留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

面向智能手机的改进有限状态机步态探测算法

毕京学,  甄杰,  姚国标,  桑文刚,  宁一鹏,  郭秋英

downloadPDF
文章导航 > 武汉大学学报 ● 信息科学版  > 优先出版
毕京学, 甄杰, 姚国标, 桑文刚, 宁一鹏, 郭秋英. 面向智能手机的改进有限状态机步态探测算法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200186
引用本文: 毕京学, 甄杰, 姚国标, 桑文刚, 宁一鹏, 郭秋英. 面向智能手机的改进有限状态机步态探测算法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200186
shu
BI Jingxue, ZHEN Jie, YAO Guobiao, SANG Wengang, NING Yipeng, GUO Qiuying. Improved Finite State Machine Step Detection Algorithm for Smartphone[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200186
Citation: BI Jingxue, ZHEN Jie, YAO Guobiao, SANG Wengang, NING Yipeng, GUO Qiuying. Improved Finite State Machine Step Detection Algorithm for Smartphone[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200186
shu

面向智能手机的改进有限状态机步态探测算法

doi: 10.13203/j.whugis20200186

  • 1 山东建筑大学测绘地理信息学院, 山东 济南, 250101;

  • 2 中国测绘科学研究院, 北京, 100830

基金项目: 

国家重点研发计划项目（2016YFC0803102，2016YFB0502102）；卫星导航系统与装备技术国家重点实验室开放基金（CEPNT-2018KF-03）；山东省高等学校青创人才引育计划（0031802）；山东建筑大学开放实验项目（2019yzkf159）；山东省自然科学基金（面上项目）（ZR2017MD029）；自然资源部测绘科学与地球空间信息技术重点实验室经费资助项目（2020-3-4）；山东建筑大学博士科研基金（XNBS1985）。

详细信息
    作者简介:

    毕京学,博士,讲师,主要从事室内多源混合定位、室内外无缝定位技术研究。bjx1050@163.com

  • 中图分类号: TN96

Improved Finite State Machine Step Detection Algorithm for Smartphone

  • 1 College of Surveying and Geo-Informatics, Shandong Jianzhu University, Jinan 250101, China;

  • 2 Chinese Academy Surveying and Mapping, Beijing 100830, China

Funds: 

This work was funded by National Key Research and Development Program of China(2016YFC0803102, 2016YFB0502102)

  • 摘要: 针对室内定位行人航位推算中步态探测算法步数识别准确率不够高、同步控制不够精确以及位置估计存在较大偏差等问题，提出了一种面向智能手机平端活动的改进有限状态机步态探测算法。通过设定有限状态对应步行过程合加速度变化趋势，利用相邻合加速度差值和上/下坡次数阈值实现步数识别和步态周期估计。在211米走廊内由2名实验人员分别平端智能手机开展实验，结果表明：改进算法步数识别准确率为100%，每一步平均识别时间提前了0.004秒，平均位置误差为0.384米，相比于自相关分析和加速度差分有限状态机算法，识别准确率、同步控制精度和位置估计精度分别至少提高了0.7%、60%和21.15%。本文所提算法在步数识别、同步控制以及位置估计方面优于现有算法。
    Abstract: To solve the problems in pedestrian dead reckoning algorithms for indoor positioning, of which the step recognition accuracy for step detection is not high enough, the synchronous control is not precise enough, and there is a large location deviation. An algorithm of improved finite state machine step detection for the activity of flat holding smartphone was proposed. A finite number of states were set to correspond to the trend of resultant acceleration variation during walking. Step detection and step cycle estimation were realized based on adjacent resultant acceleration difference and several thresholds of climbing and descending times. Experimental tests were conducted by two testers in 211 meters corridors with flat holding smartphone, respectively. Experimental results show that the accuracy of two step detection tests are both 100% by using the improved algorithm. It is 0.004 seconds earlier on average than the actual time for each step. And the average location error is 0.384m. Compared to the auto-correction analysis and acceleration differential based on finite state machine algorithms, the accuracy of step recognition, synchronous control and location estimation are improved at least 0.7%, 60% and 21.15%, respectively. The proposed algorithm behaves better than the existing algorithms in the aspects of the step recognition, the synchronous control and location estimation.
  • [1] Bi J, Wang Y, Li X, et al. An Adaptive Weighted KNN Positioning Method Based on Omnidirectional Fingerprint Database and Twice Affinity Propagation Clustering[J]. Sensors, 2018, 18(8):2502-2518.
    [2] Levi R W, Judd T. Dead Reckoning Navigational System Using Accelerometer to Measure Foot Impacts:U.S. Patent 5,583,776[P]. 1996-12-10.
    [3] Zhou B, Li Q, Mao Q, et al. Activity Sequence-Based Indoor Pedestrian Localization Using Smartphones[J]. IEEE Transactions on Human-Machine Systems, 2017, 45(5):562-574.
    [4] Shin B, Kim C, Kim J, et al. Motion Recognition-Based 3D Pedestrian Navigation System Using Smartphone[J]. IEEE Sensors Journal, 2016, 16(18):6977-6989.
    [5] Kang W, Han Y. SmartPDR:Smartphone-Based Pedestrian Dead Reckoning for Indoor Localization[J]. IEEE Sensors Journal, 2015, 15(5):2906-2916.
    [6] Chen Z, Zou H, Jiang H, et al. Fusion of WiFi, Smartphone Sensors and Landmarks Using the Kalman Filter for Indoor Localization[J]. Sensors, 2015, 15(1):715-732.
    [7] Ruiz A R J, Granja F S, Honorato J C P, et al. Accurate Pedestrian Indoor Navigation by Tightly Coupling Foot-mounted IMU and RFID Measurements[J]. IEEE Transactions on Instrumentation and Measurement, 2012, 61(1):178-189.
    [8] Pinchin J, Hide C, Moore T. A Particle Filter Approach to Indoor Navigation Using a Foot Mounted Inertial Navigation System and Heuristic Heading Information[C]. 2012 International Conference on Indoor Positioning and Indoor Navigation (IPIN). IEEE, 2012:1-10.
    [9] Pan M S, Lin H W. A Step Counting Algorithm for Smartphone Users:Design and Implementation[J]. IEEE Sensors Journal, 2015, 15(4):2296-2305.
    [10] DIrican A C, Aksoy S. Step Counting Using Smartphone Accelerometer and Fast Fourier Transform[J]. Sigma J. Eng. Nat. Sci, 2017, 8:175-182.
    [11] Kang X, Huang B, Qi G. A Novel Walking Detection and Step Counting Algorithm Using Unconstrained Smartphones[J]. Sensors, 2018, 18(1):297-311.
    [12] Alzantot M, Youssef M. UPTIME:Ubiquitous Pedestrian Tracking Using Mobile Phones[C]. 2012 IEEE Wireless Communications and Networking Conference (WCNC). IEEE, 2012:3204-3209.
    [13] Jang, Kim, Hwang. Robust Step Detection Method for Pedestrian Navigation Systems[J]. Electronics Letters, 2007, 43(14):749-751.
    [14] Jayalath S, Abhayasinghe N. A Gyroscopic Data Based Pedometer Algorithm[C]. 2013 8th International Conference on Computer Science & Education. IEEE, 2013:551-555.
    [15] Tang Z, Guo Y, Chen X. Self-adaptive Step Counting on Smartphones Under Unrestricted Stepping Modes[C]. 2016 IEEE 40th Annual Computer Software and Applications Conference (COMPSAC). IEEE, 2016, 1:788-797.
    [16] Huang B, Qi G, Yang X, et al. Exploiting Cyclic Features of Walking for Pedestrian Dead Reckoning with Unconstrained Smartphones[C]. Proceedings of the 2016 ACM International Joint Conference on Pervasive and Ubiquitous Computing. 2016:374-385.
    [17] Yim J. A Smartphone Indoor Positioning Method[J]. International Journal of Smart Home, 2013, 7(5):9-18.
    [18] Yang J. Toward Physical Activity Diary:Motion Recognition Using Simple Acceleration Features with Mobile Phones[C]. Proceedings of the 1st international workshop on Interactive multimedia for consumer electronics. ACM, 2009:1-10.
    [19] Pei L, Chen R, Liu J, et al. Motion Recognition Assisted Indoor Wireless Navigation on a Mobile Phone[C]. Proceedings of the 23rd International Technical Meeting of the Satellite Division of the Institute of Navigation. 2010:3366-3375.
    [20] Wang B, Liu X, Yu B, et al. Pedestrian Dead Reckoning Based on Motion Mode Recognition Using a Smartphone[J]. Sensors, 2018, 18(6):1811-1834.
  • [1] 柳景斌, 赵智博, 胡宁松, 黄格格, 龚晓东, 杨盛.  室内高精度定位技术总结与展望 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20220029
    [2] 刘万科, 陶贤露, 张传明, 姚宜斌, 王甫红, 贾海禄, 楼益栋.  云-端协同的智能手机行人室内外无缝定位技术及其原型系统验证 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20210310
    [3] 张小红, 罗科干, 陶贤露, 胡鑫, 刘万科.  一种基于穿戴式MEMS传感器状态识别的多部位PDR算法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20210474
    [4] 张星, 刘涛, 孙龙培, 李清泉, 方志祥.  一种视觉与惯性协同的室内多行人目标定位方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20200454
    [5] 甄杰, 吴建新, 刘纪平, 徐胜华, 周振发, 辛海强.  一种单基站高精度室内应急定位方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20200128
    [6] 程鹏飞, 文汉江, 刘焕玲, 董杰.  卫星大地测量学的研究现状及发展趋势 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180356
    [7] 赵文晔, 高井祥, 李增科, 姚一飞.  地图匹配辅助的KF-PF室内定位算法模型 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20150707
    [8] 熊汉江, 郭胜, 郑先伟, 周妍.  室内行人移动行为识别及轨迹追踪 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20170066
    [9] 徐亚明, 孙福余, 张鹏, 王金岭.  一种利用载波相位差值的伪卫星定位方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20170033
    [10] 陈锐志, 叶锋.  基于Wi-Fi信道状态信息的室内定位技术现状综述 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180176
    [11] 匡开发, 王腾, 王峥, 周剑.  精密单点确定航空重力载体运动速度和加速度 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20140654
    [12] 张小红, 曾琪, 何俊, 康超.  构建阈值模型改善TurboEdit实时周跳探测 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20150045
    [13] 黄志勇, 赵冬青, 张爽娜, 吴昊, 田翌君.  基于粗时段导航与RAIM算法的A-GNSS室内定位 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20140941
    [14] 胡安冬, 王坚, 汪云甲, 刘春燕, 谭兴龙, 李增科.  利用渐消自适应EKF算法进行PDR-WiFi融合定位 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20140432
    [15] 施闯, 章红平, 辜声峰, 楼益栋, 唐卫明.  云定位技术及云定位服务平台 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20150118
    [16] 刘春燕, 王坚.  基于几何聚类指纹库的约束KNN室内定位模型 . 武汉大学学报 ● 信息科学版,
    [17] 周宝定, 李清泉, 毛庆洲, 张星.  用户行为感知辅助的室内行人定位 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20140100
    [18] 田辉, 夏林元, 莫志明, 吴东金.  泛在无线信号辅助的室内外无缝定位方法与关键技术 . 武汉大学学报 ● 信息科学版,
    [19] 罗佳, 宁津生, 晁定波, 徐晓华.  CHAMP星载加速度计数据(0.1Hz)处理与分析 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis2004.05.002
    [20] 柳景斌, 王泽民, 吕轩凡, 李维, 尹斐, 仇宏煜.  一种低成本毫米波雷达的室内自定位方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20210593
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  504
  • HTML全文浏览量:  92
  • PDF下载量:  31
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-04-20
  • 网络出版日期:  2021-05-07

面向智能手机的改进有限状态机步态探测算法

doi: 10.13203/j.whugis20200186
  • 1 山东建筑大学测绘地理信息学院, 山东 济南, 250101;
  • 2 中国测绘科学研究院, 北京, 100830
    • 基金项目:

    国家重点研发计划项目（2016YFC0803102，2016YFB0502102）；卫星导航系统与装备技术国家重点实验室开放基金（CEPNT-2018KF-03）；山东省高等学校青创人才引育计划（0031802）；山东建筑大学开放实验项目（2019yzkf159）；山东省自然科学基金（面上项目）（ZR2017MD029）；自然资源部测绘科学与地球空间信息技术重点实验室经费资助项目（2020-3-4）；山东建筑大学博士科研基金（XNBS1985）。

    作者简介:

    毕京学,博士,讲师,主要从事室内多源混合定位、室内外无缝定位技术研究。bjx1050@163.com

  • 收稿日期: 2020-04-20
  • 网络出版日期: 2021-05-07

  • 中图分类号: TN96

摘要: 针对室内定位行人航位推算中步态探测算法步数识别准确率不够高、同步控制不够精确以及位置估计存在较大偏差等问题，提出了一种面向智能手机平端活动的改进有限状态机步态探测算法。通过设定有限状态对应步行过程合加速度变化趋势，利用相邻合加速度差值和上/下坡次数阈值实现步数识别和步态周期估计。在211米走廊内由2名实验人员分别平端智能手机开展实验，结果表明：改进算法步数识别准确率为100%，每一步平均识别时间提前了0.004秒，平均位置误差为0.384米，相比于自相关分析和加速度差分有限状态机算法，识别准确率、同步控制精度和位置估计精度分别至少提高了0.7%、60%和21.15%。本文所提算法在步数识别、同步控制以及位置估计方面优于现有算法。

English Abstract

毕京学, 甄杰, 姚国标, 桑文刚, 宁一鹏, 郭秋英. 面向智能手机的改进有限状态机步态探测算法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200186
引用本文: 毕京学, 甄杰, 姚国标, 桑文刚, 宁一鹏, 郭秋英. 面向智能手机的改进有限状态机步态探测算法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200186
shu
BI Jingxue, ZHEN Jie, YAO Guobiao, SANG Wengang, NING Yipeng, GUO Qiuying. Improved Finite State Machine Step Detection Algorithm for Smartphone[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200186
Citation: BI Jingxue, ZHEN Jie, YAO Guobiao, SANG Wengang, NING Yipeng, GUO Qiuying. Improved Finite State Machine Step Detection Algorithm for Smartphone[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200186
shu

    全文HTML

参考文献 (20)

目录

    /

    返回文章
    返回

    我要投稿

    投稿攻略

    联系我们

    二维码

    版权所有 © 2013 《武汉大学学报·信息科学版》编辑部

    地址：武汉大学文理学部本科生院楼北5楼邮政编码：430072

    电话：027-68778465,68778045E-mail:whuxxb@vip.163.com

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计