行人步长估计及航位推算方法

摘要

本发明公开了一种行人步长估计及航位推算方法，该方法包括如下步骤：a）利用具有加速度传感器的便携式终端测量行人按正常步长行走时个人步长参数K；b）检测行人行走一步过程中总加速度幅值的最大值amax和最小值amin；c）采用公式计算行人行走所述一步的步长stepsize。本发明提出的一种新的非线性步长模型，更准确地表示了行人行走一步的步长和期间总加速度幅值最大值、最小值之间的关系。所提出的行人步长估计及航位推算方法便于计算机实现，能实时推算行人的位置，以实现室内定位，具有实际应用意义。

说明书

技术领域

本发明涉及行人航迹推算领域。具体地说，本发明涉及一种新的行人步长估计及航位推算方法。 

背景技术

行走航迹推算是指对步行者行走的步数、步长、方向进行测量和估算，从而推算出步行者行走的轨迹和位置等信息，是实现室内定位的技术之一。其中行人行走方向可采用现有的航向测量仪器进行测量，如电子罗盘和陀螺仪。然而如何在行人行走过程中实时估算出行人的步长是个难题，步长估算将直接影响行走航迹推算的精度。为了估算步长，目前存在的模型可以分为四类：常数/伪常数步长模型，线性步长模型，非线性步长模型和人工智能步长模型。考虑算法实现的便利性和实时性，同时兼顾步长估计的准确性，常选取非线性步长模型。目前，常用的非线性步长模型主要有以下几种： 

对比文献“H.Weinberg,“Using the ADXL202in Pedometer and Personal Navigation Applications,”Analog Devices AN-602Application Note,2002.”公开了Weinberg approach模型： 

${\mathrm{step}}_{\mathrm{size}}=K^{*}\sqrt[4]{a_{\max }-a_{\min }}$

对比文献“J.Scarlet,“Enhancing the Performance of Pedometers Using a Single Accelerometer,”Analog Devices AN-900Application Note,2005.”公开了Scarlet approach模型： 

${\mathrm{step}}_{\mathrm{size}}=K^{*}\frac{\frac{\underset{j=1}{\overset{N}{\Sigma }}\left|a_j\right|}{N}-a_{m\mathrm{in}}}{a_{\max }-a_{\min }}$

对比文献“J.W.Kim,H.J.Jang,D-H.Hwang,and C.Park,“A Step,Stride and Heading Determination for the Pedestrian Navigation System,”Journal of Global Positioning Systems,pp.273-279,2004.”公开了Kim approach模型： 

${\mathrm{step}}_{\mathrm{size}}=K^{*}\sqrt[3]{\frac{\underset{j=1}{\overset{N}{\Sigma }}\left|a_j\right|}{N}}$

在这些公式中，a_max和a_min分别表示步行者行走一步时产生的最大总加速度幅值和最小总加速度幅值；a_j表示步行者行走一步的过程中，共采集N个总加速度幅值中的第j个总加速度幅值；K表示各个公式针对不同步行者的参数，即不同步行者按照正常步长行走时通过统计比较实际步长与步长估算结果所给的参数。由于针对不同步行者，上述公式都给出了相应的参数，因此步行者以正常步长行走时，采用上述步长估计算法估算的步长大小与实际步长相比误差较小。 

但是通过实验发现，当同一个步行者以不同步长行走时，现有的非线性步长估计算法所估算出来的步长与实际步长相比误差比较大。 

发明专利内容 

本发明的目的之一是为了克服现有技术的不足，提供一种新的行人步长估计方法，该方法提出了一种新的非线性步长模型，使其不仅能准确估算出不同步行者的正常步长，对同一步行者的不同步长也具有更好的适应性，不增加计算量的同时减小了同一个步行者不同步长估算的误差。 

为实现该目的，本发明采用如下技术方案： 

一种行人步长估计方法，该方法包括如下步骤： 

a）利用具有加速度传感器的便携式终端测量行人按正常步长行走时个人步长参数K； 

b）检测行人行走一步过程中总加速度幅值的最大值a_max和最小值 a_min； 

c）采用公式${\mathrm{step}}_{\mathrm{size}}=K^{*}((a_{\max }-a_{\min })+\sqrt[4]{a_{\max }-a_{\min }}),$计算行人行走所述一步的步长step_size。 

较佳的，在所述步骤a）中测量个人步长参数K的方法可包括如下步骤： 

a-1）设定参数Ki为任意常数； 

a-2）行人携带便携式终端按正常步长试行走n步，测得实际行走X米，在此过程中，该便携式终端相对于携带它的行人的上半身保持静止状态； 

a-3）检测出行人行走n步的每一步过程中总加速度幅值的最大值a_max和最小值a_min，采用公式${\mathrm{step}}_{\mathrm{size}}={\mathrm{Ki}}^{*}((a_{\max }-a_{\min })+\sqrt[4]{a_{\max }-a_{\min }})$估算出行人行走n步的每一步步长，将所述每一步步长累加，估算出行人n步行走的距离Y米； 

a-4）采用公式计算出个人步长参数K。 

较佳的，在所述步骤b）中检测行人行走一步过程中总加速度幅值的最大值a_max和最小值a_min的方法可包括如下步骤： 

b-1）行人携带相对于其上半身保持静止状态的便携式终端行走一步，通过嵌入到便携式终端的加速度传感器得到总加速度幅值accl，在行人行走一步过程中，加速度传感器检测加速度的频率不小于15Hz； 

b-2）探测一步过程中总加速度幅值的峰值和谷值； 

b-3）当总加速度幅值的峰值和谷值之间的差值超过阈值，且它们的时间间距在一定范围内，则此峰值即为行人行走一步的总加速度幅值的最大值a_max，谷值即为行人行走一步的总加速度幅值的最小值a_min。 

较佳的，在所述步骤b-1）之后还可包含步骤b-1-1）： 

b-1-1）采用滑动窗口滤波器对得到的总加速度幅值accl进行信号滤波，使总加速度幅值信号曲线平滑。 

较佳的，所述便携式终端的加速度传感器可为三轴加速度传感器，在所述步骤b-1）中三轴加速度传感器检测加速度三个轴的幅值（accl_x,accl_y,accl_z），然后采用公式$\mathrm{accl}=\sqrt{{(\mathrm{accl}\_x)}^2+{(\mathrm{accl}\_y)}^2+{(\mathrm{accl}\_z)}^2}$计算出总加速度幅值accl。 

较佳的，便携式终端可包括加速度传感器和处理器，加速度传感器将检测到的加速度数据传送到处理器，由处理器进行计算实现本方法，或者处理器将数据上传至远端后台，在后台进行计算实现本方法。 

本发明的目的之二是为了克服现有技术的不足，提供一种新的行人航位推算方法，便于利用计算机或其他电子设备实时估计行人步长并进行航位推算。 

为实现该目的，本发明采用如下技术方案： 

一种利用权利要求1所述的行人步长估计方法进行行人航位推算方法，该方法包括如下步骤： 

a）设置行人初始位置； 

b）利用权利要求1所述的行人步长估计方法估算出行人行走一步的步长；同时利用航向测量仪器测量行人行走该步的航向角； 

c）根据估算出行人行走一步的步长和航向角，估算出行人新的位置。 

较佳的，所述设置行人初始位置可通过人工手动输入或者使用WIFI或者GPS定位方式获取。 

较佳的，行人行走一步的航向角可通过电子罗盘或陀螺仪测得。 

本发明提出了一种新的非线性步长模型： 

${\mathrm{step}}_{\mathrm{size}}=K^{*}((a_{\max }-a_{\min })+\sqrt[4]{a_{\max }-a_{\min }}),$

这种模型更准确地表示了行人行走一步的步长和期间总加速度幅值最大值、最小值之间的关系。实验表明，采用该非线性步长模型的行人步长估计方法在不增加计算量的同时，对同一步行者的不同步长具有更好的适应性，使步长估计更加准确。本发明提出的行人航位推算方法便于计算机实现，实时推算行人的位置，以实现室内定位，具有实际应用意义。 

通过以下的描述并结合附图，本发明将变得更加清晰，这些附图用于解释本发明的实施例。 

附图说明

图1是本发明实施例1的流程图； 

图2是本发明实施例1的步骤100的流程图； 

图3是本发明实施例1的加速度幅值波形图； 

图4至6是本发明实施例1的效果图； 

图7是本发明实施例2的原理图； 

图8是本发明实施例2的流程图。 

具体实施方式

实施例1，本实施例涉及一种行人步长估计方法，其流程图参照图1。首先，行人携带便携式终端按正常步长试行走，该便携式终端包括三轴加速度传感器和处理器，且该便携式终端相对于携带它的行人的上半身保持静止状态。具体来说，该便携式终端可以被握在行人的不摇摆的固定的手中，也可以被固定于行人的腰部，且不局限于此，在此过程中识别出个人步长参数K并存储（步骤100）。识别个人步长参数K的方法将在后续部分 具体描述。 

得到行人的个人步长参数K后，即可开始对该行人的步长进行估计。行人携带该便携式终端行走时，三轴加速度传感器检测加速度的频率不小于15Hz，三轴加速度传感器检测到加速度三个轴的幅值（accl_x,accl_y,accl_z）后用公式$\mathrm{accl}=\sqrt{{(\mathrm{accl}\_x)}^2+{(\mathrm{accl}\_y)}^2+{(\mathrm{accl}\_z)}^2}$计算出总加速度幅值accl（步骤101）。 

接着，还可采用滑动窗口滤波器对得到的总加速度幅值accl进行信号滤波，使波形平滑。 

图3为本发明实施例的总加速度幅值波形图。如图所示，横坐标为加速度幅值的采样点编号，纵坐标为总加速度幅值，                                                  线型为步行者行走四步的原始总加速度信号波形，   线型为通过滑动窗口滤波后的总加速度信号波形。 

从图3中可以发现，步行者每走一步，总加速度幅值都会出现最大值和最小值，加速度信号随着步行者行走呈现出周期性的特征。因此采用峰值探测法，检测出总加速度幅值的波峰值和波谷值，如果波峰值和波谷值之间的差值超过阈值，且它们的时间间距在一定范围内，就可判断步行者行走了一步。此波峰值即为行人走这一步中总加速度幅值的最大值a_max，波谷值即为行人走这一步中总加速度幅值的最小值a_min（步骤102）。所述波峰值和波谷值之间差值的阈值可根据统计行人试走过程中每一步的总加速度幅值的最大值和最小值决定，具体来说阈值可以等于行人试走过程中每一步的总加速度幅值的最大值和最小值的差的平均值乘以0.8。所述波峰值和波谷值时间间距的范围可根据行人的步频决定，通常行人的步频在1～3Hz左右，则时间间距的范围可为0.3秒到1秒。实际应用中，检测行人行走一步过程中加速度幅值的最大值a_max和最小值a_min的方法不仅限于上述方法，也可采用其他有效方法。 

最后，采用公式${\mathrm{step}}_{\mathrm{size}}=K^{*}((a_{\max }-a_{\min })+\sqrt[4]{a_{\max }-a_{\min }})$计算行人行走这一步的步长step_size（步骤103）。此公式即为本发明提出的一种新的非线性步长模型， 

参照图2，为本发明实施例1的步骤100的流程图。步骤100中识别个人步长参数K的方法如下：首先设定参数Ki为任意常数（步骤200），行人携带便携式终端按正常步长试行走n步，测得实际行走X米，在此过程中，该便携式终端相对于携带它的行人的上半身保持静止状态（步骤201）。检测出行人行走n步的每一步过程中总加速度幅值的最大值a_max和最小值a_min，采用公式${\mathrm{step}}_{\mathrm{size}}={\mathrm{Ki}}^{*}((a_{\max }-a_{\min })+\sqrt[4]{a_{\max }-a_{\min }})$估算出行人行走n步的每一步步长，将所述每一步步长累加，估算出行人n步行走的距离Y米（步骤202）。采用公式计算出此行人的个人步长参数K（步骤203）。 

本实施例中，便携式终端的三轴加速度传感器将检测到的加速度数据传送到便携式终端的处理器，由该处理器进行计算实现行人步长的估计。实际应用中，还可将数据上传至远端后台，在后台进行计算实现本方法，实现本方法的硬件设备不做限制。 

参照图4至图6，为本发明实施例1的效果图。在XIAOMI M1智能手机平台上实现了本文提出的步长估计方法和背景技术中Weinberg、Kim、Scarlet三种步长估计方法。同一步行者手持手机分别以不同步长行走10m、30m和50m，实验结果如图4、5、6所示，其中   和   四种线型分别表示本文提出的步长估计方法和背景技术中Weinberg、Kim、Scarlet三种步长估计方法的结果，图中纵坐标表示采用步长估计方法估计 出的步行者行走的路程。其中Kim步长估计方法使用的总加速度幅值剔除了重力加速度。 

通过实验发现： 

步行者正常步长行走时(走10m用14步,走30m走41步,走50m用68步)，如图3所示，四种算法估算结果基本一致，且误差不大； 

当同一步行者大步行走时(走10m用10步,走30m用30步,走50m用51步)，如图4所示，步行者实际走50m，本发明的步长估计方法估算结果是51.94m，而Weinberg,Kim和Scarlet步长估计方法的估算结果分别为41.62m,45.41m和40.32m左右，误差较大； 

当同一步行者小步长行走时(走10m用20步,走30m用60步,走50m用100步)，如图5所示，步行者实际走50m，本发明的步长估计方法估算结果是52.44m，而Weinberg,Kim和Scarlet步长估计方法的估算结果分别为60.57m,61.05m和76.12m左右，误差较大。 

因此，通过实验证明，本发明较好的解决了当同一个步行者以不同步长行走时，现有的非线性步长估计方法所估算出来的步行者步长存在较大误差的问题，具有实际应用意义。 

实施例2，本发明实施例涉及一种利用行人航位推算方法实现室内定位的方法，流程图参照图8。行人在室内定位，首先要获取初始位置，行人的起始位置可以通过手动输入或者使用其他定位方式辅助获取，比如WIFI定位（步骤300）。然后，行人行走一步，按照实施例1所述的一种行人步长估计方法估计出行人行走这一步的步长（步骤301），同时利用电子罗盘或者陀螺仪或其他仪传感器得到行人行走该步的航向角（步骤302），最后根据估算出的步长和测得的航向角，估算出行人新的位置（步骤303），接着，用估算出的新的位置更新行人的初始位置（回到步骤300），行人再行走一 步，就按照步骤300、301、302、303重新估算出行人新的位置，以此类推，从而实现行人室内定位。 

参照图7，为本实施例中利用估算出的步长和测得的航向角估算行人新位置的方法的原理图。设某一时刻行人处于P_n-1(X_n-1,Y_n-1)处，行走方向与E轴夹角为α，行走一步（步长为d）后到达P_n(X_n,Y_n)，则P_n(X_n,Y_n)和P_n-1(X_n-1,Y_n-1)两点之间的关系如下：$\left(\begin{array}{c}{X}_n=X_{n-1}+d\times \cos \alpha \\ Y_n=Y_{n-1}+d\times \sin \alpha \end{array}\right).$

以上结合最佳实施例对本发明进行了描述，但本发明并不局限于以上揭示的实施例，而应当涵盖各种根据本发明的本质进行的修改、等效组合。