用于垂直轨迹确定的方法和系统与流程

本公开要求在2014年10月1日提交的题为“用于垂直轨迹确定的方法和系统(METHODS AND SYSTEMS FOR VERTICAL TRAJECTORY DETERMINATION)”的美国临时专利申请号62/058,517和在2015年1月9日提交的题为“用于垂直轨迹确定和自动跳跃检测的方法和系统(METHODS AND SYSTEMS FOR VERTICAL TRAJECTORY DETERMINATION AND AUTOMATIC JUMP DETECTION)”的美国临时专利申请号62/101,942的权益，其全部内容通过引用并入本文。

技术领域

本公开涉及包括MEMS惯性测量单元的惯性导航系统和用于捕获和跟踪人在垂直方向上的运动的其它系统。

背景技术：

关键表现变量(KPV)是运动员表现的定量测量。通过访问和查看运动员的KPV，运动员可以显著地提高整体表现。KPV允许运动员与教练共享表现信息、记录和跟踪随时间推移的表现并向运动员提供实时反馈。

目前可用的基于视频或基于摄像机的“动作捕获”(MOCAP)方法提供了很少的定量变量。此外，这些MOCAP技术被限制在室内使用或不适合户外运动(诸如滑雪、单板滑雪、溜旱冰和骑自行车)的动作捕获的限制区域，因为这些活动发生在较大距离上。

另一方面，惯性导航系统(INS)是独立成套的，并因此可以提供对高级动作和位置信息的无约束可达性。INS被广泛用在各种MOCAP应用，诸如船舶和飞机导航、紧固工具和钢笔跟踪以及运动分析，以提供诸如姿态、速度和位置等信息。

近来，微型微机电系统(MEMS)惯性设备已经变得更加普遍，并且MEMS惯性设备的小尺寸致使使用可穿戴MOCAP技术进行人体动作跟踪的INS的出现。通常，可穿戴MOCAP设备利用MEMS惯性测量单元(MEMS-IMU)和/或绝对位置传感器来捕获用于室内/室外定位的动作。例如，MOCAP摄像机系统可以用作绝对位置传感器，并且被添加到用于在室内环境中进行更精确的人体定位的惯性设备。对于室外环境，全球定位系统(GPS)为示例性的绝对位置传感器，其可以被用于加强惯性测量单元以用于更精确的人体定位。

上述GPS/MEMS-IMU集成方法的缺点在于消费者级GPS导出的垂直位置(或海拔高度)信息通常比水平位置信息精确度低得多。GPS海拔高度测量精度可以变化高达40米(通常为10米到20米)；这种不精确性的最重要的原因是卫星可见度(即在地平线上几乎没有可见的卫星)以及多径信号效应。实时GPS技术(诸如实时运动学GPS和差分GPS)提供更高的位置精度，但是其高昂的成本是运动消费电子市场的限制因素。

附图说明

现在将参考附图仅以示例的方式描述本公开的实施例。

图1为根据本公开的实施例的垂直位置确定系统的示意性框图。

图2为根据本公开的实施例的垂直位置确定的方法的流程图。

图3为根据本公开的实施例的用于垂直轨迹确定的设备的示意性框图。

具体实施方式

本公开致力于改进消费级设备中的垂直位置确定的需求。

图1为根据本公开的实施例的示例垂直位置和速度确定系统100的示意性框图。如下所述，在一些实施例中，系统100可提供增加的计算效率，并且可在可穿戴电子设备中实现，以向设备的佩戴者提供垂直动作信息。

系统100包括用于接收转向速率信息的输入101、用于接收加速度信息的输入102和用于接收气压信息的输入103。转向速率信息输入101可例如被连接到陀螺仪，诸如三轴陀螺仪(在图3中示出为MEMS-IMU 304的一部分)。加速度信息输入102可例如被连接到加速度计，诸如三轴加速度计(在图3中示为MEMS-IMU 304的一部分)。气压信息输入103可例如被连接到气压高度计(在图3中示为MEMS气压高度计302)。系统100可与提供加速度计和陀螺仪并且还具有与其集成的气压高度计的惯性测量单元(IMU)结合使用。如本文所使用的，术语“IMU-baro”用于指具有集成气压高度计的这种IMU。系统100也包括垂直位置估计输出端104和垂直速度估计输出端105。

垂直位置和速度确定系统100另外包括级联两步卡尔曼滤波器(KF)系统，其包括方位KF 110和垂直位置/速度KF 120。第一步骤(方位KF 110)的输出被设置为第二步骤(垂直位置/速度KF 120)的输入。

方位KF 110包括重力矢量时间更新器111和重力矢量测量更新器112。重力矢量时间更新器111根据转向速率信息输入101生成传感器坐标系(IMU-baro的坐标系)中的重力矢量的预测113。重力矢量测量更新器112从重力矢量预测113和加速度信息输入102两者的加权组合生成传感器坐标系中的校正重力矢量。然后，通过使用传感器坐标系中的校正重力矢量，重力矢量测量更新器112生成滚转角和俯仰角信息114。如本文所使用的，术语“滚转角”是指围绕沿着第一(例如前后)方向的水平轴线的旋转，以及术语“俯仰角”是指围绕沿着垂直于第一方向的第二(例如左右)方向的水平轴线的旋转。

垂直位置/速度KF 120包括垂直位置/速度时间更新器121、垂直位置/速度测量更新器122和可选的零速度更新检测器123。垂直位置/速度时间更新器121从滚转和俯仰角信息114以及加速度信息输入102生成垂直位置/速度预测124。

垂直位置/速度测量更新器122基于垂直位置/速度预测124和气压信息输入103的加权组合生成校正垂直位置估计104和垂直速度估计105。

可选零速度更新检测器123从加速度信息输入102生成零速度信号125。当静止相位(still phase)被零速度更新检测器123检测到时，零速度信号125迫使垂直速度估计105为零。

INS通过求解捷联式惯性导航方程通过外部加速度值的积分来估计包括位置和速度的导航参数。因此，重要的是INS通过从加速度计信号中减去重力加速度来精确地估计动态状况期间的外部加速度。为了实现该减法函数，INS需要对其方位进行精确的估计。

图1的实施例包括采取方位KF与垂直位置/速度KF级联的形式的级联KF。级联KF提供良好的计算效率。级联KF具有比全局KF小得多的计算开销，因为与方位状态相关的计算与垂直位置/速度KF分离。因此，级联KF可以使用线性函数来实现，而全局KF将需要非线性卡尔曼滤波方法，诸如由扩展卡尔曼滤波器(EKF)或无迹卡尔曼滤波器(UKF)所利用的那些方法。除了改善的计算成本之外，级联KF允许增加灵活性并且更容易在全局KF上实现和调谐。

虽然级联KF理论上产生与全局KF相比次优(不太精确)的估计，但实际上为了惯性导航的目的，级联KF的表现与全局KF正相当。根据本文所公开的示例的示例级联KF系统的初步测试指示分别用于慢动作、垂直跳跃和下降跳跃(step-down jump)垂直轨迹跟踪的垂直轨迹跟踪误差约为26.9cm、27.2cm和28.1cm。实验设置的细节和初步测试的进一步结果在附录A中的文件中列出。

使用Rauch-Tung-Striebel(RTS)平滑器观察到垂直轨迹跟踪精度的显著改善，如下所述。另外，基于实验结果，通过使用RTS平滑器，用于垂直跳跃和下降跳跃的平均跳跃KPV(高度/下降)确定误差分别约为2.9cm和5.8cm(与在垂直方向上的一些点中的GPS的～40m误差相比)。这个所实现的精度应足以用于跳跃高度的量级为小的娱乐目的。另一方面，运动员运动跳跃中的跳跃高度的量级远远大于娱乐跳跃中的跳跃高度的量级。因此，所实现的约2.9-5.8cm的跳跃KPV确定精度对于使用可穿戴技术的户外测量目的来说也应当是足够的。

现在将描述级联KF中的各个滤波器的结构，即方位KF 110和垂直位置/速度KF 120。在下面的描述中，下标1和2分别表示方位KF 110和垂直位置/速度KF 120的变量。

方位KF 110生成滚转角和俯仰角信息114。滚转角和俯仰角信息114对于垂直方向上的重力加速度补偿和惯性动作跟踪来说是足够的。因此，不需要完整的三维方位的信息。

三轴陀螺仪和三轴加速度计分别向方位KF 110提供转向速率信息输入101和加速度信息输入102。重力矢量时间更新器111执行下面的方程式1的函数，以根据转向速率信息输入101生成传感器坐标系中的重力矢量的预测113。

x₁(k)＝A₁(k-1)x₁(k-1)+w₁(k-1) (方程式1)

在方程式1中，x₁(k)为在步骤k处的方位KF 110的3×1状态矢量；因此，x₁(k)为传感器坐标系中的归一化重力矢量；A₁为状态转移矩阵；以及w₁为过程模型噪声矢量。重力矢量时间更新器111使用先前的重力矢量预测x₁(k-1)从预测模型生成传感器坐标系中的重力矢量x₁(k)的预测113。

重力矢量测量更新器112执行下面的方程式2的函数，以利用来自加速度信息输入102的测量来更新重力矢量预测113。

z₁(k)＝C₁(k)x₁(k)+v₁(k) (方程式2)

在方程式2中，z₁为测量矢量(即在加速度计的传感器坐标系中测量的重力矢量)；C₁为3×3观察矩阵；以及v₁为测量模型噪声矢量。

方程式1和2的矩阵从下面的方程式3至13计算。

生成方位KF的重力矢量预测

状态转移矩阵A₁(k-1)从I₃导出，I₃为3×3单位矩阵；以及为三轴陀螺仪测量的3×3斜对称矩阵。

过程模型噪声矢量w₁(k-1)基于其为x₁的3×3斜对称矩阵；以及n_G，其为陀螺仪测量噪声矢量，并且被假定为不相关和零均值白高斯。

因此，方程式1、3和4定义重力矢量预测113。以此方式，重力矢量时间更新器111从转向速率信息输入101导出x₁(k)，重力矢量预测113。

生成方位KF的滚转角和俯仰角信息

C₁(k)＝gI₃ (方程式5)

在方程式5中，从I₃导出3×3观察矩阵C₁，I₃为3×3单位矩阵；以及g，其为重力矢量的范数。

在方程式6中，从为加速度计的传感器坐标系中的外部加速度误差的导出测量模型噪声矢量v₁；以及n_A，其为陀螺仪测量噪声矢量，并且被假定为不相关和零均值白高斯。

方程式7和8描述了加速度计的传感器坐标系中的外部加速度误差。

^Sa^-(k)＝c_a^Sa⁺(k+1) (方程式8)

在方程7中，^Sa(k)＝c_a^Sa(k-1)+ε(k)，其中，ε(k)为外部加速度过程模型的时变误差。在方程式7和8中，上标+和-分别表示方位KF 110中的“后验”和“先验”估计；上标S表示该量在传感器坐标系中；c_a为在0和1之间的无量纲常数，其用于确定外部加速度模型中的截止频率。

z₁(k)＝y_A(k)-c_a^Sa⁺(k-1) (方程式9)

方程式2中的测量矢量z₁由方程式9和10定义，其中，y_A(k)为加速度计的偏置补偿输出矢量；以及传感器坐标系中所估计的归一化重力矢量为因此，方程式2和5-10定义了传感器坐标系中所估计的归一化重力矢量

方程式11使用传感器坐标系中所估计的归一化重力矢量来生成所计算的滚转角(γ)和俯仰角(β)。根据方程式2和5-11，重力矢量测量更新器112从y_A(k)、加速度信息输入102以及从x₁(k)、重力矢量预测113生成指示滚转角(γ)和俯仰角(β)的方位信号114。

R₁(k)＝∑_acc+∑_A (方程式13)

方程式12和13定义方位KF 110中的过程和测量噪声协方差矩阵。使用过程模型噪声矢量w₁(k-1)计算过程噪声协方差矩阵Q₁(k-1)，并且其等于E[w₁(k-1)w₁(k-1)^T]，其中，E为期望算子。Σ_G为被定义为E[n_Gn_G^T]的陀螺仪测量噪声的协方差矩阵。通过假设陀螺噪声方差在三个轴上等于σ_G，Σ_G被设置为

使用测量模型噪声矢量v₁(k)来计算测量噪声协方差矩阵R₁(k)，并且其等于E[v₁(k)v₁(k)^T]，为加速度计测量噪声的协方差矩阵的Σ_A被设置为Σ_acc为加速度模型的协方差，并被设置为

生成垂直位置/速度KF的垂直位置/速度预测

垂直位置/速度KF 120生成垂直位置估计104和垂直速度估计105。方位KF 110、三轴加速度计和气压高度计分别向垂直位置/速度KF 120提供滚转角(γ)和俯仰角(β)(自方位信号114)、提供加速度信息(自输入102)和气压信息(自输入103)。

垂直位置/速度时间更新器121执行下面的方程式14的函数，以从来自方位信号114的滚转角和俯仰角以及来自输入102的加速度信息生成垂直位置/速度预测124。

x₂(k)＝A₂(k-1)x₂(k-1)+B₂(k-1)u₂(k-1)+w₂(k-1) (方程式14)

在方程式14中，x₂(k)＝[h(k)v(k)]^T为垂直位置/速度KF 120的状态矢量，其包括垂直位置和垂直速度分量；A₂(k-1)和B₂(k-1)为垂直位置/速度KF 120的状态变换和输入矩阵；u₂(k-1)为输入矢量，其包括导航坐标系中的重力补偿加速度的垂直分量，并且使用输入102和114来计算；w₂(k-1)为过程噪声的2×1矢量。

方程式15和方程式16分别定义状态变换矩阵和输入矩阵A₂(K-1)和B₂(K-1)。

方程式17定义导航坐标系中的重力补偿加速度的垂直分量。导航坐标系中的重力补偿的加速度的垂直分量的值基于旋转矩阵其使用来自方位信号114的滚转角(γ)和俯仰角(β)和来自输入102的加速度y_A(k-1)来计算。将加速度计传感器坐标系的z轴对准导航坐标系；

方程式18和19分别描述了将加速度计传感器坐标系的z轴与导航坐标系对准的旋转矩阵以及过程噪声的2×1矢量w₂(k-1)。

根据方程式14至19，垂直位置/速度时间更新器121根据来自方位信号114的滚转角(γ)和俯仰角(β)以及加速度信息输入102生成x₂(k)、垂直位置/速度预测124。

生成垂直位置/速度KF的垂直位置估计和垂直速度估计

垂直位置/速度测量更新器122执行下面的方程式20的函数，以从垂直位置/速度预测124和气压计信息输入103生成垂直位置估计104和垂直速度估计105。

z₂(k)＝C₂(k)x₂(k)+v₂(k) (方程式20)

在方程式20中，z₂(k)为从气压计信息输入103计算的相对高度(Δh_baro)；C₂(k)为观察矩阵；以及v₂(k)为测量噪声。

方程式21描述了气压计信息输入103，P如何在垂直位置/速度测量更新器122中使用。在方程式21中，Δh_baro为相对于参考位置的初始高度(h_init)的相对高度；h_init使用在参考位置处的初始压力数据来计算(h_init可例如使用如下所述的静态初始化来计算)；以及P₀为等于101,325Pa的标准压力。由于气压高度计中存在显著的量化噪声，应使用滚转平均滤波器来提高气压高度测量的精度，并且在测量噪声v₂(k)中应考虑其剩余误差。

C₂(k)＝[1 0] (方程式22)

方程式22定义了观察矩阵C₂(k)。

方程式23定义了使用过程噪声矢量w₂(k-1)和输入矩阵B₂(k-1)来计算的过程噪声协方差矩阵Q₂(k-1)。

方程式24定义了测量噪声协方差矩阵R₂(k)，其中，为气压计噪声方差。测量噪声协方差矩阵R₂(k)通过E[v₂(k)v₂(k)^T]获得。

根据方程式20至24，垂直位置/速度测量更新器122利用从气压计信息输入103导出的相对高度测量值z₂(k)校正x₂(k)＝[h(k)v(k)]^T垂直位置/速度预测124，以生成垂直位置估计104，h(k)和垂直速度估计105，h(k)。

图1的垂直位置/速度确定系统有利地提供了不使用GPS的相对高度测量的精确估计。因此，垂直位置和速度确定系统100可以与GPS/MEMS-IMU组合以增强具有改进的垂直位置确定的GPS/MEMS-IMU。垂直位置和速度确定系统100特别地与GPS/MEMS-IMU互补，因为在稳定状态下，GPS可以被用于初始化垂直位置确定系统的气压高度计(到绝对高度)；而在动态状态下，垂直位置和速度确定系统100可以提供相对高度测量的精确估计，而不依赖于GPS的不精确的动态高度测量。

在图1的另一实施例中，垂直位置和速度确定系统100可选地包括零速度更新检测器123，以限制INS中的漂移误差。可选的零速度更新检测器123从加速度信息输入102生成零速度信号125。当静止相位被零速度更新检测器123检测到时，零速度信号125迫使垂直速度估计105为零。在一些实施例中，静止相位通过对由加速度计测量的加速度信号的范数设置阈值来检测，并且当加速度信号低于阈值时确定静止相位。

在一些实施例中，固定初始化可被用于校准垂直位置和速度确定系统100。在静止初始化期间，计算初始姿态和传感器偏差。三轴加速度计和三轴陀螺仪数据被用于在方位KF 110中计算初始倾斜角的平均值。传感器坐标系中的外部加速度^Sa⁺(k)为方位KF 110的副产品。然而，由于在静止初始化步骤期间外部加速度应该为零，所以^Sa⁺(k)的平均值被认为是传感器坐标系中的加速度计偏差矢量。假设MEMS陀螺仪不够精确以测量地球的旋转速率，则陀螺仪偏置矢量被计算为在该静止初始化步骤期间三轴陀螺仪测量的平均值。假定这些偏置值在静止初始化过程之间的运算期间是恒定的。然后从所测量的加速度计和陀螺仪信号中减去所估计的加速度计和陀螺仪偏差以用于垂直轨迹估计。在静止初始化步骤期间，速度被设置为零，并且气压高度计中的h_init通过从参考系获得的初始高度来校准。该参考系可以提供用于绝对高度跟踪的实际椭球高度(诸如从GPS获得的高度)或相对高度跟踪的相对于任意坐标系的相对高度(诸如从基于摄像机的MOCAP系统获得的高度)。

在本公开的又一实施例中，垂直位置和速度确定系统100包括轨迹平滑器(在图3中示为RTS 306)。在不需要实时数据处理的应用中，可以通过将前向和后向处理的数据组合的平滑来进一步提高垂直位置估计的精度。在一个示例中，垂直位置确定系统100的轨迹平滑器被配置为Rauch-Tung-Striebel(RTS)轨迹平滑器。RTS平滑器为在导航应用中广泛使用的轨迹平滑器，其用于平滑位置和速度轨迹。RTS平滑器包括一个前向数据处理部分和一个后向数据处理部分。RTS平滑器的前向处理部分为垂直位置和速度确定系统100的垂直位置/速度KF 120。RTS平滑器存储来自前向处理部分的估计及其协方差，然后使用以下方程式25至27在后向扫描中递归地更新所平滑的估计及其协方差：

K_s(k)＝P₂⁺(k)A₂(k)[P₂^-(k+1)]^-1 (方程式25)

P_s(k)＝P₂⁺(k)+K_s(k)[P_s(k+1)-P₂^-(k+1)]K_s(k)^T (方程式26)x_s(k)＝x₂⁺(k)+K_s(k)[x_s(k+1)-x₂^-(k+1)] (方程式27)

在方程式25至27中，和为“后验”和“先验”协方差估计；K_s为平滑器增益；和为“后验”和“先验”状态估计；以及x_s为所平滑的状态矢量。所有上述变量涉及垂直位置/速度KF 120。

图2示出了根据本公开的实施例的垂直位置/速度确定的方法200的流程图。该方法可以由有形地实施在非暂态计算机可读介质上的计算机程序产品来执行。该计算机程序产品在被执行时可操作执行方法200。

在201，该方法测量同一设备中具有集成气压高度计的惯性测量单元(IMU)(IMU-baro)的转向速率、IMU-baro的加速度，以及使用来自气压高度计的气压信息的IMU-baro的高度。在一个实施例中，这些测量包括有噪声数据；也就是说，测量值固有地包括诸如由传感器噪声引起的误差的误差。

在202，该方法根据第一卡尔曼滤波器运算基于转向速率测量和加速度测量来估计IMU-baro的滚转和俯仰。在实施例中，在202处的估计另外包括卡尔曼滤波器中的递归预测和校正步骤。

预测包括基于使用来自陀螺仪的转向速率测量和IMU-baro传感器坐标系中的先前重力加速度的捷联式积分来预测IMU-baro压力传感器坐标系中的重力加速度矢量。校正包括将传感器坐标系中的重力加速度矢量的预测与来自加速度计的测量组合以生成传感器坐标系中的重力加速度矢量的估计。最后，滚转角和俯仰角函数根据传感器坐标系中的估计重力加速度矢量来计算估计的滚转角和俯仰角。

在203，该方法向第二卡尔曼滤波器运算提供来自第一卡尔曼滤波器运算的滚转和俯仰估计。在实施例中，第一卡尔曼滤波器运算的输出为第二卡尔曼滤波器运算的输入。

在204，该方法根据第二卡尔曼滤波器运算基于加速度测量、气压测量以及滚转和俯仰估计来估计IMU-baro的垂直位置/速度。在实施例中，在204处的估计另外包括卡尔曼滤波器中的递归预测和校正。

预测包括基于使用IMU-baro的加速度和先前的垂直位置和垂直速度的捷联式积分来预测垂直位置(高度)和垂直速度。

校正包括在卡尔曼滤波器中将预测的垂直位置和垂直速度与来自气压高度计的测量垂直位置(高度测量)组合以生成垂直位置和垂直速度估计。

图3为根据本公开的实施例的用于垂直轨迹确定的设备300的示意性框图。设备300包括可佩戴设备302，其可以容纳图1和图3所示的各种硬件和软件组件。设备300包括用于接收转向速率信息的输入101、用于接收加速度信息的输入102和用于接收气压信息的输入103。设备300可与提供加速度计和陀螺仪的惯性测量单元(IMU)结合使用。在一些情况下，IMU也可具有与其集成的气压高度计。如本文所使用的，术语“IMU-baro”用于指具有集成气压高度计的这种IMU。

转向速率信息输入101可例如被连接到陀螺仪，诸如三轴陀螺仪(在图3中示出为MEMS-IMU 304的一部分)。加速度信息输入102可例如被连接到加速度计，诸如三轴加速度计(在图3中示为MEMS-IMU 304的一部分)。气压信息输入103可例如被连接到气压高度计(在图3中示为MEMS气压高度计302)。设备300另外包括垂直位置估计输出104和垂直速度估计输出105。

在本公开的一些实施例中，垂直位置和速度确定设备300包括轨迹平滑器306(在图3中示为RTS 306)。在不需要实时数据处理的应用中，可以通过将前向和后向处理的数据组合的平滑来进一步提高垂直位置估计的精度。在示例中，垂直位置确定设备300的轨迹平滑器被配置为Rauch-Tung-Striebel(RTS)轨迹平滑器306。RTS平滑器306为在导航应用中广泛使用的轨迹平滑器，其用于平滑位置和速度轨迹。

在前面的描述中，出于解释的目的，阐述了许多细节以便提供对实施例的透彻理解。然而，对本领域的技术人员显而易见的是，这些具体细节不是必需的。在其它实例中，以框图形式示出了公知的电气结构和电路，以免混淆理解。例如，没有提供关于本文所述的实施例是作为软件例程、硬件电路、固件还是其组合来实现的具体细节。

本公开的实施例可以被表示为存储在机器可读介质(也称为计算机可读介质、处理器可读介质或其中包含计算机可读程序代码的计算机可用介质)中的计算机程序产品。机器可读介质可以为任何合适的有形的非暂态介质，包括磁、光或电存储介质，包括磁盘、光盘只读存储器(CD-ROM)、存储器设备(易失性或非易失性)或类似的存储机制。机器可读介质可以包含各种指令集、代码序列、配置信息或其它数据，其在被执行时使处理器执行根据本公开的实施例的方法中的步骤。本领域普通技术人员应理解，实现所述的实施方案所必需的其它指令和运算也可以被存储在机器可读介质上。存储在机器可读介质上的指令可以由处理器或其它合适的处理设备执行，并且可以与电路交互以执行所述的任务。

上述实施例旨在仅为示例。本领域的技术人员可以对特定实施例实施变更、修改和变动。权利要求的范围不应受到本文所阐述的特定实施例的限制，而是应以与整个说明书一致的方式来解释。

本公开提供了用于垂直位置和速度确定的方法和系统。垂直位置和速度确定将来自垂直位置传感器(诸如使用压力测量导出高度信息的MEMS气压高度计)的垂直位置信息与从MEMS-IMU导出的方位(倾斜角)和加速度信息组合。MEMS气压高度计的输出与使用级联两步卡尔曼滤波器(KF)系统的MEMS-IMU的输出相融合。

所提出的方法需要无磁力计的MEMS-IMU来提供倾斜角，并因此，垂直位置确定对抗磁扰动是鲁棒的。另外，使用级联的KF避免需要传播附加状态，从而提高了位置确定方法的计算效率。因此，本位置确定方法适合于运动员穿戴的小且轻质的电池供电的电子设备。

本公开的一个方面提供了用于同一设备中具有集成气压高度计的惯性测量单元(IMU)(IMU-baro)的垂直位置和速度确定系统。该系统包括被连接以接收所测量的IMU-baro方位的转向速率输入；被连接以接收所测量的IMU-baro加速度的加速度输入；被连接以接收所测量的IMU-baro高度的气压输入；被连接到转向速率输入和加速度输入的第一卡尔曼滤波器，以基于所测量的IMU-baro方位和所测量的IMU-baro加速度来估计IMU-baro的滚转和俯仰；以及连接到加速度输入、气压输入和第一卡尔曼滤波器的第二卡尔曼滤波器；第二卡尔曼滤波器与第一卡尔曼滤波器级联以从第一卡尔曼滤波器接收IMU-baro的估计的滚转角和俯仰角，并且基于所测量的IMU-baro加速度、使用气压高度计测量的气压以及IMU-baro的估计滚转和俯仰来估计IMU-baro的垂直位置和垂直速度。

本公开的另一方面提供了用于确定IMU-baro的高度的设备。该设备包括：第一卡尔曼滤波器，其被配置为基于所测量的IMU-baro转向速率和基于所测量的IMU-baro加速度来估计IMU-baro的滚转和俯仰；以及第二卡尔曼滤波器，其以级联布置被连接到第一卡尔曼滤波器以接收所估计的IMU-baro的滚转和俯仰。第二卡尔曼滤波器被配置为基于所估计的IMU-baro的侧切和俯仰、所测量的IMU-baro加速度和所测量的气压来估计IMU-baro的垂直位置和垂直速度，并输出所估计的IMU-baro的垂直位置和垂直速度。

本公开的另一方面提供了有形地实施在非暂态计算机可读介质上的计算机程序产品，该计算机程序产品在被执行时可操作以执行确定IMU-baro的垂直位置和速度的方法。该方法包括测量IMU-baro的转向速率、IMU-baro的加速度和气压；根据第一卡尔曼滤波器运算基于转向速率测量和加速度测量来估计IMU-baro的滚转和俯仰；将该滚转和俯仰估计从第一卡尔曼滤波器运算提供给第二卡尔曼滤波器运算；根据第二卡尔曼滤波运算基于加速度测量、气压测量以及滚转和俯仰估计来估计IMU-baro的垂直位置和速度；以及基于所估计的垂直位置和速度来确定IMU-baro的垂直位置和速度；以及输出所确定的垂直位置和速度。

通过结合附图阅读以下对具体实施例的描述，本公开的其它方面和特征对于本领域普通技术人员将变得显而易见。