CN106225786A - 一种自适应的行人导航系统零速区间检测方法 - Google Patents

Abstract

本发明公开了一种自适应的行人导航系统零速区间检测方法。相比于固定阈值法在变化的步态频率行走条件下，零速检测区间存在误检和漏检的问题，自适应阈值法能够分析零速区间检测阈值与行人步态频率的关系，有效提高零速区间的检测精度。通过开展不同步态频率条件下零速点判断阈值的标定实验建立了零速点检测阈值与步态频率的函数关系，实现了检测阈值的自适应调整及零速点的精确检测，从而提高了零速区间的检测精度；本方法只需要利用惯性测量单元中一个陀螺仪及三个加速度计的输出数据就能实现零速区间的自适应检测，不需要增加或借助其它外部传感器来辅助检测零速区间，检测手段简单、精确。

Description

一种自适应的行人导航系统零速区间检测方法

技术领域

本发明涉及行人导航定位技术领域，具体涉及一种自适应的行人导航系统零速区间检测方法。

背景技术

在GPS信号失效或者无信标的环境中，对行人的实时跟踪与定位是一件十分困难的事情。为了实现行人在任意环境中的自我定位，由小型惯性测量单元构成的行人导航系统能帮助行人实现连续、自主定位。基于惯性测量单元的行人导航系统通常采用惯性导航算法来计算行人的位置信息，但积分过程中加速度误差会导致位置误差随时间的三次方增长，且由于用于行人导航系统中的低成本惯性测量单元性能较低，位置误差在短时间内快速发散，严重影响行人导航系统定位效果。零速更新(Zero velocity update,ZUPT)方法是行人导航系统广泛采用的一种误差修正手段，其根据行人步态中周期性地存在零速区间的特点对导航解算的位置误差进行周期性清零。零速更新的前提是准确、有效地检测行人运动过程中的零速区间。常用的零速检测方法有加速度模值法、角速度模值法、加速度滑动标准差法或多种方法综合，这些方法的共同特点是都需要设定阈值来提取零速区间。

传统的零速区间检测方法中阈值为固定值，当行人以恒定步态频率行走时，通过设定固定阈值能较准确地提取步态中的零速区间；然而，实际过程中行人运动的随机性强，并且不可能一直保持恒定的步态频率。因此，当行人以变化的步态频率行走时，如果仍然采用固定阈值作为设定阈值，零速区间的检测结果中将会出现误检或者漏检的情况。为了解决以上问题，本发明提出一种自适应的行人导航系统零速区间检测方法，以提高行人在不同运动速度条件下的零速区间检测精度。

发明内容

有鉴于此，本发明提出了一种自适应的行人导航系统零速区间检测方法，相比于固定阈值法在变化的步态频率行走条件下，零速检测区间存在误检和漏检的问题，本发明提出的自适应阈值法能够分析零速区间检测阈值与行人步态频率的关系，有效提高零速区间的检测精度。

本发明的技术解决方案是：

自适应的行人导航系统零速区间检测方法，采用惯性测量单元采集行人运动过程中的数据，包括以下步骤：

步骤1，分析惯性测量单元中任意一坐标轴陀螺数据的幅频特性，得到一倍频频率区间；

步骤2，提取该坐标轴陀螺数据的时频谱线，针对待测区间中的任意t_i时刻，寻找t_i时刻对应的时频谱线中，处于一倍频区间范围内的最大峰值对应的频率，所述最大峰值对应的频率即为行人在t_i时刻的步态频率f_humani；

步骤3，对t_i时刻的行人加速度模值|a(t_i)|及加速度滑动标准差σ_a(t_i)进行自适应阈值约束，当|a(t_i)|和σ_a(t_i)同时满足零速点的判断条件公式时，认为行人在t_i时刻的运动速度为零，所述零速点判断条件公式为：

$\left\{\begin{array}{c}{R}_{a1}\left(f_{humani}\right)\≤\left|a\left(t_i\right)\right|\≤R_{a2}\left(f_{humani}\right)\\ {\mathrm{\σ}}_a\left(t_i\right)\≤R_{\mathrm{\σ}}\left(f_{humani}\right)\end{array}\right.$

其中，R_a1(f_humani)、R_a2(f_humani)、R_σ(f_humani)为与t_i时刻步态频率f_humani有关的零速点判断阈值，由标定实验得到；

步骤4，采用步骤2-3的处理方法对待测区间内的所有时刻进行零速点判断，待测区间内的所有零速点组成行人在该时间段运动步态中的零速区间。

进一步地，步骤2具体包括如下子步骤：

步骤2.1利用SPWVD提取该坐标轴陀螺数据的时频谱线；

步骤2.2针对任意t_i时刻，提取该时刻时频谱线中最大峰值对应的频率f_peak1；

步骤2.3提取t_i时刻时频谱线中第二大峰值对应的频率f_peak2，并判断f_peak2与0.75f_peak1之间的关系；如果f_peak2＜0.75f_peak1，f_peak2即为行人运动过程中t_i时刻对应的步态频率f_humani；如果f_peak2≥0.75f_peak1，则继续提取t_i时刻的时频谱线中第3大峰值对应的频率f_peak3，判断f_peak3与0.75f_peak1之间的关系，如果f_peak3≥0.75f_peak1，则继续提取下一个峰值对应的频率，直到找到满足小于0.75f_peak1的峰值频率，此峰值频率就是行人运动过程中t_i时刻对应的步态频率f_humani。

进一步地，步骤3采用下式计算|a(t_i)|和σ_a(t_i)：

$\left|a\left(t_i\right)\right|=\sqrt{a_x{\left(t_i\right)}^2+a_y{\left(t_i\right)}^2+a_z{\left(t_i\right)}^2}$

${\mathrm{\σ}}_a\left(t_i\right)=\sqrt{\frac{1}{n}\underset{j=i}{\overset{i+n-1}{\Σ}}{\left(\right|a\left(t_j\right)|-\stackrel{\‾}{\left|a_n\right|})}^2}$

式中a_x(t_i)、a_y(t_i)、a_z(t_i)分别表示惯性测量单元中x轴、y轴、z轴加速度计在t_i时刻的输出值；为t_i时刻至t_i+n-1时刻内n个加速度模值的平均值，i，j，n均为正整数，n的大小根据实验进行选择，一般取10到20；

进一步地，步骤3中行人在不同步态频率条件下零速点判断阈值由下式计算获得：

R_a1(f_humani)＝λ₁·f_humani+b₁

$R_{a2}\left(f_{humani}\right)={\mathrm{\λ}}_2\·f_{humani}^2+{\mathrm{\λ}}_3\·f_{humani}+b_2$

R_σ(f_humani)＝λ₄·f_humani+b₃

其中，λ₁,λ₂,λ₃,λ₄,b₁,b₂,b₃为零速点阈值函数的标定系数，由标定实验获得，标定实验如下：

1.采集行人从慢速行走到快速行走过程中的步态数据；

2.对不同步态频率条件下的零速点判断阈值作统计分析，得到不同步态频率对应的判断阈值；

3.将实验得到的判断阈值与行人步态频率进行拟合，得到零速点判断阈值R_a1(f_humani)，R_a2(f_humani)和R_σ(f_humani)与t_i时刻的行人步态频率f_humani的函数关系，确定标定系数λ₁,λ₂,λ₃,λ₄,b₁,b₂,b₃；

本发明提供的自适应的行人导航系统零速区间检测方法中，

(1)当行人以变化的步态频率行走时，通过设计基于SPWVD的信息处理方法，对行人运动步态频谱信息中的倍频信号进行了有效滤除，实现了对行人实际步态频率的准确检测；

(2)通过开展不同步态频率条件下零速点判断阈值的标定实验建立了零速点检测阈值与步态频率的函数关系，实现了检测阈值的自适应调整及零速点的精确检测，从而提高了零速区间的检测精度；

(3)只需要利用惯性测量单元中一个陀螺仪及三个加速度计的输出数据就能实现零速区间的自适应检测，不需要增加或借助其它外部传感器来辅助检测零速区间，检测手段简单、精确。

附图说明

图1为自适应的行人导航系统零速区间检测方法流程图。其中ω表示惯性测量单元中陀螺仪输出的角速率，a表示加速度计输出的加速度。

图2为行人步态频率检测原理图。其中f_m1、f_m2、f_m3、f_m4和f_m5分别为y轴陀螺信号中的一倍频、二倍频、三倍频、四倍频和五倍频的频率区间；f₀、2f₀、3f₀、4f₀和5f₀分别为y轴陀螺信号中的一倍频、二倍频、三倍频、四倍频和五倍频的频率区间的中心频率，f_peak1—f_peak5是时频谱线中峰值对应的频率值，为图中各对应点的横坐标值。

具体实施方式

下面结合附图对本发明的具体实施例进行详细说明。

本发明提供了一种自适应的行人导航系统零速区间检测方法，该方法采用如下步骤实现：

步骤1，在行人的鞋上安装惯性测量单元，并通过此测量单元测量和采集行人运动过程中的数据，包括陀螺仪输出的角速率和加速度计输出的加速度，如图1所示。惯性测量单元坐标轴x，y，z分别指向人体的前向、右向和竖直向下的方向，坐标原点在惯性测量单元中心；

步骤2，分析惯性测量单元中任意一坐标轴陀螺数据的幅频特性。利用傅里叶变换得到一倍频、二倍频、三倍频、四倍频和五倍频的频率区间分别为f_m1、f_m2、f_m3、f_m4和f_m5，且得到二倍频频率区间的能量强度最大，一倍频频率区间的能量强度第二大，以y轴陀螺信号为例，如图2所示；

步骤3，提取任意一坐标轴陀螺数据的时频谱线，可以用短时傅里叶变换(STFT)或维格纳分布(WVD)，或平滑伪魏格纳分布(smoothed pseudo Wigner-Ville distribution，SPWVD)的方法，但STFT的频率分辨率较低，WVD存在交叉干扰项的问题，SPWVD的频率分辨率高而且不存在交叉干扰项的问题。本实验用SPWVD方法提取任意一坐标轴的时频谱线，然后利用去倍频信息的处理方法提取行人步态频率，得到行人在待检测区间内任意t_i时刻的步态频率f_humani，具体步骤如下：

步骤3.1利用SPWVD提取该坐标轴陀螺数据的时频谱线；

步骤3.2针对任意t_i时刻，提取该时刻时频谱线中最大峰值对应的频率f_peak1，实验得出f_peak1处于二倍频频率区间f_m2内；

步骤3.3针对任意t_i时刻，提取该时刻时频谱线中第二大峰值对应的频率f_peak2，并判断f_peak2与0.75f_peak1之间的关系，0.75f_peak1是区分一倍频频率区间与二倍频频率区间的经验值；如果f_peak2＜0.75f_peak1，表明f_peak2处于一倍频频率区间f_m1内，f_peak2即为行人运动过程中t_i时刻对应的步态频率f_humani；如果f_peak2≥0.75f_peak1，表明f_peak2仍然处于二倍频频率区间f_m2内，则继续提取t_i时刻的时频谱线中第3大峰值对应的频率f_peak3，判断f_peak3与0.75f_peak1之间的关系，如果f_peak3≥0.75f_peak1，则继续提取下一个峰值的对应频率，直到找到满足小于0.75f_peak1的峰值频率，此峰值频率就是行人运动过程中t_i时刻对应的频率f_humani；

步骤4，利用惯性测量单元中加速度计输出的加速度值计算行人t_i时刻的加速度模值|a(t_i)|及加速度滑动标准差σ_a(t_i)，计算公式为：

$\left|a\left(t_i\right)\right|=\sqrt{a_x{\left(t_i\right)}^2+a_y{\left(t_i\right)}^2+a_z{\left(t_i\right)}^2}$

${\mathrm{\σ}}_a\left(t_i\right)=\sqrt{\frac{1}{n}\underset{j=i}{\overset{i+n-1}{\Σ}}{\left(\right|a\left(t_j\right)|-\stackrel{\‾}{\left|a_n\right|})}^2}$

式中a_x(t_i)、a_y(t_i)、a_z(t_i)分别表示惯性测量单元中x轴、y轴、z轴加速度计在t_i时刻的输出值；为t_i时刻至t_i+n-1时刻内n个加速度模值的平均值，i，j，n均为正整数，n的大小根据实验进行选择，一般取10到20；

步骤5，对步骤4计算得到的加速度模值|a(t_i)|和加速度滑动标准差σ_a(t_i)进行自适应阈值约束，当加速度模值|a(t_i)|和加速度滑动标准差σ_a(t_i)约束条件同时满足时，认为行人在t_i时刻的运动速度为零，自适应阈值约束的零速点检测公式为：

$\left\{\begin{array}{c}{R}_{a1}\left(f_{humani}\right)\≤\left|a\left(t_i\right)\right|\≤R_{a2}\left(f_{humani}\right)\\ {\mathrm{\σ}}_a\left(t_i\right)\≤R_{\mathrm{\σ}}\left(f_{humani}\right)\end{array}\right.$

其中，R_a1(f_humani)、R_a2(f_humani)、R_σ(f_humani)为与t_i时刻步态频率f_humani有关的阈值，R_a1(f_humani)为t_i时刻与步态频率f_humani对应的加速度模值的左边界阈值，R_a2(f_humani)为t_i时刻与步态频率f_humani对应的加速度模值的右边界阈值，R_σ(f_humani)为t_i时刻与步态频率f_humani对应的加速度标准差的阈值；具体地，零速点判断阈值与f_humani的函数关系为：

R_a1(f_humani)＝λ₁·f_humani+b₁

$R_{a2}\left(f_{humani}\right)={\mathrm{\λ}}_2\·f_{humani}^2+{\mathrm{\λ}}_3\·f_{humani}+b_2$

R_σ(f_humani)＝λ₄·f_humani+b₃

其中，λ₁,λ₂,λ₃,λ₄,b₁,b₂,b₃为零速点阈值函数的标定系数，由标定实验获得，标定实验如下：

1.采集行人从慢速行走到快速行走过程中的步态数据；

2.对不同步态频率条件下的零速点判断阈值作统计分析，得到不同步态频率对应的判断阈值；

3.将实验得到的判断阈值与行人步态频率进行拟合，得到零速点判断阈值R_a1(f_humani)，R_a2(f_humani)和R_σ(f_humani)与t_i时刻的行人步态频率f_humani的函数关系，确定标定系数λ₁,λ₂,λ₃,λ₄,b₁,b₂,b₃；

步骤6，采用步骤2-5的处理方法对待检测区间内的所有时刻进行零速点判断，待检测区间内的所有零速点组成行人在该时间段运动步态中的零速区间。

以上步骤中可以利用傅里叶变换分析任意一坐标轴陀螺数据得到其幅频特性。其中，由于y轴陀螺数据能显著地反映行人的运动步态信息，x、z轴反映不如y轴显著，故采用y轴数据能得到更优结果。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种自适应的行人导航系统零速区间检测方法，采用惯性测量单元采集行人运动过程中的数据，包括三个坐标轴上的陀螺仪输出的陀螺数据和加速度计输出的加速度，其特征在于，包括以下步骤：

步骤1，分析惯性测量单元中任意一坐标轴陀螺数据的幅频特性，得到一倍频频率区间；

步骤2，提取该坐标轴陀螺数据的时频谱线，针对待检测区间中的任意t_i时刻，寻找t_i时刻对应的时频谱线中，处于一倍频区间范围内的最大峰值对应的频率，所述最大峰值对应的频率即为行人在t_i时刻的步态频率f_humani；

步骤3，对t_i时刻的行人加速度模值|a(t_i)|及加速度滑动标准差σ_a(t_i)进行自适应阈值约束，当|a(t_i)|和σ_a(t_i)同时满足零速点的判断条件公式时，认为行人在t_i时刻的运动速度为零，所述零速点判断条件公式为：

$\left\{\begin{array}{c}{R}_{a1}\left(f_{humani}\right)\≤\left|a\left(t_i\right)\right|\≤R_{a2}\left(f_{humani}\right)\\ {\mathrm{\σ}}_a\left(t_i\right)\≤R_{\mathrm{\σ}}\left(f_{humani}\right)\end{array}\right.$

零速点判断阈值R_a1(f_humani)，R_a2(f_humani)和R_σ(f_humani)与t_i时刻的人体步态频率f_humani呈如下函数关系：

R_a1(f_humani)＝λ₁·f_humani+b₁

$R_{a2}\left(f_{humani}\right)={\mathrm{\λ}}_2\·f_{humani}^2+{\mathrm{\λ}}_3\·f_{humani}+b_2$

R_σ(f_humani)＝λ₄·f_humani+b₃

其中，λ₁,λ₂,λ₃,λ₄,b₁,b₂,b₃为零速点阈值函数的标定系数，由标定实验获得；

步骤4，采用步骤2-3的处理方法对待检测区间内所有时刻进行零速点判断，待检测区间内的所有零速点组成行人在该时间段运动步态中的零速区间。

2.如权利要求1所述的自适应的行人导航系统零速区间检测方法，其特征在于，所述步骤2具体包括如下子步骤：

步骤2.1，利用SPWVD提取该坐标轴陀螺数据的时频谱线；

步骤2.2，针对任意t_i时刻，提取该时刻时频谱线中最大峰值对应的频率f_peak1；

步骤2.3，提取t_i时刻时频谱线中第二大峰值对应的频率f_peak2，并判断f_peak2与0.75f_peak1之间的关系；如果f_peak2＜0.75f_peak1，f_peak2即为行人运动过程中t_i时刻对应的步态频率f_humani；如果f_peak2≥0.75f_peak1，则继续提取t_i时刻的时频谱线中第3大峰值对应的频率f_peak3，判断f_peak3与0.75f_peak1之间的关系，如果f_peak3≥0.75f_peak1，则继续提取下一个峰值对应的频率，直到找到满足小于0.75f_peak1的峰值频率，此峰值频率就是行人运动过程中t_i时刻对应的步态频率f_humani。

3.如权利要求1或2所述的自适应的行人导航系统零速区间检测方法，其特征在于，对y轴陀螺数据进行幅频特性分析和时频谱线提取。

4.如权利要求1所述的自适应的行人导航系统零速区间检测方法，其特征在于，所述步骤3中，采用下式计算|a(t_i)|和σ_a(t_i)：

$\left|a\left(t_i\right)\right|=\sqrt{a_x{\left(t_i\right)}^2+a_y{\left(t_i\right)}^2+a_z{\left(t_i\right)}^2}$

${\mathrm{\σ}}_a\left(t_i\right)=\sqrt{\frac{1}{n}\underset{j=i}{\overset{i+n-1}{\Σ}}{\left(\right|a\left(t_j\right)|-\stackrel{\‾}{\left|a_n\right|})}^2}$

式中a_x(t_i)、a_y(t_i)、a_z(t_i)分别表示惯性测量单元中x轴、y轴、z轴加速度计在t_i时刻的输出值；为t_i时刻至t_i+n-1时刻内n个加速度模值的平均值。