足绑式PNS自适应滑动平均零速区间检测方法

针对足绑式个人导航系统(PNS)中,传统的滑动平均算法对零速区间检测的延迟问题,设计了一种基于自适应滑动平均算法,对零速区间进行检测。首先对比力模值和角速率模值进行滑动平均,根据平均后数据的变化趋势,通过比较样本方差,设置一个自适应的滑动时间窗口来判断行人是否静止。该方法既能避免由于平滑算法带来的延时问题,又能够消除抖动干扰造成的误检,从而得到准确的零速区间。行走实验验证了本文方法的有效性,自适应滑动平均算法的导航精度提高了50%。

基于foot-mounted IMU零速区间的行人步态检测算法

基于足部MEMS-IMU的捷联惯性导航技术,高精度步态检测是导航修正的关键。利用MEMS-IMU多种特征值,提出了行走和跑步的两种步态检测算法。在行走状态下,采用加速度、角速度,足部着地和跨步时间的多条件约束实现零速区间检测。在跑步状态时,针对现在跑步步态检测研究的空缺,提出了通过步伐探测和跨步探测的方法,并结合多条件约束,实现零速区间检测。实验结果表明:行走和跑步状态的步态检测正确率达99%以上,实现了高精度步态检测与计步。

一种用于足绑式行人惯性导航的区间搜索零速检测器

针对在足绑式惯性行人导航系统中,传统阈值法零速检测器自适应差的问题,设计了一种区间搜索零速检测器,基于足部运动中的惯性数据特征自适应地搜索到最优的零速区间。以足部运动的一个步态周期作为零速区间搜索的基本单元,然后在基本单元中对加速度信息进行处理,将原始数据通过非线性函数映射到搜索空间中对数据差异化放大,最后利用在搜索空间数据收敛性确定最优零速区间。实验表明,在正常行走情况下,区间搜索零速检测器不需要参数调节,检测结果与具有最优阈值的SHOE方法匹配度约97.54%,定位精度在3 m/18 min以内。与改进的自适应零速检测器Adaptive-SHOE相比,性能相当,零速检测结果匹配度约98.51%。但是在多种运动混合情况下,Adaptive-SHOE失效,区间搜索零速检测正常工作。区间搜索法的结果与具有最优阈值的SHOE方法匹配度约89.12%,但是精度优于SHOE。区间搜索零速检测器具有较好的工程应用价值。