一種基于hmm的個人自主導航系統(tǒng)零速檢測方法
【專利摘要】本發(fā)明公開了一種基于HMM的個人自主導航系統(tǒng)零速檢測方法：采集個人自主導航系統(tǒng)微型慣性測量單元中Y軸陀螺的輸出信息；利用函數(shù)將Y軸陀螺的輸出信息進行初步分段，并將分段后Y軸陀螺輸出值進行范圍劃分；將使用者一步運動時Y軸陀螺輸出值進行分成段、命名，將其視為HMM過程的狀態(tài)量；將一個輸出范圍作為HMM的一個輸出，使零速檢測問題轉化為HMM解碼問題；求出使用者一步運動過程中狀態(tài)轉移矩陣A及輸出過程和狀態(tài)過程的轉換關系可以用矩陣B；利用Viterbi求取HMM的狀態(tài)量Qk；利用不等式判別個人自主導航系統(tǒng)使用者運動過程中的零速區(qū)間。本發(fā)明檢測方法問題數(shù)學化、模型化，提高了檢測的精度。
【專利說明】一種基于HMM的個人自主導航系統(tǒng)零速檢測方法
【技術領域】:
[0001]本發(fā)明屬于慣性【技術領域】，具體的說是一種基于HMM(隱馬爾可夫模型)的個人自主導航系統(tǒng)零速檢測方法。
【背景技術】:
[0002]基于微型慣性測量單兀(Micro Inertial Measurement Unit)的個人導航自主定位裝置工作時，微機械系統(tǒng)(Micro-Electro-Mechanical System)慣性器件誤差發(fā)散嚴重，若慣性器件誤差不能得到有效補償，位置誤差會以時間三次方的趨勢發(fā)散，系統(tǒng)最終將喪失導航功能，因此，MEMS慣性測量組件應用于個人導航系統(tǒng)的關鍵是設計有效的誤差修正算法。零速校正是一種有效的誤差補償算法，將個人自主導航系統(tǒng)使用者腳步靜止時導航解算得到的速度值作為濾波器的觀測量對慣性器件測量結果和導航輸出進行修正以提高導航精度。
[0003]零速檢測是觸發(fā)零速校正的前提，然而，現(xiàn)有的采用零速校正作為慣性解算誤差修正算法的個人自主導航系統(tǒng)大都存在零速檢測不準確的問題，以往的零速檢測方案主要是利用閾值估計法，其閾值的選取缺少理論研究和公式推導。而且該方法使用了三軸陀螺或三軸加速度計的輸出值，計算量大、耗時長，影響了零速狀態(tài)的判斷時間，繼而使零速校正的時間也發(fā)生滯后。同時，以往的檢測方法只能檢測出正常行走時的零速區(qū)間，跑步時零速區(qū)間的檢測相對困難，且已有的零速檢測方法都是特定方式下的，并不是適用于所有單兵運動狀態(tài)。
[0004]總體來說現(xiàn)有的零速檢測的方法的計算量大、準確率低、穩(wěn)定性差，致使零速校正后導航精度仍舊較低，難以滿足個人導航精確可靠的要求。
【發(fā)明內容】
:
[0005]本發(fā)明的目的在于提供一種基于HMM(隱馬爾可夫模型)的個人自主導航系統(tǒng)零速檢測方法，旨在解決現(xiàn)有的零速檢測方法穩(wěn)定性差、準確性低，計算量大、耗時長致使零速校正后導航精度較低，難以滿足個人導航精確可靠的要求的問題。
[0006]為了解決【背景技術】所存在的問題，本發(fā)明采用以下技術方案:
[0007]一種基于HMM的個人自主導航系統(tǒng)零速檢測方法，它包括如下步驟:
[0008]包括以下步驟:
[0009]步驟一:手持掌上電腦實時接收并存儲個人自主導航系統(tǒng)中腳步微型慣性測量單兀內Y軸陀螺儀的輸出信息；
[0010]步驟二:利用函數(shù)將個人自主導航系統(tǒng)中Y軸陀螺的輸出信息進行初步分段并將不滿足分段條件的陀螺儀輸出數(shù)據舍棄；
[0011]步驟三:利用步驟二中的分類函數(shù)將個人自主導航系統(tǒng)使用者行走過程中腳步一步運動時Y軸陀螺輸出值分成四段，分別命名為Qk (k = 1,2,3,4), Qk代表隱馬爾可夫過程的四個狀態(tài)量(狀態(tài)1、狀態(tài)2、狀態(tài)3、狀態(tài)4)，則行人一步運動時典型的狀態(tài)轉換為1一2一3一4一1;
[0012]步驟四:將步驟二中分類后的Y軸陀螺輸出值進行范圍劃分，當連續(xù)采集到陀螺儀的某類輸出值點不少于X個時，將這些連續(xù)輸出點組成的范圍定義為h(j = 1，2，3)，并將范圍Oj作為隱馬爾可夫模型的輸出，進而將零速檢測問題轉化為隱馬爾可夫模型解碼問題，即，在已知參數(shù)模型和觀測序列的情況下，求產生此觀測序列的最佳狀態(tài)序列；
[0013]步驟五:利用步驟一中采集的實驗數(shù)據及公式，求出個人自主導航系統(tǒng)使用者一步運動過程中的狀態(tài)轉移矩陣A，以及隱馬爾可夫輸出過程Oj和狀態(tài)過程Qk的轉換關系矩陣B ;
[0014]步驟六:通過步驟五中得到的狀態(tài)轉移矩陣A和矩陣B，利用Viterbi算法求取隱馬爾可夫模型的狀態(tài)量Qk ；
[0015]步驟七:使用個人自主導航系統(tǒng)中Y軸陀螺的輸出值及步驟五中得到的隱馬爾可夫模型的狀態(tài)量Qk，利用不等式判別個人自主導航系統(tǒng)使用者運動過程中的零速區(qū)間。
[0016]進一步,在步驟一中，X軸指向載體前進方向，Z軸垂直于載體運動方向向上，Y軸與X軸、Z軸構成右手坐標系；任意時刻k接收到的個人自主導航系統(tǒng)中Y軸陀螺儀的輸出信息為:
[0017]yk = cok。
[0018]進一步，在步驟二中，利用分類函數(shù):
[0019]
【權利要求】
1.一種基于HMM的個人自主導航系統(tǒng)零速檢測方法，其特征在于，包括以下步驟: 步驟一:手持掌上電腦實時接收并存儲個人自主導航系統(tǒng)中腳步微型慣性測量單元內Y軸陀螺儀的輸出信息； 步驟二:利用函數(shù)將個人自主導航系統(tǒng)中Y軸陀螺的輸出信息進行初步分段并將不滿足分段條件的陀螺儀輸出數(shù)據舍棄； 步驟三:利用步驟二中的分類函數(shù)將個人自主導航系統(tǒng)使用者行走過程中腳步一步運動時Y軸陀螺輸出值分成四段，分別命名為Qk (k = 1,2,3,4), Qk代表隱馬爾可夫過程的四個狀態(tài)量(狀態(tài)1、狀態(tài)2、狀態(tài)3、狀態(tài)4)，則行人一步運動時典型的狀態(tài)轉換為1一2一3一4一1; 步驟四:將步驟二中分類后的Y軸陀螺輸出值進行范圍劃分，當連續(xù)采集到陀螺儀某類輸出值點不少于X個時，將這些連續(xù)輸出點組成的范圍定義為(j=l，2，3)，并將范圍Oj作為隱馬爾可夫模型的輸出，進而將零速檢測問題轉化為隱馬爾可夫模型解碼問題，即，在已知參數(shù)模型和觀測序列的情況下，求產生此觀測序列的最佳狀態(tài)序列； 步驟五:利用步驟一中采集的試驗數(shù)據及公式，求出個人自主導航系統(tǒng)使用者一步運動過程中狀態(tài)轉移矩陣A，以及隱馬爾可夫輸出過程Oj和狀態(tài)過程Qk的轉換關系矩陣B ；步驟六:通過步驟五中得到的狀態(tài)轉移矩陣A和矩陣B，利用Viterbi算法求取隱馬爾可夫模型的狀態(tài)量Qk ； 步驟七:使用個人自主導航系統(tǒng)中Y軸陀螺的輸出值及步驟五中得到的隱馬爾可夫模型的狀態(tài)量Qk，利用不等式判別個人自主導航系統(tǒng)使用者運動過程中的零速區(qū)間。
2.如權利要求1所述的一種基于HMM的個人自主導航系統(tǒng)零速檢測方法，其特征在于，在步驟一中，X軸指向載體前進方向，Z軸垂直于載體運動方向向上，Y軸與X軸、Z軸構成右手坐標系；任意時刻k接收到的個人自主導航系統(tǒng)中Y軸陀螺儀的輸出信息為:
Yk = wk°
3.如權利要求1所述的一種基于HMM的個人自主導航系統(tǒng)零速檢測方法，其特征在于，在步驟二中，利用分類函數(shù):
4.如權利要求1所述的一種基于HMM的個人自主導航系統(tǒng)零速檢測方法，其特征在于，在步驟四中將Y軸陀螺儀的輸出范圍(^_作為隱馬爾可夫模型的輸出，其中，所使用的隱馬爾可夫模型為:
M= (S，V，31 , F, H), 式中，S = {s1；..., sN}為模型中Markov鏈的一組狀態(tài),數(shù)目為N, t時刻的狀態(tài)為qt e {s1；...sN}, Q為狀態(tài)序列'N = Iv1,..., vff}為一組觀測量,W為各狀態(tài)對應的觀測值數(shù)目，t時刻觀察值為ot e Iv1,..., Vff) ；0為觀測序列，Π為初始狀態(tài)概率分布；F為狀態(tài)轉移概率矩陣；H為觀測量概率分布；對于本發(fā)明中給定的隱馬爾可夫模型，其S和V是可確定的，因此其模型可簡化為: M= (Ji，F(xiàn)，H)。
5.如權利要求1所述的一種基于HMM的個人自主導航系統(tǒng)零速檢測方法，其特征在于，在步驟五中，考慮到在使用者一步運動過程中，存在某一狀態(tài)丟失的情況，利用分段后的Y軸陀螺儀輸出數(shù)據及公式:av =尸(β+丨=712= ,.)，Σ = I
J=IbU = p(°k = J\Qk= O ^ 1?=1
>1 得到個人自主導航系統(tǒng)使用者一步運動過程中狀態(tài)轉移矩陣A以及可表示輸出過程Ok和狀態(tài)過程Qk的轉換矩陣B ； 其中，Bij表示從狀態(tài)i轉移到狀態(tài)j的概率，b^.表示從輸出過程Oj與狀態(tài)過程Qk的轉換概率。
6.如權利要求1所述的基于隱馬爾可夫模型的個人自主導航系統(tǒng)零速檢測方法，其特征在于，在步驟六中，利用Viterbi算法求取隱馬爾可夫模型的狀態(tài)量Qk,其中Viterbi算法的詳細步驟為: 當已知模型M和部分觀測序列為0l，O2,..., Ot時，滿足t時刻狀態(tài)為qt = S1，使狀態(tài)為q1; q2,..., qt_j的序列概 率值最大值為δ t(i):
s,if)= max p(q1,q2,''-,ql =S11vO2^--OnM) (1)初始化:
δ ! (i) = 3i jbj (O1), I < i < N^1(Z) = O,1</<jY (2)遞歸:fPi U) = arg max[^_, (T)Gij ] St (j) = maxt^^ (T)Gu Jbj (ot)
2^ t ^ T, I ^ j ^ N (3)結果: 最優(yōu)總概率J =S^rO')] 最終選定= argmaX[各]
1</<,ν (4)最優(yōu)狀態(tài)回溯:由qt+1*反查P記錄，得知qt*^ =9t+Mt+i)
其中 t = T-1, T-2，...,1 (5)最優(yōu)路徑: Q氺_ / 氺氺氺 \
\Qi，0_2，...，Qt，)°
7.如權利要求1所述的基于隱馬爾可夫模型的個人自主導航系統(tǒng)零速檢測方法，其特征在于，在步驟七中，使用個人自主導航系統(tǒng)中Y軸陀螺的輸出值及步驟五中得到的隱馬爾可夫模型的狀態(tài)量Qk，利用不等式:
【文檔編號】G01C25/00GK103630147SQ201310603099
【公開日】2014年3月12日 申請日期:2013年11月26日 優(yōu)先權日:2013年11月26日
【發(fā)明者】高偉, 于春陽, 蘭海鈺, 周廣濤, 林萌萌, 盧寶峰, 白紅美, 史宏洋, 趙博, 姜鑫, 劉博 , 李佳璇 申請人:哈爾濱工程大學