CN105865450A - 一种基于步态的零速更新方法及系统 - Google Patents

Abstract

本发明公开了一种基于步态的零速更新方法及系统，该方法包括以下步骤：S1、在人体脚踝处设置传感器组，获取加速度数据、陀螺仪数据和磁力计数据，并对其进行处理得到步态信息，包括步频信息和步长信息；S2、根据步频信息判断零速点在每个步态周期中的位置，在每个步态周期内加速度达到最大峰值点时，判定该点为零速点，并根据步长信息计算零速点的个数；S3、在惯性导航系统中，对加速度数据进行积分，并不断代入零速点进行误差修正，得到优化的惯性导航结果。本发明能够极大程度的消除积分漂移的影响，减小对加速度进行二次积分时出现的累积误差；能够显著提高惯性导航系统的导航精度。

Description

一种基于步态的零速更新方法及系统

技术领域

本发明涉及信息传感领域，尤其涉及一种基于步态的零速更新方法及系统。

背景技术

导航与定位技术是现代社会的重要支撑性技术之一。随着无线网络、移动通信和普及计算技术应用的不断扩大和深入，位置感知计算、基于位置的服务越来越重要。典型的例子有资源查找、旅游导航、矿井下定位、社交定位，寻人寻物等，如何确定用户的位置是实现LBS的核心问题。再加上现在智能手机的迅速发展，对导航定位功能的要求也越来越高，尤其是对导航定位技术的准确性，可靠性和连续性的精度要求非常之高。目前影响最大、定位覆盖范围最广的定位系统是GPS全球定位系统。GPS是70年代初美国出于军事目的开发的一种卫星导航定位系统，并于80年代初投入使用。地面接收设备通过接收和测量来自四个或四个以上卫星信号的到达时间差来估计移动终端的位置。在移动终端内置GPS模块可在室外大部分场合下实现精度较高的定位，特别是从2000年5月1日0时美国宣布中止选择性可靠度政策以后，GPS也能被用于民用，精度可达到15m以内。

但是在实际人们生活的环境里，GPS的覆盖范围则存在严重的局域性。由于GPS卫星发射的无线电讯号太微弱，以至于无法穿透绝大部分的建筑物或是稠密的植被，因此导致所谓的“都市峡谷”效应。在高楼林立的都市，楼宇等建筑物阻隔了卫星信号的传播或者将它们分散开去，造成GPS系统无法定位。GPS虽然在室外能有效地定位，但几乎不能覆盖到人们经常工作和活动的室内。因此，GPS除了在交通工具的导航上的应用占有优势以外，尚很少被应用在其他领域。那么如若继续借助GPS在室内进行定位，将会给日常生活带来诸多不便，那么为了获得更精确快捷的定位结果，我们需要借助于其他增强技术，比如惯性导航定位技术，而惯性导航技术中的核心问题便是零速更新。

由于该技术具有良好的应用前景和应用范围，几乎所有的惯性导航方法中都需要应用到该技术，那么对该技术的应用方法的探索将是极为重要的环节。国外对其的研究已有60多年，并取得了不少的成果，特别是针对应用于人体生物智能识别的零速更新有很多种方法，并且都取得非常不错的效果。

零速更新的基本原理是已知人的加速度，对加速度进行二次积分，能获得人的运动位移，但实际积分过程中，由于积分的累积误差，将使得这个方法无法实现，为了减小积分误差，我们采取零速更新这项技术对积分误差进行补偿。这在惯性导航系统中是常见的消除误差的方法，但如何找准零速更新的零速点是每个惯性导航系统都要解决的核心问题，我们这里提出一个以人行走时脚抬起，落下过程中的一个悬停时刻作为我们惯性导航系统的零速点，成功改进了惯性导航系统的精度，为后续的研究提供了巨大的帮助。

发明内容

本发明要解决的技术问题在于针对现有技术中对惯性导航系统对加速度进行二次积分时容易出现累积误差的缺陷，提供一种通过准确判断零速点，进行误差修正得到优化的惯性导航结果的基于步态的零速更新方法及系统。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于步态的零速更新方法，包括以下步骤：

S1、在人体脚踝处设置传感器组，获取加速度数据、陀螺仪数据和磁力计数据，并对其进行处理得到步态信息，包括步频信息和步长信息；

S2、根据步频信息判断零速点在每个步态周期中的位置，在每个步态周期内加速度达到最大峰值点时，判定该点为零速点，并根据步长信息计算零速点的个数；

S3、在惯性导航系统中，对加速度数据进行积分，并不断代入零速点进行误差修正，得到优化的惯性导航结果。

进一步地，本发明的步骤S1中处理得到步频信息的具体方法为：

根据加速度数据随着人的行走呈现周期性的特征，将一个步态周期分为4个阶段：脚离地、摆动、脚后跟着地和站立，根据该周期计算步频。

进一步地，本发明的步骤S1中处理得到步长信息的具体方法为：

根据非线性步长模型计算步长信息S_k，其公式为：

$S_k=K*\sqrt[4]{A_{max}-A_{min}}$

其中，A_max和A_min分别表示一个步态周期内加速度的最大值和最小值，K为模型系数。

进一步地，本发明的步骤S2中判定零速点的方法具体为：

对加速度数据进行滤波处理，设置滤波器的截止频率为3Hz；

根据加速度数据的极大值和极小值的周期性得到步态周期，在前足完全承载时脚步悬停处于最低点，此时加速度达到最大峰值点，人体竖直速度为零，该点为零速点。

进一步地，本发明的步骤S3中惯性导航系统进行导航解算的具体方法包括：信号预处理、坐标系转换和二重积分。

进一步地，本发明的步骤S3中惯性导航系统进行信号预处理的具体方法为：

对加速度数据进行预处理，消除加速度计的仪器误差，其公式为：

$a_m=(1+f)*{\mathrm{\α}}_r+b+\∂$

其中，a_m为加速度计的测量值，a_r为真实值，f为刻度因子，b为固定偏置，为测量噪声。

进一步地，本发明的步骤S3中惯性导航系统进行坐标系转换的具体方法为：

从载体坐标系转换到ENU坐标系的坐标转换矩阵为：

其中，初始位置对应的载体坐标为(x₀,y₀,z₀)，t时刻人体位置为(x_t,y_t,z_t))，对应的ENU坐标为(E_t,N_t,U_t)，载体的姿态向量为(p,r,y)。

进一步地，本发明的步骤S3中惯性导航系统进行二重积分的具体方法为：

获取加速度传感器数据：

a_b＝[a_bx,a_by,a_bz]^T

根据坐标系转换矩阵，计算ENU坐标系下的加速度：

$a_{ENU}=R_b^{ENU}{a}_b$

计算在ENU坐标系下的速度：

$V_{ENU}=V\left(0\right)+\underset{0}{\overset{t}{\∫}}{a}_{ENU}dt$

计算在ENU坐标系下的位移：

$S_{ENU}=S\left(0\right)+{\∫}_0^t{V}_{ENU}dt.$

本发明提供一种基于步态的零速更新系统，包括：

数据获取单元，用于在人体脚踝处设置传感器组，获取加速度数据、陀螺仪数据和磁力计数据，并对其进行处理得到步态信息，包括步频信息和步长信息；

零速点计算单元，用于根据步频信息判断零速点在每个步态周期中的位置，在每个步态周期内加速度达到最大峰值点时，判定该点为零速点，并根据步长信息计算零速点的个数；

惯导系统优化单元，用于在惯性导航系统中，对加速度数据进行积分，并不断代入零速点进行误差修正，得到优化的惯性导航结果。

本发明产生的有益效果是：本发明的基于步态的零速更新方法，通过分析人行走时的步态规律，得出步态与加速度的周期性关系，通过对加速度波形的分析，进而直观的确定零速点；将零速更新与惯性导航系统结合在一起，能够极大程度的消除积分漂移的影响，减小对加速度进行二次积分时出现的累积误差；能够显著提高惯性导航系统的导航精度。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的基于步态的零速更新方法的流程图；

图2是本发明实施例的基于步态的零速更新方法的行人航迹系统的结构框图；

图3是本发明实施例的基于步态的零速更新方法的惯性导航系统结构框图；

图4是本发明实施例的基于步态的零速更新方法的脚踝处加速度信号曲线；

图5是本发明实施例的基于步态的零速更新方法的行人航迹定位技术算法流程图；

图6是本发明实施例的基于步态的零速更新方法的原始信号曲线；

图7是本发明实施例的基于步态的零速更新方法的预处理后的加速度曲线；

图8是本发明实施例的基于步态的零速更新方法的不经过零速更新的加速度信号曲线；

图9是本发明实施例的基于步态的零速更新方法的加速度信号周期；

图10是本发明实施例的基于步态的零速更新方法的零速点；

图11是本发明实施例的基于步态的零速更新方法的零速点代入得到的实验结果；

图12是本发明实施例的基于步态的零速更新系统的框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例的基于步态的零速更新方法，包括以下步骤：

S1、在人体脚踝处设置传感器组，获取加速度数据、陀螺仪数据和磁力计数据，并对其进行处理得到步态信息，包括步频信息和步长信息；

S2、根据步频信息判断零速点在每个步态周期中的位置，在每个步态周期内加速度达到最大峰值点时，判定该点为零速点，并根据步长信息计算零速点的个数；

S3、在惯性导航系统中，对加速度数据进行积分，并不断代入零速点进行误差修正，得到优化的惯性导航结果。

在本发明的另一个实施例中，将该实施例分为四个阶段：

第一阶段：采用ST公司出产的1款多传感器定位系统INEMO-M1。INEMO-M1集成了包含1个ST公司出产的LSM303DLHC传感器，这是1款集成了3轴加速度传感器和3轴磁力计的多功能传感器，以及L3GD20这款3轴陀螺仪传感器。

我们把它作为我们实验的硬件平台绑在人的脚踝处，然后让人在空间中行走，试图利用惯性导航系统对人行走的轨迹进行定位，然后将采集到的数据再通过USB，蓝牙等方式发送回PC端对它进行数据分析及处理。

第二阶段：根据行人行走的生态特征，利用步态信号的周期性和信号统计特征与行走速度相关的规律，采用步频探测和步长估计的方法来对行人行走的位移进行估算。该方法一般的被叫为行人航迹检测算法。其系统框图如图2所示。

首先是探测步频：根据行人步态的运动生理学特性，加速度信号波形会随着个人行走现出周期性的特征。目前存在大量步频探测方法，但是部分步频探测算法应用于具体某一类波形。例如峰值探测法，这是针对人体行走时腰身加速度信号每步呈现单峰的特征，该方法通过寻找固定时间窗口加速度的最大值来实现步频检测；再比如自相关法，这是因为加速度信号的周期性，故可通过自相关实现对跨步的检测。所以不同的步频检测方法都有其不同的特点和优势，我们需要寻找适合本文的方法来对步频检测进行有效的处理。

其次是步长估计：个人的步长与其身高、习惯、心情、路面情况等有关，大量研究表明步长与加速度的某些统计值具有良好的相关性，如每步最大值、最小值、方差、步频等。为了估计步长，目前存在的模型可以分为3类：常数/伪常数步长模型，线性步长模型，非线性步长模型。自从行人航迹推算的概念推出后，步长估计模型的研究就吸引了大量学者的注意，现在更多的步长估计算法专注于提高步长估计得精度，在不考虑航向误差因素情况下，行人航迹步长估算的定位精度已经控制在几米的量级。

最后是判断悬停点：正常人行走步态具有周期性，每个步态周期可以分为四个阶段：脚离地、摆动、脚后跟着地和站立这4个阶段，那么在加速度信号上的反映也是直观清楚的，通过加速度信号波峰波谷位置的变化规律，我们可以选择性的找出人在行走时脚的悬停点，从而为之后做准备工作。

第三阶段：因为载体平台是固定的，所以采取的是捷联式惯性导航，主要利用的是牛顿运动原理，对加速度角速度进行积分运算，再进行卡尔曼滤波求解出行人粗略的位置，速度和姿态角等导航基本数据。

如图3所示，惯性导航是一种完全自主的导航方法，依赖自身设备自主地完成导航任务，不与外界发生任何光电联系，而且工作不受气象条件的限制，被广泛用于航天、航空等领域。其理论基础为牛顿力学基本定律，技术手段是利用加速度计测出飞行器相对导航坐标系(如地理坐标系)的运动加速度，经过两次积分得到飞过的距离，从而确定飞行器所在的位置。

在个人导航中，导航装置安装在行人身上，因为加速度测量的是载体坐标系的加速度，故需要先按照以下公式对加速度计的仪器误差进行修正：

$a_m=(1+f)*{\mathrm{\α}}_r+b+\∂$

其中，a_m为加速度计的测量值，a_r为真实值，f为刻度因子，b为固定偏置，为测量噪声。

再把其补偿后的测量值换算成ENU坐标系下的加速度值。

这里需要知道载体坐标系相对地理坐标系的三个姿态角(p，r，y)，求出系统转换矩阵然后计算ENU坐标系下的加速度值为：

$a_{ENU}\left(t\right)=R_b^{ENU}\left(t\right)*a_b\left(t\right)$

其中，表示t时刻的系统转换矩阵，a_b(t)和a_ENU(t)分别表示t时刻的在载体坐标系和ENU坐标系下的加速度。

那么在ENU坐标系下的速度为：

$V\left(t\right)=V\left(0\right)+\underset{0}{\overset{t}{\∫}}\[a_{ENU}\left(t\right)-g\]dt$

其中V(0)为开始航迹时的初速度，一般为0，g为当地重力加速度。

同理在ENU坐标系下的位移为：

$S\left(t\right)=S\left(0\right)+\underset{0}{\overset{t}{\∫}}S\left(t\right)dt$

其中S(0)为开始推算航迹时的位移量。

最后可以计算出行人的位置为：

$\left\{\begin{array}{c}E\left(t_2\right)=E\left(t_1\right)+\underset{t1}{\overset{t2}{\∫}}S\left(t\right)*sin\left(x\right(t\left)\right)dt\\ N\left(t_2\right)=N\left(t_1\right)+\underset{t1}{\overset{t2}{\∫}}S\left(t\right)*cos\left(x\right(t\left)\right)dt\end{array}\right.$

其中x(t)为从陀螺仪测得的水平航向角。

从整个惯性机制流程可以看出，为了计算出精确的位置，有两个关键因素必须考虑，一是实时转换矩阵的计算，二是加速度计误差补偿：即使加速度计在导航开始已经消除刻度因子和固定偏置等误差，这些误差因子的残差在积分过程中随着时间的推移还是会产生很大的距离误差。为了消除这种误差，在惯性导航中，可以通过频繁的零速更新来实现。

零速更新的基本原理为在已知载体静止的情况下，将积分速度归零，这种方法常用在车载导航中，因为车辆在等红绿灯过程中保持静止。然而在行人行走过程中，我们很难通过肉眼观察发现这个静止的时刻，那么我们需要利用人行走的生态特征对零速更新的点进行寻找。

为了达到这个目的，我们把设备绑于人行走时的脚踝处，利用脚步转换时的悬停点作为我们惯性导航系统中的零速点，这样就可以将行人航迹系统中对加速度规律的剖析和惯性导航有机结合起来。

第四阶段：如图4所示，为脚踝处加速度信号曲线的一段，其中横轴代表采样点序号，纵轴代表加速度m/s²。从图中看出，足跟着地前加速度达到极小值，足跟接触时有一个快速的向上的加速度持续大约10％的周期，然后下降直到前足完全承载(即全脚掌接地)时达到极大值。

通过对加速度极大值或极小值的判断能够区分步态周期。前足完全承载时脚步悬停处于最低点，此时人体竖直速度为零，该点是零速点，而且特征明显，易于检测。通过计算连续两次零速点的最大位移差获得平均零速点。

但由于人体步行的特点，零速点附近通常存在多个极值点，单纯采用极值法会产生较多的误判情况。于是我们对加速度信号进行简单的滤波处理，按照正常的步行，人体的步频一般不超过3Hz，因此我们把滤波器的截止频率设为3Hz。由于截止频率较低，因而波形的毛剌将大大减少。

如图5所示，在本发明的另一个实施例中，过程主要由4个阶段构成：通过惯性传感器采集3轴加速度数据，3轴陀螺仪数据，3轴磁力计数据；通过惯性导航算法对采集到的数据进行处理，得到粗略定位的载体速度和距离；再根据行人行走的生态特征对采集到的数据进行步长和步频的估计；最后将惯性导航定位的结果和行人航迹估算的结果对比结合得到实验结果。本次实验进行的是在走廊的45m直线行走，下面说明图中各环节所使用的方法及算法：

(1)惯性传感器采集数据阶段：采集到的原始加速度信号如图6所示，该阶段与权力要求书的内容1相对应，本发明的数据采集阶段包括加速度信号采集、陀螺仪信号采集以及磁力计信号采集3个部分，其中我们采取的基本硬件结构为ST公司出产的LSM303DLHC多功能6轴传感器和L3GD203轴陀螺仪，得到的结果是关于时间的加速度信号、陀螺仪信号、磁力计信号曲线，我们把它标记为原始数据曲线。

(2)惯性导航算法解算阶段：该阶段为本发明的核心阶段，该阶段主要包括：信号预处理、坐标系转换、二重积分3个阶段。

1、信号预处理：如根据采集到原始信号分析，将对结果造成很大误差，加速度的误差公式表明：

$a_m=(1+f)*{\mathrm{\α}}_r+b+\∂$

其中，a_m为加速度计的测量值，a_r为真实值，f为刻度因子，b为固定偏置，为测量噪声。我们需要滤除加速度的固定偏置和测量噪声，这里我们采取的方法是初态静止测均值和简单低通滤波的方法去消除加速度误差。

静止测均值的目的是让加速度传感器在一个稳定的环境下得到它的固定偏置，我们一共进行了10次静止实验，得到该款加速度传感器的固定偏置b。

为了滤除重力分量的干扰，理想的截止频率是0.1-0.5Hz，经过实验测试，我们这里采用0.25Hz的4阶巴托沃斯高通传感器抑制重力分量。因为传感器固定在人体的脚踝处，根据人行走频率的特性，运动的频率主要集中在1Hz-3Hz之间，99％的能量都集中在15Hz以下，所以采取该特性的滤波器不会对加速度信息造成更多的损失。其处理完之后的加速度信号曲线如图7所示。

2、坐标系转换：之前测得的数据都是根据载体坐标系测得的，若要定位出人的真实位置，需要把数据转换到大地坐标系中。

地理坐标系又叫本地水平坐标系，或者导航坐标系，其主要用于目标导航定位区域相对较小的情况。个人导航中通常使用该坐标系描述行人的定位信息。它也是一种笛卡尔坐标系，原点在地球表面用户开始导航的位置，三轴分别指向当地的正东、正北和法线方向，构成右手坐标系，故通常又可以叫做东北天坐标系，即ENU坐标系。

从载体坐标系转换到ENU坐标系的坐标转换矩阵为：

其中，初始位置对应的载体坐标为(x₀,y₀,z₀)，t时刻人体位置为(x_t,y_t,z_t))，对应的ENU坐标为(E_t，N_t,U_t)，载体的姿态向量为(p,r,y)。

3、二重积分：根据牛顿力学基本定律，技术手段是利用加速度计测出物体相对导航坐标系(如地理坐标系)的运动加速度，经过两次积分得到飞过的距离，从而确定物体所在的位置。首先测得三轴加速度传感器的数据：

a_b＝[a_bx，a_by，a_bz]^T

根据坐标系转换矩阵，计算ENU坐标系下的加速度：

$a_{ENU}=R_b^{ENU}{a}_b$

计算在ENU坐标系下的速度：

$V_{ENU}=V\left(0\right)+\underset{0}{\overset{t}{\∫}}{a}_{ENU}dt$

计算在ENU坐标系下的位移：

$S_{ENU}=S\left(0\right)+\underset{0}{\overset{t}{\∫}}{V}_{ENU}dt$

在不经过零速更新的修正下，直接积分的曲线如图8所示。

(3)步行者航迹推算阶段：该阶段主要目的是找出人体运动的规律，分析出加速度波形的周期性，估算人体运动的步频和步长，并找到零速点。

1、步频探测：加速度信号的波形随着人的行走呈现周期性的特征，加速度传感器放置在人体不同位置其波形和周期略有不同，但整体基本可分为4个阶段，脚离地、摆动、脚后跟着地和站立，如图9所示，根据加速度的周期性，我们可以探测出人行走的步态频率。

2、步长估计：步长估计的方法为非线性步长模型，其公式为：

$S_k=K*\sqrt[4]{A_{max}-A_{min}}$

其中，A_max和A_min分别表示一个步态周期内加速度的最大值和最小值，K为模型系数。

3、判定零速点：根据信号周期可以分析零速点在每一个周期中的位置，再根据步长估计算出零速点个数，在加速度达到最大峰值点时，我们判定该点为零速点，记录保存下来。标记出来的零速点如图10所示。

(4)零速点代入算出实验结果：根据图10标记出的零速点重新进行步骤(2)过程，每当采样点到达零速点时，将速度积分结果清零，重新开始下一轮积分。实验结果如图11所示。将该结果与图8对比，发现该发明能有效抑制积分发散，并且与实测距离相距很小。证明实验结果表明利用人体行走特性所寻找的零速点完全可以应用在惯性导航系统的零速更新过程中，并且实验效果良好。

如图12所示，本发明实施例的基于步态的零速更新系统，用于实现本发明实施例的基于步态的零速更新方法，包括：

数据获取单元，用于在人体脚踝处设置传感器组，获取加速度数据、陀螺仪数据和磁力计数据，并对其进行处理得到步态信息，包括步频信息和步长信息；

零速点计算单元，用于根据步频信息判断零速点在每个步态周期中的位置，在每个步态周期内加速度达到最大峰值点时，判定该点为零速点，并根据步长信息计算零速点的个数；

惯导系统优化单元，用于在惯性导航系统中，对加速度数据进行积分，并不断代入零速点进行误差修正，得到优化的惯性导航结果。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (9)

1.一种基于步态的零速更新方法，其特征在于，包括以下步骤：

S1、在人体脚踝处设置传感器组，获取加速度数据、陀螺仪数据和磁力计数据，并对其进行处理得到步态信息，包括步频信息和步长信息；

S2、根据步频信息判断零速点在每个步态周期中的位置，在每个步态周期内加速度达到最大峰值点时，判定该点为零速点，并根据步长信息计算零速点的个数；

S3、在惯性导航系统中，对加速度数据进行积分，并不断代入零速点进行误差修正，得到优化的惯性导航结果。

2.根据权利要求1所述的基于步态的零速更新方法，其特征在于，步骤S1中处理得到步频信息的具体方法为：

根据加速度数据随着人的行走呈现周期性的特征，将一个步态周期分为4个阶段：脚离地、摆动、脚后跟着地和站立，根据该周期计算步频。

3.根据权利要求1所述的基于步态的零速更新方法，其特征在于，步骤S1中处理得到步长信息的具体方法为：

根据非线性步长模型计算步长信息S_k，其公式为：

$S_k=K*\sqrt[4]{A_{max}-A_{min}}$

其中，A_max和A_min分别表示一个步态周期内加速度的最大值和最小值，K为模型系数。

4.根据权利要求1所述的基于步态的零速更新方法，其特征在于，步骤S2中判定零速点的方法具体为：

对加速度数据进行滤波处理，设置滤波器的截止频率为3Hz；

根据加速度数据的极大值和极小值的周期性得到步态周期，在前足完全承载时脚步悬停处于最低点，此时加速度达到最大峰值点，人体竖直速度为零，该点为零速点。

5.根据权利要求1所述的基于步态的零速更新方法，其特征在于，步骤S3中惯性导航系统进行导航解算的具体方法包括：信号预处理、坐标系转换和二重积分。

6.根据权利要求5所述的基于步态的零速更新方法，其特征在于，步骤S3中惯性导航系统进行信号预处理的具体方法为：

对加速度数据进行预处理，消除加速度计的仪器误差，其公式为：

$a_m=(1+f)*a_r+b+\∂$

其中，a_m为加速度计的测量值，a_r为真实值，f为刻度因子，b为固定偏置，为测量噪声。

7.根据权利要求5所述的基于步态的零速更新方法，其特征在于，步骤S3中惯性导航系统进行坐标系转换的具体方法为：

从载体坐标系转换到ENU坐标系的坐标转换矩阵为：

$\begin{array}{c}{R}_b^{ENU}\\ =\begin{array}{ccc}\cos \left(y\right)\cos \left(r\right)-\sin \left(y\right)\sin \left(p\right)\sin \left(r\right)& -\sin \left(y\right)\cos \left(p\right)& \cos \left(y\right)\sin \left(r\right)+\sin \left(y\right)\sin \left(p\right)\cos \left(r\right)\\ \sin \left(y\right)\cos \left(r\right)+\cos \left(y\right)\sin \left(p\right)\sin \left(r\right)& \cos \left(y\right)\cos \left(p\right)& \sin \left(y\right)\sin \left(r\right)-\cos \left(y\right)\sin \left(p\right)\cos \left(r\right)\\ -\cos \left(p\right)\sin \left(r\right)& \sin \left(p\right)& \cos \left(p\right)\cos \left(r\right)\end{array}\end{array}$

其中，初始位置对应的载体坐标为(x₀,y₀,z₀)，t时刻人体位置为(x_t,y_t,z_t))，对应的ENU坐标为(E_t,N_t,U_t)，载体的姿态向量为(p,r,y)。

8.根据权利要求7所述的基于步态的零速更新方法，其特征在于，步骤S3中惯性导航系统进行二重积分的具体方法为：

获取加速度传感器数据：

a_b＝[a_bx,a_by,a_bz]^T

根据坐标系转换矩阵，计算ENU坐标系下的加速度：

$a_{ENU}=R_b^{ENU}{a}_b$

计算在ENU坐标系下的速度：

$V_{ENU}=V\left(0\right)+\underset{0}{\overset{t}{\∫}}{a}_{ENU}dt$

计算在ENU坐标系下的位移：

$S_{ENU}=S\left(0\right)+{\∫}_0^t{V}_{ENU}dt.$

9.一种基于步态的零速更新系统，其特征在于，包括：

数据获取单元，用于在人体脚踝处设置传感器组，获取加速度数据、陀螺仪数据和磁力计数据，并对其进行处理得到步态信息，包括步频信息和步长信息；

零速点计算单元，用于根据步频信息判断零速点在每个步态周期中的位置，在每个步态周期内加速度达到最大峰值点时，判定该点为零速点，并根据步长信息计算零速点的个数；

惯导系统优化单元，用于在惯性导航系统中，对加速度数据进行积分，并不断代入零速点进行误差修正，得到优化的惯性导航结果。