高度检测方法、装置和电子设备与流程

本发明涉及测量领域，更具体地，涉及一种高度检测方法、一种高度检测装置和一种电子设备。
背景技术：
：目前较为精准的高度检测方法中，通常需要根据当前时刻当前位置的气压值和当前时刻海平面的气压值确定海拔高度。如果在没有联网或信号不好的情况下，无法获取当前时刻海平面的气压值，那就无法获取精准的计算出当前位置的海拔高度。因此，有必要提出一种可以离线检测并且精度较高的高度检测方法。技术实现要素：本发明实施例的一个目的是提供一种高度检测的新的技术方案。根据本发明的第一方面，提供一种高度检测方法，包括：获取待测位置对应于设定的环境特征向量的当前向量值，所述环境特征向量包括湿度特征、温度特征和气压特征；根据所述环境特征向量与高度的映射关系，获得对应所述当前向量值的高度值作为所述待测位置的高度值。可选地，所述映射关系为最小二乘支持向量机模型。可选地，所述方法还包括获取所述映射关系的步骤，包括：获取由多个训练样本组成的训练样本集合，其中，每一所述训练样本包括相配对的所述环境特征向量的样本向量值和样本高度值；根据所述训练样本集合，获得所述映射关系。可选地，所述映射关系为映射函数，所述根据所述训练样本集合，获得所述映射关系，包括：根据所述训练样本集合，训练设定的高度预测表达式的待定参数的最优参数值组合，得到所述映射函数。可选地，所述根据所述训练样本集合，训练设定的高度预测表达式的待定参数的最优参数值组合，包括：建立初始种群，所述初始种群中的每一个体对应于所述高度预测表达式的一种参数值组合；对所述初始种群进行选择、交叉和变异，得到新一代种群；对所述新一代种群继续进行所述选择、交叉和变异，直到所述种群的个体适应度满足预设条件或者进化代数达到预设代数，根据此时所述群体中个体对应的所述参数值组合得到所述最优参数值组合。可选地，所述方法还包括获取个体适应度的步骤，包括：获取所述个体对应的高度预测表达式，其中，所述高度预测表达式的待定参数为所述个体对应的参数值组合；通过所述个体对应的高度预测表达式对所述训练样本集合中的样本向量值对应的高度进行预测，得到高度预测值；根据所述高度预测值和所述样本高度值获得所述个体适应度。可选地，所述参数值组合包括最小二乘支持向量机的惩罚因子和核函数参数。可选地，所述获取由多个训练样本组成的训练样本集合，包括：对于每一所述训练样本，测量在预设温度、预设气压、预设高度条件下的湿度，根据所述预设温度、预设气压、预设高度和测得的所述湿度得到所述训练样本。根据本发明的第二方面，还提供一种高度检测装置，包括：传感器单元，用于获取待测位置对应于设定的环境特征向量的当前向量值，所述环境特征向量包括湿度特征、温度特征和气压特征；数据处理单元，用于根据所述环境特征向量与高度的映射关系，获得对应所述当前向量值的高度值作为所述待测位置的高度值。根据本发明的第三方面，还提供一种电子设备，包括如本发明第二方面所述的高度检测装置；或者，所述电子设备包括：存储器，用于存储可执行命令；处理器，用于在所述可执行命令的控制下，执行如本发明第一方面任一项所述的方法。本发明的一个有益效果在于：本实施例中的高度检测方法，通过测量待测位置的环境特征向量，并结合环境特征向量和高度之间的映射关系，能够在离线状态下较为精准的确定待测位置的海拔高度。通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。附图说明被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。图1是可用于实现本发明实施例的电子设备的示意图。图2是本发明实施例一提供的高度检测方法的流程图。图3是本发明实施例一提供的一个具体例子的流程图。图4是本发明实施例二提供的高度检测装置的示意图。图5是本发明实施例三提供的电子设备的示意图。具体实施方式现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。对于相关领域普通技术人物已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。<总体构思>气压、空气湿度、空气温度和海拔高度之间存在映射关系，通过对待测位置的气压、湿度和温度进行测量，并结合该映射关系，便能在离线状态下较为精准的确定待测位置的海拔高度。<硬件配置>图1示出了可用于实现本发明实施例的电子设备的示意图。如图1所示，电子设备100包括处理器101、存储器102、通信装置103、显示装置104、输入装置105和传感器106。处理器101例如是中央处理器cpu、微处理器mcu等。存储器102例如包括rom(只读存储器)、ram(随机存取存储器)、诸如硬盘的非易失性存储器等。通信装置103例如用于电子设备100与其他设备进行有线通信或者无线通信，例如是蓝牙模块。显示装置104例如用于显示提示信息等，例如是液晶显示屏。输入装置105例如为现有的用于输入操作指令的设备，例如是键盘、可触控屏幕等。传感器106例如用于测量当前位置的湿度值、温度值和气压值，例如包括湿度传感器、温度传感器和气压传感器。湿度传感器例如是氯化锂湿度传感器、碳湿敏元件、氧化铝湿度传感器、陶瓷湿度传感器等。温度传感器例如是热电偶温度传感器、热敏电阻温度传感器、红外线温度传感器、半导体温度传感器等。压力传感器例如是硅半导体传感器、镍铜合金传感器、陶瓷传感器等。图1所示的电子设备100仅是解释性的，并且决不是为了要限制本发明、其应用或用途。<实施例一>本实施例提供了一种高度检测方法，该方法例如由图1中的电子设备100实施。如图2所示，该方法包括以下步骤s1100-s1200：步骤s1100，获取待测位置对应于设定的环境特征向量的当前向量值，环境特征向量包括湿度特征、温度特征和气压特征。本实施例中，将影响气压的主要环境因素抽取为环境特征向量，该向量包括湿度特征、温度特征和气压特征三个维度。获取待测位置当前向量值的方式例如是通过湿度传感器、温度传感器和气压传感器分别测量响应的物理量。步骤s1200，根据环境特征向量与高度的映射关系，获得对应当前向量值的高度值作为待测位置的高度值。环境特征向量与高度的映射关系，例如通过经验公式确定，又例如通过机器学习的方式获得。在一个例子中，环境特征向量与高度之间的映射关系可以保存在数据对照表中，该数据对照表的一部分如下表所示：海拔高度h(m)气温t(℃)气压p(hpa)相对湿度rh20013<t≤14950<p≤96040％<rh≤50％40012<t≤13940<p≤95040％<rh≤50％60011<t≤12930<p≤94040％<rh≤50％80010<t≤11920<p≤93040％<rh≤50％在另外的例子中，环境特征向量与高度之间的映射关系可以存储为映射函数h＝f(t,p,rh),其中，h代表海拔高度，t代表气温，p代表气压，rh代表相对湿度，f表示高度预测表达式。通过映射函数确定高度值，能够获得更高的准确度。在本实施例一个具体例子中，环境特征向量和高度的映射关系通过机器学习的方式获取，并通过最小二乘支持向量机模型描述该映射关系。支持向量机(supportvectormachine,svm)是可用于分类或回归的一种方法，在处理小样本数据体现出较强的能力，该方法的理论基础是结构风险最小化原理，通过最大化两类间的间隔获得问题的解。支持向量机实际上对应一个二次规划问题，该二次规划可以利用对偶方法获得问题的解，也可以采用迭代方法求解该问题。最小二乘支持向量机(leastsquaressupportvectormachine，lssvm)是对支持向量机模型的改进，在保持支持向量机原有优势的基础上，简化了大量的运算，并且依然拥有良好的性能。在本实施例一个具体例子中，该高度检测方法还包括获取环境特征向量和高度的映射关系的步骤，该步骤进一步包括以下步骤s1010-s1020：步骤s1010，获取由多个训练样本组成的训练样本集合，其中，每一训练样本包括相配对的环境特征向量的样本向量值和样本高度值。在步骤s1010中，获取训练样本集合的方法例如是：对于每一训练样本，测量在预设温度、预设气压、预设高度条件下的湿度，根据预设温度、预设气压、预设高度和测得的湿度得到训练样本。上述训练样本的获取过程，是将温度、气压和高度作为自变量，以湿度作为因变量进行数据采集的。如此，有利于合理有效地获得训练样本集合。步骤s1020，根据训练样本集合，获得映射关系。本实施例中，将通过样本训练和机器学习的方式获得映射关系。在本实施例的一个具体例子中，该映射关系为映射函数的形式，映射关系的获取包括：根据训练样本集合，训练设定的高度预测表达式的待定参数的最优参数值组合，得到映射函数。本例中，高度预测表达式为该映射函数的表达式。通过样本集合训练高度预测表达式的参数从而找到最优参数组合，也就得到了该映射函数。当环境特征向量与高度的映射关系为最小二乘支持向量机模型时，高度预测表达式的待定参数例如包括最小二乘支持向量机的惩罚因子和核函数参数。在一个例子中，通过遗传算法寻找高度预测表达式的最优参数组合。遗传算法(geneticalgorithm，ga)是一种以生物进化和遗传变异为理论基础的搜索算法。在自然界中，只有适应环境好的个体才能存活，个体通过遗传将好的性状特点传递给下代。而在遗传过程中，群体通过进化逐渐产生适应性优良的个体以适应环境变化，生物群体得到不断的发展和完善。遗传算法模拟生物的进化和遗传机制，通过采用选择(复制)、交叉(重组)、变异(突变)等遗传操作，衍生出种群中下一代的个体，直到获得符合要求的种群。在一个例子中，寻找最优参数组合的过程包括以下步骤s2100-s2300：步骤s2100，建立初始种群，初始种群中的每一个体对应于高度预测表达式的一种参数值组合。步骤s2200，对初始种群进行选择、交叉和变异，得到新一代种群。步骤s2300，对新一代种群继续进行选择、交叉和变异，直到种群的个体适应度满足预设条件或者进化代数达到预设代数，根据此时群体中个体对应的参数值组合得到最优参数值组合。在一个例子中，选择高斯核函数k(xi,xj)＝exp(-γ||xi-xj||2)作为支持向量机中的核函数，此时高度预测表达式的待定参数为(γ，c)，其中，γ为核函数参数，c为惩罚因子。遗传算法寻优的目的是找到(γ，c)的最佳参数值组合。在寻优过程中，先建立初始种群，例如通过随机取值的方式获得初始种群中的个体a、个体b和个体c，其中个体a对应的参数值组合是(0.25,10)，个体b对应的参数值组合是(0.5,20)，个体c对应的参数值组合是(1，30)。将上述参数值组合转换成二进制串编码的形式，即将参数优化问题转化为基因编码的形式。将适应度函数设置为：h(γ，c)＝accuracy。其中，accuracy为训练样本集上的验证准确率。对初代种群进行适应度评价，例如个体a的验证准确率为0.5，个体b的验证准确率为0.6，个体c的验证准确率为0.7，则个体c为适应度最优个体。将个体c的验证准确率与目标准确率进行比较，目标准确率例如是0.85，则个体c的验证准确率不满足精度要求，需要通过进化寻找最优参数值组合。在进化时，首先根据初始种群中个体的适应度值确定个体的选择概率，通过例如基于赌轮法的选择算子进行选择操作，得到用于复制的个体。在复制过程中，设置交叉概率取值例如为[0.3,0.4]，变异概率例如为0.03。复制时对上一代的适应度最优个体c进行保留。假设个体a和个体b在复制时发生了基因交叉，交叉后得到了个体a’和个体b’，个体a’对应的参数值组合是(0.25,20)，个体b’对应的参数值组合是(0.5,10)。对新一代种群的个体适应度进行计算，得出个体a’的验证准确率为0.9，个体b’的验证准确率为0.8，个体c的验证准确率为0.7。此时适应度最优个体a’的验证准确率满足精度要求，个体a’对应的参数值组合(0.25,20)即为最优参数值组合。本实施例中的高度检测方法，通过测量待测位置的环境特征向量，并结合环境特征向量和高度之间的映射关系，能够在离线状态下较为精准的确定待测位置的海拔高度。<例子>下面以一个具体的例子说明本实施例提供的高度检测方法的实施方式。如图3所示，首先在电子设备中集成湿度传感器、温度传感器和气压传感器。该电子设备例如是可穿戴设备。同时，构建ga-lssvm算法模型，并对模型的参数进行合理的初始化操作，包括遗传算法的种群规模、初始种群、个体长度、交叉概率、变异概率、最大进化代数和适应度函数，最小二乘支持向量机的惩罚因子寻优区间和核函数参数寻优区间，以及算法模型的训练精度。之后，在已知环境下，基于可穿戴设备的传感器模块采集不同条件下的多组温度、气压、湿度、高度数据，作为训练样本集合。得到训练样本后，对训练样本数据进行归一化处理，并将归一化后的训练样本数据输入到初始ga-lssvm模型中，基于适应度函数，计算初始种群的适应度，并进行适应度评价。采用最优保存策略，将适应度最优的个体保存下来，并判断该适应度最优的个体是否满足精度要求，若满足要求则直接根据该个体作得到ga-lssvm模型的最优参数值组合，若不满足则进入进化操作。在进化操作中，通过选择操作、交叉操作和变异操作得到新一代种群(上一代种群的适应度最优个体也保留到新一代种群中)。对新一代种群，继续进行上述适应度评价和进化操作，直到某一代种群的适应度最优个体满足精度要求，或者进化代数达到了预设代数。此时，根据群体中适应度最优个体得到ga-lssvm模型的最优参数值组合，完成对ga-lssvm模型的优化。将优化后的ga-lssvm模型存储在可穿戴设备的存储器中。需要进行高度检测时，基于可穿戴设备中的传感器对当前位置的空气湿度、温度和气压进行检测，并将检测值输入到ga-lssvm模型中，计算得出当前位置的海拔高度。<实施例二>本实施例提供一种高度检测装置。如图4所示，高度检测装置400包括传感器单元410和数据处理单元420。传感器单元410，用于获取待测位置对应于设定的环境特征向量的当前向量值，环境特征向量包括湿度特征、温度特征和气压特征；数据处理单元420，用于根据环境特征向量与高度的映射关系，获得对应当前向量值的高度值作为待测位置的高度值。在本实施例的一个具体例子中，传感器单元410包括湿度传感器、温度传感器和气压传感器。在本实施例的一个具体例子中，映射关系为最小二乘支持向量机模型。在本实施例的一个具体例子中，高度检测装置400还包括映射关系获取模块，该映射关系获取模块用于：获取由多个训练样本组成的训练样本集合，其中，每一训练样本包括相配对的环境特征向量的样本向量值和样本高度值；根据训练样本集合，获得映射关系。在本实施例的一个具体例子中，映射关系获取模块还用于：根据训练样本集合，训练设定的高度预测表达式的待定参数的最优参数值组合，得到映射函数。在本实施例的一个具体例子中，映射关系获取模块还用于：建立初始种群，初始种群中的每一个体对应于高度预测表达式的一种参数值组合；对初始种群进行选择、交叉和变异，得到新一代种群；对新一代种群继续进行选择、交叉和变异，直到种群的个体适应度满足预设条件或者进化代数达到预设代数，根据此时群体中个体对应的参数值组合得到最优参数值组合。在本实施例的一个具体例子中，映射关系获取模块还用于：获取个体对应的高度预测表达式，其中，高度预测表达式的待定参数为个体对应的参数值组合；通过个体对应的高度预测表达式对训练样本集合中的样本向量值对应的高度进行预测，得到高度预测值；根据高度预测值和样本高度值获得个体适应度。在本实施例的一个具体例子中，参数值组合包括最小二乘支持向量机的惩罚因子和核函数参数。在本实施例的一个具体例子中，高度检测装置400还包括样本获取单元，该样本获取单元用于：对于每一训练样本，测量在预设温度、预设气压、预设高度条件下的湿度，根据预设温度、预设气压、预设高度和测得的湿度得到训练样本。<实施例三>本实施例提供一种电子设备，例如是可穿戴设备。该电子设备包括实施例二中所述的高度检测装置，或者，该电子设备如图5所示，包括：存储器510，用于存储可执行命令；处理器520，用于在存储器510存储的可执行命令的控制下，执行如实施例一中所述的方法。本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人物来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本
技术领域：
的普通技术人物来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本
技术领域：
的其它普通技术人物能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。当前第1页12