基于粒子滤波和概率神经网络的步行者定位参数校正

采用粒子滤波器融合全球卫星导航系统GPS和可穿着传感器的测量值,并利用概率神经网络作为分类器,依据从固定时长加速度采样中提取的特征,识别步行者的动作状态,减小了航向角测量误差、步幅估计误差和步数统计误差对航位推算结果的影响,校正了定位参数.通过分析加速度的振动特征估算步行者实时步幅,采用时长比例等效的方法同步采样,进一步优化了系统模型.实验表明,该方案具有较好的定位效果.     

基于动作识别和步幅估计的步行者航位推算

针对步行者的运动特点,采用和传统航位推算不同的思路,提出低成本步行者航位推算方案.通过分析安装在步行者身体上的加速度计输出采样,采用支持向量机识别步行者运动状态,并采用滑动窗长度可变的峰值捕获算法测算实时步频.为提高峰值捕获正确率,使用Daubechies 4作为基函数的小波滤波器对加速度计的原始输出进行平滑.通过实验拟合出步幅与步频的关系模型,并以此估算步行者实时步幅作为步行者实时移动距离,再结合电磁罗盘的航向角输出,完成步行者航位推算.经实地实验验证,该方案具有较好的定位效果.     

智能室内定位系统研究与实现

针对全球定位系统GPS不能提供令人满意的室内定位结果,提出一种基于空间信息模式下的室内定位技术,通过感知空间环境中的特征信息,采用一种增量式信息构建方式,结合低功耗蓝牙iBeacon以及多种传感器信息,以空间中特征信息区为路标修正行航位推算累积误差,最终实现了稳定独立的室内定位系统。为了验证设计思路的效果,通过与传统行人航位推算算法和iBeacon单点修正航位推算结果进行对比实验,最终结果表明传统航位推算回字形行走平均误差为0.83 m,蛇形行走平均误差为0.95 m;iBeacon单点修正回字形行走平均误差为0.32 m,蛇形行走平均误差为0.30 m;基于空间信息模式环境感知定位方式修正航位推算回字形行走的平均误差为0.29 m,蛇形行走的平均误差为0.09 m。达到了室内定位精度的标准,同时也验证了新方案的有效性以及定位系统的实效性。     

基于室内定位技术的人体姿态识别方法

独居老人摔倒等姿态检测是当今备受关注的问题.基于机器视觉的方法存在隐私侵入,成本高和实现过程复杂等问题,而基于加速度传感的方法对静止姿态识别存在困难.为此提出一种基于室内定位技术的老人姿态检测方案.首先在人体关键节点安装可穿戴接收标签,然后采用超宽带UWB测距方法,实现人体关键部位的定位和跟踪.在姿态估计算法中,分别采用最小二乘和改进的扩展卡尔曼滤波算法来抑制噪声,提高定位精度.仿真实验表明,改进的扩展卡尔曼滤波算法误差较小,可以较好地识别老人摔倒等姿态信息.     

一种基于微机械电子系统惯性传感器室内行人航位推算算法

在室内行人定位中,行人航位推算(pedestrian dead reckoning,PDR)由于不需要外部辅助信息,而被广泛应用。针对传统室内PDR存在步长局限性等问题,提出了一种基于微机械电子系统(micro electro mechanical system,MEMS)传感器的行人航位自适应拟合推算算法。该算法选用六位置法和卡尔曼滤波器(Kalman filter,KF)作为对加速度计和陀螺仪原始数据误差处理方案。通过过零检测和步态短时不变性计算脚的运动状态;并结合加速度自适应拟合行进距离,最后利用位置推算解算行人的运动轨迹。仿真结果表明,该算法在95 m运动距离内,最大误差不超1.5 m,具有良好精确性和灵活性,适用于实际的室内行人定位。     

一种基于MEMS惯性传感器室内行人航位推算算法

在室内行人定位中,行人航位推算 (Pedestrian Dead Reckoning, PDR)由于不需要外部辅助信息,而被广泛应用。针对传统室内PDR存在步长局限性等问题,提出了一种基于微机械电子系统(Micro Electro Mechanical System, MEMS)传感器的行人航位自适应拟合推算算法。该算法选用六位置法和卡尔曼滤波器(Kalman Filter, KF)作为对加速度计和陀螺仪原始数据误差处理方案。通过过零检测和步态短时不变性计算脚的运动状态,并结合加速度自适应拟合行进距离,最后利用位置推算解算行人的运动轨迹。仿真结果表明,该算法在95 m运动距离内,最大误差不超1.5 m,具有良好精确性和灵活性,适用于实际的室内行人定位。     

基于神经网络的航位推算导航

针对航位推算法中陀螺仪对方向测量存在较大噪声,进而导致航位推算误差较大的问题,提出一种基于神经网络的航位推算方法.该方法利用神经网络考察加速度测量值与方向测量值之间的时变关系,从而在不使用陀螺仪的情况下,通过该时变关系使用加速度值计算方向值,进而完成水下自主航行器(AUV)的航位推算导航.结果表明,该算法能在仅使用加速度计的情况下完成航位推算导航,因此可避免近海面由陀螺仪噪声导致的航位推算误差问题.仿真实验证明了该算法准确率较高.     

基于BSN和神经网络的人体日常动作识别方法

基于人体传感器网络(BSN)对人体动作的识别,在远程医疗服务中具有重要应用．搭建了一个基于BSN的人体动作监测平台,实验中通过固定在人体腰部和大腿上的两个加速度传感器节点,来采集人体日常生活中的7个动作所产生的加速度信号．特征提取包含传感器节点在3个轴上信号的时域和频域信息,并采用神经网络和分层的方法融合信息对7个动作进行分类和识别．实验结果表明,应用所搭建的BSN平台和识别方法,采用两个传感器节点识别人体日常生活中的7个动作具有很高的正确率．     

基于车辆悬架振动响应的地面分类研究

为提升车辆在自然界地面上行驶时利用悬架振动响应识别地面类型的分类准确率,提出将时域参数特征和小波包能量特征相结合的特征提取方法,利用概率神经网络（PNN）对地面进行分类,对比了时域参数特征、小波包能量特征及两者结合的分类效果.试验中,使用道路模拟试验台输出6种路面时域高程,将单轴加速度传感器安装在车辆悬架摆臂上,采集垂向加速度信号.结果表明,使用提出的特征提取方法可以取得良好的分类效果,平均分类准确率达到了91.3%,明显优于其它两种方法.      

基于BSN和神经网络的人体日常动作识别方法

基于人体传感器网络(BSN)对人体动作的识别,在远程医疗服务中具有重要应用。搭建了一个基于BSN的人体动作监测平台,实验中通过固定在人体腰部和大腿上的两个加速度传感器节点,来采集人体日常生活中的7个动作所产生的加速度信号,特征提取包含传感器节点在3个轴上信号的时域和频域信息,并采用神经网络和分层的方法融合信息对7个动作进行分类和识别。实验结果表明,应用所搭建的BSN平台和识别方法,采用两个传感器节点识别人体日常生活中的7个动作具有很高的正确率。     

运动分类步频调节的微机电惯性测量单元室内行人航迹推算

行人航迹推算(pedestrian dead reckoning, PDR)作为一种新兴的导航定位方法, 因其不易受外界环境因素影响而受到广泛关注. 针对室内行人航迹推算, 采集并分析了微机电惯性测量单元(micro-electro-mechanical system-inertial measurement unit, MEMS-IMU)数据, 设计了运动分类的区间对称步频检测, 并建立了步频调节的步长估计模型, 最后提出了运动分类步频调节的MEMS-IMU室内行人航迹推算, 从而实现较精准的定位. 针对不同个体, 对步频调节的步长估计模型进行个性化标定, 以进一步提高室内行人航迹推算性能. 验证结果表明: 与传统峰值非线性方法相比, 运动分类步频调节的MEMS-IMU室内行人航迹推算的定位误差降低了32.6%, 使短距离室内行人航迹推算在无其他定位技术支持的情况下具有较高精度.     

基于时频特征的Wi-Fi手势识别技术

随着人工智能的快速发展,手势识别已经成为重点关注和研究的对象,利用Wi-Fi信号进行手势识别的技术无需额外的设备以及光照的条件,逐渐成为手势识别的主流.针对传统基于时域统计特征的方法,将经过噪声抑制后的信号进行短时傅里叶变换(short-time Fourier transform,STFT)构建手势信号的频域特征,结合时域和频域特性选择动作持续时间、频谱熵等特征作为特征值,采用支持向量机(support vector machine,SVM)的分类方法对特征值进行训练并完成手势识别.实验结果表明,在复杂的室内环境与室外空旷环境均能有效对手势进行识别,手势的识别率达90％以上.     

基于行人航位推算的后向地磁匹配算法

针对行人航位推算(pedestrian dead reckoning,PDR)定位存在误差累积和智能手机内置传感器精度不高的问题,采用PDR结合地磁的方法进行室内定位研究,提出一种改进的基于PDR的后向地磁匹配算法.在构建地磁基准库阶段,使用克里金插值算法有效减少数据采集所耗费的大量时间并构建出双分辨率地磁基准库.在地磁匹配阶段,改进了基于动态时间规整(dynamic time warping,DTW)的后向地磁匹配算法,改进后的算法避免传统DTW地磁匹配需要全局搜索地磁序列的缺点,在保证定位精度的前提下,增强了定位实时性.实验结果表明,本文算法最大定位误差小于1.5m,可以满足普通室内定位需求.     

基于GPS与超宽带的室内外无缝定位改进算法

结合GPS、惯性导航技术以及超宽带(UWB)技术,提出基于定位信号数量和信号强度的定位方法切换策略.根据切换策略,将伪距测量、Chan-Taylor协同算法以及行人航迹推算算法进行松散组合,得到优化后的定位算法.通过实验验证了切换策略的可行性,优化了室内外交界区域的定位轨迹,为室内外无缝定位技术提供了思路.     

基于高斯混和模型与Blob分析的人手定位

在基于机器视觉的手势识别研究中,手势分割与定位是关键技术。本文在分析肤色的颜色特征和人手运动特性的基础上,提出了一种在视频图像序列中实现手势分割和定位的算法。首先结合肤色检测技术和基于高斯混合模型的运动目标检测技术,获得了图像序列的初始手势区域,之后利用Blob技术实现了最终手势的分割和定位。实验结果显示,该方法具有较高的分割和定位准确度。     

基于支持向量机分类决策的行人导航零速修正方法

为了减小行人导航过程中的误差,提出基于支持向量机分类决策的零速反馈修正方法。根据行人足部运动特点,构建行人足部运动模型,利用支持向量机决策方法对足部运动样本数据进行训练和提取数据特征,建立超平面方程。通过超平面函数对行人足部运动数据进行分类和决策,辨别区分静止段和运动段。在零速静止段,对惯性导航解算的速度、角速度和方向进行修正,利用扩展卡尔曼滤波递推方法进行方向、速度和位置误差跟踪。进行了行人按既定路径的行走跟踪实验,结果表明,设计的行人导航系统能够使行人行走轨迹与设定路径完全吻合,多次测试数据最大误差小于2.5%,平均误差为1.94%。因此,基于支持向量机分类决策的行人导航零速修正方法能够准确地对行人轨迹进行跟踪和定位。     

基于现场评价的智能手机触摸手势工效学研究

为了提高触摸手势识别准确率,针对智能手机触摸手势工效学参数进行现场评价。首先,基于非理性用户模型提出了触摸手势现场评价因素框架;其次,设计现场评价实验,收集新手用户和经验用户在室内静坐、户外行走和公交静坐3种情境下的测试数据,得出基于使用情境修正的手势工效学参数,优化了手机触摸性能。研究表明,现场环境中用户运动状态和情绪警觉水平影响手机使用触摸性能,需采用现场情境测试修正触摸工效学参数,以提高手势识别准确率。     

行人运动状态对人车碰撞事故中行人损伤的影响

为研究车辆与行人正面碰撞时行人运动状态对行人头部、胸部加速度的影响规律,根据国家车辆事故深度调查体系（NAIS）中的真实案例,利用PreSys软件建立假人与车辆正面碰撞的有限元模型,在此基础上,研究行人不同运动状态和车辆不同碰撞速度下行人的动力学响应及头部、胸部加速度变化情况。结果表明：碰撞速度30km/h时,行人行走状态下头部加速度最大,慢跑状态下行人头部加速度最小;碰撞速度50km/h时,行人不同运动状态下头部加速度差别不明显;行走、慢跑状态下,行人胸部的加速度随着碰撞速度增大而增大;奔跑状态下,行人胸部加速度峰值随碰撞速度的增加呈先减小后增大的趋势。