[发明专利]一种基于MEMS惯性传感器和FM广播信号的步长估计方法

说明书

本发明公开了一种基于MEMS惯性传感器和FM广播信号的步长估计方法，通过支持向量机回归方法将惯性传感器特征和FM广播信号特征组合起来以实现步长估计，方法包括：基于MEMS加速度计实现行人的步数检测，基于MEMS惯性传感器信号以及FM广播信号提取多种特征并使用主成分分析方法对提取的多特征进行降维以剔除冗余特征，最后采用SVR融合多项特征，经过训练以及预测两个阶段后实现步长估计。本发明使用MEMS惯性传感器与FM广播信号进行步长估计，不需要身高等先验信息或调参过程；通过引入与距离变化有关且不受运动速度或人影响的FM广播信号特征，既减小了MEMS惯性器件偏差和噪声对于性能的负面影响，也保证了算法对于不同速度与不同人的实用性。

技术领域

本发明涉及室内导航定位技术领域，具体涉及一种基于MEMS(Micro-Electro-Mechanical System)惯性传感器和FM(Frequency Modulation)广播信号的步长估计方法。

背景技术

随着近年来智能手机的大范围普及，室内定位的应用越来越广泛，包括博物馆指南、购物指南、搜索和救援、移动广告和可定位的社交网络等。全球导航卫星系统(GlobalNavigation Satellite System,GNSS)经过几十年的发展已成为室外定位的标准方案。然而，在室内，人员的移动比室外要频繁，频繁的人类活动与大量的墙壁、门、家具等因素导致GNSS信号在室内受到衰减和多径的严重影响，无障碍直线传播的条件常常难以达到。因此，GNSS系统在室内环境中接收卫星数量少，信号强度低，难以满足精确定位的要求，室内定位系统通常利用其他途径来实现精确定位。

在室内定位系统中，行人航位推算(Pedestrian Dead Reckoning,PDR)系统因其既不需要复杂的设备部署，也不需要费力的现场勘测而被广泛应用。而步长估计是PDR的关键组成部分之一，其精度将直接影响PDR的性能。常用的步长估计方法主要分为两种：基于几何学模型以及基于统计学回归方法。基于几何学模型的方法根据人体不同部位的某些尺寸、角度和位移之间的几何关系来定义步长的解析表达式。这种方法虽然简单，但是由于人体的复杂性以及人和场景的可变性，这些模型通常是简化和近似的，需要参数校准阶段来调整其性能以适应每个特定用户和不同步行速度。基于统计学回归的方法则通过某些变量来预测步长，如步频与步长之间有明显的关系，因此可以作为步长的预测因子。估计变量之间关系的过程称为训练过程，在此任务中使用的数据和模型估计技术将影响后续步长估计的准确性和通用性。这种方法的灵活性较强，基本不需要参数调整过程，然而现有的大部分研究都需要丰富的训练集数据，因此前期工作较大；此外，现有研究只使用了加速度等惯性传感器特征来预测步长，然而器件测量会带来噪声，特别是当选择低成本的MEMS惯性传感器作为测量工具时，测量精度会受到严重限制，且加速度特征动态性较强，受人和环境的影响较大，因此，若没有其他信息的辅助，步长估计的性能较差。

调频((Frequency Modulation，FM)广播是用频率调制技术来传输声音信号的一种无线电广播技术。频率调制技术根据待传送信号的内容改变载波的频率，从而将信息存储在载波的频率之中传播。FM广播是当前主要的无线广播信号体制，在汽车、手机上有广泛应用。FM广播信号由广播站通过发射塔发出，可通过频率区分，在世界范围内达到了很高的覆盖率。其传播符合传播模型理论，即随着与信号源距离的增大，信号强度指数(ReceivedSignal Strength Indication，RSSI)减小，因此RSSI的变化与距离变化有一定的对应关系，可以用于估计步长。

发明内容

本发明技术解决问题：克服现有技术的不足，提供一种基于MEMS惯性传感器和FM广播信号的步长估计方法，通过支持向量机回归(SVR)方法将惯性传感器特征和FM特征组合起来以实现步长估计的机制，可以有效克服现有步长估计算法的缺陷，提高了对于不同速度、不同人的适用性，与现有步长估计技术相比，前期工作少，实用性强。