[发明专利]基于姿态识别和步长模型的室内惯性导航算法

权利要求书

1.一种基于姿态识别和步长模型的室内惯性导航算法，其特征是，包括以下步骤：

(1)行人惯性数据与智能手机传感器数据的采集、传输、存储以及滤波处理；

(2)多条件零速度判断法和行人脚部姿态判别相结合，解算得出行人的步频与步数特征；

(3)对行人的每一步分别进行惯性导航解算，建立步长模型，作为行人位移的参考值，根据行人运动状态调整步长结果；

进行惯性导航解算，将零速度时的行人加速度置零，把行人的运动以每一步为分割分别计算；统计每一步的步频和对应的惯性导航位移信息，将步频和姿态稳定时的结果进行分类统计并建立步长模型；

在行人姿态及步频变化、与模型不匹配时以惯性导航解算为位移结果，当惯性导航结果有累积误差累加的倾向时，把当解算结果不合理的步长舍弃并把该步频对应的步长模型信息作为参考结果，最终将位移及方向信息融合，得到行人导航信息，在手机端显示。

2.根据权利要求1所述的基于姿态识别和步长模型的室内惯性导航算法，其特征在于，步骤(3)中的行人惯性导航算法，步骤如下：

1)加速度积分及位移计算：

MEMS惯性传感器获得的是沿载体坐标系b系下三个轴向加速度数据a^b：

通过已经解 算出的姿态角求出的坐标转换矩阵通过获得沿n系下的输出数据aⁿ:

然后再将求得的aⁿ减去重力加速度，即获得运动物体在n系下的加速度数据a^′n；通过惯性传感器的采样频率得到采样间隔Δt＝0.01s，由牛顿第二定律可知，在导航坐标系下，速度变化量等于加速度值对极短时间的积分，即：

则，载体在导航坐标系下的速度为上一时刻的速度与瞬时加速度积分的累加：

再由位移公式，得到n系下的运动物体位移的变化量：

最后，得到运动物体在n系下的位置为：

在确定了零速度点之后，两个零速度点之间就是每一步的步长，通过上文中的惯导解算算法计算出每一步的步长。

3.根据权利要求1所述的基于姿态识别和步长模型的室内惯性导航算法，其特征在于，步骤(3)具体为：

根据在初始阶段误差并未累积时解算的步长计算结果训练出行人以固定步频运动的步长模型，取步频差在5步/min范围以内的前10步的步长为模型参考数据，以此模型作为长距离行走时步长的参考值；

当行人当前步的步频在步长模型所包含的步频范围内时，将惯导解算的不合理结果阈值范围设置为该步步频对应步长模型结果的0.5倍以下或2倍以上，在这个范围内解算结果误差较大，认为这一步解算出的步长结果是不合理的，将其舍弃，解算结果出现不合理结果时，采用步长模型的数据作为参考结果；而当行人步频和航向角变化、即行人在做变向或变速运动时，将步频变化阈值设为0.2s、航向角变化阈值设为20度，超过这个阈值范围，认为行人较上一步其行走状态发生了变化，这时依然采用瞬时值更加精确的惯性导航计算结果；

在获得了步频、步长以及航向角的数据之后，经过每一步的累加，获得完整的位移数据。