[发明专利]基于MEMS传感器的多层建筑中行人高度位置估计方法

说明书

本发明公开了基于MEMS传感器的多层建筑中行人高度位置估计方法，包括：将MEMS集成传感装置固定于行人下肢上；MEMS集成传感装置采集行人行走楼梯过程中的加速度数据、角速度数据及行人高度数据；采用多阈值检测方法确定出行人步态运动的姿态相和摆动相；对所述姿态相和摆动相的竖直方向加速度分别进行修正，且将姿态相的速度更新为零，对修正后的竖直方向加速度分别进行二次积分，得到行人姿态相和摆动相的估计高度；判断姿态相得到的估计高度数据和微气压计测量的目标高度数据之间是否存在偏差。如果是，则对摆动相得到的估计高度进行误差线性补偿，最终得到更新后的行人定位数据。本发明实现了基于一个传感器节点进行行人高度位置的精确估计。

技术领域

本发明涉及一种基于MEMS传感器的多层建筑中行人高度位置估计方法，属于室内导航定位技术领域。

背景技术

随着微机电系统(MEMS)的发展,小型、低成本的传感器，如加速度计和陀螺仪等,已经在行人室内定位和肢体跟踪等领域得到了广泛应用。而用于测量物体三轴姿态角(或角速率)以及加速度的惯性测量单元(IMU)传感器，由于存在着固有漂移，因此在估计精确位置时会产生较大误差，从而限制了以其为核心技术的MEMS传感器在行人导航和室内行人位置估计等方面的应用。特别是在使用IMU传感器来估计多层建筑中行人的高度位置时，很难实现高精度的垂直高度定位。

传统的位置估计方法有两种，一种是行人航迹推算(PDR)，另一种是惯性导航系统(INS)。在PDR技术中，利用步长计数和步长估计来确定一个人的位置。然而，行走不稳定或步长估计不准确都会导致巨大的误差。在INS中，行人位置由测量到的加速度信号进行双积分估计。为了限制估计误差的增长，人们开发了许多不同的技术来帮助IMU传感器进行误差校正。如射频识别(RFID)、地图信息、超声波传感器、地面反应传感器、光学传感器、超宽带、压力传感器等。尽管上述系统可以提供精确的位置估计，但涉及成本和便携性问题。基于MEMS传感器的位置估计系统中，常采用扩展卡尔曼滤波(EKF)、鲁棒自适应卡尔曼滤波(RAKF)和零速度更新(ZUPT)等方法来减少漂移误差，同时为了减少航向误差，还提出了启发式漂移约简(HDR)和零角速率更新(ZARU)方法。这些方法在水平直线路径上测试时显示出了较高的准确性。在垂直方向上，技术人员提出了基于多MEMS传感器的方法来减小高度估计的误差，例如Denavit-Hartenberg(DH)方法和高度差信息辅助气压计(HDIB)方法，前者是在一个下肢上佩戴三个传感器节点的基础上建立的，后者则是在两个不同脚上佩戴两个传感器节点的基础上开发的。这两种方法都利用了人体关节的相对运动来减小IMU传感器的漂移误差，而由于传感器数量的增加导致检测系统便携性变差，因此基于一个传感器节点的行人高度位置估计技术研究受到了普遍关注。

发明内容

本发明的目的在于，提供一种基于MEMS传感器的多层建筑中行人高度位置估计方法，它可以实现基于一个传感器节点进行行人高度位置的精确估计。

为解决上述技术问题，本发明采用如下的技术方案：基于MEMS传感器的多层建筑中行人高度位置估计方法，包括以下步骤：

S1，将MEMS集成传感装置固定于行人下肢上；所述的MEMS集成传感装置包括：三轴加速度计、陀螺仪和微气压计，分别用于采集行人行走楼梯过程中的加速度数据、角速度数据及行人高度数据；

S2，基于竖直方向的加速度数据，采用多阈值检测方法确定出行人步态运动的姿态相和摆动相；

S3，对所述姿态相和摆动相的竖直方向加速度分别进行修正，且将姿态相的速度更新为零，对修正后的竖直方向加速度分别进行二次积分，得到行人姿态相和摆动相的估计高度；

S4，判断姿态相得到的估计高度数据和微气压计测量的目标高度(气压计测量的每一步台阶高度定义为目标高度)数据之间是否存在偏差？如果是，则对摆动相得到的估计高度进行误差线性补偿，最终得到更新后的行人定位数据。