[发明专利]城市轨道交通无障碍通行系统及其实施方法

权利要求书

1.一种城市轨道交通无障碍通行系统的实施方法，其特征在于，包括如下步骤：

S1，通过蓝牙智能通信工具，接收n个蓝牙信标的信号，根据信号强度和蓝牙空间位置信息，得出待通过体的蓝牙位置；

S2，按固定的时间间隔，采集加速度计、地磁传感器和陀螺仪传感器的数据，利用陀螺仪输出的角速度实现对待测体行径轨迹水平和竖直朝向角的预判；对加速度数据和角速度数据做傅里叶变换，得到待测体行径的步频；根据加速度的值，实现对待测体步长l的计算；

S3，根据蓝牙位置与传感器信息，利用扩展的卡尔曼滤波器对这些数据进行融合，得到待测体的位置，所述步骤进一步包括：

S31，对待测体位置进行建模，其状态矩阵x_k为：

其中，表示待测体行径了k步后的位置坐标；表示待测体行径了k步后的朝向；表示第k步的步长；表示待测体行径了第k步时的水平方向的朝向角的变化量；表示待测体行径了第k步时的竖直方向的朝向角的变化量；为系统过程噪声变量；

其量测方程为：

其中，表示通过蓝牙智能通信工具得到的待测体空间坐标；表示通过传感器预估得到的待测体步长；表示传感器中得出的朝向角数据；表示朝向角的变化量；表示系统观测噪声变量，设定系统的状态方程和量测方程为：

S32，标称轨迹方程的线性化：

S321，将步骤S31中状态方程里的非线性函数在的邻域做一阶泰勒级数展开，得到线性化的状态方程，再将状态方程带入即可得状态转移矩阵：

S322，将步骤S31中观测方程里的非线性函数在的邻域做一阶泰勒级数展开，得到线性化的量测方程，再将量测方程带入即可得量测矩阵：

S33，根据经典卡尔曼滤波的方法进行状态的最优估计：

S331，状态一步预测：

其中，为时刻的待测物状态值，其初始值为，是将代入线性化后的状态方程得到的时刻的待测物状态预测值，即乘客的坐标信息；

S332，中间值计算：

其中，为均方误差的预测值，为均方误差的最优估计值，初值为，为卡尔曼滤波增益，为系统过程噪声的协方差矩阵，表示系统观测噪声的协方差矩阵，表示单位矩阵；

S333，依据时刻的待测物状态值和卡尔曼滤波增益得到最优的状态估计值：

S4，经过步骤S3卡尔曼滤波后的位置与可运动区域进行对比，若位置位于不可进入的区域，则将其位置修正为可运动区域内距离位置最近的点；

S5，当待通过体位置进入人脸识别模块的工作范围内时，人脸识别模块获取待通过体的人脸信息，上传至服务器并进行对比，验证通过后控制闸门打开。

2.如权利要求1所述的城市轨道交通无障碍通行系统的实施方法，其特征在于步骤S1进一步包括：

S11,通过蓝牙智能通信工具接收n个蓝牙信标的信号，其强度为；

S12，在n个的蓝牙信号中选择强度最大的四个；

S13，根据蓝牙信号的衰减模型，利用信号强度值A以及路径损耗因子n分别计算四个信号强度对应的距离，计算方法为：

；

S14，根据四个蓝牙信标的MAC地址，获取对应的四个信标的空间位置；

S15，将四个蓝牙信标每三个分为一组，一共可以形成4组，每组中的三个蓝牙信标位置和距离则确定待测体的位置，得出四个空间位置坐标；

S16，根据四个距离对坐标进行加权，得出待测体的蓝牙位置，加权方法为：

。

3.如权利要求1或2所述的城市轨道交通无障碍通行系统的实施方法，其特征在于所述步骤S2进一步包括：

S21，通过智能通信工具对加速度计、地磁传感器和陀螺仪传感器按固定的时间间隔采集原始数据；

S22，对步骤S21采集到的原始数据进行滤波处理；

S23，利用陀螺仪输出的角速度，解算出智能通信工具的姿态，将其坐标系转换为真实世界的坐标系；

S24，利用陀螺仪输出的角速度实现对待测体行径时水平和竖直朝向角的预判；

S25，对加速度数据和角速度数据做傅里叶变换，得到乘客走行的步频f；

S26，根据加速度的值，实现对乘客步的估计。