基于手機(jī)傳感器信息改進(jìn)WiFi定位結(jié)果跳動(dòng)的方法
【專利摘要】本發(fā)明公開了基于手機(jī)傳感器信息改進(jìn)WiFi定位結(jié)果跳動(dòng)的方法。本方法具體包括以下四步驟:傳感器數(shù)據(jù)獲??;數(shù)據(jù)處理與分析;運(yùn)動(dòng)狀態(tài)判定;定位結(jié)果獲取。本發(fā)明充分考慮到信號(hào)強(qiáng)度的不穩(wěn)定性因素,以改進(jìn)WiFi定位結(jié)果跳動(dòng)為目標(biāo);無需額外設(shè)備,方便快捷,部署成本低,判斷算法簡單有效。
【專利說明】基于手機(jī)傳感器信息改進(jìn)WiFi定位結(jié)果跳動(dòng)的方法
【技術(shù)領(lǐng)域】:
[0001]本發(fā)明涉及的是基于手機(jī)傳感器信息改進(jìn)WiFi定位結(jié)果跳動(dòng)的方法。
【背景技術(shù)】:
[0002]隨著移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來,各種智能手機(jī)迅速占領(lǐng)手機(jī)市場。由于每部智能手機(jī)都有WiFi功能,從而把WiFi推入熱潮。因此利用廣泛存在的WiFi網(wǎng)絡(luò)對(duì)處于樓群密集或者室內(nèi)定位目標(biāo)進(jìn)行定位成為最佳選擇技術(shù)。通過WiFi網(wǎng)絡(luò)進(jìn)行定位可以彌補(bǔ)衛(wèi)星定位在建筑密集和室內(nèi)應(yīng)用的限制,擴(kuò)大定位服務(wù)的應(yīng)用行業(yè)和范圍,提高定位精度,降低部署成本,提高設(shè)備利用率。
[0003]現(xiàn)在基于WiFi定位最常用的方法是指紋識(shí)別方法?;谥讣y識(shí)別的WiFi定位分為兩個(gè)階段:離線采樣階段和在線定位階段。離線采樣階段的目標(biāo)是構(gòu)建一個(gè)關(guān)于信號(hào)強(qiáng)度與采樣點(diǎn)位置間關(guān)系的數(shù)據(jù)庫,也就是位置指紋的數(shù)據(jù)庫。即需要在待定位區(qū)域里確定若干采樣點(diǎn),記錄下在每個(gè)采樣點(diǎn)測量的信號(hào)強(qiáng)度,最后將它們以某種方式保存在數(shù)據(jù)庫中。在線定位階段,當(dāng)用戶移動(dòng)到某一位置時(shí),根據(jù)用戶實(shí)時(shí)收到的信號(hào)強(qiáng)度信息,利用定位算法將其與位置指紋數(shù)據(jù)庫中的信息匹配、比較,計(jì)算出該用戶的位置。然而該方法是基于絕對(duì)的信號(hào)強(qiáng)度值,復(fù)雜的室內(nèi)環(huán)境容易造成WiFi信號(hào)的反射、折射、衍射等引起的多徑效應(yīng)以及WiFi硬件設(shè)施的不穩(wěn)定直接導(dǎo)致了接收信號(hào)強(qiáng)度的不穩(wěn)定性和時(shí)變性。
[0004]現(xiàn)有的運(yùn)動(dòng)狀態(tài)檢測方法主要分為三種:第一種是基于肢體位置標(biāo)記的狀態(tài)檢測,第二種是基于多設(shè)備的狀態(tài)檢測,第三種是基于SVM的狀態(tài)檢測。
[0005]在第一種檢測方法中,檢測人員需要在人體的四肢關(guān)節(jié)位置和頭部等固定一系列的標(biāo)志物,然后通過部署在一個(gè)小型的室內(nèi)環(huán)境中的各個(gè)方位的攝像機(jī)對(duì)關(guān)節(jié)上標(biāo)記物的位置進(jìn)行跟蹤,隨后把采集到的圖像在計(jì)算機(jī)上運(yùn)用圖像處理的方法進(jìn)行人體關(guān)節(jié)位置信息的提取、計(jì)算,進(jìn)而分析人體的運(yùn)動(dòng)狀態(tài)。
[0006]第二種方法中,檢測人員需要在人體固定多個(gè)檢測設(shè)備。例如加速度傳感器、方向傳感器等。數(shù)據(jù)采集的過程中,設(shè)備把采集到的數(shù)據(jù)發(fā)送到接收端,隨后處理終端通過對(duì)傳感器信號(hào)波形進(jìn)行分析,計(jì)算獲得人體運(yùn)動(dòng)的狀態(tài)。
[0007]第三種方法中分為兩部分,樣本訓(xùn)練和狀態(tài)識(shí)別。樣本訓(xùn)練指在人員運(yùn)動(dòng)狀態(tài)已知的情況下進(jìn)行數(shù)據(jù)的采集分析,對(duì)各種運(yùn)動(dòng)狀態(tài)進(jìn)行特征提取,將不同狀態(tài)對(duì)應(yīng)的特征信息存入樣本庫中。狀態(tài)識(shí)別指在實(shí)時(shí)判斷時(shí)根據(jù)采集的數(shù)據(jù)來和樣本庫中的特征數(shù)據(jù)進(jìn)行匹配,選擇匹配程度最高的作為最終的運(yùn)動(dòng)狀態(tài)判斷結(jié)果。
[0008]第一種基于肢體位置標(biāo)記的狀態(tài)檢測的方法是一種比較成熟的人體運(yùn)動(dòng)狀態(tài)檢測方法,但該方法需要高速攝像機(jī)對(duì)人體運(yùn)動(dòng)進(jìn)行捕捉,如果攝像機(jī)捕捉速度不及時(shí)檢測結(jié)果則會(huì)出現(xiàn)較大偏差。另外,此方法需要部署大量的攝像機(jī),而且如果采用低質(zhì)量的攝像機(jī),檢測結(jié)果可能會(huì)受四周光線等環(huán)境的影響比較大??偟膩碚f,該方法成本高昂,并且僅能適用于小范圍的室內(nèi)環(huán)境,無法大規(guī)模地推廣和使用。
[0009]第二種基于多設(shè)備的狀態(tài)檢測的方法需要在人體固定多個(gè)設(shè)備,這給使用者增添了額外的麻煩。其所佩戴的整套傳感器設(shè)備成本較高,不適宜一般個(gè)人使用。另外,由于傳感器本身沒有計(jì)算能力,需要把數(shù)據(jù)通過網(wǎng)絡(luò)傳輸?shù)接?jì)算機(jī)再進(jìn)行處理,不能做到便攜、隨時(shí)隨地檢測。
[0010]第三種基于SVM的狀態(tài)檢測的方法需要事先進(jìn)行樣本訓(xùn)練,而且對(duì)運(yùn)動(dòng)狀態(tài)劃分過細(xì),達(dá)不到簡單快捷的效果。
[0011]上述三種方法對(duì)運(yùn)動(dòng)狀態(tài)劃分過于細(xì)化,在算法上實(shí)現(xiàn)起來十分復(fù)雜。
【發(fā)明內(nèi)容】
:
[0012]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足,提供基于手機(jī)傳感器信息改進(jìn)WiFi定位結(jié)果跳動(dòng)的方法。
[0013]為了解決【背景技術(shù)】所存在的問題,本發(fā)明采用以下技術(shù)方案:
[0014]基于手機(jī)傳感器信息改進(jìn)WiFi定位結(jié)果跳動(dòng)的方法,它包括以下步驟:
[0015](I)傳感器數(shù)據(jù)獲取 :設(shè)置一定的采樣頻率,采集手機(jī)三軸方向的加速度數(shù)據(jù);
[0016](2)數(shù)據(jù)處理與分析:對(duì)采集到的三軸加速度數(shù)據(jù),采用特定的算法計(jì)算出對(duì)應(yīng)的閾值;
[0017](3)運(yùn)動(dòng)狀態(tài)判定:根據(jù)計(jì)算出的閾值和運(yùn)動(dòng)狀態(tài)的劃分,判斷出人員的運(yùn)動(dòng)狀態(tài);
[0018](4)定位結(jié)果獲取:根據(jù)人員的運(yùn)動(dòng)狀態(tài),獲取最終的定位結(jié)果。
[0019]進(jìn)一步的,在步驟(1)中,基于AndroidAPI提供的onSensorChanged (手機(jī)傳感器變化時(shí)觸發(fā)的事件)中的event, values (事件的對(duì)應(yīng)返回值)方法獲取手機(jī)三軸方向的加速度數(shù)據(jù),采樣頻率為14Hz,兩秒鐘判斷一次,采用三個(gè)隊(duì)列X1、yi,Zi,其中i=l,2,…,28來記錄三方向的加速度數(shù)據(jù),這樣當(dāng)隊(duì)列記錄28個(gè)數(shù)據(jù)時(shí)的時(shí)間間隔大約為2s。
[0020]進(jìn)一步的,在步驟(2)中,將運(yùn)動(dòng)狀態(tài)分為:IDLE空閑、MOTION運(yùn)動(dòng),其中,IDLE指靜止和基本動(dòng)作如手勢(shì)動(dòng)作、轉(zhuǎn)彎、坐下、起立等,MOTION指走動(dòng)和跑;
[0021]設(shè)置三個(gè)閾值:numX、numY、numZ,分別代表X、Y、Z三個(gè)方向上對(duì)應(yīng)的閾值。
[0022]對(duì)numX、numY、numZ的計(jì)算方法為:
[0023]首先計(jì)算X1、Yi,Zi的平均值X、Y、Z并將numX、numY、numZ值設(shè)為O:
【權(quán)利要求】
1.基于手機(jī)傳感器信息改進(jìn)WiFi定位結(jié)果跳動(dòng)的方法,其特征在于,它包括以下步驟: (1)傳感器數(shù)據(jù)獲取:設(shè)置一定的采樣頻率,采集手機(jī)三軸方向的加速度數(shù)據(jù); (2)數(shù)據(jù)處理與分析:對(duì)采集到的三軸加速度數(shù)據(jù),采用特定的算法計(jì)算出對(duì)應(yīng)的閾值; (3)運(yùn)動(dòng)狀態(tài)判定:根據(jù)計(jì)算出的閾值和運(yùn)動(dòng)狀態(tài)的劃分,判斷出人員的運(yùn)動(dòng)狀態(tài); (4)定位結(jié)果獲取:根據(jù)人員的運(yùn)動(dòng)狀態(tài),獲取最終的定位結(jié)果。
2.根據(jù)權(quán)利要求1所述的,其特征在于,在步驟(1)中, 基于AndroidAPI提供的onSensorChanged中的event, values方法獲取手機(jī)三軸方向的加速度數(shù)據(jù),采樣頻率為14Hz,兩秒鐘判斷一次,采用三個(gè)隊(duì)列X1、yi; Zi,其中i=l,2,-,28來記錄三方向的加速度數(shù)據(jù),這樣當(dāng)隊(duì)列記錄28個(gè)數(shù)據(jù)時(shí)的時(shí)間間隔大約為2s。
3.根據(jù)權(quán)利要求1所述的,其特征在于,在步驟(2)中, 將運(yùn)動(dòng)狀態(tài)分為:IDLE空閑、MOTION運(yùn)動(dòng),其中,IDLE指靜止和基本動(dòng)作如手勢(shì)動(dòng)作、轉(zhuǎn)彎、坐下、起立等,MOTION指走動(dòng)和跑; 設(shè)置三個(gè)閾值:numX、numY、numZ,分別代表X、Y、Z三個(gè)方向上對(duì)應(yīng)的閾值; 對(duì)numX、numY、numZ的計(jì)算方法為: 首先計(jì)算X1、Yi,Zi的平均值X、Y、Z并將numX、numY、numZ值設(shè)為O:
4.根據(jù)權(quán)利要求1所述的,其特征在于,在步驟(3)中, 三個(gè)方向的加速度數(shù)據(jù)對(duì)應(yīng)三個(gè)num值,對(duì)此三個(gè)num值進(jìn)行判斷,如果有一個(gè)num值小于3則將運(yùn)動(dòng)狀態(tài)設(shè)置為IDLE否則設(shè)定為MOTION。
5.根據(jù)權(quán)利要求1所述的,其特征在于,在步驟(4)中,當(dāng)運(yùn)動(dòng)狀態(tài)為IDLE時(shí)取上一次定位結(jié)果為本次定位結(jié)果,當(dāng)運(yùn)動(dòng)狀態(tài)為MOTION時(shí)取WiFi定位的結(jié)果為本次定位結(jié)果。
【文檔編號(hào)】H04W84/12GK103826202SQ201410064664
【公開日】2014年5月28日 申請(qǐng)日期:2014年2月25日 優(yōu)先權(quán)日:2014年2月25日
【發(fā)明者】陳國良, 張言哲, 楊舟 申請(qǐng)人:中國礦業(yè)大學(xué)