彭 慧，向高軍，方 針，嚴(yán)隆輝，方海斌

(1.中國(guó)電子科技集團(tuán)公司第二十六研究所，重慶 400060; 2.重慶郵電大學(xué) 智能傳感技術(shù)與微系統(tǒng)重慶市高校工程研究中心，重慶400065)

0 引言

隨著微機(jī)電系統(tǒng)(MEMS)技術(shù)的發(fā)展，基于微慣性傳感器組合的慣性定位技術(shù)已成為人們研究的熱點(diǎn)[1]。慣性定位技術(shù)是一種不依賴(lài)外界環(huán)境，憑借自身慣性傳感器實(shí)現(xiàn)人員自主定位的技術(shù)，由于可滿(mǎn)足特定環(huán)境要求，該技術(shù)被廣泛應(yīng)用在消防應(yīng)急救援等領(lǐng)域[2]。其中，慣性定位技術(shù)的核心部件微型慣性測(cè)量單元(MIMU)是一種集成微加速度計(jì)、微陀螺儀的MIMU，具有成本低及體積小等優(yōu)點(diǎn)[3]?；贛IMU的行人航跡推算(PDR)算法通過(guò)對(duì)行人步態(tài)、步長(zhǎng)和航向等信息進(jìn)行計(jì)算，進(jìn)而提供位置信息，實(shí)現(xiàn)了行人自主定位。其中，步數(shù)計(jì)算準(zhǔn)確與否直接影響著導(dǎo)航精度，如何分析行人的運(yùn)動(dòng)特征，實(shí)現(xiàn)步數(shù)的精確統(tǒng)計(jì)，學(xué)者們展開(kāi)了大量的研究。

目前，對(duì)于行人步數(shù)檢測(cè)的研究方法典型的有固定閾值檢測(cè)算法、時(shí)間閾值檢測(cè)法、自適應(yīng)閾值檢測(cè)法、基于零速檢測(cè)計(jì)步法及一些采用多源信息融合的計(jì)步算法等[4-9]。

固定閾值法[4]針對(duì)單一步態(tài)檢測(cè)效果好，而對(duì)于行人多種運(yùn)動(dòng)步態(tài)時(shí)檢測(cè)效果較差。時(shí)間閾值檢測(cè)法[5]對(duì)行人單一步態(tài)下檢測(cè)效果進(jìn)一步提高，對(duì)于行人多運(yùn)動(dòng)模式，如由慢走變?yōu)榭熳呱踔僚軇?dòng)時(shí)，未進(jìn)行探討。自適應(yīng)波峰檢測(cè)算法[6]是在慣性測(cè)量單元多種佩戴模式下，計(jì)步精度為99%以上，卻將正常和非正常計(jì)步分開(kāi)進(jìn)行。多源信息融合計(jì)步算法[7]通過(guò)引入角速度、加速度等多元信息進(jìn)行步數(shù)檢測(cè)，對(duì)多種步態(tài)的步數(shù)檢測(cè)精度為98%以上，但只針對(duì)慣性測(cè)量單元佩戴在腳尖部位姿態(tài)下進(jìn)行計(jì)步，不符合使用可穿戴設(shè)備習(xí)慣；文獻(xiàn)[8]通過(guò)將慣性測(cè)量單元佩戴在腳背上進(jìn)行零速檢測(cè)來(lái)計(jì)步，然而將慣性測(cè)量單元配搭在其他位置時(shí)將會(huì)導(dǎo)致算法失效；文獻(xiàn)[9]通過(guò)主成分分析對(duì)特征數(shù)據(jù)進(jìn)行選取，實(shí)現(xiàn)了三軸加速度傳感器計(jì)步精度達(dá)到96.13%，但算法只針對(duì)佩戴褲子口袋時(shí)進(jìn)行實(shí)驗(yàn),未進(jìn)行多種佩戴模式驗(yàn)證算法精度。

為實(shí)現(xiàn)MIMU多種佩戴方式下及行人多運(yùn)動(dòng)模式時(shí)的精確計(jì)步，本文提出了一種基于可穿戴式MIMU的波峰-雙閾值步數(shù)檢測(cè)算法。

1 PDR與行人步態(tài)理論

1.1 PDR算法

為降低由慣性傳感器隨時(shí)間變化引入的累積誤差，提高定位精度，根據(jù)行人運(yùn)動(dòng)特點(diǎn)，將行走過(guò)程中行走的距離等價(jià)于求解行人步數(shù)乘以對(duì)應(yīng)步數(shù)的步長(zhǎng)，結(jié)合航向信息實(shí)現(xiàn)定位。

PDR算法從確定位置開(kāi)始，結(jié)合行人航向、步態(tài)、步長(zhǎng)對(duì)下一時(shí)刻位置進(jìn)行推算，則有

(1)

式中(xk,yk)、θi、di分別為第i步的位置、航向角和步長(zhǎng)。當(dāng)檢測(cè)步數(shù)變化時(shí)，運(yùn)用式(1)對(duì)行人進(jìn)行位置解算，可見(jiàn)對(duì)行人步數(shù)精確統(tǒng)計(jì)在定位過(guò)程中至關(guān)重要。

1.2 行人步態(tài)理論

行走是人類(lèi)生活中最常見(jiàn)和最頻繁的運(yùn)動(dòng)，行走時(shí)，左、右腿會(huì)周期性交替支撐，身體各部位產(chǎn)生相應(yīng)的運(yùn)動(dòng)，這些運(yùn)動(dòng)產(chǎn)生的加速度、角速度等會(huì)隨之發(fā)生變化。行人的行走是有規(guī)律的，采集行人載體坐標(biāo)系下三軸加速度數(shù)據(jù)，如圖1所示。由圖可知，行走過(guò)程中加速度計(jì)數(shù)據(jù)存在明顯的變化規(guī)律，且呈現(xiàn)周期性變化趨勢(shì)。

圖1 行人加速度變化情況

2 計(jì)步算法

根據(jù)行走時(shí)加速度數(shù)據(jù)周期性變化的特性，對(duì)加速度等數(shù)據(jù)特征提取，進(jìn)而實(shí)現(xiàn)步數(shù)統(tǒng)計(jì)。經(jīng)典的波峰閾值檢測(cè)法通過(guò)統(tǒng)計(jì)加速度波峰數(shù)目，并對(duì)其大小進(jìn)行判斷，進(jìn)而實(shí)現(xiàn)計(jì)步。同時(shí)為消除偽波峰的影響，常見(jiàn)的方法是結(jié)合時(shí)間閾值判定對(duì)計(jì)步策略進(jìn)行改進(jìn)，然而行人運(yùn)動(dòng)速度是隨意變換的，行走速度的任意變化使時(shí)間閾值判定法常會(huì)出現(xiàn)漏檢的情況?；诖耍疚脑诓ǚ彘撝禉z測(cè)計(jì)步法的基礎(chǔ)上，增加加速度閾值判別策略對(duì)步數(shù)進(jìn)行輔助判斷。

2.1 波峰閾值檢測(cè)計(jì)步原理

行走時(shí)加速度出現(xiàn)周期性正弦波的特性，可以通過(guò)檢測(cè)加速度正弦波的波峰或波谷個(gè)數(shù)實(shí)現(xiàn)步數(shù)統(tǒng)計(jì)。波峰檢測(cè)算法正是通過(guò)檢測(cè)加速度波峰來(lái)實(shí)現(xiàn)計(jì)步，當(dāng)連續(xù)檢測(cè)到兩個(gè)波峰時(shí)計(jì)步成功。

設(shè)載體坐標(biāo)系下x、y和z軸加速度分別為axk、ayk、azk，對(duì)應(yīng)合加速度有：

(2)

選取相連3個(gè)合加速度進(jìn)行波峰檢測(cè)，判斷方法如下：

(3)

式中ak-1,ak,ak+1分別為k-1時(shí)刻、k時(shí)刻和k+1時(shí)刻的合加速度模值。當(dāng)檢測(cè)到C(k)=1時(shí)，表示波峰檢測(cè)成功，否則未檢測(cè)到波峰，同時(shí)檢測(cè)到峰值加速度達(dá)到某一閾值時(shí)即計(jì)步成功。

2.2 波峰-雙閾值計(jì)步算法

傳統(tǒng)的閾值算法計(jì)步中，常采用單一閾值大小，固定時(shí)間長(zhǎng)度對(duì)行人正常行走下的步數(shù)進(jìn)行統(tǒng)計(jì)，對(duì)于行人行走狀態(tài)發(fā)生改變，如運(yùn)動(dòng)過(guò)程由慢走變?yōu)榭熳呱踔僚軇?dòng)時(shí)，由于運(yùn)動(dòng)特征變化劇烈，使傳統(tǒng)波峰閾值計(jì)步算法精度降低，圖2為慢走、正常走、快走、跑動(dòng)時(shí)經(jīng)過(guò)10個(gè)歷元的滑動(dòng)窗函數(shù)濾波后的合加速度變化情況。

圖2 不同步態(tài)下加速度變化情況

由圖2可知，當(dāng)行人速度由快到慢的過(guò)程中合加速度幅值變化劇烈，同時(shí)相連波峰由稀疏變密集，顯然單一閾值和固定時(shí)間長(zhǎng)度檢測(cè)算法的檢測(cè)效果將受到極大的影響，甚至導(dǎo)致定位失敗。針對(duì)復(fù)雜步態(tài)變換下的步數(shù)統(tǒng)計(jì)，提出了一種基于可穿戴式MIMU的波峰-雙閾值步數(shù)檢測(cè)算法，以滿(mǎn)足多運(yùn)動(dòng)步態(tài)條件下步數(shù)精確統(tǒng)計(jì)，提高步數(shù)檢測(cè)算法對(duì)行人運(yùn)動(dòng)狀態(tài)的適應(yīng)性，進(jìn)而提高定位精度。

2.2.1 雙閾值判定

設(shè)定判別高閾值A(chǔ)，低閾值B，將ak依次與A、B進(jìn)行比較，并將比較結(jié)果存入數(shù)組T中，判斷方法如下：

(4)

2.2.2 波峰-雙閾值計(jì)步策略

利用式(3)、(4)對(duì)合加速度的波峰、閾值大小進(jìn)行判定，可得到波峰檢測(cè)結(jié)果C(k)、閾值判斷結(jié)果T(k)。對(duì)步數(shù)綜合識(shí)別方法如下：

1) 當(dāng)C(mi) &T(mi)=1時(shí)，記M={m1,m2,…,mi}時(shí)，表示在采樣點(diǎn)mi時(shí)合加速度滿(mǎn)足波峰條件，且ak≥A。

2) 當(dāng)C(mi) &T(mi)=1時(shí)，存在T(n)=-1 &T(o)=-1，mi-1

3) 當(dāng)檢測(cè)到合加速度波峰值均滿(mǎn)足判定方法1)、2)時(shí)，可得出：

(5)

通過(guò)式(3)～(5)找出滿(mǎn)足條件采樣點(diǎn)mi，通過(guò)統(tǒng)計(jì)mi的個(gè)數(shù)即可完成行人步數(shù)統(tǒng)計(jì)。

圖3 計(jì)步算法流程圖

基于可穿戴式MIMU的波峰-雙閾值步數(shù)檢測(cè)算法流程如圖3所示，通過(guò)采集三軸加速度信號(hào)進(jìn)行窗函數(shù)濾波并計(jì)算合加速度，接著對(duì)合加速度信號(hào)進(jìn)行波峰檢測(cè)和閾值判定，利用本文提出的波峰-雙閾值計(jì)步策略進(jìn)行計(jì)步統(tǒng)計(jì)，直到導(dǎo)航結(jié)束。

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)設(shè)計(jì)

針對(duì)本文提出的基于可穿戴式MIMU的波峰-雙閾值步數(shù)檢測(cè)算法，采用實(shí)驗(yàn)室自主研發(fā)的MIMU(集成三軸MEMS加速度計(jì)、三軸MEMS陀螺儀等傳感器)作為實(shí)驗(yàn)硬件平臺(tái)(見(jiàn)圖4)進(jìn)行測(cè)試。

圖4 實(shí)驗(yàn)硬件設(shè)備

實(shí)驗(yàn)過(guò)程中，始終以MIMU載體坐標(biāo)系z(mì)軸指向上，y軸指向前，x軸指向行進(jìn)右方向的方式進(jìn)行佩戴，且分別佩戴在上衣口袋C1、右衣口袋C2、右前褲口袋C3,右后褲口袋C4等位置(見(jiàn)圖5)，以采樣頻率為50 Hz，采集多種行走步態(tài)(包括慢走、常規(guī)行走、快走、慢跑、快跑等)狀態(tài)下三軸加速度數(shù)據(jù)，并進(jìn)行步數(shù)檢測(cè)分析。

圖5 MIMU佩戴模式示意圖

3.2 結(jié)果分析

針對(duì) MIMU 4種佩戴模式下采集得到的數(shù)據(jù)，選用傳統(tǒng)波峰-閾值檢測(cè)計(jì)步算法和本文提出的波峰-雙閾值步數(shù)檢測(cè)算法進(jìn)行分析。選取A=10.4 m/s2，B=10.3 m/s2，圖6為MIMU分別配帶在C1、C2、C3、C4等位置時(shí)合加速度變化情況，以及選用傳統(tǒng)波峰閾值檢測(cè)算法和本文提出的波峰-雙閾值步數(shù)檢測(cè)效果。為便于觀察，已將閾值判定結(jié)果T(k)在圖中進(jìn)行了上移。

圖6 各種佩戴方式下計(jì)步檢測(cè)效果

從圖6可看出，不同步態(tài)下加速度幅值變化明顯且圖像緊密程度存在差異，將檢測(cè)結(jié)果與傳統(tǒng)波峰-閾值計(jì)步算法進(jìn)行對(duì)比分析，實(shí)驗(yàn)結(jié)果如表1所示。

表1 檢測(cè)結(jié)果分析

實(shí)驗(yàn)結(jié)果表明，本文提出的波峰-閾值步數(shù)檢測(cè)算法可以在多步態(tài)情況下進(jìn)行精確計(jì)步，當(dāng)MIMU分別配帶在C1、C2、C3、C4等位置，準(zhǔn)確率高于98%，具有較高精度，由于傳統(tǒng)算法，有效增強(qiáng)了慣性定位技術(shù)在可穿戴式MIMU中的適應(yīng)性。

4 結(jié)束語(yǔ)

傳統(tǒng)波峰閾值檢測(cè)算法對(duì)行人運(yùn)動(dòng)狀態(tài)適應(yīng)性差及存在偽波峰干擾問(wèn)題，本文提出了一種基于MIMU加速度計(jì)的波峰-雙閾值步數(shù)檢測(cè)算法，采集每一步合加速度波峰并對(duì)合加速度進(jìn)行判斷，實(shí)現(xiàn)行人多種運(yùn)動(dòng)狀態(tài)和MIMU多種佩戴模式下行人步數(shù)統(tǒng)計(jì)。算法首先對(duì)合加速度計(jì)信號(hào)進(jìn)行窗函數(shù)濾波處理，接著對(duì)合加速度信號(hào)進(jìn)行波峰檢測(cè)，結(jié)合行人運(yùn)動(dòng)合加速度上、下閾值對(duì)行人步數(shù)進(jìn)行檢測(cè)。實(shí)驗(yàn)結(jié)果表明，本文提出的基于可穿戴式MIMU的波峰-雙閾值步數(shù)檢測(cè)算法，當(dāng)MIMU分別佩戴在C1、C2、C3、C4等多種位置時(shí)，計(jì)步精度均高于98%?？梢?jiàn)，本文提出的算法復(fù)雜度小，能夠較好地應(yīng)用于實(shí)際中，進(jìn)而輔助慣性定位，增加可穿戴設(shè)備適應(yīng)性，提高定位精度