基于運動識別的室內(nèi)行人定位研究與實現(xiàn).pdf

1、隨著基于位置服務 LBS(Location-Based Service)的飛速發(fā)展和移動互聯(lián)網(wǎng)的興起，人們對室內(nèi)定位和導航的需求日益旺盛。在室外占主導地位的衛(wèi)星導航系統(tǒng)由于信號衰減問題不能在室內(nèi)提供定位信息，使得室內(nèi)定位技術(shù)成為了一個研究熱點。智能手機的廣泛普及以及微機電傳感器在手機終端大量集成，使得基于微慣性傳感器的室內(nèi)定位方法備受關注。
　　本文研究的是基于智能手機在室內(nèi)進行高精度的行人定位.由于微慣性傳感器存在不可避免的精度

2、漂移，累積定位誤差會隨時間迅速增大。本文提出通過人體運動模式識別輔助行人航跡推算的方法。該方法針對不同的運動狀態(tài)適配不同的步長模型參數(shù)，從而提高室內(nèi)定位的精度；通過識別垂直方向上的運動模式，將行人航跡推算從二維平面拓展到三維空間。
　　本文主要研究了以下三個方面內(nèi)容：
　　1)基于連續(xù)序列的運動模式識別
　　行人的運動狀態(tài)可以看成是由多個基本運動模式組成的連續(xù)的過程，相鄰運動狀態(tài)之間有著一定的關聯(lián)。本文引入隱馬爾科夫模

3、型(Hidden Markov Model，HMM)來描述行人運動過程，利用運動狀態(tài)轉(zhuǎn)移概率和觀察值分布概率對運動狀態(tài)序列進行求解，從而提高運動模式識別的精度。
　　2)基于增量學習的運動識別
　　運動識別初期，由于訓練樣本數(shù)量有限，識別精度不高。隨著訓練數(shù)據(jù)不斷增加，運動模式識別分類器需要對應地進行更新。本文采用增量學習算法使分類器在原有模型的基礎上疊加新的訓練數(shù)據(jù)進行學習并更新分類器，以保證運動分類精度保持在一個較高的水

4、平。
　　3)基于運動識別的行人航位推算
　　傳統(tǒng)的行人航位推算算法一般僅適用二維平面，而且采用固定的步長模型參數(shù)。通過使用運動模式識別獲取行人當前的運動狀態(tài)，構(gòu)建自適應步長模型，能夠提高行人航位推算的定位精度，通過垂直方向的運動識別可以將行人航跡推算拓展到三維空間。
　　綜上所述，本文研究了基于連續(xù)序列的運動模式識別、基于增量學習的運動分類器以及基于運動識別構(gòu)建自適應步長模型的行人航位推算，并實現(xiàn)了一套完整的基于智能