分析行人导航的加速度数据分割处理办法试图解决CPR问题

小捞弟

已于 2022-09-23 22:49:43 修改

阅读量734

点赞数

分类专栏：惯导文章标签：算法嵌入式经验分享

于 2022-09-23 22:37:00 首次发布

本文链接：https://blog.csdn.net/qq_43687146/article/details/126891516

版权

惯导专栏收录该内容

2 篇文章 0 订阅

订阅专栏

学习笔记

1.行人导航PDR的加速度数据分割处理办法

一.双阈值检测加滑动窗口的步态识别法

A.基本步骤

1.采用加速度三轴均方根（RMS）来进行阈值判断。
2.对原始数据RMS后用低通滤波器去除高频噪声和尖刺。
3.采用滑动窗口对数据进行搜索，搜寻波峰和波谷，波峰选用阈值Th，波谷选用阈值Tl，“双阈值”。
4.在双阈值之中视为完整的一步。

B.阈值的选取

采用了更新的方法，通过比较当前峰值和波谷值的大小，乘上系数，去更新下一步的阈值大小。
阈值更新算法

二.峰值识别法

A.基本步骤

1.根据三轴加速度信息*（也是均方根RMS判断）*，使用峰值检测对单步进行划分。

2.获得每个单步的起始位置和终止位置之间的数据作为要处理的数据
3.从每个单步惯性数据中提取选定的65维统计特征用来表征当前单步的速度
4.用统计特征输入到训练好的速度识别模型中获得速度识别结果

注：这篇文献引入了机器学习的方法，来拟合速度和加速度之间的一个对应关系，也可以用峰值识别之后用纯积分的方法，通过误差修正等手段完成这段工作。
注2：引入了20Hz的低通滤波器，对惯性数据进行滤波，考虑到CPR时的频率大约在100-120次/min，可不可以考虑引入一个截止频率维10Hz的低通滤波器对CPR加速度数据进行处理呢。
注3：指出在速度大于1.5m/s后，采用峰值识别等方法的准确率会受到一些影响，但是CPR进行时的瞬时速度远远没有1.5m/s，所以是不是CPR如果正常采用低速的算法就可以呢。

B.零速判断方法和ZUPT的使用

1.也是采用加速度数据和角速度数据，采用阈值比较法。
文章中提供了四种检测方法：
1.ACC方差（Accelaration Moving Variance Detection,AVD）
单独使用这种算法针对行人导航不太稳定，因为在摆动区间和静止区间均存在符合条件的时段，可能会造成误判。但是针对CPR有待研究，不知道采用100Hz加计采样出的数据能呈现什么结果，有待补充。
2.ACC幅值(Acceleration Magnitude Derection ,AMD)
检查测得Z轴比例矢量与重力加速度G的接近程度。
3.角速度能量检测（Angular Rate Energy Detection,ARE）
优势：因为采用的普遍是精度较差的加计和陀螺，较为便宜的加计对于抖动也十分敏感，而陀螺只对转动敏感，不过针对CPR，似乎不存在转动过程，个人并不认为该指标有助于CPR的分割。
4.静止假设最优检测（Stance Hypothesis Optimal Detection,SHOE）：新
Isaac Skog 等人将零速检测问题阐述成为一种假设检验问题，利用统计检测理论的结果来分析零速率检测器，提出了一种基于广义似然率检验的静止假设最优检测。在此人论文中宣称该检测法比上述三种方法更为优秀（真实效果有待验证）

Skog I, Händel P, Nilsson J, et al. Zero-velocity detection — an algorithm evaluation[J]. IEEE Transactions on Biomedical Engineering, 2010, 57(11):2657-2666.

主要步骤：
1.选取窗口和阈值
2.测量窗口中的加计和陀螺的噪声方差
3.带入公式和阈值比较

图片出自：[1]吴建超. 基于消费级IMU的PDR导航定位中关键技术的研究及实现[D].天津大学,2018.DOI:10.27356/d.cnki.gtjdu.2018.001145.