[发明专利]一种零速检测方法和装置以及行人导航方法和系统

说明书

技术领域

本发明涉及行人导航技术领域，尤其涉及一种零速检测方法和装置以及行人导航方法和系统。

背景技术

目前，市场上基于GPS技术的定位设备发展迅速，市场占有率呈逐年上升趋势。但GPS技术易受工作环境的干扰，只适于室外没有遮挡的开阔环境，在室内、丛林、井下和洞穴等区域存在导航盲区，无法正常工作。因此，基于惯性传感器的行人导航技术得到了快速的发展。

近年来，随着微机电(Micro-Electro-Mechanical Systems，MEMS)技术的不断发展，基于MEMS技术的惯性传感器(Inertial Measurement Unit，IMU)也有了很大的改进。基于MEMS技术的惯性传感器具有体积小、质量轻、功耗低、响应快、成本低、灵敏度高等优点，这使得MEMS IMU成为穿戴式行人导航技术的理想选择，成为一大研究热点。

基于MEMS IMU的行人导航系统(Personal Navigation System，PNS)是在传统捷联式惯性导航系统(Strapdown Inertial Navigation System，SINS)的基础上，利用人体行走时足部运动的周期特性，通过基于扩展卡尔曼滤波器(Extended Kalman Filter，EKF)的零速校正(Zero Velocity Updates，ZUPT)算法，实现行人导航的误差估计和校正。行人导航系统主要用于确定行人的实时位置和记录行人的行走轨迹，实现行人定位和导航的功能。

但是，市场上常见的MEMS IMU的精度大致在商业级和战术级水平，存在多种随机误差和系统误差。而惯性导航技术是一种相对定位技术，导航误差具有随时间不断积累的特点。若单独基于MEMS IMU进行纯惯性导航解算，导航信息的位置误差会以导航时间三次方的趋势迅速发散，严重偏离实际位置，使系统逐渐丧失导航功能，最终导致导航任务失败。这种固有的误差发散特性，使得MEMS IMU在实际的导航应用中受到很大的限制，其应用价值一度受到质疑。因此，在目前MEMS IMU技术的发展水平下，对导航误差的处理就显得异常重要。零速检测方法是行人导航技术中的重要过程，现有的零速检测方法一般为单一检测阈值方法和固定时间阈值方法，现有的零速检测方法大都存在检测结果不准确(误检测和漏检测)、检测参数手动调节和对检测参数敏感等缺点，影响行人导航后续的零速校正算法的有效性，从而引入不同程度的行人导航误差，降低行人导航系统的导航精度和可靠性。

发明内容

本发明的目的在于提出一种零速检测方法和装置以及行人导航方法和系统，以达到提高行人导航系统的精确性和可靠性的目的。

技术方案1，本发明提供了一种零速检测方法，所述方法包括：

综合利用人体行走数据中的加速度数据和角速度数据计算零速检测统计量，阈值参数分为检测阈值和修正阈值，其中，检测阈值用于步态时相的粗划分，修正阈值用于步态时相的精划分；

通过将所述零速检测统计量与预设的检测阈值进行比较实现步态时相的粗划分：当所述检测统计量小于预设的检测阈值时，检测时刻的人体步态处于支撑相；当所述检测统计量大于预设的检测阈值时，检测时刻的人体步态处于摆动相，得到步态时相划分的初步划分结果；

通过聚类分析方法对初步划分结果中的所述摆动相的摆动幅值和所述支撑相的持续时间进行分类，自适应获得步态时相精划分的修正阈值，其中，修正阈值包括幅值阈值和时间阈值；

将所述步态时相的粗划分结果与修正阈值进行比较实现步态时相的精划分：当初步划分结果中的摆动相的摆动幅值小于幅值阈值时，所述摆动相为伪摆动相，将所述伪摆动相与相邻支撑相融合形成新的支撑相，得到步态时相划分的中间划分结果；当所述中间划分结果中的支撑相的持续时间小于时间阈值时，所述支撑相为伪支撑相，将所述伪支撑相与相邻摆动相融合形成新的摆动相，得到步态时相划分的最终划分结果。

技术方案2，可选的，所述综合利用人体行走数据中的加速度数据和角速度数据计算零速检测统计量，包括：

通过公式获得基于人体行走数据中的加速度数据和角速度数据的零速检测统计量，其中，W表示滑动时间窗口的大小，σ_a表示加速度计的测量噪声，σ_ω表示陀螺仪的测量噪声。

技术方案3，可选的，所述通过聚类分析方法对初步划分结果中的所述摆动相的摆动幅值和所述支撑相的持续时间进行分类，获得步态时相精划分的修正阈值，包括：