[發明專利]基于隱馬爾科夫模型的零速檢測方法以及室內行人慣性導航系統

在審

• 申請號: 201910300511.8
• 申請日: 2019-04-15
• 公開（公告）號: CN109883429A
• 公開（公告）日: 2019-06-14
• 發明（設計）人: 田婭;陳哲;秦瑤
• 申請（專利權）人: 山東建筑大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G01C21/18;G01C25/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

1.基于隱馬爾科夫模型的零速檢測方法，其特征是，包括：

對人體的步態進行周期劃分，四個階段定義相應的四個狀態，分別為腳尖離地定義為狀態A，擺動狀態定義為狀態B，腳跟觸地狀態為狀態C，站立的狀態為D；

獲得行人在行走過程中三軸加速度數據、三軸角速度數據及三軸磁力強度；

定義人體步態的狀態值及觀測值，初始化狀態轉移概率矩陣，將對行人在行走過程中的零速度檢測抽象為隱馬爾可夫模型；

通過基于卡爾曼濾波器的零速修正算法對隱馬爾可夫模型進行優化，當檢測到行人處于站立階段之后，周期性地估計和校正導航誤差，提供下一階段更為準確的步態狀態。

2.基于權利要求1所述的基于隱馬爾科夫模型的零速檢測方法，其特征是，狀態轉移概率矩陣中，在理想的狀態下由A—>B的概率是1，到A,C,D的概率為0。

3.基于權利要求1所述的基于隱馬爾科夫模型的零速檢測方法，其特征是，針對隱馬爾可夫模型，采用Baum Welch算法和樣本集對模型參數進行訓練，樣本集是測量的原始角速度的集合。

4.基于權利要求3所述的基于隱馬爾科夫模型的零速檢測方法，其特征是，Baum-Welch算法中，首先對隱馬爾可夫模型HMM的參數進行一個初始的估計，然后通過對于給定的數據評估這些參數的價值并減少它們所引起的錯誤，來重新定義隱馬爾可夫模型HMM的參數。

5.基于權利要求4所述的基于隱馬爾科夫模型的零速檢測方法，其特征是，Baum-Welch算法的具體過程為：

定義后向變量；

給定觀察序列O及HMM，定義t時刻位于隱藏狀態S_i的概率變量；

給定觀察序列O及HMM，定義t時刻位于隱藏狀態S_i及t+1時刻位于隱藏狀態S_j的概率變量；

獲得優化后的狀態轉移概率。

6.基于權利要求1所述的基于隱馬爾科夫模型的零速檢測方法，其特征是，基于卡爾曼濾波器的零速修正算法將站立階段內的速度輸出視為速度誤差的偽觀測值，利用速度誤差與姿態誤差、位置誤差以及傳感器誤差之間的耦合關系，估計出更多的導航誤差和傳感器誤差。

7.基于權利要求1所述的基于隱馬爾科夫模型的零速檢測方法，其特征是，導航的參數為位置、速度和姿態角信息，卡爾曼濾波狀態量取9維狀態向量，其中包括三維的位置估計,三維的速度估計和三維的姿態角估計。

8.基于權利要求1所述的基于隱馬爾科夫模型的零速檢測方法，其特征是，

基于卡爾曼濾波器的零速修正算法的具體步驟為：

對卡爾曼濾波的一步預測協方差矩陣進行初始化；

根據測得的加速度和角速度，通過捷聯解算算法，進行導航的解算，更新當前時刻行人導航參數以及相應的四元數,并根據結果計算卡爾曼濾波中的狀態轉移矩陣和系統的噪聲增益矩陣；

通過零速檢測算法，首先計算出卡爾曼濾波增益，然后根據當前時刻的速度信息作為系統的速度誤差的外部測量值,對行人的位置和速度重新進行估計。

9.基于權利要求1所述的基于隱馬爾科夫模型的零速檢測方法，其特征是，

還包括：采用卡爾曼濾波的方法對零偏誤差進行補償：

將卡爾曼濾波狀態量從原先的9維擴充至15維，除了三維的位置估計,三維的速度估計,三維的姿態角估計，又加入了三維的加速度零偏誤差和三維的陀螺儀零偏誤差；

求解出的加速度零偏誤差和三維的陀螺儀零偏誤差返回給導航系統中，對下一時刻的加速度和角速度進行修正，以消除零偏誤差。

10.室內行人慣性導航系統，其特征是，包括：

慣性測量單元，用于測量行人在行走過程中三軸的加速度數據、三軸角速度數據及三軸磁力強度；

隱馬爾可夫模型建立單元，定義人體的步態的狀態值及觀測值，初始化狀態轉移概率矩陣，將對行人在行走過程中的零速度檢測抽象為隱馬爾可夫模型；

修正單元，通過基于卡爾曼濾波器的零速修正算法對隱馬爾可夫模型進行優化，當檢測到行人處于站立階段之后，可周期性地估計和校正導航誤差，提供下一階段更為準確的步態狀態。