[发明专利]一种基于梯度下降的自适应步长估计方法

说明书

本发明公开一种基于梯度下降的自适应步长估计方法，包括如下步骤：步骤1，通过加速度计采集的数据进行步态检测，计算步数；步骤2，根据互补滤波算法，利用加速度计数据和磁力计数据修正陀螺仪数据，然后求解四元素微分方程，进行姿态解算，解算出航向角；步骤3，建立自适应步长估计模型，采集大量样本对模型进行训练，使用梯度下降算法迭代计算出步长估计模型的参数；步骤4，采用航迹推测算法推测出行人的位置。此种方法可解决不同行人状态下使用固定步长估计模型和EKF解算姿态时运算量比较大的问题。

技术领域

本发明属于室内导航定位领域，特别涉及一种利用基于梯度下降的自适应步长PDR算法进行步长估计的方法。

背景技术

随着室内定位服务需求的激增，受到建筑物的遮挡和多径效应的影响，全球导航卫星系统(GNSS)定位精度急剧降低，无法满足室内定位服务需要，近年来，室内定位技术开始成为了研究人员的开发热点。目前已公开的室内定位技术主要有：WIFI定位、蓝牙定位、超宽带定位、惯性导航定位、RFID定位、超声波定位、计算机视觉定位等。

惯性导航室内定位技术是最近多年来比较流行的一种室内导航定位手段，其突出优势在于其可抗扰，并能提供实时、连续的位置信息。但是由于一般的PDR算法步长估计模型在行人的不同运动状态下是固定的，不够合理，随着时间变长，总的位置推算信息会存在着比较大的累计误差，在这样的背景下本专利提出了自适应步长估计模型，很好的解决这个问题，大大提升了步长估计的精度，提升行人航迹推算的总体精度。

在一般的PDR算法中，航向估计都是采用扩展卡尔曼滤波(EKF)对各传感器数据进行融合，然后求解四元素微分方程求得航向角，但是由于EKF计算复杂，运算量比较大，比较耗费智能手机的电量，有待改进。

发明内容

本发明的目的，在于提供一种基于梯度下降的自适应步长估计方法，其可解决不同行人状态下使用固定步长估计模型和EKF解算姿态时运算量比较大的问题。

为了达成上述目的，本发明的解决方案是：

一种基于梯度下降的自适应步长估计方法，包括如下步骤：

步骤1，通过加速度计采集的数据进行步态检测，计算步数；

步骤2，根据互补滤波算法，利用加速度计数据和磁力计数据修正陀螺仪数据，然后求解四元素微分方程，进行姿态解算，解算出航向角；

步骤3，建立自适应步长估计模型，采集大量样本对模型进行训练，使用梯度下降算法迭代计算出步长估计模型的参数；

步骤4，采用航迹推测算法推测出行人的位置。

上述步骤1的具体过程是：

步骤11，使用智能手机采集自带的IMU传感器的数据，包括加速度计的数据；

步骤12，对加速度计的三轴数据进行归一化处理：其中，a_x、a_y、a_z分别为x、y、z轴的加速度数据；然后减去重力加速度的影响，得到总加速度a；

步骤13，采用均值滤波对总加速度a进行平滑处理；

步骤14，采用过零检测进行步态检测，进而计算步数。

上述步骤2的具体过程是：

步骤21，采用四元素进行姿态解算，四元素表示绕向量(v_x,v_y，v_z)旋转θ角的三维旋转；

步骤22，姿态解算的核心是求解四元素的微分方程：

式中，分别表示机体坐标系相对于地理坐标系沿各个轴向的角速度分量；