[发明专利]步行航迹数据推算方法及装置

摘要

本发明提供一种步行航迹数据推算方法，首先将从加速度计获取的Z轴加速度信号转换为大地坐标系下的Z轴加速度信号；然后对所述Z轴加速度信号进行滤波；再对滤波后的Z轴加速度信号进行过零检测，获得多个加速度过零点；接下来，将加速度过零点对应到滤波前的Z轴加速度信号中，在加速度过零点的区间内检出滤波前的Z轴加速度信号的峰值和谷值，根据所述峰值和谷值确定目标对象的跨步区间，记录对应的跨步时间；然后根据滤波前的Z轴加速度信号计算所述目标对象的步长；最后以所述目标对象的跨步时间、步长和航向值为递推参数，采用预设的递推算法推算所述目标对象的步行航迹数据。本发明可有效提高步行航迹数据推算的准确度和精度。

主权项

1.一种步行航迹数据推算方法，其特征在于，包括：将从加速度计获取的载体坐标系下的Z轴加速度信号转换为大地坐标系下的Z轴加速度信号；对所述大地坐标系下的Z轴加速度信号进行滤波，获得滤波后的Z轴加速度信号；对滤波后的所述Z轴加速度信号进行过零检测，获得多个加速度过零点；将所述加速度过零点对应到滤波前的所述Z轴加速度信号中，在所述加速度过零点的区间内检出滤波前的所述Z轴加速度信号的峰值和谷值，根据所述峰值和谷值确定目标对象的跨步区间，记录对应所述跨步区间的跨步时间；根据滤波前的所述Z轴加速度信号计算所述目标对象的步长；获取所述目标对象的航向值；以所述目标对象的跨步时间、步长和航向值为递推参数，采用预设的递推算法推算所述目标对象的步行航迹数据；所述根据滤波前的所述Z轴加速度信号计算所述目标对象的步长，包括：根据滤波前的所述Z轴加速度信号的峰值和谷值，对相邻的峰值和谷值之间的Z轴加速度进行积分，获得目标对象在跨步时的垂向重心偏移量；采用预设的步长计算模型，根据所述垂向重心偏移量计算目标对象的步长；所述以所述目标对象的跨步时间、步长和航向值为递推参数，采用预设的递推算法推算所述目标对象的步行航迹数据，包括：以所述目标对象的跨步时间、步长和航向值为递推参数，采用预设的含有卡尔曼滤波的递推算法推算所述目标对象的步行航迹数据；所述以所述目标对象的跨步时间、步长和航向值为递推参数，采用预设的含有卡尔曼滤波的递推算法推算所述目标对象的步行航迹数据，包括：建立运动模型：式中，x表示步行航迹数据的状态量，x、y表示目标对象在横向和纵向的坐标值，v_x、v_y表示目标对象在横向和纵向的移动速度分量；F_k表示第k个跨步对应的状态转移矩阵，Δt_k表示第k个跨步对应的跨步时间，ε_k为第k个跨步对应的指数参数，I表示单位矩阵；Q_k表示动态扰动协方差矩阵，σ_a²表示运动加速度的均方差，σ_v²表示运动速度的均方差，为常数；其中，σ_a²＝σ_v²(1‑exp(‑2Δt_k/τ))/Δt_k²式中，τ表示与运动速度相关的时间常数；建立观测模型：式中，z_k表示步行航迹数据的观测量，x_k‑1、y_k‑1表示目标对象在第k‑1个跨步对应的横向和纵向的坐标值，l_k表示目标对象在第k个跨步对应的步长，θ_k表示目标对象在第k个跨步对应的航向值，Δt_k表示第k个跨步对应的跨步时间；R_k表示观测误差，σ_l²表示步长的均方差，I表示单位矩阵；预测步行航迹数据的状态估计和协方差：式中，表示状态估计，表示协方差，x_k‑1表示第k‑1个跨步对应的状态量，P_k‑1表示第k‑1个跨步对应的协方差，表示F_k的转置矩阵；计算观测量残差和残差协方差：式中，表示第k个跨步对应的观测量残差；S_k表示残差协方差，H_k表示观测矩阵，表示观测矩阵H_k的转置矩阵；计算最优卡尔曼增益：式中，K_k表示第k个跨步对应的最优卡尔曼增益，表示残差协方差S_k的逆矩阵；计算修正后的状态估计：式中，x_k表示推算获得的目标对象的步行航迹数据，表示对步行航迹数据的预测状态估计，K_k表示最优卡尔曼增益，表示对步行航迹数据的观测量残差。