CN109470238B - 一种定位方法、装置和移动终端 - Google Patents

Abstract

本发明公开了一种定位方法、装置和移动终端，该方法包括：根据预设模型确定目标物第一位置与第二位置间的实际距离，并根据方向传感器确定实际距离对应的航向角度，其中，第一位置为当前采样时刻对应的位置，第二位置为当前采样时刻相邻的上一个采样时刻的位置；根据预定基准位置、实际距离和航向角度确定目标物的第一位置，并将第一位置作为计算第三位置的预定基准位置，其中，第三位置为当前采样时刻相邻的下一个采样时刻的位置。本发明在目标物不断移动的过程中，就可以确定移动过程中的各个位置，该定位方法不需要网络的支持，能够实现精准的定位。

Description

一种定位方法、装置和移动终端

技术领域

本发明涉及定位领域，特别是涉及一种定位方法、装置和移动终端。

背景技术

随着互联网的飞速发展，基于位置的服务成为了人们生活中必不可少的一部分，而定位技术作为基于位置的服务的关键技术之一，也越来越得到人们的关注。定位技术从整体上可分为室内定位和室外定位，室外定位一般都采用全球卫星定位系统(GPS，GlobalPositioning System)，但是一旦到了室内，由于建筑物的遮挡，GPS信号衰减迅速，根本无法为人类提供精准的定位服务。

然而在商场、地下车库和展览会等大型室内场合，人们对精准的室内定位的需求日渐迫切。对一般用户而言，在陌生、复杂的室内环境中，精准的定位能够帮助用户实时获知自身所在的位置，有利于用户在已知目的地的情况下对前进路线进行规划，避免出现迷路的情况。室内定位更有价值的情况还体现在灾难发生的时候，对灾难救援的救援者和自救的受难者来说，精准的室内定位可以更好地协助救援者和受难者在视线受阻的情况下，为其实时定位和规划可行的救援路径和逃生路径，避免因环境困扰带来更大的伤害。

目前，常见的室内定位技术有WLAN定位、蓝牙定位等，但是在这些定位技术都必须在有网络的情况下进行定位和导航。具体使用时，可能正好当前没有网络，就无法实现定位。

所以，现有的定位技术都是需要在有网络的环境中进行，无网络情况下完全无法定位；同时，现有的定位技术是使用外部辅助设备来进行定位，手机耗能太大，对用户来说不具有实用性。

发明内容

本发明实施例提供一种定位方法、装置和移动终端，用以解决现有技术的如下问题：现有的定位技术都是需要在有网络的环境中进行，无网络情况下完全无法定位。

为解决上述技术问题，一方面，本发明实施例提供一种定位方法，包括：根据预设模型确定目标物第一位置与第二位置间的实际距离，并根据方向传感器确定所述实际距离对应的航向角度，其中，所述第一位置为当前采样时刻对应的位置，所述第二位置为所述当前采样时刻相邻的上一个采样时刻的位置；根据预定基准位置、所述实际距离和所述航向角度确定目标物的第一位置，并将所述第一位置作为计算第三位置的预定基准位置，其中，所述第三位置为所述当前采样时刻相邻的下一个采样时刻的位置。

另一方面，本发明实施例还提供一种定位装置，包括：第一确定模块，用于根据预设模型确定目标物第一位置与第二位置间的实际距离，并根据方向传感器确定所述实际距离对应的航向角度，其中，所述第一位置为当前采样时刻对应的位置，所述第二位置为所述当前采样时刻相邻的上一个采样时刻的位置；定位模块，用于根据预定基准位置、所述实际距离和所述航向角度确定目标物的第一位置，并将所述第一位置作为计算第三位置的预定基准位置，其中，所述第三位置为所述当前采样时刻相邻的下一个采样时刻的位置。

另一方面，本发明实施例还提供一种移动终端，包括：上述的定位装置。

本发明实施例通过预设模型确定目标物发生移动时两个位置之间的实际距离，并根据方向传感器确定当前采样时刻的第一位置的航向角度，再结合预定基准位置进行计算，就可以确定当前位置，在目标物不断移动的过程中，就可以确定移动过程中的各个位置，该定位方法不需要网络的支持，能够实现精准的定位，解决了现有技术的如下问题：现有的定位技术都是需要在有网络的环境中进行，无网络情况下完全无法定位。

附图说明

图1是本发明第一实施例中定位方法的流程图；

图2是本发明第二实施例中定位装置的结构示意图；

图3是本发明第四实施例中定位方法的流程图。

具体实施方式

为了解决现有技术的如下问题：现有的定位技术都是需要在有网络的环境中进行，无网络情况下完全无法定位；本发明实施例提供了一种定位方法、装置和移动终端，以下结合附图以及实施例，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仅用以解释本发明，并不限定本发明。

本发明第一实施例提供了一种定位方法，该方法的流程如图1所示，包括步骤S102至S104：

S102，根据预设模型确定目标物第一位置与第二位置间的实际距离，并根据方向传感器确定实际距离对应的航向角度，其中，第一位置为当前采样时刻对应的位置，第二位置为当前采样时刻相邻的上一个采样时刻的位置。

具体实现时，如果是目标物是人，则预设模型可以是针对人来确定的行人步长模型，如果目标物是机器设备，则预设模型可以是针对机器来确定的模型。

本实施例以人为例进行说明，则上述S102即是根据预设行人步长模型确定用户当前一步的实际步长，并根据方向传感器确定当前一步的航向角度。

本实施例中的预设行人步长模型是对当前用户进行多次训练得到的，例如，规定用户行走的距离，分别让用户多次按照不同的步行速度走，训练行走次数为n，每次测量用户行走的时间，并确定用户行走的步数，记录每部的间隔和方差，将距离除以步数获得平均步长，对每次测量中的行人每步的频率和方差分别取平均值作为这次测量的频率和方差，从而获得n个步长、频率、方差的样本{L₁，L₂，…,L_n}，{f₁，f₂，…,f_n}，{v₁，v₂，…,v_n}，对这n个样本进行线性拟合即可得到不同行人的步长模型，从而在定位时可以对不同行人实时估算出他不同时刻的步长。

经过训练后的预设行人步长模型可以为：L_k＝b+cf(k)+dv+δ，其中，L_k为用户在第k个时刻的实际步长，f(k)为用户当前一步的步频，v为用户在当前一步中产生的加速度数据的方差，b为常数，c、d分别为对应变量的参数值，b、c、d为针对用户通过训练得到的，δ为模型系统噪声。

S104，根据预定基准位置、实际距离和航向角度确定目标物的第一位置，并将第一位置作为计算第三位置的预定基准位置，其中，第三位置为当前采样时刻相邻的下一个采样时刻的位置。

以人为例，本实施例中的预定基准位置就是当前一步的上一步计算得到的当前位置。在整个系统初始化时，用户可以手动在某一离线地图上进行初始位置的定位，并将该初始位置作为第一个预定基准位置，随后，当已经算出一个当前位置后，就可以将算出的当前位置作为预定基准位置，并根据该基准位置计算下一步的当前位置。

本发明实施例通过预设模型确定目标物发生移动时两个位置之间的实际距离，并根据方向传感器确定当前采样时刻的第一位置的航向角度，再结合预定基准位置进行计算，就可以确定当前位置，在目标物不断移动的过程中，就可以确定移动过程中的各个位置，该定位方法不需要网络的支持，能够实现精准的定位，解决了现有技术的如下问题：现有的定位技术都是需要在有网络的环境中进行，无网络情况下完全无法定位。

在目标物不断移动的过程中，会陆续出现很多个位置，因此，根据预设模型确定目标物第一位置与第二位置间的实际距离，并根据方向传感器确定实际距离对应的航向角度之后，还可以将预定基准位置和第一位置进行连接，以绘制运动航线。具体实现时，如果目标物是机器设备，则绘制出的运动航线可以保存在机器设备的系统中，也可以让该机器设备的使用者查看。如果目标物是人，则运动航线的绘制可以方便用户观测自己走过的路线。当绘制了运动航线后，用户就可以清晰的观测到自己走过的路程；为了更明显的呈现走过的路程，还可以将用户最初选择的初始位置标记为与运动航线不一样的颜色，以方便用户识别。

根据预设模型确定目标物第一位置与第二位置间的实际距离之前，为了防止误判断，还需要按照一定的检测方法来确定目标物是否真正的发生了实际移动，在更多情况下，该过程更适用于目标物是人的情况，该检测方法具体包括如下过程：

通过三轴传感器获取三维坐标系上的三个方向轴上的加速度，根据三个方向轴上的加速度确定当前采样时刻平均加速度；将当前采样时刻平均加速度数据通过第一预设滑动时间窗口得到第一加速度数据，将当前采样时刻平均加速度数据通过第二预设滑动时间窗口得到第二加速度数据，其中，第二预设滑动时间窗口的处理时间小于第一预设滑动时间窗口的处理时间；在第二加速度数据大于第一加速度数据的情况下，检测当前采样时刻平均加速度数据与上一个采样时刻的平均加速度数据是否相同，并在当前采样时刻平均加速度数据与上一个采样时刻的平均加速度数据不相同的情况下，确定目标物实际发生了位置移动；在第二加速度数据小于或等于第一加速度数据的情况下，使用当前采样时刻平均加速度数更新上一个采样时刻的平均加速度数据。

为了更加准确的判断目标物是否发生了位置移动，还可以在当前采样时刻平均加速度数据与上一个采样时刻的平均加速度数据不相同的情况下，检测上一个采样时刻的平均加速度数据的获取时刻与当前采样时刻平均加速度数据的获取时刻的时间间隔是否处于预设时间范围之内；在处于预设时间范围之内的情况下，检测当前采样时刻平均加速度数据对应的原始加速度数据中最大加速度与当前采样时刻平均加速度数据的第一差值是否大于第一预设差值，检测当前采样时刻平均加速度数据与当前采样时刻平均加速度数据对应的原始加速度数据中最小加速度的第二差值是否小于第二预设差值；在第一差值大于第一预设差值、且第二差值小于第二预设差值的情况下，确定目标物实际发生了位置移动。通过该过程，可以更加精确的确定用户是否行走了一步。

本发明第二实施例提供了一种定位装置，该装置可以设置在移动终端中，该装置的结构示意如图2所示，包括：

第一确定模块10，用于根据预设模型确定目标物第一位置与第二位置间的实际距离，并根据方向传感器确定实际距离对应的航向角度，其中，第一位置为当前采样时刻对应的位置，第二位置为当前采样时刻相邻的上一个采样时刻的位置；定位模块11，与第一确定模块10耦合，用于根据预定基准位置、实际距离和航向角度确定目标物的第一位置，并将第一位置作为计算第三位置的预定基准位置，其中，第三位置为当前采样时刻相邻的下一个采样时刻的位置。

具体实现时，如果是目标物是人，则预设模型可以是针对人来确定的行人步长模型，如果目标物是机器设备，则预设模型可以是针对机器来确定的模型。

本实施例以人为例进行说明，上述第一确定模块即是根据预设行人步长模型确定用户当前一步的实际步长，并根据方向传感器确定当前一步的航向角度。

本实施例中的预设行人步长模型是对当前用户进行多次训练得到的，例如，规定用户行走的距离，分别让用户多次按照不同的步行速度走，训练行走次数为n，每次测量用户行走的时间，并确定用户行走的步数，记录每部的间隔和方差，将距离除以步数获得平均步长，对每次测量中的行人每步的频率和方差分别取平均值作为这次测量的频率和方差，从而获得n个步长、频率、方差的样本{L₁,L₂,…,L_n}，{f₁,f₂,…,f_n}，{v₁,v₂,…,v_n}，对这n个样本进行线性拟合即可得到不同行人的步长模型，从而在定位时可以对不同行人实时估算出他不同时刻的步长。

经过训练后的预设行人步长模型可以为：L_k＝b+cf(k)+dv+δ，其中，L_k为用户在第k个时刻的实际步长，f(k)为用户当前一步的步频，v为用户在当前一步中产生的加速度数据的方差，b为常数，c、d分别为对应变量的参数值，b、c、d为针对用户通过训练得到的，δ为模型系统噪声。

本实施例中的预定基准位置就是当前一步的上一步计算得到的当前位置。在整个系统初始化时，用户可以手动在某一离线地图上进行初始位置的定位，并将该初始位置作为第一个预定基准位置，随后，当已经算出一个当前位置后，就可以将算出的当前位置作为预定基准位置，并根据该基准位置计算下一步的当前位置。

本发明实施例通过预设模型确定目标物发生移动时两个位置之间的实际距离，并根据方向传感器确定当前采样时刻的第一位置的航向角度，再结合预定基准位置进行计算，就可以确定当前位置，在目标物不断移动的过程中，就可以确定移动过程中的各个位置，该定位方法不需要网络的支持，能够实现精准的定位，解决了现有技术的如下问题：现有的定位技术都是需要在有网络的环境中进行，无网络情况下完全无法定位。

在目标物不断移动的过程中，会陆续出现很多个位置，因此，根据预设模型确定目标物第一位置与第二位置间的实际距离，并根据方向传感器确定实际距离对应的航向角度之后，还可以将预定基准位置和第一位置进行连接，以绘制运动航线。具体实现时，如果目标物是机器设备，则绘制出的运动航线可以保存在机器设备的系统中，也可以让该机器设备的使用者查看。如果目标物是人，则运动航线的绘制可以方便用户观测自己走过的路线。当绘制了运动航线后，用户就可以清晰的观测到自己走过的路程；为了更明显的呈现走过的路程，还可以将用户最初选择的初始位置标记为与运动航线不一样的颜色，以方便用户识别。

为了防止误判断，还需要按照一定的检测方法来确定目标物是否真正的发生了实际移动，在更多情况下，该过程更适用于目标物是人的情况。因此，上述装置还可以包括：第二确定模块，用于通过三轴传感器获取三维坐标系上的三个方向轴上的加速度，根据三个方向轴上的加速度确定当前采样时刻平均加速度；将当前采样时刻平均加速度数据通过第一预设滑动时间窗口得到第一加速度数据，将当前采样时刻平均加速度数据通过第二预设滑动时间窗口得到第二加速度数据，其中，第二预设滑动时间窗口的处理时间小于第一预设滑动时间窗口的处理时间；检测模块，与第二确定模块耦合，用于在第二加速度数据大于第一加速度数据的情况下，检测当前采样时刻平均加速度数据与上一个采样时刻的平均加速度数据是否相同，并在当前采样时刻平均加速度数据与上一个采样时刻的平均加速度数据不相同的情况下，确定目标物实际发生了位置移动；更新模块，与第二确定模块耦合，用于在第二加速度数据小于或等于第一加速度数据的情况下，使用当前采样时刻平均加速度数更新上一个采样时刻的平均加速度数据。

为了更加准确的判断目标物是否发生了位置移动，上述检测模块具体还可以用于：在当前采样时刻平均加速度数据与上一个采样时刻的平均加速度数据不相同的情况下，检测上一个采样时刻的平均加速度数据的获取时刻与当前采样时刻平均加速度数据的获取时刻的时间间隔是否处于预设时间范围之内；在处于预设时间范围之内的情况下，检测当前采样时刻平均加速度数据对应的原始加速度数据中最大加速度与当前采样时刻平均加速度数据的第一差值是否大于第一预设差值，检测当前采样时刻平均加速度数据与当前采样时刻平均加速度数据对应的原始加速度数据中最小加速度的第二差值是否小于第二预设差值；在第一差值大于第一预设差值、且第二差值小于第二预设差值的情况下，确定目标物实际发生了位置移动。通过该过程，可以更加精确的确定用户是否行走了一步。

具体实现时，上述各个模块可以通过移动终端中的处理器来实现。

本发明第三实施例提供了一种实时离线室内地图的定位方法，该方法通过对智能手机内置的传感器获取的数据的处理，本实施例以人为例，对在室内的行人进行实时离线的精准定位和移动轨迹绘制，从而实现低成本、低功耗、高精度的室内定位。

本实施例采用以下技术方案，包括：

(1)行人步态识别步骤：根据智能手机内置的三轴加速度计获取行人行走时的加速度数据，并对加速度数据进行平滑处理，通过双滑动时间窗口平均算法准确识别出行人的每一步并记录行人每一步发生的时间。

(2)行人步长估算步骤：根据不同行人产生的不同的加速度特征数据，在离线阶段训练出当前行人的步长模型，从而根据当前行人自身对应的步长模型实时估算当前行人每一时刻的步长。

(3)行人航向角确定步骤：根据智能手机的方向传感器(即电子罗盘)获得行人每一步的行走方向。

(4)行人实时定位及移动轨迹绘制步骤：根据行人初始时刻的位置坐标和每一步的步长和航向角数据计算出行人的每一刻的位置坐标，即完成行人实时定位，从而连接行人从开始时刻到结束时刻中每一刻的位置坐标即可得到行人的移动轨迹。

可选的，在行人步态识别步骤中，具体包括以下过程：

步骤A，针对手机内置三轴传感器建立手机三维坐标系，所测传感器数据均是相对于这三维坐标系的。

步骤B，对采集到的智能手机上的三轴加速度数据进行处理，计算整体的加速度，即其中a为整体加速度，a_x为智能手机x轴的加速度，a_y为y轴的加速度，a_z为z轴的加速度。

步骤C，行人在行走过程中，每走一步对应一个时刻，对行人行走产生的加速度数据进行滑动时间窗口平均滤波，以去除一些噪声。

步骤D，根据行人行走产生的加速度数据，采用双滑动时间窗口平均算法来判断行人是否可能走了一步。

步骤E，在步骤D判断出行人可能走了一步的基础上，根据行人步行的周期、一步内加速度最大值和最小值是否符合预设的阈值范围来判断行人是否真正走了一步，若检测出行人走了一步，则记录行人每一步发生的时间，由此完成行人步态识别。

可选的，在行人步长估算步骤中，具体包括以下过程：

步骤F，建立行人步长模型L_k＝b+cf(k)+dv+δ，其中L_k为行人在第k个时刻行人的实时步长，f(k)为行人这一步的步频，v为行人在这一步中产生的加速度数据的方差，b为常数，c、d分别为对应变量的参数值，b、c、d都可以针对不同行人通过训练得到，δ为模型系统噪声，一般设δ＝0。

步骤G，建立了行人的步长模型后，需要对行人进行离线训练得到模型中的参数值，离线训练采集数据时，规定行人行走的距离，分别让他按不同的步行速度行走，训练行走次数为n，每次测量行人行走的时间和步数，并记录每步的间隔和方差，将距离除以步数获得平均步长，对每次测量中的行人每步的频率和方差分别取平均值作为这次测量的频率和方差，从而获得n个步长、频率、方差的样本{L₁,L₂,…,L_n}，{f₁,f₂,…,f_n}，{v₁,v₂,…,v_n}，对这n个样本进行线性拟合即可得到当前行人的步长模型，从而在定位时可以对当前行人实时估算出他不同时刻的步长。针对训练主体不同，上述步长模型可以估算出任何训练主体的步长。

可选的，在行人航向角确定步骤中，具体包括以下过程：

步骤H，通过智能手机的方向传感器即电子罗盘获得手机y轴方向水平投影到地理坐标系中水平面时与磁北方向的夹角，从而获得行人相对于磁北的方向角。

步骤I，通过查表获得行人当地的磁偏角。

步骤J，在行人步态识别判断出行人真正走了一步的结束时刻，根据θ_k＝β_k-ε计算获得行人实时的航向角，其中，θ_k为行人这一步的航向角，β_k为这一步结束时刻手机方向传感器测得的行人相对于磁北的方向角，ε为当地磁偏角。

可选的，在行人实时定位及移动轨迹绘制步骤中，具体包括以下过程：

步骤K，将行人所处地点的室内平面图通过一定比例显示在手机端，并获得行人的初始位置坐标(x₀,y₀)。

步骤L，根据行人初始时刻的位置和从初始时刻到k时刻每一步的步长和航向角计算行人在任意时刻k的位置(x_k,y_k)为从而完成了行人的实时定位。

步骤M，将行人每个时刻的位置连接起来并按比例绘制在终端地图上即完成了行人移动轨迹绘制。

具体实现时，在步骤C中，对行人的加速度数据进行滑动时间窗口平均滤波的方法为：

步骤C1，对于行人行走过程中采集到的加速度数据，加速度计每采集一次加速度都对应一个时间，定义i时间的加速度值为a_i＝(a_i-1+a_i)/2，其中a_i为第i时间的加速度值。

步骤C2，对每一个时间采集到的加速度数据根据公式j为最lj靠近i的前n个测得加速度值的时间且满足/>进行滑动时间平均滤波，其中t为预设的滑动时间窗口的大小，即与时间i邻近的时间范围，l_j为第j时间与第j-1时间之间的时间间隔。

具体实现时，在步骤D中，采用双滑动时间窗口平均算法来判断行人是否可能走了一步的方法为：

步骤D1，分别采用长时间窗口和短时间窗口对原始加速度数据进行了滑动平均，即一个滑动时间窗口的预设时间长一点，另一个滑动时间窗口的预设时间短一点，通过训练确定两个窗口的大小，使原始加速度数据真正的波峰处在两个滑动窗口平均后的加速度数据的交点处。

步骤D2，根据预设的两个滑动时间窗口平均了加速度数据后，设置两个监测量oldSwapState和newSwapState，分别表示相邻前后两个检测到加速度数据经过长滑动时间窗口平均后的加速度值a_l与经过短滑动时间窗口平均后的加速度值a_s的大小比较状态，若当前检测到加速度数据的时间点处a_s＞a_l，则将newSwapState设为true，否则newSwapState为false，oldSwapState为前一个检测到加速度数据的时间点处的a_l与a_s的大小比较状态，如果oldSwapState与newSwapState的值不同且newSwapState为true，则表示检测到了可能的一步，转入步骤E，否则将newSwapState的值赋给oldSwapState来更新oldSwapState，并继续比较下一个时间a_l与a_s的大小。

具体实现时，在步骤E中判断行人是否真正走了一步的方法为：在步骤D2中探测到行人可能走了一步的基础上，若再满足以下三个条件，则代表行人真正行走了一步并记录此刻的时间，否则代表没有检测到行人行走了一步。三个条件为：(1)前一个探测到可能的一步和此刻探测到可能一步的时间间隔在0.2～2s之间；(2)在探测可能一步的过程中，原始加速度数据中最大加速度值与此刻长滑动时间窗口平均后的加速度值的差大于0.2；(3)此刻长滑动时间窗口平均后的加速度值与原始加速度数据中最小加速度值的差大于0.7。

具体实现时，在步骤F中，行人每一步的步频f(k)通过公式计算得到，其中t_k为当前检测到行人一步的时间，t_k-1为上一个检测到行人一步的时间。

具体实现时，在步骤F中，行人在每一步中产生的加速度数据的方差v可由公式v＝E(a_k ²)-(E(a_k))²计算得到，其中a_k为在行人这一步中获得到的所有加速度数据，E(a_k)为在行人一步中产生的加速度数据的期望，E(a_k ²)为在行人一步中产生的加速度数据平方的期望。

本发明实施例采用以上技术方案与现有技术相比，具有以下技术效果：

1、本发明实施例提供一种实时离线室内定位机制及系统，采用双滑动时间窗口平均算法进行行人步态识别，具有较高的准确性，提高了行人步态识别的稳定性。

2、本发明实施例提供一种实时离线室内定位机制及系统，不依赖于卫星、网络和外置设备，仅依赖于广泛普及的智能手机内置的加速度传感器和方向传感器实现离线实时定位，成本低廉，定位精度较高，实用性好，可推广性强。

3、本发明实施例提供一种实时离线室内定位机制及系统，可以解决目前在室内无网环境下难以对行人进行准确定位的问题。

4、本发明实施例提供一种实时离线室内定位机制及系统，可以和其他定位方案进行融合，以实现精确度更高的定位。

本发明第四实施例提供了一种定位方法，该方法要解决的问题是现有技术中，在室内无网环境下无法对行人进行实时离线定位的难题。本发明第四实施例提出的实时离线室内的定位方法通过双滑动时间窗口平均算法实现了稳定而精确的行人步态识别，通过训练的行人步长模型完成了对行人准确的实时的步长估算，通过智能手机的方向传感器确定了行人实时的航向角，从而在已知行人初始位置的情况下，实现了室内行人的实时离线定位及移动轨迹绘制，可以解决目前在室内无网环境下难以对行人进行准确定位的问题，同时该机制不依赖于卫星、网络和外置设备，仅依赖于广泛普及的智能手机内置的加速度传感器和方向传感器实现离线实时定位，成本低廉，定位精度较高，实用性好，可推广性强。

图3示出了将本实施例应用到在智能终端进行室内定位时的实时，离线室内定位方法的流程图，下面参照图3详细说明本实施例的详细步骤。

步骤S1，将行人所处地点的室内地图按一定比例显示在智能终端，获取行人前一刻的位置。如果是刚开始进行定位，则通过行人手动设置或其它定位方法获取到行人的初始位置坐标。

在步骤1之前，需要建立行人步长模型L_k＝b+cf(k)+dv+δ，其中L_k为行人在第k个时刻行人的实时步长，f(k)为行人这一步的步频，v为行人在这一步中产生的加速度数据的方差，b为常数，c、d分别为对应变量的参数值，b、c、d都可以针对不同行人通过训练得到，δ为模型系统噪声，一般设δ＝0。

建立了行人的步长模型后，对行人进行离线训练得到模型中的参数值，离线训练采集数据时，规定行人行走的距离，分别让他按不同的步行速度行走，训练行走次数为n，每次测量行人行走的时间和步数，并记录每步的间隔和方差，将距离除以步数获得平均步长，对每次测量中的行人每步的频率和方差分别取平均值作为这次测量的频率和方差，从而获得n个步长、频率、方差的样本{L₁,L₂,…,L_n}，{f₁,f₂,…,f_n}，{v₁,v₂,…,v_n}，对这n个样本进行线性拟合即可得到不同行人的步长模型，从而在定位时可以对不同行人实时估算出他不同时刻的步长。其中，行人每一步的步频f(k)通过公式计算得到，其中t_k为当前检测到行人一步的时间，t_k-1为上一个检测到行人一步的时间；行人在每一步中产生的加速度数据的方差v可由公式v＝E(a_k ²)-(E(a_k))²计算得到，其中a_k为在行人这一步中获得到的所有加速度数据，E(a_k)为在行人一步中产生的加速度数据的期望，E(a_k ²)为在行人一步中产生的加速度数据平方的期望。

步骤S2，针对手机内置三轴传感器建立手机三维坐标系，所测传感器数据均是相对于这三维坐标系的；对采集到的智能手机上的三轴加速度数据进行处理，计算整体的加速度，即其中a为整体加速度，a_x为智能手机x轴的加速度，a_y为y轴的加速度，a_z为z轴的加速度。

步骤S3，行人在行走过程中，每走一步对应一个时刻，对行人行走产生的加速度数据进行滑动时间窗口平均滤波，以去除一些噪声，其具体包括以下步骤：

步骤S31，对于行人行走过程中采集到的加速度数据，加速度计每采集一次加速度都对应一个时间，定义i时间的加速度值为a_i＝(a_i-1+a_i)/2，其中a_i为第i时间的加速度值；

步骤S32，对每一个时间采集到的加速度数据根据公式j为最lj靠近i的前n个测得加速度值的时间且满足/>进行滑动时间平均滤波，其中t为预设的滑动时间窗口的大小，即与时间i邻近的时间范围，l_j为第j时间与第j-1时间之间的时间间隔。

步骤S4，根据行人行走产生的加速度数据，采用双滑动时间窗口平均算法来判断行人是否可能走了一步，具体包括以下步骤：

步骤S41，分别采用长时间窗口和短时间窗口对原始加速度数据进行了滑动平均，即一个滑动时间窗口的预设时间长一点，另一个滑动时间窗口的预设时间短一点，通过训练确定两个窗口的大小，使原始加速度数据真正的波峰处在两个滑动窗口平均后的加速度数据的交点处，通过反复实验比较，可将长窗口大小设为1s，短窗口大小设为0.2s，可满足上述要求。

步骤S42，根据预设的两个滑动时间窗口平均了加速度数据后，设置两个监测量oldSwapState和newSwapState，分别表示相邻前后两个检测到加速度数据经过长滑动时间窗口平均后的加速度值a_l与经过短滑动时间窗口平均后的加速度值a_s的大小比较状态，若当前检测到加速度数据的时间点处a_s＞a_l，则将newSwapState设为true，否则newSwapState为false，oldSwapState为前一个检测到加速度数据的时间点处的a_l与a_s的大小比较状态，如果oldSwapState与newSwapState的值不同且newSwapState为true，则表示检测到了可能的一步，转入步骤E，否则将newSwapState的值赋给oldSwapState来更新oldSwapState，并继续比较下一个时间a_l与a_s的大小。

步骤S5，在步骤S4判断出行人可能走了一步的基础上，根据行人步行的周期、一步内加速度最大值和最小值是否符合预设的阈值范围来判断行人是否真正走了一步。若检测出行人走了一步，则执行S6。该步骤具体过程包括以下步骤：

步骤S51，检测前一个探测到可能的一步和此刻探测到可能一步的时间间隔是否大于0.2s，若是，则转步骤S52，否则表示行人没有走了一步，重新等待步骤5的开始。

步骤S52，检测前一个探测到可能的一步和此刻探测到可能一步的时间间隔是否小于2s，若是，则转步骤S53，否则表示行人没有走了一步，重新等待步骤5的开始。

步骤S53，检测这可能一步中的原始加速度数据中最大加速度值与此刻长滑动时间窗口平均后的加速度值的差是否大于0.2，若是，则转步骤S54，否则表示行人没有走了一步，重新等待步骤5的开始。

步骤S54，检测此刻长滑动时间窗口平均后的加速度值与这可能一步中的原始加速度数据中最小加速度值的差是否大于0.7，若是，则表示行人真正走了一步，并记录这一步的时间，否则表示行人没有走了一步，重新等待步骤5的开始。

步骤S6，在步骤S5识别出行人一步的基础上，根据离线训练出的行人步长模型实施估算出行人每一步的步长。

步骤S7，在步骤S5行人步态识别判断出行人真正走了一步的结束时刻，通过智能手机的方向传感器即电子罗盘获得手机y轴方向水平投影到地理坐标系中水平面时与磁北方向的夹角，从而获得行人相对于磁北的方向角；并事先通过查表获得行人当地的磁偏角；根据θ_k＝β_k-ε计算获得行人实时的航向角，其中，θ_k为行人这一步的航向角，β_k为这一步结束时刻手机方向传感器测得的行人相对于磁北的方向角，ε为当地磁偏角。

步骤S8，根据行人初始时刻的位置(x₀,y₀)和从初始时刻到k时刻每一步的步长和航向角计算行人在任意时刻k的位置为/>从而完成了行人的实时定位。

步骤S9，将行人每个时刻的位置连接起来并按比例绘制在智能终端地图上即完成了行人移动轨迹绘制。

步骤S10，是否结束定位。如果没有，则返回步骤S1，否则，执行步骤S11。

S11，结束定位。

本发明实施例采用双滑动时间窗口平均算法进行行人步态识别，具有较高的准确性，提高了行人步态识别的稳定性；同时，它不依赖于卫星、网络和外置设备，仅依赖于广泛普及的智能手机内置的加速度传感器和方向传感器实现离线实时定位，只要一个智能手机，就可以在室内无网环境下难以为行人提供准确的定位服务，成本低廉，定位精度较高，实用性好，可推广性强，它还可以和其他定位方案进行融合，以实现精度更高的定位。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。

尽管为示例目的，已经公开了本发明的优选实施例，本领域的技术人员将意识到各种改进、增加和取代也是可能的，因此，本发明的范围应当不限于上述实施例。

Claims (9)

1.一种定位方法，其特征在于，包括：

根据预设模型确定目标物第一位置与第二位置间的实际距离，并根据方向传感器确定所述实际距离对应的航向角度，其中，所述第一位置为当前采样时刻对应的位置，所述第二位置为所述当前采样时刻相邻的上一个采样时刻的位置；

根据预定基准位置、所述实际距离和所述航向角度确定目标物的第一位置，并将所述第一位置作为计算第三位置的预定基准位置，其中，所述第三位置为所述当前采样时刻相邻的下一个采样时刻的位置；

其中，根据预设模型确定目标物第一位置与第二位置间的实际距离之前，还包括：

通过三轴传感器获取三维坐标系上的三个方向轴上的加速度，根据所述三个方向轴上的加速度确定当前采样时刻平均加速度；

将所述当前采样时刻平均加速度数据通过第一预设滑动时间窗口得到第一加速度数据，将所述当前采样时刻平均加速度数据通过第二预设滑动时间窗口得到第二加速度数据，其中，所述第二预设滑动时间窗口的处理时间小于所述第一预设滑动时间窗口的处理时间；

在所述第二加速度数据大于所述第一加速度数据的情况下，检测所述当前采样时刻平均加速度数据与上一个采样时刻的平均加速度数据是否相同，并在所述当前采样时刻平均加速度数据与所述上一个采样时刻的平均加速度数据不相同的情况下，确定目标物实际发生了位置移动；

在所述第二加速度数据小于或等于所述第一加速度数据的情况下，使用所述当前采样时刻平均加速度数更新所述上一个采样时刻的平均加速度数据。

2.如权利要求1所述的定位方法，其特征在于，根据预设模型确定目标物第一位置与第二位置间的实际距离，并根据方向传感器确定所述实际距离对应的航向角度之后，还包括：

将所述预定基准位置和所述第一位置进行连接，以绘制运动航线。

3.如权利要求1所述的定位方法，其特征在于，在所述当前采样时刻平均加速度数据与所述上一个采样时刻的平均加速度数据不相同的情况下，确定目标物实际发生了位置移动，包括：

在所述当前采样时刻平均加速度数据与所述上一个采样时刻的平均加速度数据不相同的情况下，检测所述上一个采样时刻的平均加速度数据的获取时刻与所述当前采样时刻平均加速度数据的获取时刻的时间间隔是否处于预设时间范围之内；

在处于所述预设时间范围之内的情况下，检测所述当前采样时刻平均加速度数据对应的原始加速度数据中最大加速度与所述当前采样时刻平均加速度数据的第一差值是否大于第一预设差值，检测所述当前采样时刻平均加速度数据与所述当前采样时刻平均加速度数据对应的原始加速度数据中最小加速度的第二差值是否小于第二预设差值；

在所述第一差值大于所述第一预设差值、且所述第二差值小于所述第二预设差值的情况下，确定目标物实际发生了位置移动。

4.如权利要求1至3中任一项所述的定位方法，其特征在于，所述预设模型为：

，其中，/>为目标物在第个/>时刻的实际距离，为目标物当前采样时刻的移动频率，/>为目标物在当前采样时刻产生的加速度数据的方差，/>为常数，/>、/>分别为对应变量的参数值，/>、/>、/>为针对所述目标物通过训练得到的，/>为模型系统噪声。

5.一种定位装置，其特征在于，包括：

第一确定模块，用于根据预设模型确定目标物第一位置与第二位置间的实际距离，并根据方向传感器确定所述实际距离对应的航向角度，其中，所述第一位置为当前采样时刻对应的位置，所述第二位置为所述当前采样时刻相邻的上一个采样时刻的位置；

定位模块，用于根据预定基准位置、所述实际距离和所述航向角度确定目标物的第一位置，并将所述第一位置作为计算第三位置的预定基准位置，其中，所述第三位置为所述当前采样时刻相邻的下一个采样时刻的位置；

其中，所述定位装置还包括：

第二确定模块，用于通过三轴传感器获取三维坐标系上的三个方向轴上的加速度，根据所述三个方向轴上的加速度确定当前采样时刻平均加速度；将所述当前采样时刻平均加速度数据通过第一预设滑动时间窗口得到第一加速度数据，将所述当前采样时刻平均加速度数据通过第二预设滑动时间窗口得到第二加速度数据，其中，所述第二预设滑动时间窗口的处理时间小于所述第一预设滑动时间窗口的处理时间；

检测模块，用于在所述第二加速度数据大于所述第一加速度数据的情况下，检测所述当前采样时刻平均加速度数据与上一个采样时刻的平均加速度数据是否相同，并在所述当前采样时刻平均加速度数据与所述上一个采样时刻的平均加速度数据不相同的情况下，确定目标物实际发生了位置移动；

更新模块，用于在所述第二加速度数据小于或等于所述第一加速度数据的情况下，使用所述当前采样时刻平均加速度数更新所述上一个采样时刻的平均加速度数据。

6.如权利要求5所述的定位装置，其特征在于，还包括：

绘制模块，用于将所述预定基准位置和所述第一位置进行连接，以绘制运动航线。

7.如权利要求5所述的定位装置，其特征在于，所述检测模块，具体用于：

在所述当前采样时刻平均加速度数据与所述上一个采样时刻的平均加速度数据不相同的情况下，检测所述上一个采样时刻的平均加速度数据的获取时刻与所述当前采样时刻平均加速度数据的获取时刻的时间间隔是否处于预设时间范围之内；

在处于所述预设时间范围之内的情况下，检测所述当前采样时刻平均加速度数据对应的原始加速度数据中最大加速度与所述当前采样时刻平均加速度数据的第一差值是否大于第一预设差值，检测所述当前采样时刻平均加速度数据与所述当前采样时刻平均加速度数据对应的原始加速度数据中最小加速度的第二差值是否小于第二预设差值；

在所述第一差值大于所述第一预设差值、且所述第二差值小于所述第二预设差值的情况下，确定目标物实际发生了位置移动。

8.如权利要求5至7中任一项所述的定位装置，其特征在于，所述第一确定模块使用的所述预设模型为：

，其中，/>为目标物在第个/>时刻的实际距离，为目标物当前采样时刻的移动频率，/>为目标物在当前采样时刻产生的加速度数据的方差，/>为常数，/>、/>分别为对应变量的参数值，/>、/>、/>为针对所述目标物通过训练得到的，/>为模型系统噪声。

9.一种移动终端，其特征在于，包括：权利要求5至8中任一项所述的定位装置。