[发明专利]一种基于高斯混合聚类算法的自适应行人手机姿态识别方法

说明书

本发明公开了一种基于高斯混合聚类算法的自适应行人手机姿态识别方法，包括对多名行人的手机各姿态下内部加速度传感器、陀螺仪和近距离传感器的三轴数据进行采集，量化处理，求解加速度传感器重力分量，并虚拟为重力计数据；采用高斯混合聚类算法对各姿态信号特征匹配；设定滑动窗口大小为M，存储一系列时刻采样点的簇划分结果，对滑动窗口内一系列连续手机位姿转换进行检测；输出姿态转换检测判断结果。本发明方法具有较强的普适性，同时方法可靠性高，计算简单并具有较好的实时性。

技术领域

本发明属于行人定位导航技术领域，特别涉及了一种基于高斯混合聚类算法的自适应行人手机姿态识别方法。

背景技术

随着智能手机的普及，基于智能手机的行人定位及导航技术成为定位导航领域中的一个重要的新兴分支。目前在室内导航情景下，比较常用的方法为行人航向推算算法(PDR)，这种方法的使用要求手机保持相对人体固定的位置以保证手机解算的航向能准确反映行人的航向。这是由于，一旦手机的姿态发生较大变动，导航系统会误判为行人的航向发生了变化，这会对定位导航结果造成严重错误的影响。此外，在日常生活场景中，根据人们的日常生活习惯，手机常处于多种放置姿态，一般可分为手持手机竖屏状态即阅读状态，手持手机横屏状态即游戏或视频状态，手持手机通话状态，手持手机甩手状态以及手机放置在裤兜的状态。所以，固定的手机携带方式极大限制了行人行走时手机的使用场景，严重影响了用户体验。为了适应更加广泛的应用场景，实现不预设手机携带方式的行人定位及导航，一种高效且适应于广大人群的对多种行人携带手机姿态的实时识别方法具有重大的研究意义。

发明内容

发明目的：为了解决上述背景技术提出的技术问题，本发明旨在提供一种基于高斯混合聚类算法的自适应行人手机姿态识别方法，对行人手机的姿态进行识别，并检测行人手机姿态是否发生变化，有利于扩大PDR算法的应用场景。

技术方案：为了实现上述发明目的，本发明采用以下技术方案：

一种基于高斯混合聚类算法的自适应行人手机姿态识别方法，包括以下步骤：

(1)对行人的手机各姿态下内部加速度传感器、陀螺仪和近距离传感器的三轴数据进行采集，量化处理，求解加速度传感器重力分量，并虚拟为重力计数据；

(2)采用高斯混合聚类算法对待识别行人的实时手机姿态进行分类识别；

(3)姿态转换检测，对待识别行人携带手机时两种姿态之间的转换过程进行检测与识别；

设定滑动窗口大小为M，存储一系列时刻采样点的簇划分结果，即姿态判别结果；对滑动窗口内一系列连续手机姿态转换进行检测；

(4)输出姿态转换检测判断结果，输出姿态转换检测判断结果；即判断是否发生姿态转换，给出两姿态转换临界过程附近的采样点。

进一步的，步骤(1)中将加速度传感器输出数据虚拟为重力计在手机X轴、Y轴、Z轴三个方向上的重力分量信号，三轴陀螺仪输出数据包括在手机X轴、Y轴、Z轴三个方向上的陀螺仪信号。

进一步的，步骤(2)中高斯混合聚类算法对待识别行人的实时手机姿态分别识别的方法为：

(21)设置高斯混合聚类模型初始参数；

高斯混合聚类模型初始参数为(α_i,μ_i,Σ_i)，其中，μ_i与Σ_i是第i个高斯混合成分的均值和方差参数，而α_i0为相应“混合系数”，i∈[1,k]，其中k为已知聚类簇数即手机姿态个数；所述各个手机姿态的高斯混合聚类模型参数(α_i,μ_i,Σ_i)即各个姿态下对多名行人手机各姿态下虚拟重力计数据处理所得，计算公式为：