子群{^卜公式如下：
[0059] 其中，K(1彡K彡)是比例系数，K值的选择将会影响到滤波效果，当增大K值 时，小权重粒子将更多的被抛弃；当减少K值时，将保留更多粒子来增大信息的采集量。如 何选择K值需要根据具体应用合理选择，例如，当在地形变化剧烈时，增大K值可减少错误 信息的干扰；当地形变化平缓时，可减少K值保留更多粒子增大新信息的采集量。在本发明 中，令K= 3。对A类和C类粒子根据其权重?[尤,进行重采样得到Ns个新粒子，并对其 重新分配权重1/NS。
[0060] 基于几何中心的部分重采样粒子滤波算法具体实现步骤如下：
[0061] (1)根据预先设定的粒子初始化状态分别对粒子进行初始化t= 0,根据p(x。）生 成N个粒子=l，2,...，iV。p(X。）分布通常为高斯白噪声分布；
[0062] (2)设定t=t+1，根据状态转移公式：
[0063] 夺二，z")；
[0064] 采样粒子样本X丨,/= 1,2,对每个粒子尤>1,2,...,M分配相应的权值：
[0065]
[0066] 对每个粒子的权重进行归一化：
[0067]
[0068] (3)基于几何中心部分重采样的原理对A类和C类粒子<,/= 1,2,进行重采 样，并重新分配权重，对A类和C类粒子根据其加权后的权重进行重采样得到Ns 个新粒子，并对其重新分配权重1/NS;
[0069] (4)根据新生成的粒子进行状态估计
[0070] 相比于现有技术的缺点和不足，本发明具有以下有益效果：针对传统頂U室内定 位的航位推算模型中还存在数据处理误差大，定位精度低的问题，本发明设计了步数检测 算法和自适应步长算法来改进航位推算模型，使得到的步数和步长更加精准，并且在本发 明中设计粒子滤波算法完成了頂U室内定位信息的整合和优化，针对粒子滤波的出现的贫 化和退化问题，提出了基于几何中心的粒子滤波重采样算法，减少了计算复杂度，提高了定 位精度。
【附图说明】
[0071] 图1为本发明頂U室内定位过程构架结构图；
[0072] 图2为步数检测算法中峰谷值检测结果示意图；
[0073] 图3为粒子分类结果示意图；
[0074] 图4是本发明实施例中单次试验队系统状态的估计图；
[0075] 图5是本发明实施例中100次试验不同重采样算法RMSE的比较图；
[0076] 图6是本发明实施例中室内定位实验环境示意图；
[0077] 图7是本发明实施例中定位算法实验效果图。
【具体实施方式】
[0078] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0079] IMU室内定位算法包含以下模块：步数检测，自适应步长估计，航向估计和室内定 位，如图1。该定位算法通过IMU提供的传感器数据实时获得用户在室内的位置。本文是通 过在apple5C智能终端上利用加速度传感器、陀螺仪、方向传感器等硬件设备进行系统开 发的。定位信息数据如加速度、陀螺仪和方向传感数据等的数据采样率是100Hz。
[0080] IMU测量单元实现行走轨迹跟踪：通过加速度传感器获取Z轴方向的加速度数据， 通过步数检测算法对加速度数据的分析处理，得出是否完成真实的一步，然后利用沿着行 走方向的加速度和步频等数据并结合自适应步长估计算法得出行走一步的距离，行走方向 由方向传感器提供。行走位移可以通过步数乘以步长，再加上行走方向就能推算下一时刻 的位置。在本发明中利用步数检测算法计算行走步数，利用自适应步长估计算法计算每一 步的行走步长，行走方向由方向传感器计算得出。
[0081] 基于几何中心的部分重采样粒子滤波算法具体实现步骤如下：
[0082] (1)根据预先设定的粒子初始化状态分别对粒子进行初始化t= 0,根据p(X。）生 成1^个粒子爲,1 = 1:，.2._,,:,,:,见。^(1。）分布通常为高斯白噪声分布；
[0083] (2)设定t=t+1，根据状态转移公式：
[0084] q(X，t\Xll,Z^l)；
[0085] 采样粒子样本；^,/ = 1，2,.,.,#;对每个粒子$，/ = ：1，2,...，况分配相应的权值：
[0086]
[0087] 对每个粒子的权重进行归一化：
[0088]
[0089] (3)基于几何中心部分重采样的原理对A类和C类粒子JT；,i= 1，2, . . .，N进行 重采样，并重新分配权重，对A类和C类粒子根据其加权后的权重{尤,进行重采样得到 队个新粒子，并对其重新分配权重1/NS;
[0090] (4)根据新生成的粒子进行状态估计
[0091] 为了验证基于几何中心部分重采样的粒子滤波算法的有效性，将多项式重采样算 法、残差重采样算法、分层重采样算法与本发明提出的算法进行仿真对比，对以上算法做M =1〇〇仿真试验，为了更好地评价算法的性能，定义M次蒙特卡洛试验均方根误差为：
[0092]
[0093] 其中，If:和：^分别表示目标状态量的真实值和估计值。图4为某次独立试验上 文提到的4种算法对系统状态的跟踪估计图。图5为4种算法经100次试验后，获得的均 方根误差曲线图。
[0094] 本发明实施例以图书馆走廊为实验环境，如图6,虚线为行走路线。该区域大小为 9m*9m的矩形区域。本发明所使用的实验设备是苹果的5S智能手机，其中包括頂U套件。 在实验过程中由不同年龄段和生理特性的实验员将绕走廊步行一遍，实验员每走一步，记 录相关数据，每个实验员总过需要做5次实验。頂U的采样率是100Hz。图7是其中一次实 验推算路线与实际路线的比较。从图7看出，使用本发明算法所得到的坐标值与实际坐标 值非常接近，定位误差控制在lm以内，较好的解决了室内定位环境中的各种干扰因素。而 使用传统室内定位方法所得到的坐标与实际坐标相距较远，误差为3~5m，定位误差比较 大。对比可知本发明提出的IMU定位算法改善了定位效果，提高了定位精度，并且此定位成 本较低，易于推广和被大众所接受。
[0095] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种IMU室内定位方法，其特征在于，该方法包括以下步骤： 51、 步数检测：通过加速度传感器获取Z轴方向的加速度数据，利用步数检测算法计算 行走步数； 52、 自适应步长估计：根据沿着行走方向的相关数据，结合自适应步长估计算法得出用 户行走一步的距离，所述数据包括加速度和步频； 53、 航向估计：通过方向传感器和陀螺仪计算得出用户的行走方向； 54、 室内定位：基于几何中心的部分重采样粒子滤波算法对用户进行室内定位。2. 如权利要求1所述的IMU室内定位方法，其特征在于，在步骤S1中，所述步数检测算 法包括以下步骤： 对Z轴方向的加速度值进行滤波去噪、峰谷值检测算法，得到Z轴加速度的波形图； 对此波形进行窗口检测算法，对不满足窗口检测的波形段标记为无效步伐； 通过对波形进行DTW算法检测，通过检测相邻的波峰和波谷的相近度来确定其是否为 真实的一步。3. 如权利要求1所述的IMU室内定位方法，其特征在于，在步骤S2中，所述自适应步长 估计算法包括以下步骤： (1) 初始化：在未采集到用户的步伐相关数据前，先使用通用步长模型的a和0，根据 步频和步长模型获得步长； (2) 自适应估计：在收集到i-1时刻步伐相关数据后，根据其步长与步频的关系，利用 线性回归可以得到i时刻的a和0，再根据i时刻的步频可得出相应的步长。4. 如权利要求1所述的頂U室内定位方法，其特征在于，在步骤S4中，所述部分重采样 粒子滤波算法包括以下步骤： (1) 根据预先设定的粒子初始化状态分别对粒子进行初始化t= 0,根据p(x。）生成N 个粒子^〇,2=1，2，~，'。卩(1。）分布通常为高斯白噪声分布； (2) 设定t=t+1，根据状态转移公式 <勾| 采样粒子样本=U,…，7V， 尤表示t时刻的第i个粒子；对每个粒子；,/ = 1,2,...,iV分配相应的权值中| 是已知H时刻的状态量去估计t时刻状 态量的后验概率密度函数，1表〇是已知t时刻的状态量去估计t时刻的观测量的后验 概率密度函数，<表示4尤粒子对应的权重； 对每个粒子的权重进行归一化：(3) 基于几何中心部分重采样的原理对A类和C类粒子尤，/ = 1,2,...,TV进行重采样，并 重新分配权重，对A类和C类粒子根据其加权后的权重进行重采样得到Ns个新粒 子，并对其重新分配权重1/NS;其中，所述A类粒子为距离小于H的粒子，所述C类粒子为 距离大于Th的粒子； (4)根据新生成的粒子进行状态估计
【专利摘要】本发明提供了一种IMU室内定位方法，包括：步数检测：通过加速度传感器获取Z轴方向的加速度数据，利用步数检测算法计算行走步数；自适应步长估计：根据沿着行走方向的相关数据，结合自适应步长估计算法得出用户行走一步的距离，所述数据包括加速度和步频；航向估计：通过方向传感器和陀螺仪计算得出用户的行走方向；室内定位：基于几何中心的部分重采样粒子滤波算法对用户进行室内定位。本发明计算得到的步数和步长更加精准，并且在本发明中设计粒子滤波算法完成了IMU室内定位信息的整合和优化，针对粒子滤波的出现的贫化和退化问题，提出了基于几何中心的粒子滤波重采样算法，减少了计算复杂度，提高了定位精度。
【IPC分类】G01C21/20, G01S11/00, G01C21/18
【公开号】CN105022055
【申请号】CN201510400541
【发明人】钱志鸿, 方省, 付钰, 王雪, 孙大洋, 董颖, 厉茜
【申请人】吉林大学
【公开日】2015年11月4日
【申请日】2015年7月5日