[發明專利]基于運動狀態感知的低功耗定位方法及系統

在審

• 申請號: 201410612298.1
• 申請日: 2014-11-03
• 公開（公告）號: CN104296749A
• 公開（公告）日: 2015-01-21
• 發明（設計）人: 陳孔陽;譚光;李翔宇;吳靜
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G01C21/16
• 分類號: G01C21/16
• 代理公司: 深圳市銘粵知識產權代理有限公司 44304
• 代理人: 孫偉峰

1.一種基于運動狀態感知的低功耗定位方法，其特征在于，所述方法包括：

S1、離線訓練；

S11、標準數據采集，通過加速度傳感器采集各個標準運動狀態下對應的加速度數據；

S12、用戶運動狀態學習，從加速度數據中提取出特征向量來區分各個標準運動狀態，得到標準運動狀態與加速度數據波形的對應關系，建立離線訓練模型；

S2、在線定位；

S21、用戶運動數據的采集和處理，通過加速度傳感器實時采集用戶運動引起的加速度數據；

S22、用戶運動狀態分析和位移分析，對當前采集的加速度數據進行特征向量提取，使用離線訓練模型計算出用戶的運動狀態，并對加速度數據進行計算，得到一段時間內的位移變化、及位移累計誤差。

S23、機會式GPS定位，判斷所述位移累計誤差是否超過門限閾值，若是，則打開GPS重新進行定位，并重啟加速度傳感器，返回步驟S21開始在線定位；若否，則直接返回步驟S21開始在線定位。

2.根據權利要求1所述的方法，其特征在于，所述步驟S11中的標準運動狀態包括走路、跑步、靜止；所述步驟S22中的運動狀態包括走路、跑步、靜止。

3.根據權利要求1所述的方法，其特征在于，所述步驟S11和步驟S21還包括：

去除加速度數據中由于外部噪聲引入的數據波動，得到平滑變化的加速度數據。

4.根據權利要求3所述的方法，其特征在于，所述步驟S11和步驟S21還包括：

使用低通濾波器去除高頻噪聲，得到平滑變化的加速度數據。

5.根據權利要求1所述的方法，其特征在于，所述步驟S12中的特征向量包括：一段時間內加速度的最小值、最大值、中位數、平均值、方差、傾斜度、及傅立葉能量。

6.根據權利要求5所述的方法，其特征在于，所述步驟個S12中的特征向量通過SVM方法進行分類，得到運動狀態與加速度數據波形的對應關系，建立SVM模型。

7.根據權利要求6所述的方法，其特征在于，所述步驟S22具體為：

對當前采集的加速度數據進行特征向量提取，特征向量包括一段時間內加速度的最小值、最大值、中位數、平均值、方差、傾斜度、及傅立葉能量；

采用離線訓練建立好的SVM模型，計算出用戶的運動狀態；

對加速度數據進行二次積分，得到一段時間內的位移變化s(t)，

用卡爾曼濾波方法得到位移累計誤差e(t)，e(t)＝Kalman(a'(t),s(t))。

8.一種如權利要求1所述的基于運動狀態感知的低功耗定位系統，其特征在于，所述系統包括：

離線訓練模塊，用于：

標準數據采集，通過加速度傳感器采集各個標準運動狀態下對應的加速度數據；

用戶運動狀態學習，從加速度數據中提取出特征向量來區分各個標準運動狀態，得到標準運動狀態與加速度數據波形的對應關系，建立離線訓練模型；

在線定位模塊，用于：

用戶運動數據的采集和處理，通過加速度傳感器實時采集用戶運動引起的加速度數據；

用戶運動狀態分析和位移分析，對當前采集的加速度數據進行特征向量提取，使用離線訓練模型計算出用戶的運動狀態，并對加速度數據進行計算，得到一段時間內的位移變化、及位移累計誤差。

機會式GPS定位，判斷所述位移累計誤差是否超過門限閾值，若是，則打開GPS重新進行定位，并重啟加速度傳感器，開始在線定位；若否，則直接開始在線定位。