基于三軸加速度傳感器的步長估算模型研究

劉 雷， 慕艷艷， 劉睿鑫

(中國礦業大學(北京) 機電與信息工程學院，北京 100083)

?

基于三軸加速度傳感器的步長估算模型研究

劉 雷， 慕艷艷， 劉睿鑫

(中國礦業大學(北京) 機電與信息工程學院，北京 100083)

估算步長是行人航位推算系統的重要一環，直接影響行人當前位置的推算結果。提出了一種基于三軸加速度傳感器的步長估算模型，用于室內、外行人步長的估算。采用微機電系統(MEMS)低功耗三軸加速度傳感器采集行人的運動信息，根據運動加速度的曲線特點，經過信號去噪、剔除異常采樣點等預處理，提取相應的步頻、加速度峰值關鍵特征，建立步長估算的數學模型。實驗結果表明：該數學模型估算的步長誤差在2 cm以下，具有良好的準確性和穩定性。

三軸加速度傳感器； 步長估計； 步頻； 數學模型

0 引 言

在全球定位系統(GPS)不可得的環境中，基于微機電系統(MEMS)慣性傳感器進行行人航位推算是一種很好的選擇，具有短時高精度、低功耗的特點[1]，可以用于室內、煤礦井下等環境中的航跡推算。

在進行行走航跡推算時，建立準確的行人步長估算模型至關重要。目前，常用的步長估計模型有常數步長模型、線性步長模型、非線性步長模型、神經網絡模型。文獻[2，3]采用常數步長模型，算法簡單，使用方便，但無法反映步長變化的隨機性。文獻[4]基于步頻估算步長，進一步提高估算精度。文獻[5，6]利用加速度的四次方根估算步長，只需求解一個參數，但行走步頻改變時，估算誤差較大。文獻[7，8]采用神經網絡模型估算步長，適應于不同斜度的地面狀況，靈活性強，但對GPS定位有很大的依賴。

本文基于三軸加速度傳感器提出了一種新的步長估計模型，用于GPS不可得的煤礦井下提高人員定位系統的定位精度。構建以三軸加速度傳感器CJMCU-250E BMA250E BOSCH、Edison處理器模塊為核心的實驗裝置，進行行人步長實驗測試研究。根據不同行人、不同速度相應的加速度曲線特性，平滑濾波、剔除異常采樣點等預處理后，獲取步頻、加速度峰值關鍵特征，建立步長估算的數學模型。該模型能較好地反映不同行人的步態特征。

1 實驗與測試數據

本文設計開發了基于MEMS加速度傳感器的步長測量裝置，硬件系統結構如圖1所示。傳感器模塊選用MEMS低功耗三軸加速度傳感器CJMCU—250E BMA250EBOSCH，測量范圍為±2gn，分辨率為6.1×10-5gn，模塊內集成有數字濾波器，測量精度高。CPU采用Intel Edison計算機模塊；模塊采用Inter Atom處理器，集成了12位高速A/D轉換器；測量裝置運行Linux系統，采用C語言進行了數據采集軟件開發，測量數據存儲在Intel Edison的1 GB存儲器中，實驗結束通過串行端口上傳到計算機，數據處理使用Matlab。測量時裝置佩戴于測試者腰部。

圖1 硬件系統結構

行人自然步行的頻率為75～125步/min，普通人的步長分布在50～90 cm范圍[9，10]，因此，行走的速度范圍為0.7～1.8 m/s，即步行的頻率為1.25～2.08 Hz，根據采樣定理，采樣頻率取30 Hz，保證信息不丟失。

本文對不同步速對步長的影響進行了研究[11,12],測試者分別以不同速度進行了42組行走測試。每次測試均對加速度傳感器進行校正處理[13,14]，實驗測得行走速度分別為0.70,0.80,1.20,1.32,1.65,1.70,1.80 m/s。測試場地為一直行走廊，行走距離為40 m。每組測試數據的時間、步數及合成加速度峰值如圖2所示。

圖2 行人行走測試數據

2 數據處理與分析

2.1 數據濾波處理

圖3 窗口長度取不同值時的濾波效果

滑動窗口長度取n=8時，如圖3所示，能夠剔除加速度信號里的高頻噪聲，因身體抖動造成的多峰值波形也被平滑成單峰值，便于峰值探測。合加速度asum在中值濾波前、后的波形如圖4所示。

圖4 預處理前、后的波形

2.2 數據處理

圖4(b)表明：濾波后的合加速度波形呈周期性變化，符合人體行走的步態規律，相鄰波峰之間對應一個完整的步態周期，即兩步。平滑的波形曲線便于波峰檢測、峰值獲取以及相鄰波峰之間采樣個數計數。從圖5可以看出，加速度峰值越大，相鄰波峰間的采樣個數越少。根據采樣頻率30Hz，實時計算步頻。綜合步頻、合加速度因素，建立并優化步長估算模型，實時估算步長。

圖5 合加速度峰值與相鄰波峰間采樣點總數對應關系

3 步長數學模型

3.1 步長與步頻、合加速度的關系

記步頻F,步數N，步長L，行走的距離為D，采樣頻率H，相鄰波峰之間的采樣個數為M，則有下述關系

F=2H/M= N/t

L=D/N

(1)

式中 t為行走距離D所用的時間。利用Matlab可得步長L、步頻F、合加速度asum之間的關系圖，如圖6所示。

圖6 步長L與合加速度asum、步頻F的對應關系

3.2 步長數學模型的建立

圖6表明：隨著合加速度asum、步頻F的變化，步長L 呈正相關變化，近似線性增大或減小。因此，L關于F，asum的線性關系方程有

L=A asum+BF+C

式中 A，B，C為模型待求參數。理論上，asum，F同時為零時，人應處于靜止狀態，L=0,即參數C=0。考慮到現實環境中行走步態的復雜性，本文建立具有普適性的步長估計模型。

利用Matlab對測試數據進行線性擬合，擬合結果如圖7所示。表明，‘·’點群與‘*’點群并沒有完全重合，少許點之間存在著殘差。

圖7 測量值與理論值的比對

利用Matlab進行回歸計算，求得步長模型

L=0.132asum+0.123F+0.225

(2)

相關系數r2=0.928，數學模型較好地符合原始數據。圖8表明所有數據的殘差離零點均較近，且殘差的置信區間均包含零點。其中，每條線長度為置信區間，小圓圈為殘差點。

圖8 擬合結果的殘差分析

3.3 數學模型驗證與比較

對于模型(2)進行模型的驗證和比較研究，選取了測試者6名，3名男性，3名女性，女性身高分別為158，164，168cm；男性身高分別為170，175，181cm。測試場地仍為原場地，行走距離分別為30，35，40，45，50m。設計實驗距離依據所研究的模型主要用于2個基站之間的距離估計。每個測試者行走以上5個距離1次，共進行了30組實驗。對比模型采用式(3)

SL=MF+N

(3)

式中 M，N為模型系數；F為步頻。

步長測試結果如圖9所示。表明：隨著行走距離的增大，2種數學模型的估算距離與實際行走距離之間的偏差逐漸變大，這是步長估算誤差累計的結果，且“*”偏離“☆”較遠，表明數學模型SL產生的誤差較大。

圖9 2種步長模型測試結果對比

3.4 誤差分析

2組數學模型的步長估算誤差如表1所示。

表1 2種數學模型測試結果

表1表明數學模型L的步長估算誤差比較集中，在2 cm以下，穩定性好，準確度高。

4 結 論

本文提出一種基于三軸加速度傳感器的步長估算模型，用于室內、外行人步長的精確估算。設計的可穿戴行人步長實驗裝置佩戴于測試者腰部，CPU選用Intel Edison計算機模塊、采用MEMS低功耗三軸加速度傳感器模塊。詳細介紹了步長測試實驗的方法、測試數據的處理分析、數學模型的建立及優化、相關步長數學模型的對比分析。室內測試結果表明：該步長模型綜合考慮合加速度峰值、步頻雙重因素，能夠體現出不同行人、不同頻率的步態隨機性，步長估算誤差在2 cm以下，具有良好的準確性和穩定性，進一步提高了煤礦井下人員定位的精度。

[1] 李旭輝.MEMS發展應用現狀[J].傳感器與微系統,2006,25(5):7-9.

[2] 宣秀彬．基于WiFi和航位推算的室內定位方法研究[D]．秦皇島：燕山大學，2013.

[3] 劉志達．智能手機室內定位技術的研究與實現[D]．廣東：華南理工大學，2015.

[4] 李金鳳，王慶輝，劉曉梅，等．基于MEMS慣性傳感器的行人航位推算系統[J].傳感器與微系統，2014,33(12)：85-87，90．

[5] 徐 偉．基于Android手機的室內定位技術研究與實現[D]．武漢：華中師范大學,2014.

[6] 張 迅，黎 偉，周建國，等．基于傳感器的室內測試軌跡系統[J]．傳感器與微系統，2015,34(6):43-45，49.

[7] Altun K,Barshan B.Pedestrian dead reckoning employing simultaneous activity recognition cues[J].Measurement Science and Technology,2012,23(2):025103.

[8] Prieto J,Mazuelas S,Bahillo A,et alPedestrian navigation in harsh environments using wireless and inertial measurements[C]∥2013 10th Workshop on Positioning Navigation and Communication(WPNC),IEEE,2013.

[9] 李若涵,張金藝,徐德政,等.運動分類步頻調節的微機電慣性測量單元室內行人航跡推算[J].上海大學學報：自然科學版,2014(5):612-623.

[10] 練藝影,王正珍,李雪梅,等.20～59歲年齡段普通成年人健步走推薦速度及步頻的研究[J].北京體育大學學報,2012(7):49-51，57.

[11] 安 宇.論步頻和步長的關系[J].牡丹江大學學報,2008(1):125-127.

[12] 費程羽,蘇 中,李 擎.行人慣性導航零速檢測算法[J].傳感器與微系統,2016,35(3):147-150，153.

[13] 林生榮,張 輝.三軸加速度傳感器校正方法研究[J].傳感器與微系統,2011,30(11):72-74，78.

[14] 王建東,劉云輝,樊瑋虹,等.MEMS傳感器的慣性測量模塊的設計與初始校準[J].傳感器與微系統,2006,25(10):82-85.

[15] 齊保振.基于運動傳感的個人導航系統及算法研究[D].杭州：浙江大學,2013.

[16] 韓文正,馮 迪,李 鵬,等.基于加速度傳感器LIS3DH的計步器設計[J].傳感器與微系統,2012,31(11):97-99.

[17] 張建平.基于WiFi的室內定位系統設計和算法研究[J].自動化技術與應用，2016,35(12)：53-57.

[18] 洪雁，王培康.基于稀疏表示多分類的室內定位算法[J].無線電工程，2014,44(2)46-49.

Research on model for step length estimating based on tri-axis acceleration sensor

LIU Lei， MU Yan-yan， LIU Rui-xin

(School of Mechanical Electronic and Information Engineering,China University of Mining and Technology(Beijing),Beijing 100083,China)

Estimating step length is an important part of pedestrian dead reckoning system,directly affects the calculation result of the pedestrian’s current position.Based on tri-axis acceleration sensor,model for estimation of pedestrian’s step length is proposed indoor and outdoor.Hardware platform utilize low power tri-axis MEMS acceleration sensor is used to collect the pedestrian’s movement information consumption,which containing key characteristics of step frequency and the peak of acceleration according to features of the motion acceleration curve.After signal denoising and eliminating the abnormal sampling points,a mathematical model for measuring step-length is built.Related experiments show that the mathematical model has better accuracy and stability and the calculation error is less than 2 cm at every step.

tri-axial acceleration sensor; step estimation; step frequency; mathematical model

10.13873/J.1000—9787(2017)08—0022—03

2016—09—01

TP 212

A

1000—9787(2017)08—0022—03

劉 雷(1989-)，男，碩士研究生，主要研究方向為傳感器應用，模式識別。