一種基于mems傳感器的計步導(dǎo)航方法
【專利摘要】本發(fā)明公開了一種基于MEMS傳感器的計步導(dǎo)航方法，包括以下步驟：S1,將傳感器持握在行人胸前，通過傳感器中的MEMS傳感器分別收集行人從靜止到運動狀態(tài)的靜止加速度和運動狀態(tài)下的加速度、行人行走的航向角；S2，傳感器中微控處理器采用二階低通濾波方法調(diào)離出運動狀態(tài)下加速度中的行人本身的重力加速度；S3，微控處理器會得到運動狀態(tài)下的加速度數(shù)據(jù)中臨時有效計步點，臨時有效計步點中設(shè)置有計步點預(yù)設(shè)幅值；S4，微控處理器根據(jù)預(yù)算算法得出行走的步數(shù)、行人行走的航向角數(shù)據(jù)和步長，最終輸出行走的步數(shù)和軌跡。本發(fā)明具有成本低、易攜帶、精度高的優(yōu)點，比市場主流計步穿戴設(shè)備、計步手機(jī)軟件準(zhǔn)確率較高，更加適合室內(nèi)計步導(dǎo)航的需求。
【專利說明】
-種基于MEMS傳感器的計步導(dǎo)航方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及導(dǎo)航技術(shù)領(lǐng)域，尤其設(shè)及一種基于MEMS傳感器的計步導(dǎo)航方法。
【背景技術(shù)】
[0002] 隨著科技的發(fā)展，人們對自身的健康指數(shù)、行為習(xí)慣愈加關(guān)注，催生了許多穿戴移 動設(shè)備和手機(jī)應(yīng)用。采用合適的方法分析人類步態(tài)，能夠為健身、運動醫(yī)學(xué)研究和定位導(dǎo)航 提供更精確的信息。目前對于在室內(nèi)使用的一般包括如下幾種:第一種，用的是GPS定位技 術(shù)，然而因為接收機(jī)接受的信號會受到建筑物的影響而衰減，從而影響在室內(nèi)的定位導(dǎo)航 精度;第二種，用的是WIFI無線定位導(dǎo)航技術(shù)，然而其覆蓋半徑較小，容易受到其他信號的 干擾，從而影響其精度;第S種，用的是RSSI定位技術(shù)，其RSSI信號強(qiáng)度定位技術(shù)建立合適 的理論傳播模型較難，覆蓋半徑較小，且在使用的時候用戶的安全隱私不易保障。
[0003] 總而言之，現(xiàn)有的室內(nèi)導(dǎo)航技術(shù)由于其部署成本較高，易受環(huán)境因素干擾，進(jìn)而影 響其定位精度，因而無法在室內(nèi)進(jìn)行精確的定位，從而無法滿足室內(nèi)導(dǎo)航的需求。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供了一種基于MEMS傳感器的計步導(dǎo)航方法。
[0005] 為了實現(xiàn)上述目的，本發(fā)明所采取的技術(shù)方案是：
[0006] -種基于MEMS傳感器的計步導(dǎo)航方法，包括W下步驟：
[0007] SI,將傳感器持握在行人胸前，通過傳感器中的MEMS傳感器分別收集行人從靜止 到運動狀態(tài)的靜止加速度和運動狀態(tài)下加速度A= {日1，日2 T-SnK行人行走的航向角目= (01，02,…0n} ,MEMS傳感器收集到的數(shù)據(jù)輸出到微控處理器中進(jìn)行處理，且MEMS傳感器將靜 止加速度和運動狀態(tài)下加速度AWtxt格式傳輸?shù)酵庵么鎯ζ髦斜４妫阌谠俅畏治?，運動 狀態(tài)下加速度A包含有行人本身的重力加速度G= {gl，g2,-IgNl和行人行走過程中豎直上下 加速度az= {az, 1，az,2，? ? 'az,N}，其中定義人體的S維坐標(biāo)和傳感器的S維坐標(biāo)相一致，人體 的正面行進(jìn)方向定義為X軸，人體的左側(cè)方向定義為Y軸，人體的豎直方向定義為Z軸；
[000引S2,傳感器中設(shè)有二階低通濾波器，二階低通濾波器會從存儲器中保存的運動狀 態(tài)下加速度A數(shù)據(jù)中調(diào)離出運動狀態(tài)下行人本身的重力加速度G，其中調(diào)離出運動狀態(tài)下加 速度A中的行人本身的重力加速度G的具體公式：
^中公式中T為采樣 周期，a"i為二階濾波后的輸出第i個數(shù)據(jù)，a'l為一階段濾波后輸出的第i個數(shù)據(jù)，ameas,i為運 動狀態(tài)下加速度A數(shù)據(jù)中的第i個數(shù)據(jù)，T = 1 /(2*31*0.1)，a' i-i為一階濾波后輸出的第i-1個 數(shù)據(jù)，a" 1-1為二階濾波后輸出的第i-1個數(shù)據(jù)，最終輸出數(shù)據(jù)a" 1為行人本身的重力加速度 G;
[0009] S3,傳感器設(shè)備中有微控處理器，微控處理器根據(jù)預(yù)算算法遍歷整個行人從靜止 到運動狀態(tài)的靜止加速度和運動狀態(tài)下的加速度A,得到和運動狀態(tài)下的加速度中有效計 數(shù)點，即記為臨時有效計步點B= {bl，b2，一bn}，臨時有效計步點中設(shè)置有計步點預(yù)設(shè)幅值 BT，臨時有效計步的采樣點的間隔闊值設(shè)有Tl和T2 ;
[0010] S4,通過上述步驟3中的微控處理器得到計步點預(yù)設(shè)幅值aT作為參考闊值，微控處 理器中設(shè)置有比較器，臨時有效計步點B= {bi，b2,…山}得出臨時有效計步點的峰值Bt = (Bti，Bt2,…BTnK通過比較器將行人行走過程中所有臨時有效計步點的峰值化與參考闊值aT 相比較，如果行人行走過程中的臨時有效計步點的峰值化均大于參考闊值aT，微控處理器就 會采取臨時有效計步的間隔闊值為T2,如果行人行走過程中臨時有效計步點的峰值Bt均小 于參考闊值3T，微控處理器就會采取臨時有效計步的間隔闊值為Tl;
[001 U S5 ,MEMS傳感器得到的運動狀態(tài)下加速度數(shù)據(jù)A= {ai，曰2，一aNl與行人本身的重力 加速度G相比較，得出運動狀態(tài)下加速度數(shù)據(jù)A={al，a2，…aN}會存在依次大于、小于行人本 身的重力加速度G和依次小于、大于行人本身的重力加速度G兩種數(shù)據(jù)，也就是判斷運動狀 態(tài)下加速度數(shù)據(jù)A是否穿越行人本身的重力加速度G，但是會存在動狀態(tài)下加速度數(shù)據(jù)A = {al，a2，…aN}會存在依次大于、小于行人本身的重力加速度G的數(shù)據(jù)穿越和依次小于、大于 行人本身的重力加速度G的數(shù)據(jù)穿越，而運里只會選取得出運動狀態(tài)下加速度數(shù)據(jù)A= {ai， a2，-'aN}會存在依次大于、小于行人本身的重力加速度G的數(shù)據(jù)，也就是運動狀態(tài)下加速度 數(shù)據(jù)A向下穿越行人本身的重力加速度G，例如運動狀態(tài)下加速度A數(shù)據(jù)曲線從行人本身的 重力加速度G數(shù)據(jù)曲線上方穿越到下方，即滿足如下條件-4[A'] < - U > G[y ;
[0012] S6,微控處理器統(tǒng)計臨時有效計步點，臨時有效計步點間隔大于步驟4中參考闊值 3T為有效的計步點，即為行走的步數(shù)D;
[0013] S7,傳感器中微控處理器會得出行走的步數(shù)D、行人行走的航向角目和步長化，最終 輸出行走的步數(shù)D和軌跡H。
[0014] 所述運動狀態(tài)下加速度A={al，a2，…aN}數(shù)據(jù)為MEMS傳感器中的加速度計巧由方向 的數(shù)據(jù)。
[0015] 所述微控處理器的型號為STM32L51CBU6。
[0016] 所述步驟3中的臨時有效計步點具體是由當(dāng)前運動狀態(tài)下的加速度值A(chǔ)[k]大于后 一個運動狀態(tài)下的加速度值A(chǔ)[k+1 ] W及前一個運動狀態(tài)下的加速度值A(chǔ)[k-1 ]，且比當(dāng)前運 動狀態(tài)下的加速度值G[k]多0.1 g,即同時滿足如下條件，則記為第K點為臨時有效計步點：
[0017] 所述步驟7中步長化具體算法：化= klfstep+K2，fstep為實時步頻，Ki、K2為針對不同 個體而標(biāo)定的系數(shù)。
[0018] 所述步驟7中行人行走的航向角目是通過MEMS傳感器上的數(shù)字運動處理單元 (Digital Motion Processing)得出，其中行人行走的航向角0的初始角度是MEMS傳感器設(shè) 備首次上電的位置。
[0019] 所述步驟7中軌跡H具體計算方式關(guān) 其中H(x，y)表 示行人行走位置坐標(biāo)點的集合，（〇,〇)點為起始點，（Xi-I，yi-1)為行人行走第i-1步點位置， (Xi, yi)為行人行走第i步點位置，5以表示行人行走第i步的步長、0i表示行人行走第i步的 航向角。
[0020]本發(fā)明的有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明利用MEMS傳感器獲取在行走過程中 加速度、巧螺儀數(shù)據(jù)，使用合適的算法估計行走的步數(shù)、每一步的步長，并結(jié)合行走航向信 息，估計行走的距離、軌跡，從而實現(xiàn)計步導(dǎo)航，具有成本低、易攜帶、精度高的優(yōu)點，計步準(zhǔn) 確率為97%，比市場主流計步穿戴設(shè)備、計步手機(jī)軟件準(zhǔn)確率較高，且推算軌跡與實際路徑 誤差在0.5米左右，更加適合室內(nèi)計步導(dǎo)航的需求。
【附圖說明】
[0021 ]圖1為本發(fā)明的流程示意圖；
[0022] 圖2為本發(fā)明運動狀態(tài)下巧由加速度的數(shù)據(jù)曲線圖；
[0023] 圖3為本發(fā)明的仿真計步示意圖；
[0024] 圖4為本發(fā)明行走的軌跡H示意圖。
【具體實施方式】
[0025] 如圖1所示，一種基于MEMS傳感器的計步導(dǎo)航方法，包括W下步驟：
[0026] SI,將傳感器持握在行人胸前，通過傳感器中的MEMS傳感器分別收集行人從靜止 到運動狀態(tài)的靜止加速度和運動狀態(tài)下加速度A= {日1，日2 T-SnK行人行走的航向角目= (01，02,…0n} ,MEMS傳感器收集到的數(shù)據(jù)輸出到微控處理器中進(jìn)行處理，且MEMS傳感器將靜 止加速度和運動狀態(tài)下加速度AWtxt格式傳輸?shù)酵庵么鎯ζ髦斜４?，便于再次分析，運動 狀態(tài)下加速度A包含有行人本身的重力加速度G= {gl，g2,-IgNl和行人行走過程中豎直上下 加速度az= {az, 1，az,2，? ? 'az,N}，其中定義人體的S維坐標(biāo)和傳感器的S維坐標(biāo)相一致，人體 的正面行進(jìn)方向定義為X軸，人體的左側(cè)方向定義為Y軸，人體的豎直方向定義為Z軸（圖2為 運動狀態(tài)下Z軸加速度的數(shù)據(jù)曲線圖，通過在橫坐標(biāo)上采樣點，采樣點對應(yīng)縱坐標(biāo)上數(shù)據(jù)大 小，從而能夠得到運動狀態(tài)下Z軸加速度的數(shù)據(jù)），所述微控處理器的型號為STM32L51CBU6;
[0027] S2,傳感器中設(shè)有二階低通濾波器，二階低通濾波器會從存儲器中保存的運動狀 態(tài)下加速度A數(shù)據(jù)中調(diào)離出運動狀態(tài)下行人本身的軍力化巧度G，巧中調(diào)離出運動狀態(tài)下加 速度A中的行人本身的重力加速度G的具體公式戈 ；中公式中T為采樣 周期，a" i為二階濾波后的輸出第i個數(shù)據(jù)，a ' i為一柄-枚縱彼舊砸J巧呆1個數(shù)據(jù)，ameas, i為運 動狀態(tài)下加速度A數(shù)據(jù)中的第i個數(shù)據(jù)，T = 1 /(2*31*0.1)，a' i-1為一階濾波后輸出的第i-1個 數(shù)據(jù)，a" 1-1為二階濾波后輸出的第i-1個數(shù)據(jù)，最終輸出數(shù)據(jù)a" 1為行人本身的重力加速度 G;
[0028] S3,傳感器設(shè)備中有微控處理器，微控處理器根據(jù)預(yù)算算法遍歷整個行人從靜止 到運動狀態(tài)的靜止加速度和運動狀態(tài)下的加速度A，得到和運動狀態(tài)下的加速度中有效計 數(shù)點，即記為臨時有效計步點B= {bl，b2，…山}，所述臨時有效計步點根據(jù)預(yù)算算法具體是 由由當(dāng)前運動狀態(tài)下的加速度值A(chǔ)[k]大于后一個運動狀態(tài)下的加速度值A(chǔ)[k+1] W及前一 個運動狀態(tài)下的加速度值A(chǔ)[k-1]，且比當(dāng)前運動狀態(tài)下的加速度值G[k]多0.1 g,即同時滿 忠化下條件，剛巧為第K點為臨時有效計步點：
，臨時有效計步點中設(shè)置有計步點預(yù)設(shè)幅 值3T，臨時有效計步的采樣點的間隔闊值設(shè)有Tl和T2，；
[0029] S4,通過上述步驟3中的微控處理器得到計步點預(yù)設(shè)幅值aT作為參考闊值，微控處 理器中設(shè)置有比較器，臨時有效計步點B= {bi，b2,…山}得出臨時有效計步點的峰值Bt = (Bti，Bt2,…BTnK通過比較器將行人行走過程中所有臨時有效計步點的峰值化與參考闊值aT 相比較，如果行人行走過程中的臨時有效計步點的峰值化均大于參考闊值aT，微控處理器就 會采取臨時有效計步的間隔闊值為T2,如果行人行走過程中臨時有效計步點的峰值Bt均小 于參考闊值3T，微控處理器就會采取臨時有效計步的間隔闊值為Tl;
[0030] S5 ,MEMS傳感器得到的運動狀態(tài)下加速度數(shù)據(jù)A= {曰1，曰2,與行人本身的重力 加速度G相比較，得出運動狀態(tài)下加速度數(shù)據(jù)A={al，a2，…aN}會存在依次大于、小于行人本 身的重力加速度G和依次小于、大于行人本身的重力加速度G兩種數(shù)據(jù)，也就是判斷運動狀 態(tài)下加速度數(shù)據(jù)A是否穿越行人本身的重力加速度G，但是會存在動狀態(tài)下加速度數(shù)據(jù)A = {al，a2，…aN}會存在依次大于、小于行人本身的重力加速度G的數(shù)據(jù)穿越和依次小于、大于 行人本身的重力加速度G的數(shù)據(jù)穿越，而運里只會選取得出運動狀態(tài)下加速度數(shù)據(jù)A= {ai， a2，-'aN}會存在依次大于、小于行人本身的重力加速度G的數(shù)據(jù)，也就是運動狀態(tài)下加速度 數(shù)據(jù)A向下穿越行人本身的重力加速度G，例如運動狀態(tài)下加速度A數(shù)據(jù)曲線從行人本身的 重力加速度G數(shù)據(jù)曲線上方穿越到下方，即滿足如下條巧
[0031] S6,微控處理器統(tǒng)計臨時有效計步點，臨時有效計步點間隔大于步驟4中參考闊值 3T為有效的計步點，即為行走的步數(shù)D，如圖3為仿真計步示意（圖3通過在橫坐標(biāo)上采樣點， 采樣點對應(yīng)縱坐標(biāo)上數(shù)據(jù)大小），所示黑色圓點為有效的計步點，微控處理器經(jīng)過算法統(tǒng)計 有效的計步點為146個，即認(rèn)為行走步數(shù)為146步，而實際行走步數(shù)為145步，誤差為1步；
[0032] S7,傳感器中微控處理器會得出行走的步數(shù)D、行人行走的航向角目和步長化，所述 行人行走的航向角目是通過MEMS傳感器上的數(shù)字運動處理單元（Digital Motion Processing)得出，其中行人行走的航向角目的初始角度是MEMS傳感器設(shè)備首次上電的位 置，所述步長化具體算法:化= Klf step+K2，fstep為實時步頻，Kl、K2為針對不同個體而標(biāo)定的 累擲.忌線輪m斤擊的擊數(shù)D和軌跡H，所述行走的軌跡H具體計算方式為
其中H(x，y)表示行人行走位置坐標(biāo)點的集合，（0,0)點為起 始點，（Xi-I，yi-i)為行人行走第i-1步點位置，（Xi，yi)為行人行走第i步點位置，SL康示行人 行走第i步的步長、Qi表示行人行走第i步的航向角。
[0033] 本發(fā)明的有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明利用MEMS傳感器獲取在行走過程中 加速度、巧螺儀數(shù)據(jù)，使用合適的算法估計行走的步數(shù)、每一步的步長，并結(jié)合行走航向信 息，估計行走的距離、軌跡，從而實現(xiàn)計步導(dǎo)航，具有成本低、易攜帶、精度高的優(yōu)點，計步準(zhǔn) 確率為97%，比市場主流計步穿戴設(shè)備、計步手機(jī)軟件準(zhǔn)確率較高，且推算軌跡與實際路徑 誤差在0.5米左右，更加適合室內(nèi)計步導(dǎo)航的需求。
【主權(quán)項】
1. 一種基于MEMS傳感器的計步導(dǎo)航方法，其特征在于，包括以下步驟： S1，將傳感器持握在行人胸前，通過傳感器中的MEMS傳感器分別收集行人從靜止到運 動狀態(tài)的靜止加速度和運動狀態(tài)下加速度A={ai，a2, 行人行走的航向角0 = θ2,…0N}，MEMS傳感器收集到的數(shù)據(jù)輸出到微控處理器中進(jìn)行處理，且MEMS傳感器將靜止加 速度和運動狀態(tài)下加速度A以txt格式傳輸?shù)酵庵么鎯ζ髦斜４?，運動狀態(tài)下加速度A包含 有行人本身的重力加速度G= {gi，g2, "_gN}和行人行走過程中豎直上下加速度az= {az,i， az,2,…az,N}，其中定義人體的三維坐標(biāo)和傳感器的三維坐標(biāo)相一致，人體的正面行進(jìn)方向 定義為X軸，人體的左側(cè)方向定義為Y軸，人體的豎直方向定義為Z軸； S2,傳感器中設(shè)有二階低通濾波器，二階低通濾波器會從存儲器中保存的運動狀態(tài)下 加速度A中調(diào)離出運動狀態(tài)下行人本身的重力加速度G，其中調(diào)離出運動狀態(tài)下加速度A中 的行人本身的重力加速度G的具體公式為車中公式中T為采樣周期， 為二階濾波后的輸出第i個數(shù)據(jù)，ai，為一階段濾波后輸出的第i個數(shù)據(jù)，ame3as, i為運動狀態(tài) 下加速度A數(shù)據(jù)中的第i個數(shù)據(jù)，τ = 1/(2*π*〇. 1)，a' i-i為一階濾波后輸出的第i-Ι個數(shù)據(jù)， a" η為二階濾波后輸出的第i_l個數(shù)據(jù)，最終輸出數(shù)據(jù)a" i為行人本身的重力加速度G; S3，傳感器設(shè)備中有微控處理器，微控處理器根據(jù)預(yù)算算法遍歷整個行人從靜止到運 動狀態(tài)的靜止加速度和運動狀態(tài)下的加速度A，得到和運動狀態(tài)下的加速度中有效計數(shù)點， 即記為臨時有效計步點B = {h，b2，…bn}，臨時有效計步點中設(shè)置有計步點預(yù)設(shè)幅值aT，臨 時有效計步的采樣點的間隔閾值設(shè)有TjPT 2; S4,通過上述步驟3中的微控處理器得到計步點預(yù)設(shè)幅值aT作為參考閾值，微控處理器 中設(shè)置有比較器，臨時有效計步點B = {bi，b2，…bn}得出臨時有效計步點的峰值BT = {Bn， ΒΤ2，···ΒΤη}，通過比較器將行人行走過程中所有臨時有效計步點的峰值Βτ與參考閾值a T相比 較，如果行人行走過程中的臨時有效計步點的峰值Βτ均大于參考閾值aT，微控處理器就會采 取臨時有效計步的間隔閾值為T 2，如果行人行走過程中所有臨時有效計步點的峰值Βτ均小 于參考閾值aT，微控處理器就會采取臨時有效計步的間隔閾值為?\; S5，MEMS傳感器得到的運動狀態(tài)下加速度數(shù)據(jù)A= {ai，a2，'"aN}與行人本身的重力加速 度G相比較，得出運動狀態(tài)下加速度數(shù)據(jù)A={m，a2, 存在依次大于、小于行人本身的重 力加速度G的數(shù)據(jù);S6，微控處理器統(tǒng)計臨時有效計步點，臨時有效計步點間隔大于步驟4中 參考閾值aT為有效的計步點，即為行走的步數(shù)D; S7,傳感器中微控處理器會得出行走的步數(shù)D、行人行走的航向角Θ和步長SL，最終輸出 行走的步數(shù)D和軌跡H。2. 如權(quán)利要求1所述一種基于MEMS傳感器的計步導(dǎo)航方法，其特征在于，所述運動狀態(tài) 下加速度A = {ai，a2，…aN}數(shù)據(jù)為MEMS傳感器中的加速度計Z軸方向的數(shù)據(jù)。3. 如權(quán)利要求1所述一種基于MEMS傳感器的計步導(dǎo)航方法，其特征在于，所述微控處理 器的型號為STM32L51CBU6。4. 如權(quán)利要求1所述一種基于MEMS傳感器的計步導(dǎo)航方法，其特征在于，步驟3中的臨 時有效計步點具體是由當(dāng)前運動狀態(tài)下的加速度值A(chǔ)[k]大于后一個運動狀態(tài)下的加速度 值A(chǔ)[k+1 ]以及前一個運動狀態(tài)下的加速度值A(chǔ)[k-1 ]，且比當(dāng)前運動狀態(tài)下的加速度值G[k] 多〇 . 1 g，即同時滿足如下條件，則記為第K點為臨時有效計步點：5. 如權(quán)利要求1所述一種基于MEMS傳感器的計步導(dǎo)航方法，其特征在于，所述步驟7中 步長SL具體算法:為實時步頻，Khfc為針對不同個體而標(biāo)定的系數(shù)。6. 如權(quán)利要求1所述一種基于MEMS傳感器的計步導(dǎo)航方法，其特征在于，所述步驟7中 行人行走的航向角Θ是通過MEMS傳感器上的數(shù)字運動處理單元得出。7. 如權(quán)利要求1所述一種基于MEMS傳感器的計步導(dǎo)航方法，其特征在于，所述步驟7中 軌跡Η具體計算方式為.，其中H(x，y)表示行人行走位置坐標(biāo) 點的集合，（〇,〇)點為起始點，（xi-i，yi-i)為行人行走第i-Ι步點位置，（xi，yi)為行人行走第i 步點位置，SU表示行人行走第i步的步長、0i表示行人行走第i步的航向角。
【文檔編號】G01C22/00GK105953794SQ201610266212
【公開日】2016年9月21日
【申請日】2016年4月26日
【發(fā)明人】樓喜中, 陟力, 孫宇
【申請人】杭州欣晟達(dá)信息技術(shù)有限公司