MEMS傳感器的計(jì)步算法研究

樓喜中,陟 力,方 俊

(中國(guó)計(jì)量大學(xué) 信息工程學(xué)院,浙江 杭州 310018)

MEMS傳感器的計(jì)步算法研究

樓喜中,陟 力,方 俊

(中國(guó)計(jì)量大學(xué) 信息工程學(xué)院,浙江 杭州 310018)

計(jì)步是慣性定位導(dǎo)航中重要環(huán)節(jié)之一,MEMS傳感器在慣性定位導(dǎo)航中應(yīng)用廣泛,傳統(tǒng)計(jì)步算法多采用基于加速度數(shù)據(jù)的峰值檢算法.本算法融合了峰峰檢測(cè)算法和穿越中間閾值算法,用戶手持MEMS設(shè)備行走獲取加速度計(jì)數(shù)據(jù),進(jìn)而算法推算行走的步數(shù)和軌跡.算法將從加速度采樣數(shù)據(jù)中判斷可能有效的計(jì)步點(diǎn),算法判斷這些點(diǎn)是否為有效計(jì)步點(diǎn),進(jìn)而得出行走的步數(shù).最后結(jié)合步長(zhǎng)、步數(shù)和航向信息推算行人的行走軌跡.實(shí)驗(yàn)結(jié)果顯示,計(jì)步數(shù)據(jù)與實(shí)際步數(shù)誤差為0.75%,推算的軌跡接近實(shí)際行走路徑.該算法在不同人和不同環(huán)境中表現(xiàn)良好.

微機(jī)電系統(tǒng);加速度計(jì);計(jì)步;航跡推算

分析人類步態(tài)能夠?yàn)榻∩?、運(yùn)動(dòng)醫(yī)學(xué)研究和定位導(dǎo)航提供很多有用的信息[1].人們根據(jù)行走的步數(shù),可估算行走距離、能量消耗,便于人們了解每天的運(yùn)動(dòng)強(qiáng)度及新陳代謝水平,并及時(shí)調(diào)整.

將步數(shù)、步態(tài)及行走航向結(jié)合可推算行人的軌跡,這種技術(shù)已經(jīng)用于PNS(Pedestrian Navigation System)步行導(dǎo)航系統(tǒng).目前有基于GPS、WIFI、RSSI、UWB和慣性導(dǎo)航等定位導(dǎo)航方法,前四種方法部署成本較高,且易受環(huán)境因素干擾,而慣性導(dǎo)航定位方法具有小型化、易攜帶、成本低等優(yōu)點(diǎn).基于IMU慣性單元的慣性導(dǎo)航技術(shù)最為常見(jiàn),IMU一般由加速度計(jì)、陀螺儀組成,能提加速度和旋轉(zhuǎn)角速度信息,或添加磁力計(jì)輔助,可獲取絕對(duì)航向,融合這些信息獲取實(shí)時(shí)的定位導(dǎo)航信息[2].

計(jì)步是慣性定位導(dǎo)航中最重要的一個(gè)環(huán)節(jié).最早的計(jì)步方法是應(yīng)用機(jī)械式的開(kāi)關(guān)統(tǒng)計(jì)行走步數(shù),它是利用人在行走過(guò)程會(huì)周期振動(dòng)觸發(fā)機(jī)械開(kāi)關(guān),從而檢測(cè)步伐記錄步數(shù).雖然這種計(jì)步方法簡(jiǎn)單、成本低、計(jì)步準(zhǔn)確,但是機(jī)械開(kāi)關(guān)容易隨著使用的次數(shù)增加而磨損,從而影響判斷步伐的準(zhǔn)確率.隨著科技的發(fā)展,傳感器逐步集成化,集成電路與微機(jī)械組合成微機(jī)電系統(tǒng)(MEMS).微機(jī)電系統(tǒng)可在極小尺寸下,同時(shí)兼顧功耗和精度要求,基于MEMS的慣性導(dǎo)航技術(shù)具有體積小、價(jià)格低、精度高的優(yōu)點(diǎn).加速度計(jì)、陀螺儀和磁力計(jì)是具有代表性的MEMS傳感器.

利用MEMS傳感器計(jì)步,文獻(xiàn)[3]提出采用基于手機(jī)加速度傳感器,尋找步頻、行走速度與加速度幅值之間關(guān)系實(shí)現(xiàn)計(jì)步.文獻(xiàn)[4]提出基于加速度計(jì)的步態(tài)分析方法.文獻(xiàn)[5]提出將傳感器捆綁在腳面獲取加速度,使用零速檢測(cè)算法用于步態(tài)檢測(cè),通過(guò)隱馬爾可夫模型預(yù)測(cè)步態(tài).文獻(xiàn)[6]提出峰值檢測(cè)的計(jì)步算法.

本文硬件使用基于STM32的MPU9150傳感器,MPU9150由三軸加速度計(jì)、三軸陀螺儀、三軸磁力計(jì)和STM32F103C8組成.本文算法是結(jié)合人體行走模型,使用基于中間閾值穿越、動(dòng)態(tài)閾值和峰值檢測(cè)算法,統(tǒng)計(jì)行走步數(shù),并通過(guò)實(shí)驗(yàn)得到計(jì)步的準(zhǔn)確率,比較實(shí)際路線和仿真路線偏離程度.算法的仿真平臺(tái)為Matlab.

1 行走模型

建立合適的坐標(biāo)系有利于研究人體行走狀態(tài)模型.人體坐標(biāo)系包括前向軸、側(cè)向軸、垂直軸,前向軸正方向指向前方,側(cè)向軸正方向指向身體右側(cè),如圖1,MPU9150的加速度計(jì)、陀螺儀均與人體坐標(biāo)系相對(duì)應(yīng),如圖2.

圖1 人體坐標(biāo)系Figure 1 Body coordinate system

圖2 設(shè)備坐標(biāo)系Figure 2 Device coordinate system

人在行走過(guò)程中可以具體分解到以下幾個(gè)動(dòng)作:靜止—身體前傾—單腿支撐邁腿—支撐腿前傾—擺腿腳跟著地—擺腿完全落地—換腿交叉步行.分解動(dòng)作如圖3[1].可見(jiàn),人在行走過(guò)程中,人體的重心會(huì)隨著行走周期地升降,那么在豎直方向上的加速度應(yīng)該會(huì)產(chǎn)生明顯的變化.

圖3 人體行走模型Figure 3 Human walking model

手持MPU9150以正常步速行走一段距離的三個(gè)方向上的加速度如圖4.

圖4 三軸加速度數(shù)據(jù)圖Figure 4 Three-axis acceleration data

從圖上可以看出Z軸,即豎直方向上加速度的波形具有明顯的周期性,而X、Y軸曲線周期性不明顯,且波形不夠平滑.

在實(shí)驗(yàn)過(guò)程中,手持設(shè)備的方位不是固定的,通過(guò)多組實(shí)驗(yàn)會(huì)發(fā)現(xiàn)Z軸豎直方向的加速度仍呈周期變化,所以通過(guò)分析其周期變化規(guī)律,設(shè)計(jì)算法計(jì)算行走步數(shù).

2 算法部分

通常情況下人以最快的速度奔跑的時(shí)候,步頻約為每秒5步,以最慢的速度行走時(shí)候,步頻為每秒0.5步,即人行走步頻在0.5～5 Hz之間,所以認(rèn)為加速度中頻率為0.5～5 Hz的是分析步態(tài)的有用信號(hào).在行走中可能會(huì)引入其他噪聲分量,可以選擇合適的濾波方法濾出有效頻率信號(hào).文中使用設(shè)備采樣頻率為20 Hz,可使用頻率為3 Hz的低通濾波器濾波.

在實(shí)驗(yàn)中,會(huì)發(fā)現(xiàn)加速度計(jì)、陀螺儀易受噪聲影響,則使用雙低通濾波器處理數(shù)據(jù),兩階濾波的公式如下[7].傳感器中的MEMS傳感器分別收集行人從靜止到運(yùn)動(dòng)狀態(tài)的靜止加速度和運(yùn)動(dòng)狀態(tài)下加速度A={a1,a2,…,aN},運(yùn)動(dòng)狀態(tài)下加速度A包含有行人本身的重力加速度G={g1,g2,…,gN}和行人行走過(guò)程中豎直上下加速度aZ={aZ,1,aZ,2,…,aZ,N}對(duì)Z軸上的加速度進(jìn)行雙低通濾波,可以獲得人的重力加速度.

(1)

在文獻(xiàn)[8]中提出基于中間閾值穿越的計(jì)步算法.其核心思想是在得到加速度的觀測(cè)值后,一旦檢測(cè)到一個(gè)從峰值到谷值穿越的一個(gè)過(guò)程,則被認(rèn)定為完整的一步.而檢測(cè)的標(biāo)志是加速度從中間閾值上方穿越到下方則認(rèn)定為一步.從峰值到谷值的差必須滿足一定的穿越閾值,而且在行走過(guò)程會(huì)有無(wú)效的震動(dòng),即實(shí)際波峰旁的一些偽波峰,這些偽波峰容易被誤認(rèn)為有效的計(jì)步點(diǎn),從而被計(jì)入步數(shù).在文獻(xiàn)[6]和文獻(xiàn)[8]中容易計(jì)入這些偽波峰,而本文算法將會(huì)考慮如何消除這些偽波峰的影響,從而提高計(jì)步的精度.

在本文中采用峰-峰檢測(cè)和中間閾值穿越的算法,行走過(guò)程中人豎直方向加速度波峰交替出現(xiàn),相鄰有效波峰之間應(yīng)為完整一步,中間閾值為濾波得到的重力加速度值.算法則要檢測(cè)到有效的峰值點(diǎn),加速度值比當(dāng)前重力加速度多0.1 g的可能是有效峰值點(diǎn),當(dāng)加速度幅值大于1.5 g的時(shí)候則為跑步狀態(tài).所以峰值點(diǎn)的檢測(cè)、有效峰值點(diǎn)的判定是算法的核心內(nèi)容.

首先,通過(guò)極大值的特點(diǎn)來(lái)檢測(cè)極大值點(diǎn),即當(dāng)前加速度值大于前一個(gè)以及后一個(gè)值,且比當(dāng)前重力加速度值多0.1 g.逐個(gè)檢驗(yàn)Z軸的加速度采樣點(diǎn),若有采樣點(diǎn)滿足條件,將其列為臨時(shí)計(jì)步極大值點(diǎn)B={b1,b2,…,bn},行人行走過(guò)程中所有臨時(shí)有效計(jì)步點(diǎn)的峰值若大于1.2 g,令臨時(shí)有效計(jì)步的間隔閾值為T1;反之，臨時(shí)有效計(jì)步的間隔閾值為T2.在已經(jīng)得到極大值點(diǎn)的時(shí)候,且臨時(shí)計(jì)步極大值點(diǎn)個(gè)數(shù)大于2個(gè)以后,檢測(cè)這兩個(gè)極大值是否為產(chǎn)生步數(shù)的兩個(gè)極值點(diǎn),判斷規(guī)則是滿足以下兩個(gè)條件:

1)兩個(gè)臨時(shí)計(jì)步極大值產(chǎn)生的時(shí)間間隔必須要大于設(shè)定閾值T1或者T2;

2)在此過(guò)程中,豎直方向加速度經(jīng)歷過(guò)從正向加速度值向負(fù)向加速度穿越的過(guò)程.穿越的中間閾值是對(duì)豎直方向加速度數(shù)據(jù)提取零頻分量得到的中間值,即重力加速度分量.滿足這個(gè)條件則說(shuō)明步伐邁出.

在都滿足上面的兩個(gè)條件后,則可判斷產(chǎn)生正確步伐的峰值點(diǎn),接下來(lái)檢驗(yàn)剩下的采樣點(diǎn),重復(fù)前兩步過(guò)程以判斷是否為有效峰值點(diǎn).

MPU9150內(nèi)部自帶DMP能夠?qū)崿F(xiàn)硬件姿態(tài)解算,DMP為數(shù)字運(yùn)動(dòng)處理器,含有獨(dú)立完成姿態(tài)解算算法的處理單元,可以輸出設(shè)備航向信息.如果需要獲取絕對(duì)航向,則需要使用磁力計(jì)數(shù)據(jù)解算航向.

二維航跡推算法原理如圖5,(x0,y0)為行走起始點(diǎn),(xi,yi)為行走的第i步點(diǎn)位置,θ={θ1,θ2,…,θN}為人行走航向,初始角度參考設(shè)備初次上電的位置,航向角為繞Z軸旋轉(zhuǎn)角度,根據(jù)行走步數(shù)D、行走航向θ和步長(zhǎng)SLi即可推算出行走軌跡H.SLi為步長(zhǎng)信息[9-10].

圖5 航跡推算Figure 5 Dead Reckoning

坐標(biāo)更新方程如下:

(2)

步長(zhǎng)是邁步腳著地后與支撐腳之間的距離,而步長(zhǎng)與人性別、身高以及路面情況有關(guān),同一個(gè)人的每一步的步長(zhǎng)也不盡相同,所以在實(shí)驗(yàn)中要?jiǎng)討B(tài)地調(diào)整步長(zhǎng)信息.

文獻(xiàn)[11]提出使用基于ZUPT(Zero Velocity Updates)零速修正的步長(zhǎng)估計(jì)算法,并且能夠?qū)崿F(xiàn)統(tǒng)計(jì)行走的步數(shù).將傳感器捆綁在腳面,獲取加速度計(jì)、陀螺儀數(shù)據(jù),使用ZUPT算法獲得每一步的起止時(shí)間,在每一步中分別對(duì)這前進(jìn)和側(cè)向的加速度二次積分,則可得到兩個(gè)方向位移,二者的合位移則為單步的步長(zhǎng),進(jìn)而可以推算行走的路程.

本文采用文獻(xiàn)[12]中提出的算法計(jì)算步長(zhǎng),當(dāng)行走速度加快時(shí),相鄰峰之間間隔會(huì)變小,同時(shí)步長(zhǎng)也會(huì)變大,即隨著步頻變化,步長(zhǎng)也會(huì)變化.所以在實(shí)驗(yàn)中不能將步長(zhǎng)設(shè)為常數(shù),而應(yīng)隨著步頻動(dòng)態(tài)變化,使用如下公式:

SL=K1fstep+K2.

(3)

其中SL為步長(zhǎng);fstep為實(shí)時(shí)步頻;K1、K2為針對(duì)不同個(gè)體而標(biāo)定的系數(shù).

3 實(shí) 驗(yàn)

為了驗(yàn)證所提算法的有效性,本文使用包含MPU9150傳感器的模塊進(jìn)行測(cè)試.手持模塊至于胸前,使傳感器坐標(biāo)與人體坐標(biāo)相重合,以20 Hz采樣率獲取加速度計(jì)、陀螺儀數(shù)據(jù).

先持握模塊慢走15步,再以正常步速行走15步,最后快步走15步,Z軸加速度如圖6,可見(jiàn)隨著步速增加,加速度的幅值會(huì)增加,波峰與波峰間隔距離減小,說(shuō)明步頻也隨之提高.

圖6 行走三段路Figure 6 Three segment data

根據(jù)行走速度將實(shí)驗(yàn)分為慢走、正常走、快步走、慢跑、正常跑、快跑和混合行走(不同步速組合)這六類,依次測(cè)試在不同速度下的算法準(zhǔn)確性.每類測(cè)試分為10組,在室內(nèi)沿東西方向直線行走.具體測(cè)試見(jiàn)表1,受版面所限每類顯示2組.在每組的實(shí)驗(yàn)中,計(jì)步數(shù)與實(shí)際步數(shù)誤差在1到3步之間,準(zhǔn)確率較高,且與市場(chǎng)上的計(jì)步腕表、手機(jī)計(jì)步軟件相比精度更高.

文獻(xiàn)[7～8]提出的算法最開(kāi)始會(huì)對(duì)原加速度數(shù)據(jù)進(jìn)行濾波,濾波的時(shí)候容易將一些波形忽略掉,且容易出現(xiàn)記錯(cuò)有效步伐的位置或者少計(jì)步的情況,如圖7中黑色方框處存在計(jì)步錯(cuò)誤點(diǎn).在文獻(xiàn)[11]中提出算法只能計(jì)算出一大步,即每走兩步為一大步,如圖8中的每次上升時(shí)間點(diǎn)分別為標(biāo)記每一大步的起始位置,認(rèn)為相鄰的起始點(diǎn)是一大步,而圖中黑色箭頭處有兩個(gè)標(biāo)記位置很近,實(shí)際不可能在短時(shí)間內(nèi)行走一大步,即行走兩步是錯(cuò)誤的.

表1 計(jì)步結(jié)果

圖7 文獻(xiàn)[8]計(jì)步算法結(jié)果Figure 7 Result of step counting in Reference[8]

圖8 文獻(xiàn)[11]計(jì)步算法結(jié)果Figure 8 Result of step counting in Reference[11]

經(jīng)過(guò)多次實(shí)驗(yàn),本文所提算法也會(huì)有誤計(jì)步的情況發(fā)生,進(jìn)而影響計(jì)步結(jié)果的準(zhǔn)確性.如下面圖9～10.圖9(a)中算法判定B點(diǎn)為有效的計(jì)步點(diǎn),但是從幅值上判斷,A點(diǎn)的幅值較B點(diǎn)更大.B點(diǎn)位置更接近前一峰值點(diǎn),這不符合勻速直線行走的特點(diǎn),而A點(diǎn)與前后峰值點(diǎn)的時(shí)間間隔更符合這一特點(diǎn),所以A點(diǎn)應(yīng)是有效的計(jì)步點(diǎn)位置.就圖10(a)而言,按照上述的分析D點(diǎn)不是有效的計(jì)步點(diǎn),而C點(diǎn)應(yīng)該為有效的計(jì)步點(diǎn).

圖9 誤計(jì)步情況Figure 9 Wrong step

圖10 多計(jì)步情況Figure 10 Multi pedometer

針對(duì)這兩種誤差情況嘗試用以下的方法解決:1)有效峰值點(diǎn)矩陣(已獲得的計(jì)步點(diǎn)位置)中數(shù)據(jù)連續(xù)兩點(diǎn)做差,得到峰值點(diǎn)的間隔數(shù)據(jù)矩陣;2)對(duì)間隔數(shù)據(jù)矩陣每連續(xù)四個(gè)數(shù)據(jù)求平均值,得到關(guān)于均值的矩陣;3)算法依次檢查當(dāng)前的峰值間隔,如果第2步中的均值比峰值間隔多90%,則該點(diǎn)不是有效峰值點(diǎn);如果當(dāng)前間隔比均值多15%,則再次尋找這附近的有效峰值點(diǎn).經(jīng)過(guò)修改后能找到正確的計(jì)步點(diǎn),如圖9(b),圖10(b),修改后的算法再次測(cè)試后能糾正計(jì)步錯(cuò)誤的點(diǎn).

相比較文獻(xiàn)[7～8]提出的算法,本文提出的算法可以保留最原始的數(shù)據(jù),能夠較有效地避免上述計(jì)步錯(cuò)誤情況的發(fā)生.較之文獻(xiàn)[11]提出的算法,本文算法不用推算每一大步的行走位置點(diǎn),能夠?qū)⒂?jì)步的位置點(diǎn)標(biāo)記到每一步,這種計(jì)步方法更符合實(shí)際的行走情況.

為了驗(yàn)證算法結(jié)合航向的準(zhǔn)確性,我們?cè)诮虒W(xué)樓樓層內(nèi)行走,測(cè)試結(jié)果如圖11,直線代表實(shí)際行走路徑,黑色點(diǎn)代表算法推算的航跡,推算路徑與實(shí)際路徑誤差在0.5 m內(nèi).

圖11 行走軌跡Figure 11 Walking trajectory

4 結(jié) 語(yǔ)

本文利用MEMS傳感器獲取加速度數(shù)據(jù),根據(jù)實(shí)驗(yàn)決定使用Z軸豎直方向上的加速度推算行走的步數(shù).實(shí)驗(yàn)結(jié)果顯示,以不同的速度行走,算法計(jì)步誤差為0.75%,找到并糾正在計(jì)步中易出現(xiàn)的錯(cuò)誤,并能夠結(jié)合航向角推算航跡,使航跡接近實(shí)際行走路徑.

在計(jì)步的過(guò)程中,僅考慮到加速度信息,沒(méi)有參考陀螺儀數(shù)據(jù),且在繪制航跡的時(shí)候沒(méi)有匹配地圖,所以還應(yīng)改進(jìn)算法,結(jié)合絕對(duì)航向以適應(yīng)不同的環(huán)境,這將是接下來(lái)的工作.

[1] 王竣,王修暉.步態(tài)能量圖和KFDA的步態(tài)識(shí)別研究[J].中國(guó)計(jì)量大學(xué)學(xué)報(bào),2016,27(3):216-222. WANG J, WANG X H. Gait recognition based on gei and kfda[J].Journal of China University of Metrology,2016,27(3):216-222.

[2] XIANG Z Y, QI B Z, WANG J F. A novel body motion model based personal dead-reckoning system[C]// Photonics, 3D-Imaging, and Visualization. Portugal:[s.n],2011:1869-1872.

[3] NAJME Z, KUMAR A, CHAUHAN A. Step counting using smartphone-based accelerometer[J].International Journal on Computer Science & Engineering,2012:4(5):675-681.

[4] LIU B S, LIU Y T, YU C. Gait recognition and walking exercise intensity estimation[J].International Journal of Environmental Research & Public Health,2014,11(4):3822-3844.

[5] SUH Y S, PARK S. Pedestrian inertial navigation with gait phase detection assisted zero velocity updating[C]//Autonomous Robots and Agents(ICARA). New Zealand: IEEE,2009:336-341.

[7] JOHANN B, LAURO O. Heuristic drift elimination for personnel tracking systems[J].The Journal of Navigation,2010,63(4):591-606.

[8] ZHAO N. Full-featured pedometer design realized with 3-axis digital accelerometer[J].Analog Dialogue,2010,44(6):1-5.

[9] 殷紅.基于foot-mounted的IMU室內(nèi)行人航跡推算研究[D].南昌:南昌大學(xué),2013. YIN H. Imu Indoor Pedestrian Dead Reckoning Research Based on Foot-mounted[D]. Nanchang: Nanchang University,2013.

[10] SHIN B, LEE J H, LEE H, et al. Indoor 3D pedestrian tracking algorithm based on pdr using smarthphone[C]//Control, Automation and Systems(ICCAS). Korea: IEEE,2012:1442-1445.

[11] JIMENEZ A R, SECO F, PRIETO C, et al. A comparison of pedestrian dead-Reckoning algorithms using a low-cost mems imu[C]// Intelligent Signal Processing. Hungary: IEEE,2009:37-42.

[12] 申崇江,馮成濤,崔瑩,等.穿戴式室內(nèi)行人航位推算系統(tǒng)研究[C]//第五屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)論文集.南京:中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì),2014:1-5. SHEN C J, FENG C T, CUI Y, et al. Research on wearable indoor pedestrian dead reckoning system[C]//China Satellite Navigation Conference 2014. Nanjing: China Satellite Navigation Conference,2014:1-5.

Algorithm of MEMS sensor step counting

LOU Xizhong, ZHI Li, FANG Jun
(College of Information Engineering, China Jiliang University, Hangzhou 310018, China)

Step counting is an important part of inertial navigation. MEMS sensors are widely used in inertial navigation. The traditional algorithm of step counting uses the acceleration data based on the peak detection method based on the accelerometer data. This algorithm combines the peak detection algorithm with the crossing middle threshold algorithm. The MEMS device obtains the accelerometer data and calculate the steps and routes with the algorithm. The algorithm can determine the possible points from the accelerometer data, judge the valid pedometer point, and calculate the walking steps. It can also give the walking routes combining with step length, step numbers and the direction. Experimental results show that the error of the proposed algorithm is about 0.75%, and tracks are close to the actual walking routes. This algorithm has good performance with different people and in different circumstances.

MEMS; accelerometer; step counting; dead reckoning

2096-2835(2017)01-0081-06

10.3969/j.issn.2096-2835.2017.01.014

2016-11-11 《中國(guó)計(jì)量大學(xué)學(xué)報(bào)》網(wǎng)址：zgjl.cbpt.cnki.net

樓喜中(1976- ),男,浙江省義烏人，副教授,主要研究方向?yàn)闊o(wú)線定位、MEMS傳感器導(dǎo)航定位、多天線技術(shù)、信道編碼.E-mail:albert.lou@boogoob.com.

TN96

A