一種基于imu的室內(nèi)定位方法
【專利摘要】本發(fā)明公開了一種基于IMU的室內(nèi)定位方法，其技術(shù)特點是：步驟S1、根據(jù)采集的人體運動加速度數(shù)據(jù)，使用有限狀態(tài)機對有效步態(tài)進行分割并完成計步和步長估計；步驟S2、根據(jù)有效步態(tài)的角速度(陀螺儀)、加速度(加速度傳感器)以及磁場強度(磁場傳感器)數(shù)據(jù)，使用互補濾波模型計算當前步態(tài)的運動方向；步驟S3、根據(jù)步長、運動方向估計結(jié)果以及地圖信息進行粒子濾波，并根據(jù)有效存活粒子的屬性調(diào)整步長模型和互補濾波模型的參數(shù)。本發(fā)明使用有限狀態(tài)機可以有效去除無效步態(tài)信息，減少數(shù)據(jù)的計算量；使用互補濾波模型有效融合多種傳感器信息，提供更為準確的方向測量結(jié)果；使用粒子濾波方法動態(tài)調(diào)整步態(tài)模型和互補濾波模型的參數(shù)，從而降低步長估計誤差和方向測量誤差；綜合考慮來講，本發(fā)明能夠有效抑制航位推算過程中誤差累計現(xiàn)象，提高室內(nèi)定位的精度。
【專利說明】
一種基于I MU的室內(nèi)定位方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及室內(nèi)定位領(lǐng)域，具體涉及一種基于頂U的室內(nèi)航位推算定位方法。
【背景技術(shù)】
[0002] 基于位置信息的服務(wù)已經(jīng)變得越來越重要，且目前大部分應(yīng)用都是采用基于衛(wèi)星 的全球定位系統(tǒng)。然而，在室內(nèi)環(huán)境下，衛(wèi)星信號會受到建筑物的遮擋導(dǎo)致大量位置盲區(qū)的 出現(xiàn)，且目前衛(wèi)星定位方法的精度暫時無法滿足室內(nèi)定位的要求。因此，構(gòu)建一個穩(wěn)定的、 高精度室內(nèi)定位系統(tǒng)成為了近些年的研究熱點。
[0003] 目前室內(nèi)定位技術(shù)可主要分為兩類:基于位置指紋方法和航位推算方法?；谖?置指紋的室內(nèi)定位技術(shù)中，需要對室內(nèi)環(huán)境進行大量的硬件改造，以布置WiFi節(jié)點，因此其 硬件成本較高。另一方面，由于無線信號易受傳輸環(huán)境的影響，產(chǎn)生如多徑效應(yīng)、非視線傳 播、信號衰落以及噪聲干擾等情況，因此其定位精度受到很大程度的干擾，為此需要不定期 更新位置指紋數(shù)據(jù)庫，甚至修正信號傳播模型，為室內(nèi)定位系統(tǒng)的后期維護帶來較高的技 術(shù)成本。而基于航位推算的室內(nèi)定位技術(shù)與外界環(huán)境無關(guān)，而只與運動目標自身的運動過 程有關(guān)，因此在室內(nèi)定位系統(tǒng)中具有重要的價值和地位。而MEMS (Micro-electro Mechanical Systems，MEMS)技術(shù)的迅速發(fā)展進一步推動了這一方法在室內(nèi)定位領(lǐng)域的應(yīng) 用。
[0004] 在針對行人的室內(nèi)定位應(yīng)用中，基于MU的航位推算方法得到了廣泛的研究和應(yīng) 用。該方法主要通過各種傳感器采集行人運動過程中的運動信息，如加速度、角速度以及環(huán) 境磁場等，進而可以獲得行人運動的步數(shù)、步長、方向等信息。在已知初始位置的情況下，可 以遞推地估計行人的位置。但該方法目前普遍存在以下幾個問題:第一、運動步態(tài)的多樣性 導(dǎo)致計步和步長估計不準確的問題;第二、各種傳感器噪聲帶來的數(shù)據(jù)誤差，特別是在運動 方向估計方面;第三、航位推算自身帶有的誤差累計問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的主要目的在于，針對航位推算過程中步長估計與方向測量不精確的問 題，利用粒子濾波方法，主動對步長模型和方向偏差進行修正，以減輕航位推算過程中誤差 累積的問題，提尚室內(nèi)定位的整體精度。
[0006] 本發(fā)明解決現(xiàn)有的技術(shù)問題是采用以下技術(shù)方案來實現(xiàn)的：
[0007] -種基于IMU的室內(nèi)定位方法依托于一個基于Android平臺的智能手機，所述智能 手機內(nèi)置三維加速度計、三維陀螺儀、三維磁場傳感器;智能手機通過所述內(nèi)置傳感器檢測 個人運動過程中的加速度、角速度以及運動方向，然后在航位推算過程中使用粒子濾波方 法進行位置估計;在定位過程中，通過對有效粒子的步長屬性和方向?qū)傩赃M行統(tǒng)計和分析， 能夠?qū)轿煌扑氵^程中的步長模型的方向偏差進行修正。
[0008] 上述技術(shù)方案中，所述的基于IMU的室內(nèi)定位方法包括如下步驟：
[0009] 步驟S1、步態(tài)分割與步長估計:根據(jù)采集的人體運動加速度數(shù)據(jù)，使用有限狀態(tài)機 對有效步態(tài)進行分割并完成計步和步長估計；
[0010] 步驟S2、根據(jù)有效步態(tài)的角速度（陀螺儀）、加速度(加速度傳感器）以及磁場強度 (磁場傳感器)數(shù)據(jù)，使用互補濾波模型計算當前步態(tài)的運動方向；
[0011] 步驟S3、根據(jù)步長、運動方向估計結(jié)果以及地圖信息進行粒子濾波，并根據(jù)有效存 活粒子的屬性調(diào)整步長模型和互補濾波模型的參數(shù)。
[0012] 而且，所述步驟S1包括以下步驟：
[0013] 步驟S1.1、對加速度進行數(shù)據(jù)預(yù)處理；
[0014] 步驟S1.2、使用有限狀態(tài)機對運動狀態(tài)進行判斷，并在運動狀態(tài)下對有效步態(tài)進 行時間分割；
[0015] 步驟S1.3、根據(jù)有效步態(tài)的加速度信息和步長模型進行步長估計。
[0016] 而且，所述步驟SI. 1的具體實現(xiàn)方法為:首先根據(jù)公式（1)對三軸的加速度數(shù)據(jù)計 算合成加速度，并使用滑窗均值法進行濾波，以平滑抖動噪聲。采用合成加速度的原因主要 是：加速度傳感器三軸上的測量值是行人運動時的前向加速度、側(cè)向加速度以及垂直加速 度在各軸方向上分量的和，使用平方和數(shù)值可以使計步算法能夠適用于不同位置上的手機 擺放。
[0018] 而且，所述步驟S1.2的具體實現(xiàn)方法為:根據(jù)有限狀態(tài)機中的設(shè)置的閾值對當前 運動狀態(tài)進行判定，并在目標處于運動狀態(tài)時對有效傳感器數(shù)據(jù)進行分割。在有限狀態(tài)機 中，各狀態(tài)的含義分別為：
[0019] S0:表示靜止狀態(tài)；
[0020] S1:表示預(yù)備運動狀態(tài)，即目標可能處于運動狀態(tài)；
[0021] S2、S3:進入峰值狀態(tài)和離開峰值狀態(tài)；
[0022] S4、S6:進入谷值狀態(tài)和離開谷值狀態(tài)；
[0023] S7:步態(tài)結(jié)束狀態(tài)；
[0024] S5:用于噪聲容忍。
[0025] 只有當加速度數(shù)據(jù)輸入使得狀態(tài)機到達狀態(tài)S7時，才認為發(fā)生了有效的步態(tài)行 為，并將狀態(tài)S1~S7之間的傳感器數(shù)據(jù)作為當前步態(tài)的有效記錄數(shù)據(jù)。
[0026] 此外，在狀態(tài)轉(zhuǎn)換圖中，Thr為運動檢測閾值;ThrPP為峰值閾值;Thrnp為谷值閾值； Thrneg為步態(tài)結(jié)束閾值。Thr和Thrneg-般固定在9.8附近，用于判斷步態(tài)的開始和結(jié)束;1111> 和Thr np-般需要根據(jù)步態(tài)特征來設(shè)定，并且是影響計步精度的關(guān)鍵因素。使用有限狀態(tài)機 方法的有點在于其結(jié)合了峰值檢測算法和過零檢測算法的優(yōu)點，對運動過程中的各種振動 噪聲具有較高的容忍度，且能夠識別出人體在起立、抬手等動作過程中出現(xiàn)的"偽步態(tài)"現(xiàn) 象。
[0027] 而且，所述步驟S1.3的具體實現(xiàn)方法為:針對有效步態(tài)，在狀態(tài)機S2~S3之間記錄 加速度的最大值amax;在在狀態(tài)機S4~S6之間記錄加速度的最小值amin，然后根據(jù)公式(2)所 給的計步模型估計當前步態(tài)的步長L。
[0029] -般來講，模型參數(shù)K是難以準確計算的。為此，本發(fā)明在步驟S3中的粒子濾波過 程中，使Κ服從一個正態(tài)分布，然后通過存活粒子的屬性對Κ的值進行進一步估計。
[0030] 而且，所述步驟S2包括以下步驟：
[0031 ]步驟S2.1、通過陀螺儀積分獲得運動方向0g;
[0032] 步驟S2.2、通過磁場傳感器和加速度傳感器獲得運動方向0m。
[0033]步驟S2.3、通過互補模型融合信息，獲得修正的運動方向Θ。。
[0034]而且，所述步驟S2.1的具體實現(xiàn)方法為:根據(jù)公式(3)，對所述步驟S1.2分割的有 效步態(tài)內(nèi)的三軸陀螺儀數(shù)據(jù)進行積分，并將結(jié)果累加至上一個步態(tài)的運動方向上，得到目 標運動的絕對方向Θ g。
[0036] 9g(t) = 9g(t-i)+A 0t (4)
[0037] 而且，所述步驟S2.3的具體實現(xiàn)方法為:利用公式（5)所述的互補濾波模型，對所 述步驟S2.1和步驟S2.2的結(jié)果作進一步處理，得到目標運動的絕對運動方向Θ。。
[0038] 9c = a*9g+( l_a)*9m (4)
[0039] 互補濾波模型的主要思想是:陀螺儀動態(tài)響應(yīng)特性優(yōu)良，解算姿態(tài)角時，由于陀螺 儀低頻漂移的影響，積分后低頻擾動會產(chǎn)生較大誤差;加速度計解算的姿態(tài)角會受到運動 過程中高頻振動的影響，輸出角度中攜帶較大分量的高頻干擾。二者在頻域上具有互補特 性，采用互補濾波器對這兩種傳感器數(shù)據(jù)融合，可提高姿態(tài)角度測量的精度和動態(tài)響應(yīng)的 性能。
[0040] 而且，所述步驟S3包括以下步驟：
[0041] 步驟S3.1、根據(jù)步長和方向估計結(jié)果以及噪聲模型生成各粒子屬性；
[0042]步驟S3.2、對所有粒子進行航位推算；
[0043] 步驟S3.3、根據(jù)地圖信息刪除無效粒子:對于進入不可到達區(qū)域(如墻體，浮空區(qū) 域等)的粒子，使其權(quán)重為零并失效，而其他粒子為有效粒子；
[0044] 步驟S3.4、判斷是否需要進行重采樣：當有效粒子數(shù)少于初始粒子數(shù)目的2/3時， 說明需要進行重采樣，執(zhí)行所述步驟S3.5，否則直接根據(jù)有效粒子估計目標的位置；
[0045] 步驟S3.5、在根據(jù)所述步驟S3.4判斷需要進行重采樣時，采用序貫重要性重采樣 (SIR)方法對粒子進行重采樣；
[0046] 步驟S3.6、在根據(jù)所述步驟S3.4進行重采樣后，對粒子的步長屬性和方向?qū)傩赃M 行統(tǒng)計和分析，以修正步長誤差和方向偏差。
[0047] 而且，所述步驟S3.1的具體實現(xiàn)方法為:根據(jù)步長和方向估計結(jié)果以及噪聲模型 (公式5、6)生成各粒子屬性。
[0049]其中，4為第i個粒子在t時刻的步長，其中包括:Lt為t時刻根據(jù)步長模型估計的步 長結(jié)果為一個服從正太分布No%的步長噪聲，且為固定步長的比例；0為第i個粒子 在t時刻的方向，其中包括:估計的運動方向值9 t，方向偏差0drift以及一個服從正態(tài)分布 N。,％的方向噪聲，且〇θ設(shè)為相鄰步態(tài)方向變化的固定比例。
[0051] 其中，為第i個粒子在t時刻的步長模型參數(shù)，其中包括:估計值部分Kt和隨機值 部分《丨；《丨為第i個粒子在t時刻的互補模型參數(shù)，其中包括:估計值部分*^和隨機值部分
[0052] 而且，所述步驟S3.6的具體實現(xiàn)方法為:在所述步驟S3.3過程中，一部分粒子因為 違反事實而被刪除，而另一部分存活的粒子則被隨機復(fù)制，以保持粒子數(shù)目不變。在該過程 中，粒子各屬性值的離散分布情況發(fā)生變化，其統(tǒng)計值能夠更好地設(shè)置模型參數(shù)。
[0054]相比于現(xiàn)有技術(shù)的缺點和不足，本發(fā)明具有以下有益效果:針對傳統(tǒng)頂U室內(nèi)定位 方法中步長模型的參數(shù)設(shè)置不準確以及方向測量帶來的誤差累計問題，本發(fā)明通過粒子濾 波動態(tài)調(diào)整步長模型參數(shù)和互補濾波器參數(shù)，實現(xiàn)了自適應(yīng)步長和更精準的方向測量結(jié) 果，整合了各種傳感器信息，能夠有效提高室內(nèi)定位精度。此外，在計步過程中通過有限狀 態(tài)機對傳感器數(shù)據(jù)進行分割，能夠識別無效步態(tài)的傳感器數(shù)據(jù)，減少了不必要的數(shù)據(jù)計算 和分析。
【附圖說明】
[0055]圖1本發(fā)明的基于頂U的室內(nèi)定位方法流程圖。
[0056]圖2用于運動狀態(tài)判斷與步態(tài)分割的有限狀態(tài)機狀態(tài)轉(zhuǎn)換圖。
[0057]圖3用于方向估計的互補濾波模型算法流程圖
[0058] 圖1中SI. 1、有限狀態(tài)機;S1.2、計步與步長估計;S2、方向測量;S3、粒子濾波與參 數(shù)反饋。
【具體實施方式】
[0059] 為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實 施方式對本發(fā)明作進一步詳細的說明，這些附圖均為簡化的示意圖，僅以示意方式說明本 方面的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。
[0000] 本發(fā)明的使用的智能手機是Samsung Galaxy S6(G9200)，內(nèi)置的傳感器型號為 InvenSense公司的MPU6500六軸傳感器(加速度傳感器+陀螺儀)和AKM公司的AK09911，搭載 的操作系統(tǒng)為Android 0S 5.0。
[0061]數(shù)據(jù)采集來源：
[0062]在Android系統(tǒng)中，為了方便開發(fā)者使用各種傳感器數(shù)據(jù)，已經(jīng)提供了大量傳感數(shù) 據(jù)的API。在本發(fā)明中使用的主要數(shù)據(jù)有:加速度，由TYPE_ACCELEROMETER提供；角速度，由 TYPE_GYR0SC0PE提供;旋轉(zhuǎn)向量，由TYPE_R0TATI0N_VECT0R提供。其中旋轉(zhuǎn)向量是一種虛擬 傳感器，指手機坐標系相對于世界坐標系的旋轉(zhuǎn)向量，其值由加速度傳感器和磁場傳感器 提供的數(shù)據(jù)計算獲得。
[0063] 室內(nèi)定位流程：
[0064] 首先通過人工標定的方法在地圖上標記出行人的初始位置。為了簡化定位過程中 的坐標旋轉(zhuǎn)問題，實施過程中由行人以閱讀手機屏幕的狀態(tài)手持手機進行步態(tài)運動，此時 手機坐標系X軸的指向即行人運動方向。在其他狀態(tài)下，可以通過計算運動向量在手機坐標 系中的值進行坐標旋轉(zhuǎn)。
[0065] 在初始化目標位置以后，由所述有限狀態(tài)機進行計步與步態(tài)分割。在有限狀態(tài)機 中，各閾值的設(shè)定說明如下：由于智能手機收到重力加速度的影響，在處于靜止狀態(tài)下，合 成加速度的值為9.8(1個G)，因此Thr和Thr neg-般固定在9.8附近，用于判斷步態(tài)的開始和 結(jié)束，在實施過程中，分別將Thr和Thrneg設(shè)置為10.0和9.7;Thr PdPThrnp分別表示峰值閾值 與谷值閾值，一般來講是需要根據(jù)步態(tài)的運動幅度來設(shè)置，或者通過學(xué)習(xí)的方式進行動態(tài) 設(shè)定，在本發(fā)明的實施過程中，將其分別設(shè)置為11. 〇和9.0。
[0066] 在檢測到有效步態(tài)以后，首先使用步長模型估計當前步態(tài)的步長；同時，使用互補 濾波模型對運動方向進行估計。在實施過程中，步長模型和互補濾波模型的參數(shù)都作為粒 子的屬性值存在，需要進行隨機化處理。其中，步長模型參數(shù)K初始時設(shè)為1，且正態(tài)分布參 數(shù)〇κ設(shè)為0.1;互補模型參數(shù)α設(shè)為0.98，正態(tài)分布參數(shù)σ α設(shè)為〇 . 〇1，且需滿足0 < ?,: < 1。需要 指出的是，所有參數(shù)在初始時都是根據(jù)經(jīng)驗值設(shè)置的，在隨后的粒子濾波過程中，部分粒子 因為死亡而消失，參數(shù)值的分布情況會發(fā)生變化，此時對各參數(shù)值進行修正可以時定位系 統(tǒng)能夠適應(yīng)不同步態(tài)特征和環(huán)境，取得更好地定位效果。
[0067] 最后，通過粒子濾波方法進行行人位置估計和參數(shù)反饋。在實施過程中，粒子數(shù)目 Ν需要根據(jù)計算能力進行設(shè)置。由于本發(fā)明的粒子濾波實施過程是在服務(wù)器上進行，因此將 Ν設(shè)置為較大的2000。如果需要將該過程放在智能手機上完成，需要考慮手機處理器的計算 能力，設(shè)置一個較小的Ν值。
[0068] 上述過程主要對本發(fā)明的實施過程中的參數(shù)設(shè)置問題進行說明，具體流程可以結(jié) 合
【發(fā)明內(nèi)容】
中給出的算法步驟。需要指出的是，熟悉該領(lǐng)域的技術(shù)人員對本發(fā)明的具體實 施方式所做的任何改動均不脫離本發(fā)明的權(quán)利要求書的范圍。相應(yīng)地，本發(fā)明的權(quán)利要求 的范圍也并不僅僅局限于所述【具體實施方式】。
【主權(quán)項】
1. 一種基于IMU的室內(nèi)航位推算方法，其特征在于，該方法包括以下步驟： 步驟S1、步態(tài)分割與步長估計:根據(jù)采集的人體運動加速度數(shù)據(jù)，使用有限狀態(tài)機對有 效步態(tài)進行分割并完成計步和步長估計； 步驟S2、根據(jù)有效步態(tài)的角速度(陀螺儀）、加速度(加速度傳感器）以及磁場強度(磁場 傳感器)數(shù)據(jù)，使用互補濾波模型計算當前步態(tài)的運動方向； 步驟S3、根據(jù)步長、運動方向估計結(jié)果以及地圖信息進行粒子濾波，并根據(jù)有效存活粒 子的屬性調(diào)整步長模型和互補濾波模型的參數(shù)。2. 如權(quán)利要求1所述的一種基于IMU的室內(nèi)航位推算方法，其特征在于，在步驟S1中，所 述步態(tài)分割與步長估計方法包括以下步驟： 步驟S1.1、數(shù)據(jù)預(yù)處理:根據(jù)公式（1)和三軸加速度數(shù)據(jù)計算總加速度幅值，并使用滑 窗均值法進行濾波；(1) 步驟S1.2、運動狀態(tài)判斷:根據(jù)有限狀態(tài)機中的設(shè)置的閾值對當前運動狀態(tài)進行判定， 并在目標處于運動狀態(tài)時對有效傳感器數(shù)據(jù)進行分割。在有限狀態(tài)機中，各狀態(tài)的含義分 別為： so:表示靜止狀態(tài)； S1:表示預(yù)備運動狀態(tài)，即目標可能處于運動狀態(tài)； S2、S3:進入峰值狀態(tài)和離開峰值狀態(tài)； S4、S6:進入谷值狀態(tài)和離開谷值狀態(tài)； S7:步態(tài)結(jié)束狀態(tài)； S5:用于噪聲容忍。 只有當加速度數(shù)據(jù)輸入使得狀態(tài)機到達狀態(tài)S7時，才認為發(fā)生了有效的步態(tài)行為，并 將狀態(tài)S1~S7之間的傳感器數(shù)據(jù)作為當前步態(tài)的有效記錄數(shù)據(jù)。 步驟S1.3、根據(jù)公式(2)所描述的步長模型對當前有效步態(tài)進行步長估計：(2) 其中，L為估計的步長結(jié)果;K為模型參數(shù);amax、amin分別為當前有效步態(tài)內(nèi)的加速度最 大值和最小值。3. 如權(quán)利要求1所述的一種基于IMU的室內(nèi)航位推算方法，其特征在于，在步驟S2中，運 動方向估計方法包括以下步驟： 步驟S2.1、根據(jù)公式(3)，對所述步驟S1.2分割的有效步態(tài)內(nèi)的三軸陀螺儀數(shù)據(jù)進行積 分，并將結(jié)果累加至上一個步態(tài)的運動方向上，得到目標運動的絕對方向Qg(t) = 9g(t-i)+ Δ 0to(3) 步驟S2.2、根據(jù)加速度數(shù)據(jù)獲得智能手機設(shè)備的傾角結(jié)果，然后結(jié)合磁場傳感器數(shù)據(jù) 獲得目標運動的絕對方向0m。 步驟S2.3、利用公式(4)所述的互補濾波模型，對所述步驟S2.1和步驟S2.2的結(jié)果作進 一步處理，得到目標運動的絕對運動方向Θ c。 0c = a*0g+(l-a)*0m (4)4.如權(quán)利要求1所述的一種基于IMU的室內(nèi)航位推算方法，其特征在于，在步驟S3中，粒 子濾波航位推算方法包括以下步驟： 步驟S3.1、根據(jù)步長和方向估計結(jié)果以及噪聲模型(公式5)生成各粒子屬性。(5) Θ 其中，L丨為第i個粒子在t時刻的步長，其中包括:Lt為t時刻根據(jù)步長模型估計的步長結(jié) 果；4為一個服從正太分布的步長噪聲，且％為固定步長的比例；貧為第i個粒子在t時 亥|J的方向，其中包括:估計的運動方向值9 t，方向偏差Gdrift以及一個服從正態(tài)分布的方 向噪聲，且σθ設(shè)為相鄰步態(tài)方向變化的固定比例。 步驟S3.2、根據(jù)公式(6)和對所有粒子進行航位推算： x' = x' -h R cos Θ1, ' ''， ' (6) 步驟S3.3、根據(jù)地圖信息刪除無效粒子。 根據(jù)提供的室內(nèi)建筑物地圖信息，對于進入不可到達區(qū)域(如墻體，浮空區(qū)域等）的粒 子，使其權(quán)重為零并失效，而其他粒子為有效粒子。 步驟S3.4、判斷是否需要進行重采樣。 當有效粒子數(shù)少于初始粒子數(shù)目的2/3時，說明需要進行重采樣，執(zhí)行所述步驟S3.5， 否則直接根據(jù)公式(7)估計目標的位置：(7} /=1 步驟S3.5、在根據(jù)所述步驟S3.4判斷需要進行重采樣時，采用序貫重要性重采樣(SIR) 方法對粒子進行重采樣。 步驟S3.6、在根據(jù)所述步驟S3.4進行重采樣后，對粒子的步長屬性和方向?qū)傩赃M行統(tǒng) 計和分析，以修正步長誤差和方向偏差。 在所述步驟S3.3過程中，一部分粒子因為違反事實而被刪除，而另一部分存活的粒子 則被隨機復(fù)制，以保持粒子數(shù)目不變。在該過程中，粒子各屬性值的離散分布情況發(fā)生變 化，其統(tǒng)計值能夠更好地設(shè)置模型參數(shù)。 (8)
【文檔編號】G01C21/20GK105865448SQ201610158290
【公開日】2016年8月17日
【申請日】2016年3月18日
【發(fā)明人】梁久禎, 朱向軍
【申請人】常州大學(xué)