[发明专利]一种基于惯性定位的多功能鞋垫

权利要求书

1.一种基于惯性定位的多功能鞋垫，包括鞋垫本体，其特征在于，还包括：设置在鞋垫本体内的惯性传感器模块、主控电路模块、信号传输模块、存储器、电池模块及USB模块，所述惯性传感器模块负责测得人体三个轴向的运动加速度、人体运动航向角及测量人体距海平面的高度；所述主控电路模块，用于实现定位导航、人体运动信息判别、步数记录，其上集成了陀螺仪姿态更新算法、加速度计和磁力计定姿算法、扩展卡尔曼滤波算法、航迹推算算法、人体运动信息判别算法；

所述信号传输模块负责与智能手机通过无线连接并传送数据到手机app，同时信号传输模块与主控电路模块相连，USB模块用于与主控模块进行程序烧录即数据传输，可与主控电路模块进行数据传输，USB模块与电池模块相连，进行充电管理，存储器与主控电路模块直接相连，实现数据存储功能。

2.根据权利要求1所述的基于惯性定位的多功能鞋垫，其特征在于，所述惯性传感器模块包含三轴加速度计、三轴陀螺仪、三轴磁力计和气压计，所述三轴加速度计用于测量人体运动的三个轴向的加速度，三轴陀螺仪用于测量人体三个轴向的运动角速度，三轴磁力计用于测量人体运动航向角，气压计用于测量人体距海平面的高度。

3.根据权利要求1或2所述的基于惯性定位的多功能鞋垫，其特征在于，所述陀螺仪姿态更新算法采用四元素方法求陀螺仪的姿态角，得出四元素表示的坐标变换矩阵和四元素的微分方程，采用四阶龙格库塔法求解微分方程，计算四参数的更新值，求得姿态角。

4.根据权利要求1或2所述的基于惯性定位的多功能鞋垫，其特征在于，所述卡尔曼融合滤波算法包括步骤：

初始时采集加速度计、磁力计和陀螺仪的原始数据；对原始数据进行误差补偿和卡尔曼滤波；若K<1时，则计算初始时刻加速度计和磁力计的姿态角，确定初始姿态角，根据初始姿态角计算初始四元素；若K>＝1,按照捷联惯导法计算出K时刻加速度计和磁力计的姿态角，四元素的四阶龙格库塔法计算K时刻陀螺仪的姿态角；再进行陀螺仪噪声估计，计算过程噪声协方差Q融合实现姿态角噪声估计，计算测量噪声协方差R；采用扩展卡尔曼滤波算法进行姿态融合，计算姿态角。

5.根据权利要求1或2所述的基于惯性定位的多功能鞋垫，其特征在于，

所述航迹推算算法具体包括：

利用坐标转换后的加速度数据二次积分为每一步的行走位移，每步的行走位移累加即为行走总位移，利用气压计测得的高度信号通过低通滤波处理，可获得人体行走坐标的高度信息，可定位到室内楼层位置，利用航迹推算算法可得到人体具体坐标。

6.根据权利要求5所述的基于惯性定位的多功能鞋垫，其特征在于，所述步数记录的实现包括：首先，用汉明窗滤波的方法对加速度信号进行滤波处理，窗口大小为5，滤波后的加速度数据呈规律变化，每一个跨步对应一个峰值、一个零点和一个谷值，类似于一个正弦波，利用峰值检测法来检测步态。

7.根据权利要求5所述的基于惯性定位的多功能鞋垫，其特征在于，人体运动信息判别算法检测4种人体运动信息，包括长期剧烈活动状态、长期静止状态、跌倒状态以及正常活动状体；采用滑动时间窗口的特征提取方法以获取人体的实时活动信息，首先，引用合成加速度幅值为：

提取以下几个特征值：

a)静止时只受重力作用，提取特征值1：a_2i＝|a_1i-1|

b)人体直立时，重力加速度主要集中于y轴，跌倒时，重力加速度主要集中于x轴和z轴人体跌倒时，跌倒前后的两个时间窗内的比值相差较大，提取特征值2；特征值2：

c)人体剧烈活动时，会处于失重或者超重，而人在跌倒时，人体首先处于失重状态，人身体着地后逐渐处于超重状态，合成加速度也重力加速度之差也偏大，提取时特征3：

进行特征识别最终得到人体运动姿态的判别。

8.根据权利要求1所述的基于惯性定位的多功能鞋垫，其特征在于，所述主控电路模块可选用STM32F407单片机芯片，使用MPU6050型号的加速度计和陀螺仪，使用型号为HMC5883L和型号为MS5611的气压传感器，可选用USB2.0接口，以及2.4V锂电池模块，可使用B-0002蓝牙模块实现整体功能。

9.根据权利要求1所述的基于惯性定位的多功能鞋垫，其特征在于，所述信号传输模块包括蓝牙模块和3G模块，蓝牙模块负责与智能手机通过蓝牙连接并传送数据到手机app，同时蓝牙模块与主控电路模块相连，3G模块可将信号传递到远程手机app，且与主控电路模块相连。