[发明专利]一种基于MEMS传感器和FM广播信号的室内三维定位方法

权利要求书

1.一种基于MEMS传感器和FM广播信号的室内三维定位方法，其特征在于：通过融合FM广播信号与行人航位推算(Pedestrian Dead Reckoning,PDR)定位技术实现三维定位，具体包括以下步骤：

步骤一：基于MEMS加速度计输出，综合过零检测、阈值检测两种方法进行行人的步数检测，并在步数检测的基础上进行步长估计；

步骤二：基于MEMS三轴加速度计、三轴陀螺仪、三轴磁力计信号和FM广播信号提取多项特征，设计支持向量机分类器将这些特征组合起来以识别行人行走过程中的直线状态与转弯状态；

步骤三：在直线/转弯状态判断的基础上分别计算两种状态下的航向角，完成方向估计；

步骤四：基于MEMS三轴加速度计、三轴陀螺仪信号和FM广播信号提取多项特征，设计支持向量机分类器将这些特征组合起来以用于行人行走过程中平面行走状态、上楼状态与下楼状态的分类；

步骤五：在平面行走状态、上楼状态与下楼状态判断的基础上结合楼梯结构特点对楼层进行定位；

步骤六：结合步数检测、步长估计、方向估计以及楼层定位结果计算行人的运动轨迹，实现室内行人三维定位。

2.根据权利要求1所述的一种基于MEMS传感器和FM广播信号的室内三维定位方法，其特征在于：所述步骤二具体包括如下步骤：

从智能手机中获得的直接测量量是FM广播的接收信号强度(Received SignalStrength Indication，RSSI)、设备加速度、角速度和磁场强度；首先，从三轴加速度计、三轴陀螺仪、三轴磁力计数据和FM广播信号数据中提取多项特征；其中，选取三个频道的FM广播信号数据；先对原始数据加上一个时间窗，然后得到一个总共60个特征维度的特征列表，如下所示：

1.每个FM频道在时间窗内的RSSI；

2.每个FM频道在时间窗内开始和结束时刻的RSSI差异；

3.每个FM频道在时间窗内RSSI最大值；

4.每个FM频道在时间窗内RSSI标准差；

5.每个FM频道在时间窗内RSSI最小值；

6.每个FM频道在时间窗内RSSI频谱的平均频率；

7.三轴加速度测量值；

8.三轴角速度测量值；

9.三轴磁场强度测量值；

10.时间窗内三轴加速度的偏斜；

11.时间窗内三轴角速度的偏斜；

12.时间窗内三轴磁场强度的偏斜；

13.时间窗内三轴加速度的峰度；

14.时间窗内三轴角速度的峰度；

15.时间窗内三轴磁场强度的峰度；

16.时间窗内三轴加速度的能量；

17.时间窗内三轴加速度的标准差；

18.时间窗内三轴角速度的标准差；

19.惯导推算方法计算的姿态角；

20.磁力计航向方法计算的姿态角；

在上面的特征列表中，每一项都包含三个特征维度，其中第7项到第20项包含的特征维度具体指载体坐标系的x，y，z三轴方向，而第一项到第六项的特征维度具体指FM的三个频道；列表中惯导推算方法指的是基于陀螺仪输出的三轴角速度进行惯导解算得到姿态角，具体为：对陀螺仪三轴输出进行一次积分即可得到姿态角变化率；若初始姿态角已知，则可得到载体姿态；而磁力计航向法指的是基于加速度计和磁力计通过对常矢量的观测推算得到姿态角，具体如下：

其中，[a_x,a_y,a_z]^T分别是加速度计的三轴输出，[ψ,θ,γ]分别是航向角、俯仰角和横滚角，[m_x,m_y,m_z]^T分别是磁力计的三轴输出，δ_m表示当地磁偏角；

其次，综合以上多项特征，使用支持向量机来将提取出的多种特征结合起来以识别行人行走过程中的不同运动状态；支持向量机分类器的使用具体包含两个过程：训练过程和预测过程；在训练时，将训练集数据的直线/转弯真实类别和计算出的特征列表输入至分类器，而分类器的输出为基于训练集数据得到的训练模型；预测时将计算出的测试集数据的特征列表输入至分类器，基于训练模型对测试集数据的运动状态进行预测，分类器的输出是测试集数据的直线/转弯运动状态分类结果。