引起相同影响。在此轨迹中，用户开始在有GPS的室外，接着走进与先前轨迹相同的办公大楼的室内并且在大楼中的相同走廊中的六个矩形中行走，接着再次走出去，因此用户在类似先前轨迹的相同八字形上行走但在其本身之上走三次。用户以手机被手持在发短信纵向上开始，接着在走进室内后他切换到悬摆(其中，扬声器向前)并且在第一矩形中行走，接着他将设备放入裤子口袋(右口袋，其中屏幕在内并且扬声器相对指向左边但由于口袋而有倾斜)并完成第二矩形，接着他将手机从口袋取出并针对第三矩形在发短信纵向模式下使用手机，接着是针对第四矩形的发短信横向(其中，扬声器指向左边)，接着是针对第五圈的耳朵(设备在右耳上且扬声器接近向后)，第六圈用户又做了悬摆(其中，扬声器向前)，接着当在走出去之前在最后走廊中向南走时，用户切换到裤子口袋(右口袋，其中屏幕在内并且扬声器相对指向左边但由于口袋而有倾斜)，并且最后他在手机仍在口袋中的情况下又走出楼外。图10示出了这些不同周期连同在每个周期期间的姿态角和未对准角。当用户将手机放进口袋以及将其从口袋取出的周期也可在图10中看见，以及当这种进出口袋的转变发生时(这样的转变中的某些比其它的转变花费更多时间，尤其是将手机放进口袋内时的最后一个室内)，在中间的北到南的走廊中，它们对导航解决方案的小影响可在图9中看出。在发短信纵向期间的未对准角接近0度，同样在悬摆期间，未对准接近0度，在口袋期间未对准是在-45至-50度之间，在发短信纵向期间未对准又是0度左右，在发短信横向期间未对准是大约-90度，在耳朵期间未对准是180度左右，在悬摆期间其是0度左右，并且最后对于口袋，未对准是在-45度和-50度之间。如在第一轨迹中指出的，在非常少的时间点(即，迭代，其处于惯性传感器的采样率下)内，未对准可使瞬时值错误180度，因为消除不确定性方法在这些时间点处确实作出错误决定。然而，如早前提到的，这些对导航解决方案的总体影响是较小的。室内的持续时间稍大于6分钟，并且最大定位误差在9米内。室内部分没有GPS并且其没有任何其它形式的绝对导航信息，但其是利用来自所提出方法的未对准确定的仅传感器导航。这些结果示出了本方法如何能够获得设备和行人之间的未对准以及其如何能够被用于增强仅传感器导航解决方案。

示例3–带智能手机行走的结果

在这个示例中，存在呈现利用智能手机的未对准估算技术的性能的三个轨迹这些轨迹覆盖具有不同的未对准角的不同的手机使用情况。

图11示出了第三轨迹的结果。图11示出了设备航向、横摇和纵摇以及智能手机和行人之间的未对准。该轨迹示出了诸如罗盘、发短信纵向和横向、悬摆、裤子口袋、带扣、耳聊和胸部口袋的不同的手机使用情况。在该轨迹中，用户开始在有GPS的室外，接着走进在同一办公大楼的室内并且当在室内行走时在不同使用情况之间切换，接着又走出去。用户以手机被手持在罗盘使用情况中的情况下在室外开始，其中横摇角和纵摇角几乎为零左右并且该设备在水平平面上。在测试期间以不同的方式使用手机。例如，其从具有处于几乎零度的横摇角和纵摇角的罗盘使用情况移动到发短信纵向，接着是具有45度左右的横摇角和几乎零度的纵摇角的发短信横向，如图11中所示。用户将该使用情况改变成悬摆使用情况。接着，手机被放在胸部口袋中，并接下去被放在具有90度的纵摇角的带扣。测试示出了不同的活动，而用户在测试期间正将手机携带在他/她的口袋中或打电话。图11示出了这些不同的周期连同在每个周期期间的姿态角和未对准角。当用户调整在口袋中的设备并将其从口袋取出或调整其用于带扣并将其从带扣取出时的周期也可在图11中看出。在罗盘和发短信纵向期间的未对准角接近0度，在发短信横向和悬摆期间未对准接近-90度，在口袋和胸部口袋期间未对准是在45至50度之间，在耳聊期间未对准接近180度，以及最后对于发短信纵向未对准又是0度左右，其中由于用户打开两个连续的门以走出大楼，一些时间点给出错误的估算未对准值。如在先前轨迹中所注意的，在非常少的时间点(即，迭代，其处于惯性传感器的采样率下)内，未对准可使瞬时值错误180度，因为消除不确定性方法在这些时间点处确实作出错误决定。然而，如早前所提到的，这些对导航解决方案的总体影响是较小的。室内持续时间在利用来自所提出的方法的未对准确定的仅传感器导航的情况下稍大于9分钟。

图12和图13示出了第四轨迹的结果。图12示出了定位结果，而图13示出了设备航向、横摇和纵摇以及设备和行人之间的未对准。该轨迹示出了当手机被放在胸部口袋中时的未对准技术的性能。在该轨迹中，用户开始在有GPS的室外，接着走进与先前轨迹相同的办公大楼的室内，并且在大楼中的相同走廊中的一个矩形中行走，接着再次走出去，因此用户在八字形的一侧上行走。用户以手机被手持在发短信纵向上开始，接着在走进室内之前，用户将手机放在胸部口袋中并在一个矩形中行走，并且最后在手机处于发短信纵向使用情况的情况下再次走出大楼。图13示出了这些不同周期连同在每个周期期间的姿态角和未对准角。当用户将手机放在胸部口袋中时的周期也可在图13中看出，以及它们对导航解决方案的小影响可在图12中看出。图13示出了当设备取向从发短信纵向变到胸部口袋时，纵摇角从0度变到90度，并且当手机再次移动成发短信纵向模式时，该纵摇角从90度变到0度。在发短信纵向期间的未对准角接近0度，在胸部口袋期间未对准在-50度左右，以及最后对于发短信纵向，未对准再次在0度左右。该轨迹具有其中未对准可使瞬时值错误180度的少数时间点(即，迭代，其处于惯性传感器的采样率下)，因为消除不确定性方法在这些时间点处确实作出错误决定。然而，如早前所提到的，这些对导航解决方案的总体影响是较小的。室内的持续时间稍大于1.5分钟，并且最大定位误差在6米内。室内部分没有GPS并且其没有任何其它形式的绝对导航信息，但其是利用来自所提出方法的未对准确定的仅传感器导航。

图14和图15示出了第五轨迹的结果。图14示出了定位结果，而图15示出了设备航向、横摇和纵摇以及设备和行人之间的未对准。该轨迹示出了当手机被放在用户背包中时的未对准技术的性能。在该轨迹中，用户开始在有GPS的室外，接着走进与先前轨迹相同的办公大楼的室内，并且在大楼中的相同走廊中的两个矩形中行走，接着再次走出去，因此用户在八字形的一侧上行走。用户以手机被手持在发短信纵向上开始并进入大楼并在大楼内的一个矩形中行走，接着在开始第二个矩形之前，用户将设备放进背包中并在另一个矩形中行走，并且最后他在设备仍在背包中的情况下走到大楼外。图15示出了这些不同周期连同在每个周期期间的姿态角和未对准角。当用户将手机放进背包中并将其从背包中取出的周期也可在图15中看出，以及它们对导航解决方案的影响可在图14中看出。当手机被放在背包中时，随着横摇角从0变到90度，未对准角从0度变到-90度。在发短信纵向期间的未对准角接近0度，并且最后在携带在背包中期间未对准是-95度左右。该轨迹具有其中未对准可使瞬时值错误180度的少数时间点，因为消除不确定性方法在这些时间点处确实作出错误决定。然而，如早前所提到的，这些对导航解决方案的总体影响是较小的。室内的持续时间稍大于3分钟，并且最大定位误差在深室内导航中是在7米内。室内部分没有GPS并且其没有任何其它形式的绝对导航信息，但其是利用来自所提出方法的未对准确定的仅传感器导航。

示例4–带平板电脑行走的结果

本示例呈现两个轨迹来示出对于平板电脑的未对准估算技术的性能。轨迹覆盖具有不同未对准角的不同平板电脑使用情况。

请注意，对于平板电脑，纵向和横向的定义与手机不同。对于平板电脑，横向具有0度的未对准，而不是手机的±90度。平板电脑中的纵向具有90或-90度的未对准，而不是手机的0度。

图16和图17示出了第六轨迹的结果。图16示出了定位结果，而图17示出了设备航向、横摇和纵摇以及设备和行人之间的未对准。该轨迹示出了当平板电脑在不同使用情况中使用时的未对准技术的性能。在该轨迹中，用户开始在有GPS的室外，接着走进与先前轨迹相同的办公大楼的室内，并且在大楼中的相同走廊中的三个矩形中行走，接着再次走出去，因此用户在八字形的一侧上行走。用户以平板电脑被手持在发短信横向上开始，接着在室外切换到悬摆并在悬摆的情况下进入大楼并在大楼内的一个矩形中行走，第二个矩形用户切换到发短信横向并且在最后一个矩形期间用户将设备取向改变成发短信纵向并走到大楼外，并且最后再次将设备改变成发短信横向。图17示出了这些不同周期连同在每个周期期间的姿态角和未对准角。未对准角在发短信横向期间接近0度，在悬摆期间也是接近0度，在发短信横向期间是0度，在发短信纵向期间接近-90度，并且最后在发短信横向期间再次接近0度。该轨迹具有其中未对准可使瞬时值错误180度的少数时间点，因为消除不确定性方法在这些时间点确实作出错误决定。然而，如早前所提到的，这些对导航解决方案的总体影响是较小的。室内的持续时间稍大于4分钟，并且最大定位误差在深室内导航中是在8.5米内。室内部分没有GPS并且其没有任何其它形式的绝对导航信息，但其是利用来自所提出方法的未对准确定的仅传感器导航。

图18和图19示出了第七轨迹的结果。图18示出了定位结果，而图19示出了设备航向、横摇和纵摇以及设备和行人之间的未对准。该轨迹示出了当平板电脑被放在用户背包中时的未对准技术的性能。在该轨迹中，用户开始在有GPS的室外，接着走进与先前轨迹相同的办公大楼的室内，并且在大楼中的相同走廊中的两个矩形中行走，接着再次走出去，因此用户在八字形的一侧上行走。用户以平板电脑被手持在发短信横向开始，接着在大楼外将平板电脑移到用户背包中，并且在平板电脑在背包中的情况下进入大楼并在大楼内的两个矩形中行走，并且在使平板电脑在背包中的情况下走出大楼外。图17示出了这些不同周期连同在每个周期期间的姿态角和未对准角。未对准角在发短信横向期间接近0度，在悬摆期间也接近0度，在发短信纵向期间是0度，并且最后在背包期间接近90度。室内的持续时间稍大于2分钟，并且最大定位误差在10米内。室内部分没有GPS并且其没有任何其它形式的绝对导航信息，但其是利用来自所提出方法的未对准确定的仅传感器导航。

示例5–带手表行走的结果

呈现一个轨迹来说明对于智能手表的未对准估算技术的性能。轨迹覆盖具有不同未对准角的不同智能手表使用情况。请注意，对于智能手表，观看使用情况指的是看时间。

图20和图21示出了第八轨迹的结果。图20示出了定位结果，而图21示出了设备航向、横摇和纵摇以及设备和行人之间的未对准。该轨迹示出了当手表被保持在用户的左手中时的未对准技术的性能。在该轨迹中，用户在没有GPS的室内开始，并在大楼中的相同走廊中的两个矩形中行走接着停下来，因此用户在八字形的一侧上行走。用户以观看手表(查看时间)开始，接着在悬摆的情况下移成正常行走。图21示出了这些不同周期连同在每个周期期间的姿态角和未对准角。未对准角在观看期间接近0度，并且在悬摆期间接近-170度。测试持续时间在1.5分钟左右，并且最大定位误差在5米内。在测试期间，没有对GPS的访问或任何其它形式的绝对导航信息，但其是利用来自所提出方法的未对准确定的仅传感器导航。

示例6–带智能手机跑步的结果

下面的示例给出三个轨迹来呈现对于在跑步期间的智能手机使用情况的未对准估算技术的性能。这些轨迹覆盖具有不同未对准角的不同跑步手机使用情况。

图22示出了第九轨迹的结果。图22示出了在跑步期间的设备航向、横摇和纵摇以及设备和行人之间的未对准。该轨迹示出了当用户沿直线跑步时的手机拴系在手臂上的使用情况，这可在图22中看出，因为航向在该轨迹期间是固定的。在该轨迹期间，用户将手机固定到他/她的左臂，其中屏幕面向身体外并且扬声器指向向上。该轨迹示出了当用户将手机固定到他/她的左臂上时的跑步活动。图22示出了此周期连同在该周期期间的姿态角和未对准。在该轨迹期间的未对准角接近95度。如在先前轨迹中所注意的，在很少的时间点中，未对准可使瞬时值错误180度，因为消除不确定性方法在这些时间点处确实作出错误决定。

图23示出了第十轨迹的结果。图23示出了在跑步期间的设备航向、横摇和纵摇以及设备和行人之间的未对准。该轨迹示出了当用户沿直线跑步时的手机口袋使用情况，这可在图23中看出，因为航向在轨迹期间是固定的。在该轨迹期间，用户将手机放进他/她的口袋中，其中屏幕面对用户身体并且扬声器指向向上。该轨迹示出了当用户有手机在他/她的右裤子口袋中时的跑步活动。图23示出了此周期连同在该周期期间的姿态角和未对准。在该轨迹期间的未对准角接近40度。如在先前轨迹中所注意的，在很少的时间点中，未对准可使瞬时值错误180度，因为消除不确定性方法在这些时间点处确实作出错误决定。

图24示出了第十一轨迹的结果。图24示出了在跑步期间的设备航向、横摇和纵摇以及设备和行人之间的未对准。该轨迹示出了当用户沿直线跑步时的手机拴系在腿上的使用情况，这可在图24中看出，因为航向在该轨迹期间是固定的。在该轨迹期间，用户将手机固定到他/她的右腿，其中屏幕面向身体外并且扬声器指向向上。该轨迹示出了当用户将手机固定到他/她的右腿上时的跑步活动。图24示出了此周期连同在该周期期间的姿态角和未对准。在该轨迹期间的未对准角接近95度。如在先前轨迹中所注意的，在很少的时间点中，未对准可使瞬时值错误180度，因为消除不确定性方法在这些时间点处确实作出错误决定。

上述实施例和技术可以在软件中被实施为各种互连的功能块或不同的软件模块。然而，这并不是必须的，并且可以存在以下情况：这些功能块或模块等效地聚集成具有不清晰边界的单个逻辑设备、程序或操作。在任何情况下，实现上述实施例或接口的各特征的功能块和软件模块可通过它们本身来实现或结合其它硬件或软件操作来实现被完全实现在设备内或连同该设备以及与该设备通信的其它处理器启用的设备(诸如服务器)来实现。

虽然已经示出并描述了几个实施例，但本领域技术人员应当理解，可以对这些实施例作出各种改变和修改而没有改变或背离它们的范围、意图或功能。前面说明书中所用的术语和表达在本文中已经用作描述而非限制的术语，并且使用这些术语和表达不旨在排除所示出并描述的特征或其部分的等效物，要认识到，本发明仅由所附权利要求书来定义和限制。

Claims (22)

1.一种用于确定设备和行人之间的未对准的方法，其中所述未对准是所述设备的航向与所述行人的航向之间的航向未对准角，其中所述行人的航向是行人运动方向，并且其中所述设备包括三轴加速度计，所述方法包括以下步骤：

a)通过将三轴加速度计读数变换成经分级的垂直加速度计读数分量以及第一和第二水平加速度分量来从所述三轴加速度计的读数计算多个经分级的加速度计读数；

b)从所述经分级的垂直加速度计读数分量中生成垂直加速度分量；

c)至少部分地基于所述第一和第二水平加速度分量来计算沿轨角，其中所述沿轨角是所述航向未对准角的向前方向或向后方向中的一者；

d)至少部分地基于所述经分级的加速度分量来确定所述设备的使用情况；

e)基于所确定的所述使用情况来检测所计算的所述沿轨角中的180度误差是否存在；以及

f)从所述沿轨角以及如果存在的话，所述180度误差计算未对准角。

2.如权利要求1所述的方法，其特征在于，计算沿轨角包括对所述第一和第二水平加速度分量应用最大可能方差技术。

3.如权利要求1所述的方法，其特征在于，计算沿轨角包括以下步骤：

a)对所述第一和第二水平加速度分量应用主分量分析；

b)使用所述主分量分析的输出来计算沿轨角；以及

c)使用所述沿轨角来变换所述水平加速度分量以生成沿轨加速度分量和跨轨加速度分量；

其中，权利要求1的步骤e)进一步包括基于所述使用情况、所述沿轨加速度分量和所述垂直加速度分量来检测所述沿轨角中的180度误差是否存在。

4.如权利要求1所述的方法，其特征在于，计算沿轨角包括以下步骤：

a)对所述第一和第二水平加速度分量应用主分量分析；

b)使用所述主分量分析的输出来计算沿轨角；以及

c)使用所述沿轨角来变换所述水平加速度分量以生成沿轨加速度分量和跨轨加速度分量；

其中，权利要求1的步骤e)进一步包括基于所述使用情况、所述沿轨加速度分量和所述垂直加速度分量来检测所述沿轨角中的180度误差是否存在，或者宣布无决定；以及

其中，权利要求1的步骤f)进一步包括假使步骤e)没有宣布无决定，从所述沿轨角以及如果存在的话，所述180度误差计算所述未对准角。

5.如权利要求3或4中的一项所述的方法，其特征在于，180度误差是否存在于所述沿轨角中的检测进一步基于选自下列的下面的分量中的一个或多个：所述跨轨加速度分量、所述第一和第二水平加速度分量的大小或所述第一和第二水平加速度分量以及所述垂直加速度分量的大小。

6.如权利要求4所述的方法，其特征在于，如果所述方法宣布无决定，则进一步使用缓冲的信息来计算所述未对准角。

7.如权利要求2、3、4或6中任一项所述的方法，其特征在于，所述方法进一步包括使用自包含的信息来增强所述未对准角。

8.如权利要求5所述的方法，其特征在于，所述方法进一步包括使用自包含的信息来增强所述未对准角。

9.如权利要求2、3、4、或6中任一项所述的方法，其特征在于，所述方法进一步包括根据绝对导航信息来增强所计算出的未对准角。

10.如权利要求5所述的方法，其特征在于，所述方法进一步包括根据绝对导航信息来增强所计算出的未对准角。

11.如权利要求7所述的方法，其特征在于，所述方法进一步包括根据绝对导航信息来增强所计算出的未对准角。

12.如权利要求8所述的方法，其特征在于，所述方法进一步包括根据绝对导航信息来增强所计算出的未对准角。

13.如权利要求2、3、4、或6中任一项所述的方法，其特征在于，所述方法进一步包括计算所计算出的未对准角的标准差。

14.如权利要求5所述的方法，其特征在于，所述方法进一步包括计算所计算出的未对准角的标准差。

15.如权利要求7所述的方法，其特征在于，所述方法进一步包括计算所计算出的未对准角的标准差。

16.如权利要求8所述的方法，其特征在于，所述方法进一步包括计算所计算出的未对准角的标准差。

17.如权利要求9所述的方法，其特征在于，所述方法进一步包括计算所计算出的未对准角的标准差。

18.如权利要求10所述的方法，其特征在于，所述方法进一步包括计算所计算出的未对准角的标准差。

19.如权利要求11所述的方法，其特征在于，所述方法进一步包括计算所计算出的未对准角的标准差。

20.如权利要求12所述的方法，其特征在于，所述方法进一步包括计算所计算出的未对准角的标准差。

21.一种由行人便携的用于确定设备和行人之间的未对准的设备，其中所述未对准是所述设备的航向与所述行人的航向之间的航向未对准角，并且其中所述行人的航向是行人运动方向，所述设备包括：

a)三轴加速度计；以及

b)处理器，所述处理器被耦合成接收来自所述三轴加速度计的读数，并且可操作以确定所述设备和所述行人之间的未对准，其中所述处理器可操作以：

i)通过将三轴加速度计读数变换成经分级的垂直加速度计读数分量以及第一和第二水平加速度分量来从所述三轴加速度计的读数计算多个经分级的加速度计读数；

ii)从所述经分级的垂直加速度计读数分量中生成垂直加速度分量；

iii)至少部分地基于所述第一和第二水平加速度分量来计算沿轨角，其中所述沿轨角是所述航向未对准角的向前方向或向后方向中的一者；

iv)至少部分地基于所述经分级的加速度分量来确定所述设备的使用情况；

v)基于所确定的所述使用情况来确定所计算的所述沿轨角中的180度误差是否存在；以及

vi)从所述沿轨角以及如果存在的话，所述180度误差计算未对准角。

22.如权利要求21所述的设备，其特征在于，所述处理器可操作以通过对所述第一和第二加速度分量应用最大可能方差技术来计算沿轨角。