首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于智能手机多传感器融合和SVM分类的多场景PDR定位方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:浙江大学

摘要:本发明涉及定位技术领域中的一种基于智能手机多传感器融合和SVM分类的多场景PDR定位方法,该方法包括两部分的内容,一是通过智能手机上的多种传感器测得行人的运动特征,并通过峰值检测的方法进行步数检测,通过非线性步长模型进行步长估计,通过运动特征进行方向估计,并将步数检测、步长估计、方向估计三者结合得到高精度的行人移动轨迹数据;二是提出了一种利用支持向量机区分行人携带智能手机模式的方法,可以在不同的模式下应用相应的计算模型,有效避免了传统PDR方法在多场景切换时的较大误差。设计的多场景PDR定位方法具有较高的精度与较快的运行速度,且仅需一部智能手机,不依赖外部辅助设备,从而使定位精度和鲁棒性得到明显改善。

主权项:1.一种基于智能手机多传感器融合和SVM分类的多场景PDR定位方法,其特征在于,包括以下步骤:步骤1:通过UWB或WiFi定位的方式获取当前设备的初始位置;步骤2:通过手机集成的加速度计、陀螺仪与气压计采集得到当前手机的加速度、角速度与气压值;步骤3:对步骤2采集得到的数据进行低通滤波处理,滤除采样噪声;步骤4:对经过步骤3滤波后的加速度与角速度数据进行四元数变换,将其从载体坐标系转换到世界坐标系;步骤5:取世界坐标系下z轴加速度大小作为步数检测的依据,采取加速度峰值检测的方法,对步数进行判断;步骤6:依据步骤5的峰值检测方法检测到一步之后,计算出一步所花的时间T,得到步频f=1T,根据非线性步长模型计算得到步长;结合步频f、用户输入的身高h与个体特征参数c,根据非线性步长模型计算得到步长SL:SL=[0.7+0.371×h-1.75+0.227×f-1.79×h÷1.75]×c;其中个体特征参数c的值在0.8至1.2之间,通常取值为1;步骤7:基于滤波后的加速度频域特征,采用SVM方法进行分类,区分手机处于行人口袋、手机在左手时的行人摆臂、手机在右手时的行人摆臂和平端手机这四种状态;步骤8:对于四种不同的状态,通过检测角速度或加速度特征值计算一步内前进的方向;S1:对于手机处于手持平端的状态和处于行人口袋的状态,首先对加速度值进行带通滤波,滤除重力加速度分量;再找到一步时间段内z轴加速度az=0,且z轴加速度增大,即的时刻t0,取t0时刻的x、y轴加速度矢量和方向作为该步的前进方向;S2:对于手机处于行人右手摆臂的情况,当一步内z轴方向上的角速度大于0时,取x、y轴上的角速度峰值矢量和方向作为该步前进方向;S3:对于手机处于行人左手摆臂的情况,当一步内z轴方向上的角速度小于0时,取x、y轴上的角速度峰值矢量和方向作为该步前进方向;步骤9:基于步骤6计算得到的步长与步骤8计算得到的方向,更新行人行走一步之后的位置;步骤10:持续检测气压计的变化,若气压计示数出现连续下降趋势,则判断为行人上楼;若气压计示数出现连续上升趋势,则判断为行人下楼;步骤11:完成一步的位置更新之后,持续检测步数变化;若出现新的一步,重复步骤5至步骤10;否则结束定位进程。

全文数据:

权利要求:

百度查询: 浙江大学 基于智能手机多传感器融合和SVM分类的多场景PDR定位方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。