基于運(yùn)動(dòng)狀態(tài)感知的低功耗定位方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于運(yùn)動(dòng)狀態(tài)感知的低功耗定位方法及系統(tǒng)，所述方法包括離線訓(xùn)練和在線定位，通過引入一個(gè)加速度傳感器來提供低功耗定位服務(wù)，加速度傳感器可以實(shí)時(shí)捕捉用戶運(yùn)動(dòng)引起的XYZ三個(gè)方向的振動(dòng)變化，通過大量樣本訓(xùn)練和機(jī)器學(xué)習(xí)方法計(jì)算出用戶運(yùn)動(dòng)狀態(tài)和位置變化，提供包含一定定位誤差的低功耗位置服務(wù)，當(dāng)定位誤差超過某個(gè)門限閾值時(shí)，則打開GPS完成一次精確定位。本發(fā)明使用低功耗的加速度傳感器來完成大部分定位，可以大大降低整體定位功耗。
【專利說明】基于運(yùn)動(dòng)狀態(tài)感知的低功耗定位方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及GPS定位【技術(shù)領(lǐng)域】，尤其涉及一種基于運(yùn)動(dòng)狀態(tài)感知的低功耗定位方 法及系統(tǒng)。

【背景技術(shù)】
[0002] 隨著移動(dòng)互聯(lián)網(wǎng)化產(chǎn)業(yè)的不斷發(fā)展，位置服務(wù)已經(jīng)成為移動(dòng)終端的一項(xiàng)重要指 標(biāo)，為日常生活的定位、導(dǎo)航提供了極大的便利。
[0003] GPS定位主要包括兩個(gè)部分：一個(gè)是用戶接收機(jī)，另一個(gè)是GPS衛(wèi)星星座。衛(wèi)星星 座不斷往外廣播衛(wèi)星信號(hào)，用戶接收機(jī)接收到4個(gè)以上有效衛(wèi)星信號(hào)，可以計(jì)算出當(dāng)前位 置。
[0004] 目前，諸如汽車車載定位系統(tǒng)、智能手機(jī)、智能手表、智能眼鏡、智能手環(huán)等可穿戴 設(shè)備上都需要廣泛集成定位模塊來提供位置服務(wù)，通常各類產(chǎn)品會(huì)集成GPS系統(tǒng)，可以提 供大約10米定位精度服務(wù)。
[0005] 但是，GPS模塊和北斗模塊的功耗很大，大約160mW，在智能終端中僅次于屏幕和 3G通信模塊。實(shí)驗(yàn)顯示，智能手機(jī)僅能提供連續(xù)5-6小時(shí)的GPS定位服務(wù)，最新推出的智能 手表只能提供2-3小時(shí)左右的GPS定位服務(wù)，很難滿足用戶長時(shí)間定位需求。
[0006] 因此，針對(duì)上述技術(shù)問題，有必要提供一種基于運(yùn)動(dòng)狀態(tài)感知的低功耗定位方法 及系統(tǒng)。


【發(fā)明內(nèi)容】

[0007] 有鑒于此，本發(fā)明的一種基于運(yùn)動(dòng)狀態(tài)感知的低功耗定位方法及系統(tǒng)主要是解決 實(shí)際GPS定位過程的功耗問題，通過引入一個(gè)加速度傳感器來提供低功耗定位服務(wù)。具體 地說，加速度傳感器可以實(shí)時(shí)捕捉用戶運(yùn)動(dòng)引起的XYZ三個(gè)方向的振動(dòng)變化，通過大量樣 本訓(xùn)練和機(jī)器學(xué)習(xí)方法計(jì)算出用戶運(yùn)動(dòng)狀態(tài)和位置變化，提供包含一定定位誤差的低功耗 位置服務(wù)，當(dāng)定位誤差超過某個(gè)門限閾值時(shí)，則打開GPS完成一次精確定位。
[0008] 為了達(dá)到上述目的，本發(fā)明實(shí)施例提供的技術(shù)方案如下：
[0009] -種基于運(yùn)動(dòng)狀態(tài)感知的低功耗定位方法，所述方法包括：
[0010] S1、離線訓(xùn)練；
[0011] S11、標(biāo)準(zhǔn)數(shù)據(jù)采集，通過加速度傳感器采集各個(gè)標(biāo)準(zhǔn)運(yùn)動(dòng)狀態(tài)下對(duì)應(yīng)的加速度數(shù) 據(jù)；
[0012] S12、用戶運(yùn)動(dòng)狀態(tài)學(xué)習(xí)，從加速度數(shù)據(jù)中提取出特征向量來區(qū)分各個(gè)標(biāo)準(zhǔn)運(yùn)動(dòng)狀 態(tài)，得到標(biāo)準(zhǔn)運(yùn)動(dòng)狀態(tài)與加速度數(shù)據(jù)波形的對(duì)應(yīng)關(guān)系，建立離線訓(xùn)練模型；
[0013] S2、在線定位；
[0014] S21、用戶運(yùn)動(dòng)數(shù)據(jù)的采集和處理，通過加速度傳感器實(shí)時(shí)采集用戶運(yùn)動(dòng)引起的加 速度數(shù)據(jù)；
[0015] S22、用戶運(yùn)動(dòng)狀態(tài)分析和位移分析，對(duì)當(dāng)前采集的加速度數(shù)據(jù)進(jìn)行特征向量提 取，使用離線訓(xùn)練模型計(jì)算出用戶的運(yùn)動(dòng)狀態(tài)，并對(duì)加速度數(shù)據(jù)進(jìn)行計(jì)算，得到一段時(shí)間內(nèi) 的位移變化、及位移累計(jì)誤差。
[0016] S23、機(jī)會(huì)式GPS定位，判斷所述位移累計(jì)誤差是否超過門限閾值，若是，則打開 GPS重新進(jìn)行定位，并重啟加速度傳感器，返回步驟S21開始在線定位；若否，則直接返回步 驟S21開始在線定位。
[0017] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S11中的標(biāo)準(zhǔn)運(yùn)動(dòng)狀態(tài)包括走路、跑步、靜 止；所述步驟S22中的運(yùn)動(dòng)狀態(tài)包括走路、跑步、靜止。
[0018] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S11和步驟S21還包括：
[0019] 去除加速度數(shù)據(jù)中由于外部噪聲引入的數(shù)據(jù)波動(dòng)，得到平滑變化的加速度數(shù)據(jù)。
[0020] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S11和步驟S21還包括：
[0021] 使用低通濾波器去除高頻噪聲，得到平滑變化的加速度數(shù)據(jù)。
[0022] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S12中的特征向量包括：一段時(shí)間內(nèi)加速度 的最小值、最大值、中位數(shù)、平均值、方差、傾斜度、及傅立葉能量。
[0023] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟個(gè)S12中的特征向量通過SVM方法進(jìn)行分類， 得到運(yùn)動(dòng)狀態(tài)與加速度數(shù)據(jù)波形的對(duì)應(yīng)關(guān)系，建立SVM模型。
[0024] 作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S22具體為：
[0025] 對(duì)當(dāng)前采集的加速度數(shù)據(jù)進(jìn)行特征向量提取，特征向量包括一段時(shí)間內(nèi)加速度的 最小值、最大值、中位數(shù)、平均值、方差、傾斜度、及傅立葉能量；
[0026] 采用離線訓(xùn)練建立好的SVM模型，計(jì)算出用戶的運(yùn)動(dòng)狀態(tài)；
[0027] 對(duì)加速度數(shù)據(jù)進(jìn)行二次積分，得到一段時(shí)間內(nèi)的位移變化

【權(quán)利要求】
1. 一種基于運(yùn)動(dòng)狀態(tài)感知的低功耗定位方法，其特征在于，所述方法包括： 51、 離線訓(xùn)練； 511、 標(biāo)準(zhǔn)數(shù)據(jù)采集，通過加速度傳感器采集各個(gè)標(biāo)準(zhǔn)運(yùn)動(dòng)狀態(tài)下對(duì)應(yīng)的加速度數(shù)據(jù)； 512、 用戶運(yùn)動(dòng)狀態(tài)學(xué)習(xí)，從加速度數(shù)據(jù)中提取出特征向量來區(qū)分各個(gè)標(biāo)準(zhǔn)運(yùn)動(dòng)狀態(tài)， 得到標(biāo)準(zhǔn)運(yùn)動(dòng)狀態(tài)與加速度數(shù)據(jù)波形的對(duì)應(yīng)關(guān)系，建立離線訓(xùn)練模型； 52、 在線定位； 521、 用戶運(yùn)動(dòng)數(shù)據(jù)的采集和處理，通過加速度傳感器實(shí)時(shí)采集用戶運(yùn)動(dòng)引起的加速度 數(shù)據(jù)； 522、 用戶運(yùn)動(dòng)狀態(tài)分析和位移分析，對(duì)當(dāng)前采集的加速度數(shù)據(jù)進(jìn)行特征向量提取，使 用離線訓(xùn)練模型計(jì)算出用戶的運(yùn)動(dòng)狀態(tài)，并對(duì)加速度數(shù)據(jù)進(jìn)行計(jì)算，得到一段時(shí)間內(nèi)的位 移變化、及位移累計(jì)誤差。 523、 機(jī)會(huì)式GPS定位，判斷所述位移累計(jì)誤差是否超過門限閾值，若是，則打開GPS重 新進(jìn)行定位，并重啟加速度傳感器，返回步驟S21開始在線定位；若否，則直接返回步驟S21 開始在線定位。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S11中的標(biāo)準(zhǔn)運(yùn)動(dòng)狀態(tài)包括走 路、跑步、靜止；所述步驟S22中的運(yùn)動(dòng)狀態(tài)包括走路、跑步、靜止。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S11和步驟S21還包括： 去除加速度數(shù)據(jù)中由于外部噪聲引入的數(shù)據(jù)波動(dòng)，得到平滑變化的加速度數(shù)據(jù)。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟S11和步驟S21還包括： 使用低通濾波器去除高頻噪聲，得到平滑變化的加速度數(shù)據(jù)。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S12中的特征向量包括：一段時(shí) 間內(nèi)加速度的最小值、最大值、中位數(shù)、平均值、方差、傾斜度、及傅立葉能量。
6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述步驟個(gè)S12中的特征向量通過SVM方 法進(jìn)行分類，得到運(yùn)動(dòng)狀態(tài)與加速度數(shù)據(jù)波形的對(duì)應(yīng)關(guān)系，建立SVM模型。
7. 根據(jù)權(quán)利要求6所述的方法，其特征在于，所述步驟S22具體為： 對(duì)當(dāng)前采集的加速度數(shù)據(jù)進(jìn)行特征向量提取，特征向量包括一段時(shí)間內(nèi)加速度的最小 值、最大值、中位數(shù)、平均值、方差、傾斜度、及傅立葉能量； 采用離線訓(xùn)練建立好的SVM模型，計(jì)算出用戶的運(yùn)動(dòng)狀態(tài)； 對(duì)加速度數(shù)據(jù)進(jìn)行二次積分，得到一段時(shí)間內(nèi)的位移變化s (t):
用卡爾曼濾波方法得到位移累計(jì)誤差e(t)，e(t) =Kalman(a'（t)，s(t))。
8. -種如權(quán)利要求1所述的基于運(yùn)動(dòng)狀態(tài)感知的低功耗定位系統(tǒng)，其特征在于，所述 系統(tǒng)包括： 離線訓(xùn)練模塊，用于： 標(biāo)準(zhǔn)數(shù)據(jù)采集，通過加速度傳感器采集各個(gè)標(biāo)準(zhǔn)運(yùn)動(dòng)狀態(tài)下對(duì)應(yīng)的加速度數(shù)據(jù)； 用戶運(yùn)動(dòng)狀態(tài)學(xué)習(xí)，從加速度數(shù)據(jù)中提取出特征向量來區(qū)分各個(gè)標(biāo)準(zhǔn)運(yùn)動(dòng)狀態(tài)，得到 標(biāo)準(zhǔn)運(yùn)動(dòng)狀態(tài)與加速度數(shù)據(jù)波形的對(duì)應(yīng)關(guān)系，建立離線訓(xùn)練模型； 在線定位模塊，用于： 用戶運(yùn)動(dòng)數(shù)據(jù)的采集和處理，通過加速度傳感器實(shí)時(shí)采集用戶運(yùn)動(dòng)引起的加速度數(shù) 據(jù)； 用戶運(yùn)動(dòng)狀態(tài)分析和位移分析，對(duì)當(dāng)前采集的加速度數(shù)據(jù)進(jìn)行特征向量提取，使用離 線訓(xùn)練模型計(jì)算出用戶的運(yùn)動(dòng)狀態(tài)，并對(duì)加速度數(shù)據(jù)進(jìn)行計(jì)算，得到一段時(shí)間內(nèi)的位移變 化、及位移累計(jì)誤差。 機(jī)會(huì)式GPS定位，判斷所述位移累計(jì)誤差是否超過門限閾值，若是，則打開GPS重新進(jìn) 行定位，并重啟加速度傳感器，開始在線定位；若否，則直接開始在線定位。
【文檔編號(hào)】G01C21/16GK104296749SQ201410612298
【公開日】2015年1月21日 申請(qǐng)日期:2014年11月3日 優(yōu)先權(quán)日:2014年11月3日
【發(fā)明者】陳孔陽, 譚光, 李翔宇, 吳靜 申請(qǐng)人:中國科學(xué)院深圳先進(jìn)技術(shù)研究院