基于運(yùn)動(dòng)識(shí)別的室內(nèi)行人定位研究與實(shí)現(xiàn).pdf

1、隨著基于位置服務(wù) LBS(Location-Based Service)的飛速發(fā)展和移動(dòng)互聯(lián)網(wǎng)的興起，人們對(duì)室內(nèi)定位和導(dǎo)航的需求日益旺盛。在室外占主導(dǎo)地位的衛(wèi)星導(dǎo)航系統(tǒng)由于信號(hào)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(gè)研究熱點(diǎn)。智能手機(jī)的廣泛普及以及微機(jī)電傳感器在手機(jī)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(guān)注。
　　本文研究的是基于智能手機(jī)在室內(nèi)進(jìn)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(huì)隨時(shí)間迅速增大。本文提出通過人體運(yùn)動(dòng)模式識(shí)別輔助行人航跡推算的方法。該方法針對(duì)不同的運(yùn)動(dòng)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(shí)別垂直方向上的運(yùn)動(dòng)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(gè)方面內(nèi)容：
　　1)基于連續(xù)序列的運(yùn)動(dòng)模式識(shí)別
　　行人的運(yùn)動(dòng)狀態(tài)可以看成是由多個(gè)基本運(yùn)動(dòng)模式組成的連續(xù)的過程，相鄰運(yùn)動(dòng)狀態(tài)之間有著一定的關(guān)聯(lián)。本文引入隱馬爾科夫模

3、型(Hidden Markov Model，HMM)來描述行人運(yùn)動(dòng)過程，利用運(yùn)動(dòng)狀態(tài)轉(zhuǎn)移概率和觀察值分布概率對(duì)運(yùn)動(dòng)狀態(tài)序列進(jìn)行求解，從而提高運(yùn)動(dòng)模式識(shí)別的精度。
　　2)基于增量學(xué)習(xí)的運(yùn)動(dòng)識(shí)別
　　運(yùn)動(dòng)識(shí)別初期，由于訓(xùn)練樣本數(shù)量有限，識(shí)別精度不高。隨著訓(xùn)練數(shù)據(jù)不斷增加，運(yùn)動(dòng)模式識(shí)別分類器需要對(duì)應(yīng)地進(jìn)行更新。本文采用增量學(xué)習(xí)算法使分類器在原有模型的基礎(chǔ)上疊加新的訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)并更新分類器，以保證運(yùn)動(dòng)分類精度保持在一個(gè)較高的水

4、平。
　　3)基于運(yùn)動(dòng)識(shí)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(yùn)動(dòng)模式識(shí)別獲取行人當(dāng)前的運(yùn)動(dòng)狀態(tài)，構(gòu)建自適應(yīng)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(yùn)動(dòng)識(shí)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(yùn)動(dòng)模式識(shí)別、基于增量學(xué)習(xí)的運(yùn)動(dòng)分類器以及基于運(yùn)動(dòng)識(shí)別構(gòu)建自適應(yīng)步長模型的行人航位推算，并實(shí)現(xiàn)了一套完整的基于智能