留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种多运动模式下自适应阈值零速修正算法

张健敏 修春娣 杨威 杨东凯

张健敏, 修春娣, 杨威, 等 . 一种多运动模式下自适应阈值零速修正算法[J]. 北京航空航天大学学报, 2018, 44(3): 636-644. doi: 10.13700/j.bh.1001-5965.2017.0148
引用本文: 张健敏, 修春娣, 杨威, 等 . 一种多运动模式下自适应阈值零速修正算法[J]. 北京航空航天大学学报, 2018, 44(3): 636-644. doi: 10.13700/j.bh.1001-5965.2017.0148
ZHANG Jianmin, XIU Chundi, YANG Wei, et al. Adaptive threshold zero-velocity update algorithm under multi-movement patterns[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(3): 636-644. doi: 10.13700/j.bh.1001-5965.2017.0148(in Chinese)
Citation: ZHANG Jianmin, XIU Chundi, YANG Wei, et al. Adaptive threshold zero-velocity update algorithm under multi-movement patterns[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(3): 636-644. doi: 10.13700/j.bh.1001-5965.2017.0148(in Chinese)

一种多运动模式下自适应阈值零速修正算法

doi: 10.13700/j.bh.1001-5965.2017.0148
基金项目: 

北航北斗技术成果转化及产业化基金 BARI1701

详细信息
    作者简介:

    张健敏 女, 硕士研究生。主要研究方向:室内定位、模式识别

    修春娣 女, 博士, 讲师, 硕士生导师。主要研究方向:无线通信、室内定位

    通讯作者:

    修春娣, E-mail: xcd@buaa.edu.cn

  • 中图分类号: TN967.2;TP391.4

Adaptive threshold zero-velocity update algorithm under multi-movement patterns

Funds: 

Beihang Beidou Technology Industrialization Funding Program BARI1701

More Information
  • 摘要:

    传统基于微机电惯性测量单元(MEMS-IMU)的惯性导航系统(INS)引入零速修正(ZUPT)算法校正器件的累积误差。但由于ZUPT算法零速判定阈值为固定值,只适合单一运动模式,当室内行人运动轨迹包含多种运动模式时,定位精度下降。对此,提出了一种多运动模式下自适应阈值ZUPT算法。分析了室内行人包括静止、走、跑、上楼和下楼5种运动模式零速判定阈值的选取,实现了利用随机森林(RF)算法对5种运动模式的分类识别,并根据识别结果对ZUPT算法零速判定阈值进行自适应调整。为了验证本文算法的可行性和有效性,利用MATLAB软件平台对实测数据进行处理,并与传统定位算法进行了比较。3组实验结果表明,当室内行人运动轨迹包括多种运动模式时,相比传统固定阈值的ZUPT算法,引入自适应调整阈值的ZUPT算法可使定位算法的定位精度提高73.83%。

     

  • 图 1  y轴角速度变化

    Figure 1.  Angular velocity variation of y axis

    图 2  5种运动模式T(k)变化

    Figure 2.  T(k) variation of five movement patterns

    图 3  零速判定阈值选取流程

    Figure 3.  Flowchart of zero-velocity determination threshold selection

    图 4  行人运动模式识别算法流程

    Figure 4.  Flowchart of pedestrian movement pattern recognition algorithm

    图 5  坐标系定义

    Figure 5.  Definition of coordinate system

    图 6  RF算法原理示意图

    Figure 6.  Schematic of RF algorithm

    图 7  阈值自适应调整算法流程

    Figure 7.  Flowchart of threshold adaptive adjustment algorithm

    图 8  5种运动模式T(k)与γ比较

    Figure 8.  Comparison of five movement patterns'T(k) and γ

    图 9  自适应调整阈值与固定阈值变化比较

    Figure 9.  Variation comparison of adaptively adjusted threshold and fixed threshold

    图 10  实验3平面定位结果比较

    Figure 10.  Comparison of plane positioning results of Experiment 3

    表  1  AHRS-1参数

    Table  1.   AHRS-1 parameters

    传感器 参数 指标
    加速度计 采样率/Hz 200
    量程/g 6
    零偏稳定性/μg 50
    分辨率/mg 0.1
    陀螺仪 采样率/Hz 200
    量程/((°)·s-1) 500
    零偏稳定性/((°)·h-1) 4
    分辨率/((°)·s-1) 0.01
    下载: 导出CSV

    表  2  实验运动方式

    Table  2.   Movement patterns of experiments

    实验 运动方式
    实验1 常速跑步,采集2 min;运动轨迹闭合
    实验2 依次常速走路, 常速跑步, 共采集5 min;运动轨迹闭合
    实验3 依次常速走路, 常速上楼, 静止站立, 常速下楼, 常速跑步, 共采集12 min;运动轨迹闭合;采集3组
    下载: 导出CSV

    表  3  5种运动模式识别率比较

    Table  3.   Recognition rate comparison of five movement patterns

    测试 10-折交叉 识别率/%
    Test1 171/171 100
    Test2 178/179 99.44
    Test3 169/169 100
    Test4 181/181 100
    Test5 164/164 100
    Test6 200/200 100
    Test7 204/204 100
    Test8 182/182 100
    Test9 188/188 100
    Test10 177/177 100
    下载: 导出CSV

    表  4  5种运动模式阈值选取

    Table  4.   Threshold selection of five movement patterns

    模式 阈值
    静止 400
    25 000
    40 000
    上楼 4 000
    下楼 5 000
    下载: 导出CSV

    表  5  定位精度比较

    Table  5.   Comparison of positioning accuracy

    %
    误差 实验1 实验2 实验3
    1 2 3 平均
    TTDE
    (传统固定阈值)
    6.19 10.60 4.39 5.41 3.76 4.52
    TTDE
    (自适应调整阈值)
    1.62 4.43 3.15 3.68 2.74 3.19
    精度提升 73.83 58.21 28.25 31.98 27.13 29.12
    下载: 导出CSV
  • [1] BEKKELIEN A. Bluetooth indoor positioning[D]. Geneva: University of Geneva, 2012: 11-25.
    [2] YANG C, SHAO H R.WiFi-based indoor positioning[J].IEEE Communications Magazine, 2015, 53(3):150-157. doi: 10.1109/MCOM.2015.7060497
    [3] 李尧, 汪明, 于晓谕.基于ZigBee室内定位算法[J].计算机系统应用, 2016, 25(6):180-184. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=jsjxtyy201606031

    LI Y, WANG M, YU X Y.Indoor location algorithm based on ZigBee[J].Computer Systems & Applications, 2016, 25(6):180-184(in Chinese). http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=jsjxtyy201606031
    [4] FISCHER C, SUKUMAR P T, HAZAS M.Tutorial:Implementing a pedestrian tracker using inertial sensors[J].IEEE Pervasive Computing, 2013, 12(2):17-27. doi: 10.1109/MPRV.2012.16
    [5] MONTORSI F, PANCALDI F, VITETTA G M. Design and implementation of an inertial navigation system for pedestrians based on a low-cost MEMS IMU[C]//IEEE International Conference on Communications Workshops. Piscataway, NJ: IEEE Press, 2015: 57-61.
    [6] ZHENG X, YANG H, TANG W, et al. Indoor pedestrian navigation with shoe-mounted inertial sensors[M]//PARK J J, CHEN S C, GIL J M, et al. Multimedia and ubiquitous engineering. Berlin: Springer, 2014: 67-73.
    [7] JIMÉNEZ A R, SECO F, PRIETO J C, et al. Indoor pedestrian navigation using an INS/EKF framework for yaw drift reduction and a foot-mounted IMU[C]//20107th Workshop on Position-ing Navigation and Communication (WPNC). Piscataway, NJ: IEEE Press, 2010: 135-143.
    [8] 张华强, 赵剡, 陈雨.捷联惯性导航系统整体标定新方法[J].北京航空航天大学学报, 2012, 38(4):459-463. http://bhxb.buaa.edu.cn/CN/abstract/abstract12250.shtml

    ZHANG H Q, ZHAO Y, CHEN Y.New system calibration method for strapdown inertial navigation system[J].Journal of Beijing University of Aeronautics and Astronautics, 2012, 38(4):459-463(in Chinese). http://bhxb.buaa.edu.cn/CN/abstract/abstract12250.shtml
    [9] ALTUN K, BARSHAN B.Pedestrian dead reckoning employing simultaneous activity recognitioncues[J].Measurement Science and Technology, 2012, 23(2):25103. doi: 10.1088/0957-0233/23/2/025103
    [10] 唐文杰, 吕志伟, 张伦东, 等.基于零速修正辅助MIMU的行人导航算法研究[J].大地测量与地球动力学, 2016, 36(6):548-551. http://www.cqvip.com/QK/95685A/201606/669051906.html

    TANG W J, LÜ Z W, ZHANG L D, et al.Research of pedestrian navigation algoritm based on zero velocity update aided MIMU[J].Journal of Geodesy and Geodynamics, 2016, 36(6):548-551(in Chinese). http://www.cqvip.com/QK/95685A/201606/669051906.html
    [11] SKOG I, HÄNDEL P, NILSSON J O, et al.Zero-velocity detection-An algorithm evaluation[J].IEEE Transactions on Biomedical Engineering, 2010, 57(11):2657-2666. doi: 10.1109/TBME.2010.2060723
    [12] 李辰祥. 基于MEMS行人惯性导航的零速度修正技术研究[D]. 厦门: 厦门大学, 2014. http://dspace.xmu.edu.cn/handle/2288/84427?locale-attribute=zh

    LI C X. Research on zero-velocity update technology of pedestrian inertial navigation based on MEMS[D]. Xiamen: Xiamen University, 2014(in Chinese). http://dspace.xmu.edu.cn/handle/2288/84427?locale-attribute=zh
    [13] 李佳璇. 双MIMU/磁力计单兵导航技术研究[D]. 哈尔滨: 哈尔滨工程大学, 2015.

    LI J X. Research on dual MIMU/magnetometer technology of pedestrian navigation system[D]. Harbin: Harbin Engineering University, 2015(in Chinese).
    [14] WANG Z, ZHAO H, QIU S, et al.Stance-phase detection for ZUPT-aided foot-mounted pedestrian navigation system[J].IEEE/ASME Transactions on Mechatronics, 2015, 20(6):3170-3181. doi: 10.1109/TMECH.2015.2430357
    [15] 路永乐, 张欣, 龚爽, 等.基于MEMS惯性传感器的人体多运动模式识别[J].中国惯性技术学报, 2016, 24(5):589-594. http://www.cnki.com.cn/Article/CJFDTotal-ZGXJ201605006.htm

    LU Y L, ZHANG X, GONG S, et al.Recognition of multiple human motion patterns based on MEMS inertial sensors[J].Journal of Chinese Inertial Technology, 2016, 24(5):589-594(in Chinese). http://www.cnki.com.cn/Article/CJFDTotal-ZGXJ201605006.htm
    [16] 薛洋. 基于单个加速度传感器的人体运动模式识别[D]. 广州: 华南理工大学, 2011.

    XUE Y. Human motion patterns recognition based on single triaxial accelerometer[D]. Guangzhou: South China University of Technology, 2011(in Chinese).
    [17] NILSSON J O, SKOG I, HÄNDEL P, et al. Foot-mounted INS for everybody-An open-source embedded implementation[C]//2012 IEEE/ION Position Location and Navigation Symposium (PLANS). Piscataway, NJ: IEEE Press, 2012: 140-145.
    [18] INCEL O D, KOSE M, ERSOY C.A review and taxonomy of activity recognition on mobile phones[J].Bionanoscience, 2013, 3(2):145-171. doi: 10.1007/s12668-013-0088-3
    [19] 张健敏, 修春娣, 杨威, 等. 基于Android手机的用户行为模式识别算法[C]//全国信号和智能信息处理与应用学术会议, 2016: 463-468.

    ZHANG J M, XIU C D, YANG W, et al. User's behavior pattern recognition algorithm based on Android phones[C]//National Signal and Intelligent Information Processing and Application Academic Conference, 2016: 463-468(in Chinese).
    [20] 方匡南, 吴见彬, 朱建平, 等.随机森林方法研究综述[J].统计与信息论坛, 2011, 26(3):32-38. http://www.docin.com/p-266844023.html

    FANG K N, WU J B, ZHU J P, et al.A review of technologies on random forests[J].Statistics & Information Forum, 2011, 26(3):32-38(in Chinese). http://www.docin.com/p-266844023.html
  • 加载中
图(10) / 表(5)
计量
  • 文章访问数:  847
  • HTML全文浏览量:  28
  • PDF下载量:  535
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-03-14
  • 录用日期:  2017-07-14
  • 刊出日期:  2018-03-20

目录

    /

    返回文章
    返回
    常见问答