一種imu室內定位方法
【技術領域】
[0001 ]本發(fā)明屬于室內定位技術領域，尤其設及一種IMU室內定位方法及系統(tǒng)。
【背景技術】
[0002] 隨著物聯網和智慧城市建設的興起和快速發(fā)展，人們對室內位置服務例如目標發(fā) 現、醫(yī)療服務和智能家居等的需求與日俱增。
[0003]傳統(tǒng)的GI^和蜂窩網定位技術在室外能達到較高的定位精度，但是在室內環(huán)境下， 由于射頻信號受到阻隔而無法有效定位。
[0004]目前常用的室內定位技術主要是基于各種無線網絡，如WLAN、RFID、WIFI等，利用 接收信號強度(ReceivedSignalStrength,RSS)來實現室內定位。但是由于多徑效應、墻 壁衰減、人的走動等的影響，室內環(huán)境比較復雜，RSS的變化比較大，因此基于無線網絡的室 內定位精度受到限制，定位精度很少能達到1米W下，并且運些定位技術需要輔助相應的信 號基站。
[0005] 基于W上原因，考慮使用IMU(Ine;rtialMeasurementUnit,IMU)定位，它利用慣 性測量單元推算下一時刻用戶的位置，估計行走軌跡，不需要輔助信號基站，具有完全自 主、不受外界環(huán)境影響、數據更新速度快等特點。但是，目前傳統(tǒng)IMU室內定位的航位推算模 型中還存在數據處理誤差大，定位精度低的問題。

【發(fā)明內容】

[0006]本發(fā)明的目的在于提供一種基于改進航位推算模型和粒子濾波的IMU室內定位系 統(tǒng)，屬于室內定位領域，旨在改進航位推算模型和粒子濾波的基礎上設計出室內定位系統(tǒng)， 減少室內定位誤差。
[0007]本發(fā)明是運樣實現的，一種IMU室內定位方法，該方法包括W下步驟：
[0008]S1、步數檢測:通過加速度傳感器獲取Z軸方向的加速度數據，利用步數檢測算法 計算行走步數；
[0009]S2、自適應步長估計:根據沿著行走方向的相關數據，結合自適應步長估計算法得 出用戶行走一步的距離，所述數據包括加速度和步頻；
[0010] S3、航向估計:通過方向傳感器和巧螺儀計算得出用戶的行走方向；
[0011] S4、室內定位:基于幾何中屯、的部分重采樣粒子濾波算法對用戶進行室內定位。
[0012] 優(yōu)選地，在步驟S1中，所述步數檢測算法包括W下步驟：
[0013]對巧由方向的加速度值進行濾波去噪、峰谷值檢測算法，得到巧由加速度的波形圖；
[0014] 對此波形進行窗口檢測算法，對不滿足窗口檢測的波形段標記為無效步伐；
[0015]通過對波形進行DTW算法檢測，通過檢測相鄰的波峰和波谷的相近度來確定其是 否為真實的一步。
[0016]優(yōu)選地，在步驟S2中，所述自適應步長估計算法包括W下步驟：
[0017] (1)初始化:在未采集到用戶的步伐相關數據前，先使用通用步長模型的α和β，根 據步頻和步長模型獲得步長；
[0018] (2)自適應估計:在收集到i-1時刻步伐相關數據后，根據其步長與步頻的關系，利 用線性回歸可W得到i時刻的α和β，再根據i時刻的步頻可得出相應的步長。
[0019]優(yōu)選地，在步驟S4中，所述部分重采樣粒子濾波算法包括W下步驟：
[0020] (1)根據預先設定的粒子初始化狀態(tài)分別對粒子進行初始化t= 0,根據p(xo)生成 N個粒子兩，* =1，2，···，Α^ ,ρ(χο)分布通常為高斯白噪聲分布；
[0021] (2)設定t=t+i，根據狀態(tài)轉移公式掉1為_1；|采樣粒子樣本我…，V， 式表示t時刻的第i個粒子;對每個粒子式，W，又…，W分配相應的權值
其中^義,'|《_1)是已知t-l時刻的狀態(tài)量去估計t時刻狀態(tài)量的后驗概率密度函數， 片(馬iJT/)是已知t時刻的狀態(tài)量去估計t時刻的觀測量的后驗概率密度函數，4表示疋粒 子對應的權重；
[0022] 對每個粒子的權重進行歸一化：
[0023]
[0024] (3)基于幾何中屯、部分重采樣的原理對A類和C類粒子疋，/ = 1，2，...，^進行重采樣， 并重新分配權重，對A類和C類粒子根據其加權后的權重{J扣進行重采樣得到Ns個新粒 子，并對其重新分配權重1/Ns;其中，所述A類粒子為距離小于T1的粒子，所述C類粒子為距 離大于化的粒子；
[00巧](4)根據新生成的粒子進行狀態(tài)估計
[0026]針對現有技術的不足，本發(fā)明提供了一種基于改進航位推算模型和粒子濾波的 IMU室內定位方法及系統(tǒng)。本發(fā)明針對原航位推算模型數據處理誤差大，設計了步數檢測算 法和自適應步長算法;粒子濾波算法完成了IMU定位系統(tǒng)的信息整合和優(yōu)化過程，針對其自 身粒子出現的貧化和退化問題，本發(fā)明提出了基于幾何中屯、的部分重采樣粒子濾波算法。 本發(fā)明IMU室內定位過程如圖1所示;其中，改進的航位推算模型包括步數檢測算法和自適 應步長算法。
[0027]通常，步數檢測算法的一般過程為：
[0028] (1)濾波去噪：為了表現信號的周期性，步數檢測算法首先使用低通FIR數字濾波 器去除高頻率噪聲。低通頻率下限設為3Hz;
[0029] (2)峰谷值檢測：峰谷值檢測用于計算一個單步內的一個峰值和谷值，判斷其是否 完成一步，如圖2。
[0030]通過對加速度數據平滑處理后，算法找到波形的峰值和谷值去判斷是否完成一 步。但是，并不是每一個符合峰谷值特征的波形都是真實的一步，手機的偶爾抖動也會產生 錯誤的一步。本發(fā)明通過增加時間窗口檢測和動態(tài)時間規(guī)整(DTW)距離算法來減少錯誤的 估計。
[0031] 時間窗口檢測：時間窗口用于排除無效抖動。假設用戶最快的行走速度為每秒Ξ 步，最慢的步行速度為每兩秒一步。因此，兩個有效的步數之間時間間隔在時間窗口 [0.3s ~2.Os]之內，如果時間間隔小于0.3s或者大于2s的步伐是無效步伐。
[0032] DTW算法:DTW已經被廣泛作為檢測兩個離散波形的相似度的有效方法。低的DTW距 離代表著高相似度?？紤]到當一個人正常行走時是左右腳交替前行，所W可W看成是相似 的波形在重復?；诖耍O計了DTW算法來確定通過峰谷值檢測的一步是真正的一步。具體 操作過程為:假設通過峰谷值檢測的步行{51，52,53，...，511}。那么，對于51，算法可^計算 Si與Si-2之間的DTW距離。如果它低于給定的口限值，那么Si看做是真實的一步，否則視為 無效的一步。
[0033]自適應步長估計算法:基于步長與步頻、加速度的關系，本發(fā)明選擇步長模型：
[0034] Lg=曰Xf+βΧV+丫；
[0035]其中，Lg是步長，f是步頻（即每秒行走的步數），α、β和丫是可變參數，在每一步完 成之后可根據相關數據對其修正：
[0036] fi=l/(ti-ti-i)；
[0037]
[0038]其中，ti是檢測到行走完第i步的時間。at是時刻t的加速度值，傷是一步之內的加 速度平均值，N是一步內的信號輸出個數。
[0039]本發(fā)明的自適應步長估計算法過程具體為：
[0040] (1)初始化:在未采集到用戶的步伐相關數據前，先使用通用步長模型的α和β，根 據步頻和步長模型獲得步長；
[0041] (2)自適應估計:在收集到i-1時刻步伐相關數據后，根據其步長與步頻的關系，利 用線性回歸可W得到i時刻的α和β，再根據i時刻的步頻可得出相應的步長。
[0042]此外，相對于本發(fā)明改進粒子濾波算法部分而言，現有粒子濾波算法幾乎都是對 所有粒子進行的完全重采樣，運種"過度"重采樣極易引發(fā)粒子貧化。若將完全重采樣用部 分重采樣替代，則參與重采樣的粒子有助于緩解退化問題，未參與重采樣的粒子有利于保 持粒子的多樣性?；谶\種思想，本發(fā)明提出了基于幾何中屯、的部分重采樣粒子濾波算法， 先通過幾何方法尋找粒子集的中屯、，按照粒子與其中屯、的歐式距離的大小確定需要重采樣 的粒子，解決了粒子濾波的貧化和退化的問題，最后通過為了保證濾波算法的有效性通過 設置濾波閥值，高于此閥值說明濾波算法失去其有效性，重新初始化重新濾波。
[0043] 本發(fā)明的粒子濾波系統(tǒng)模型為：
[0044] Xt=ft(Xt-i,Ut-i)；
[004引Zt=ht(Xt，yt);
[0046]其中，Xt和Zt分別是t時刻的狀態(tài)量和觀測量，Ut-i和μ*分別為系統(tǒng)過程噪音和觀測 噪音，其概率密度函數相互獨立其已知。濾波的目的就是根據給定的狀態(tài)初值Χο和序貫獲 取的量測序列Zi:t={Zi，Z2, ...，Zt}遞推估計Xt。粒子濾波通過狀態(tài)方程來預測狀態(tài)的先驗 概率模型，再用觀測值對其進行修正，得到狀態(tài)的后驗概率模型，從而得到系統(tǒng)狀態(tài)值的最 優(yōu)估計。
[0047]粒子濾波的思路就是從選取的重要性密度函數q(Xt|Xo:t-l，Zl:t)中抽取N個加權粒 子·(式，，?= 1，2,…，W，經過權值歸一化及再抽樣來估計t時刻的后驗概率分布：
[004引
[0049] 其中，δ為Dirac函數。
[0050] 基于幾何中屯、的部分重采樣的主要思想是:通過幾何方法找到粒子集的中屯、點， 使中屯、點與各個粒子的歐式距離之和為最小。設置距離閥值化、Tl(0<Tl<Th)，關于如何設 置在下文中說明。根據粒子與中屯、點的距離，粒子可W分為3類：
[0051]A類:距離小于T1的粒子；
[0052] B類:距離大于T1小于化的粒子；
[0053] C類:距離大于化的粒子。
[0054] B類的粒子是比較穩(wěn)健的，不需要重采樣，因此重采樣只需要對A類和C類的粒子進 行，如圖3。
[0055] 距離閥值的大小選擇對于重采樣算法的計算時間、粒子的多樣性W及粒子濾波的 性能有著重要影響，設化=0.化，Τ1 = 0.化。
[0056] 假設A類和C類粒子的總數目為Ns，在重采樣之前A類和C類粒子的權重為 {.\7,卻}，/ = 1，2，...，馬，其中鳴是粒子.《的權重。易知，A類的權重大，C類的權重小，為了減 少每次重采樣中C類粒子的損失，我們對A類和C類粒子群