彭 慧，向高軍，方 針，嚴(yán)隆輝，方海斌

(1.中國電子科技集團(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)是一種不依賴外界環(huán)境，憑借自身慣性傳感器實現(xiàn)人員自主定位的技術(shù)，由于可滿足特定環(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量單元(MIMU)是一種集成微加速度計、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)算法通過對行人步態(tài)、步長和航向等信息進(jìn)行計算，進(jìn)而提供位置信息，實現(xiàn)了行人自主定位。其中，步數(shù)計算準(zhǔn)確與否直接影響著導(dǎo)航精度，如何分析行人的運(yùn)動特征，實現(xiàn)步數(shù)的精確統(tǒng)計，學(xué)者們展開了大量的研究。

目前，對于行人步數(shù)檢測的研究方法典型的有固定閾值檢測算法、時間閾值檢測法、自適應(yīng)閾值檢測法、基于零速檢測計步法及一些采用多源信息融合的計步算法等[4-9]。

固定閾值法[4]針對單一步態(tài)檢測效果好，而對于行人多種運(yùn)動步態(tài)時檢測效果較差。時間閾值檢測法[5]對行人單一步態(tài)下檢測效果進(jìn)一步提高，對于行人多運(yùn)動模式，如由慢走變?yōu)榭熳呱踔僚軇訒r，未進(jìn)行探討。自適應(yīng)波峰檢測算法[6]是在慣性測量單元多種佩戴模式下，計步精度為99%以上，卻將正常和非正常計步分開進(jìn)行。多源信息融合計步算法[7]通過引入角速度、加速度等多元信息進(jìn)行步數(shù)檢測，對多種步態(tài)的步數(shù)檢測精度為98%以上，但只針對慣性測量單元佩戴在腳尖部位姿態(tài)下進(jìn)行計步，不符合使用可穿戴設(shè)備習(xí)慣；文獻(xiàn)[8]通過將慣性測量單元佩戴在腳背上進(jìn)行零速檢測來計步，然而將慣性測量單元配搭在其他位置時將會導(dǎo)致算法失效；文獻(xiàn)[9]通過主成分分析對特征數(shù)據(jù)進(jìn)行選取，實現(xiàn)了三軸加速度傳感器計步精度達(dá)到96.13%，但算法只針對佩戴褲子口袋時進(jìn)行實驗,未進(jìn)行多種佩戴模式驗證算法精度。

為實現(xiàn)MIMU多種佩戴方式下及行人多運(yùn)動模式時的精確計步，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間變化引入的累積誤差，提高定位精度，根據(jù)行人運(yùn)動特點(diǎn)，將行走過程中行走的距離等價于求解行人步數(shù)乘以對應(yīng)步數(shù)的步長，結(jié)合航向信息實現(xiàn)定位。

PDR算法從確定位置開始，結(jié)合行人航向、步態(tài)、步長對下一時刻位置進(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。當(dāng)檢測步數(shù)變化時，運(yùn)用式(1)對行人進(jìn)行位置解算，可見對行人步數(shù)精確統(tǒng)計在定位過程中至關(guān)重要。

1.2 行人步態(tài)理論

行走是人類生活中最常見和最頻繁的運(yùn)動，行走時，左、右腿會周期性交替支撐，身體各部位產(chǎn)生相應(yīng)的運(yùn)動，這些運(yùn)動產(chǎn)生的加速度、角速度等會隨之發(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，行走過程中加速度計數(shù)據(jù)存在明顯的變化規(guī)律，且呈現(xiàn)周期性變化趨勢。

圖1 行人加速度變化情況

2 計步算法

根據(jù)行走時加速度數(shù)據(jù)周期性變化的特性，對加速度等數(shù)據(jù)特征提取，進(jìn)而實現(xiàn)步數(shù)統(tǒng)計。經(jīng)典的波峰閾值檢測法通過統(tǒng)計加速度波峰數(shù)目，并對其大小進(jìn)行判斷，進(jìn)而實現(xiàn)計步。同時為消除偽波峰的影響，常見的方法是結(jié)合時間閾值判定對計步策略進(jìn)行改進(jìn)，然而行人運(yùn)動速度是隨意變換的，行走速度的任意變化使時間閾值判定法常會出現(xiàn)漏檢的情況。基于此，本文在波峰閾值檢測計步法的基礎(chǔ)上，增加加速度閾值判別策略對步數(shù)進(jìn)行輔助判斷。

2.1 波峰閾值檢測計步原理

行走時加速度出現(xiàn)周期性正弦波的特性，可以通過檢測加速度正弦波的波峰或波谷個數(shù)實現(xiàn)步數(shù)統(tǒng)計。波峰檢測算法正是通過檢測加速度波峰來實現(xiàn)計步，當(dāng)連續(xù)檢測到兩個波峰時計步成功。

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

(2)

選取相連3個合加速度進(jìn)行波峰檢測，判斷方法如下：

(3)

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

2.2 波峰-雙閾值計步算法

傳統(tǒng)的閾值算法計步中，常采用單一閾值大小，固定時間長度對行人正常行走下的步數(shù)進(jìn)行統(tǒng)計，對于行人行走狀態(tài)發(fā)生改變，如運(yùn)動過程由慢走變?yōu)榭熳呱踔僚軇訒r，由于運(yùn)動特征變化劇烈，使傳統(tǒng)波峰閾值計步算法精度降低，圖2為慢走、正常走、快走、跑動時經(jīng)過10個歷元的滑動窗函數(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程中合加速度幅值變化劇烈，同時相連波峰由稀疏變密集，顯然單一閾值和固定時間長度檢測算法的檢測效果將受到極大的影響，甚至導(dǎo)致定位失敗。針對復(fù)雜步態(tài)變換下的步數(shù)統(tǒng)計，提出了一種基于可穿戴式MIMU的波峰-雙閾值步數(shù)檢測算法，以滿足多運(yùn)動步態(tài)條件下步數(shù)精確統(tǒng)計，提高步數(shù)檢測算法對行人運(yùn)動狀態(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-雙閾值計步策略

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

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

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

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

(5)

通過式(3)～(5)找出滿足條件采樣點(diǎn)mi，通過統(tǒng)計mi的個數(shù)即可完成行人步數(shù)統(tǒng)計。

圖3 計步算法流程圖

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

3 實驗分析

3.1 實驗設(shè)計

針對本文提出的基于可穿戴式MIMU的波峰-雙閾值步數(shù)檢測算法，采用實驗室自主研發(fā)的MIMU(集成三軸MEMS加速度計、三軸MEMS陀螺儀等傳感器)作為實驗硬件平臺(見圖4)進(jìn)行測試。

圖4 實驗硬件設(shè)備

實驗過程中，始終以MIMU載體坐標(biāo)系z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)檢測分析。

圖5 MIMU佩戴模式示意圖

3.2 結(jié)果分析

針對 MIMU 4種佩戴模式下采集得到的數(shù)據(jù)，選用傳統(tǒng)波峰-閾值檢測計步算法和本文提出的波峰-雙閾值步數(shù)檢測算法進(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等位置時合加速度變化情況，以及選用傳統(tǒng)波峰閾值檢測算法和本文提出的波峰-雙閾值步數(shù)檢測效果。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 各種佩戴方式下計步檢測效果

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，將檢測結(jié)果與傳統(tǒng)波峰-閾值計步算法進(jìn)行對比分析，實驗結(jié)果如表1所示。

表1 檢測結(jié)果分析

實驗結(jié)果表明，本文提出的波峰-閾值步數(shù)檢測算法可以在多步態(tài)情況下進(jìn)行精確計步，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

傳統(tǒng)波峰閾值檢測算法對行人運(yùn)動狀態(tài)適應(yīng)性差及存在偽波峰干擾問題，本文提出了一種基于MIMU加速度計的波峰-雙閾值步數(shù)檢測算法，采集每一步合加速度波峰并對合加速度進(jìn)行判斷，實現(xiàn)行人多種運(yùn)動狀態(tài)和MIMU多種佩戴模式下行人步數(shù)統(tǒng)計。算法首先對合加速度計信號進(jìn)行窗函數(shù)濾波處理，接著對合加速度信號進(jìn)行波峰檢測，結(jié)合行人運(yùn)動合加速度上、下閾值對行人步數(shù)進(jìn)行檢測。實驗結(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)檢測算法，當(dāng)MIMU分別佩戴在C1、C2、C3、C4等多種位置時，計步精度均高于98%?？梢姡疚奶岢龅乃惴◤?fù)雜度小，能夠較好地應(yīng)用于實際中，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