本发明提出了一种将手机内置传感器采集的三轴加速度数据从手机坐标系转换到大地参考坐标系的处理方法，该方法涉及到移动通信、模式识别和情景感知等领域。
背景技术：
目前基于智能手机的行为识别是环境智能中的一个研究热点，具有极其广泛的应用前景。智能手机内置的多种传感器如加速度传感器、陀螺仪、磁力计、方向传感器等可以对不同的运动、方向和外部环境进行感知，特别在监测设备的移动和位置变化时，能获得较精确的原始三维数据；但这些数据都是基于手机坐标系，当手机放置的位置或者方向发生改变时采集到的数据会随之改变。现实中由于手机用户使用习惯的个性化，如手机放置位置不同，是常握在手中，还是放在裤兜或手提包里，以及手机具体的方向不同，都将会直接影响对用户行为进行识别分类的结果。
在现有的同类研究中，大多数使用手机内置的加速度传感器来检测用户的运动情况。目前国外学者大多采用对每个轴的加速度去除重力矢量，或者选择手机的某些特定摆放位置进行坐标映射来实现对原始加速度的补偿修正；由此可见，传感器放置的位置和方向对行为识别的正确率有很大影响。实际应用中鉴于用户使用习惯的多样性和手机的摆放位置是任意的，因此将手机内置传感器采集的三轴加速度数据从手机坐标系转换到统一参考坐标系具有普遍适用性，将会对行为识别正确率有显著提高和广泛的应用前景。
第200710075404.7号中国专利申请公开一种控制手机播放音乐的方法。通过加速度传感器感知用户甩动手机的不同方向，传递不同的方位信息给音乐播放器，从而进行相应的歌曲切换或音量调节操作。但用户在甩动手机时，因手机方向与地表水平面的垂直或平行方向必定存在偏差，利用检测到的加速度数据进行判断处理时会产生误操作，如播放音量会忽增忽减，从而无法按照用户实际需求来控制手机音乐播放。
第201410654221.0号中国专利申请公开了一种基于智能手机加速度传感器实时交通路况估计方法。通过智能手机自带的加速度传感器采集加速度信息，并用手机的内存对测得的数据进行处理，利用离线训练好的模型估计路况信息。实施过程中需利用智能手机的加速度传感器、方向传感器和GPS，通过测量车辆的启动状态来实现车辆坐标系和手机坐标系之间的转化和校正。但该发明中没有明确智能手机在车上的具体方向和位置，忽略了在实际路况中车辆坐标系与大地参考坐标系的不一致性。
技术实现要素：
本发明的目的在于针对上述已有技术的不足，提出了一种将手机内置加速度传感器采集的三轴加速度数据从手机坐标系转换到大地参考坐标系的处理方法，转换后的三轴加速度数据有了更清晰的物理含义，减少手机方位对采集数据的影响，在基于移动终端的情景感知中有广泛的应用价值。
本发明是一种将手机内置加速度传感器采集的三轴加速度数据从手机坐标系转换到大地参考坐标系的处理方法，其特征在于，本专利中的大地参考坐标系是基于标准正交基，且完全独立于手机坐标系。X轴方向正切手机当前所在位置的地面，直指东方；Y轴方向同样正切于该地面指向磁北极；Z轴方向则垂直于地面指向天空。而手机坐标系的确定与手机屏幕相关。x轴为手机屏幕平面中向右指的方向，反之为-x；y轴为手机屏幕平面中向上指的方向，垂直于x轴；而z轴为垂直于手机屏幕平面正上方向外指的方向。
本发明是一种将手机内置加速度传感器采集的三轴加速度数据从手机坐标系转换到大地参考坐标系的处理方法，其特征在于，利用手机内置的加速度传感器和方向传感器，在每一个采样点采集6个数据，除了三轴加速度还有三个角度变化，分别为azimuth, pitch和roll。Azimuth表示磁北极和手机坐标系y轴夹脚；Pitch表示x轴和水平面的夹角，当z轴向y轴转动时，角度为正值；Azimuth和Pitch的取值范围为；Roll表示y轴和水平面的夹角，当x轴向z轴移动时，角度为正值，它的取值范围为。
本发明是一种将手机内置加速度传感器采集的三轴加速度数据从手机坐标系转换到大地参考坐标系的处理方法，其特征在于，欧拉角能够用来描述任意旋转，对于任何参考系，一个刚体的取向，都可以依照旋转顺序来进行转换。借鉴这种思想和刚体坐标系与参考坐标系之间互相转换方法，可以计算出参考坐标系下的三轴加速度数据为：
，
其中R表示描述刚体取向的旋转矩阵,即从手机坐标系到参考坐标系的映射方法，R由三个基本旋转矩阵复合而成，变量a、p、r分别表示azimuth, pitch和roll。
附图说明
图1是本发明中涉及的手机坐标系示意图；
图2是本发明中涉及的参考坐标系示意图；
图3是本发明中不同坐标系下五种行为的加速度数据图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
为了清楚说明本发明的有效性，在本实施例中进行了基于手机内置加速度传感器的人体行为识别的试验。试验数据选择常见的基于加速度传感器的人体行为数据集，该数据集是在完全自然的条件下，采集者将手机（三星Galaxy Note 2智能手机）分别握在手中、放在裤兜或放在手提包里对多种不同的行为采集数据。
该识别系统主要包括以下几个模块：数据采集、预处理、特征提取选择和分类器训练识别几个模块。
1.数据采集模块：通过手机内置的三轴加速度传感器和方向传感器采集人体在五种基本行为（静止、走路、跑步、上楼、下楼）时的三维加速度数据和三个角度变化，分别为azimuth, pitch和roll；但获取的这些原始数据都是基于手机坐标系，当手机放置的位置或者方向发生改变时采集到的数据会随之改变。应用程序默认的采集频率为100hz；采集数据时对手机的方向没有刻意约定，完全取决于用户个人的使用习惯。
2.预处理模块：对采集的原始数据进行坐标转换、滤波去噪等预处理以获得更好的识别效果。
手机坐标系中的x轴为手机屏幕平面中向右指的方向，反之为-x；y轴为手机屏幕平面中向上指的方向，垂直于x轴；而z轴为垂直于手机屏幕平面正上方向外指的方向，如图1所示。
大地参考坐标系是基于标准正交基，且完全独立于手机坐标系。其X轴方向正切手机当前所在位置的地面，直指东方；Y轴方向同样正切于该地面指向磁北极；Z轴方向则垂直于地面指向天空，如图2所示。
转换后的三轴加速度数据有了清晰的物理含义，能够更准确地反映出人体在每个轴的运动趋势；X、Y轴加速度数据记录用户在水平方向（前/后,左/右）的移动，Z轴加速度数据则记录用户在垂直方向（上/下）的移动。
欧拉角能够用来描述任意旋转，它的基本思想是将角位移分解为绕三个互相垂直轴的三个旋转组成的序列。对于任何参考系，一个刚体的取向，都可以依照旋转顺序来进行转换。借鉴这种思想和刚体坐标系与参考坐标系之间互相转换方法，可以计算出参考坐标系下的三轴加速度数据为：
，
其中R表示描述刚体取向的旋转矩阵,即从手机坐标系到参考坐标系的映射方法，R由三个基本旋转矩阵复合而成，变量a、p、r分别表示azimuth, pitch和roll。
3.特征提取模块：针对识别目标提取各种不同的特征；通常对加速度信号提取的特征包括时域特征、频域特征和时频特征，优选后的特征集表征了各种行为的突出特性。在本实施例中采用了滑动窗技术；因手机内置应用程序的默认采样频率为100hz，滑动窗的大小设定为1.5s，相邻窗口按50%进行交叉重叠。在每一个滑动窗口，对坐标转换预处理后的水平和垂直方向加速度数据提取时域和频域上共33个特征，如均值、标准差、信号幅度、四分位差、偏度、峰度、信息熵、相关系数等。
4.分类器训练识别模块：其主要功能是选择一种分类算法，用特征矩阵训练出相应的参考模型，分类器通过这个参考模型对测试集进行分类识别。在本实施例中选取支持向量机作为分类器，对于RBF径向基核函数采用交叉验证设置最优参数为C=1024和G=2。
实验内容与结果
实验一：选取五个不同实验者（A,B,C,D,E）的数据对坐标转换的效果进行了验证。首先汇总每个实验者在三个不同位置对五种行为采集的数据，然后将这些数据按照欧拉矩阵映射到大地参考坐标系，对每个实验者的数据集随机选取70%作为训练集，剩余30%作为测试集；用分类器训练识别两次来对比转换前后的效果。
表1罗列出对每个实验者的五种不同行为的识别正确率(%)
如表1的数据显示，在对加速度数据进行坐标转换后，每个实验者总体的行为识别率都有所提高，五个实验者平均的提高率为19.86%。
实验二：选取一个典型用户，将他在静止、走路、跑步、上下楼五种行为中采集的加速度数据拼接起来，每种行为的有效数据集为2.5秒。如图3所示，坐标转换后Z轴加速度数据直接反映出用户不同行为特点和变化规律。相对走路时采集的数据，跑步时用户在垂直方向的运动幅度更大，因此Z轴加速度数据震荡幅度明显增大；在上下楼时，人体运动方向与参考坐标系Z轴一致或相反，在图3中可以清晰看到转换后Z轴加速度数据取值范围的切换。
在两组实验中，转换后的三轴加速度数据有了清晰的物理含义，能够更准确地反映出手机使用者在每个轴的运动趋势，X、Y轴数据记录用户在水平方向（前/后，左/右）的移动，Z轴数据记录用户在垂直方向（上/下）的移动。从而有效减少手机方位对内置加速度传感器采集数据的影响，对手机使用者的行为识别正确率得到显著提高。