足绑式PNS自适应滑动平均零速区间检测方法

0　引言

现如今，为个人提供定位服务的导航设备在人们的生活中得到了广泛的应用，已成为人们日常生活中相当重要的一部分。该功能可以有效地指导人们在陌生环境下的活动，有的个人导航系统设备可以通过无线通讯传输给监控单元，实时监测徒步人员的位置变化[1]。目前，绝大多数个人导航产品都是基于卫星导航定位，这种导航方式对室内应用无能为力。

针对室内定位不同的应用场合和功能需求，人们提出了使用多种不同的定位模型和定位方法推算室内导航位置。个人导航系统(Personal Navigation System, PNS)，主要用于跟踪定位徒步行走人员的实时位置[2]。行人徒步自主导航，通过在足部[3]绑定一个惯性测量单元(Inertial Measurement Unit, IMU)和磁强计，构成一个足绑式个人导航系统。IMU和磁强计常采用低成本的微电子机械系统(Micro Electro Mechanical System, MEMS)传感器，其成本低、体积小、功耗低、穿戴方便，受到人们的欢迎。

诱变育种是目前最常用的藻种获取手段，包括物理诱变和化学诱变。物理诱变常用的诱变辐射源包括紫外线、半导体激光等各种射线、微波或激光；常用的化学诱变剂种类有烷化剂、核酸碱基类似物等[8]。研究者们已将诱变育种用于培育高脂质含量的藻种，并取得了一定的效果[9]。诱变育种操作可以方便、快捷地筛选到具有优良性状的藻株，但优良性状的诱变机理尚不明确，表现型不稳定。

但是市场上MEMS运动传感器精度低、噪声大，用于个人导航时误差随时间积累，发散十分快。因此，必须利用行人行走时落地零速的特点，对速度误差、位置误差和水平姿态角误差进行零速修正(Zero Velocity Update, ZUPT)，以提高定位导航的精度。

什么是教学艺术？至今还是仁者见仁，智者见智。教授李如密认为：“教学艺术乃是教师娴熟地运用各种教学技能技巧，按照美的规律而进行的具有独创性的教学实践活动。”本文采用该教授之说，从美的角度来探讨在小学语文教学中，如何发挥课堂教学艺术。

根据行人运动特点，当脚着地时，捷联在脚上的IMU速度为零。据此对姿态、速度和位置信息进行零速修正，可以有效抑制导航系统参数发散。零速修正的关键在于零速区间精确的检测，本文在借鉴前人研究工作的基础上，设计了基于自适应滑动平均算法的零速区间检测方法。经实验验证，该方法能准确、有效地检测出零速区间的范围，证明了该算法的有效性。

1　自适应滑动平均零速区间检测方法

行人在运动过程中，安装于脚部的MEMS惯性测量单元能够敏感脚部的比力及角速度变化，可将其用于行人运动或静止的分析与识别。在行走过程中，足部与地面接触的时间较短，一般情况下为0.2s～0.5s[4]，在跑步时触地时间更短。因此，基于行人导航系统精度的要求，需要非常准确地判断零速区间。

对位置方程求偏导，可得位置误差方程的矢量形式：

在足绑式PNS中，静止状态即零速状态的判定[5]，是零速修正的基础。大多数文献是基于陀螺或者加速度计或者二者兼有之的输出进行零速判定，部分文献介绍了利用压电、超声波[6]等辅助传感器进行零速判定。

为不增加额外传感器，同时更准确地进行零速区间判定，本文利用自适应滑动平均算法对三轴陀螺输出和三轴加速度计输出进行联合判定。

1.1　自适应滑动平均算法

自适应滑动平均算法广泛用于金融计算、雷达系统等，常用来解决寻找包含高噪声动态信号的锋利间断点。算法首先鉴别出间断点发生的时间段，然后在时间区间内通过自适应的调整滑动窗口大小，避免滑动平均算法造成的时间延迟。该算法是一种基于迭代滑动平均的自适应算法，算法根据滑动平均后数据的变化趋势，通过比较样本方差，改变滑动窗口的大小。因此，在数据变化的区间，窗口会自适应缩放，数据变化率越大，窗口越紧凑。

算法步骤：

个人导航系统算法框图如图4所示。

应用q点滑动平均算法做数据预处理，KZq,k是一个迭代的滑动平均算法：

(1)

其中，Xi为原始数据，yt为滤波后的数据。

2)预处理后的数据yt将用于滑动平均的自适应滤波算法。在自适应滤波器中，窗口大小将自适应调整。滤波器分别由帧头(qh)和帧尾(qt)构成，在数据变化率较大的区间，有效地调整其大小，而在间断点处帧头qh将减小。

3)根据滑动平均算法构造差分向量：

D(t)=|y(t+q)-y(t-q)|

(2)

4)计算导数：D′(t)=D(t+1)-D(t)。如果斜率为正，帧头将按窗口全尺度以比例f[D(t)]缩小，帧尾将扩大到全窗口长度；如果斜率为负，帧头将扩大到全窗口长度，帧尾将按窗口全尺度以比例f[D(t)]缩小。

f [D(t)

(3)

即：

根据行人运动特点，推导了适用于行人导航的SINS的姿态误差方程、速度误差方程以及位置误差方程。

qh(t)

(4)

qt(t)

(5)

行人走动时，脚部的运动存在明显的运动、停止、运动、停止……交替前进的特殊运动规律[7]。体现在惯性传感器输出上，则有明显的间断点。因此，用该算法可以有效地找到由动到静或者由静到动的间断点，即零速区间的起始点。

(6)

6)将输出的qh和qt作为输入，进行上一步算法的迭代运算。

应用自适应滑动平均算法处理含有间断点数据，如图1所示。

图1　自适应滑动平均算法寻找间断点 Fig.1　Adaptive moving average algorithm for finding break points

5)由此得到滤波器的输出Yt为：

选用50%抗蚜威可湿性粉剂1500倍液～1600倍液，或10%吡虫啉可湿性粉剂2500倍液，或2.5%三氟氯氰菊酯乳油1500倍液～2000倍液喷雾防治，药剂交替使用，隔7d～10d防治1次，防治1次或2次，收获前5d～7d停止用药。

1.2　零速区间检测方法

零速区间检测过程如下：

(1)加速度零速检测方法

考虑到量测量δV只在检测为零速的时刻才能获取，且量测噪声与具体运动和干扰相关，事先并不能准确获知，因此Kalman滤波器需进行如下改良：Kalman滤波更新时刻tk，若零速检测为运动，则滤波器只做时间更新；反之，若零速检测为零速，则滤波器做完整更新，同时将估计结果反馈回系统。

(7)

如图2所示，在零速状态下，即在没有线性加速度干扰阶段，理论上几乎只有当地重力加速度g。因此，该阶段加速度计输出的模应在某一范围内，将加速度计模值减g后取绝对值，设定阈值后即可进行零速点的检测，本文设置阈值为thamin=-0.1g，thamax=0.1g。

建立马铃薯联合收获机输送臂的结构示意图，如图1所示。输送臂是一个二自由度机械臂系统，整个系统包括：液压缸1和2，旋转臂FD和拉杆CD，大臂OA、小臂AB以及车斗，这里把车斗包括在系统内，是为了方便后面的碰撞控制分析。大臂、小臂的长度和质量分别用l1，l2和m1，m2表示。工作时，在液压缸1的拉伸作用下，旋转臂绕F点旋转，在拉杆CD的作用下，大臂OA绕O点转动；在液压缸2驱动下，AB可以绕A转动。这样通过液压缸1和2，可以调节输送臂的升降，控制输送臂的位置。

加速度数据判定零速有效标志：

运力保障提上去，自9月1日起至10月16日，全省农用柴油配送量达到21.5万吨。其中，9月单月配送量为14.5万吨，单日柴油最高配送量达到6490吨，与往年相比都略有增长。

(2)角速度零速检测方法

同样采用角速度的模进行判断是否零速，K时刻角速度的模为：

(8)

如图3所示，在零速状态下，理论上角速度几乎为0，因此该阶段陀螺仪输出的模应在某一范围内。考虑到MEMS陀螺仪噪声大，且固定在脚上也无法真正做到静止，故本文设置阈值较大，为thg=20(°)/s。

角速度数据判定零速有效标志：

最终，将基于角速度模值检测的结果与基于加速度计检测的结果相与作为检测的结果，以便提高零速区间检测的准确性。

flag=flag_a & flag_g

(9)

图2　加速度模值 Fig.2　Value of acceleration module

图3　角速度模值 Fig.3　Value of angular velocity module

2　PNS算法设计

PNS采用成熟的SINS算法。由于个人导航系统的导航范围有限，位置宜采用东-北-天导航坐标系，即地理坐标系。另外，行人行走速度较慢，计算过程中的小量可以忽略，而且MEMS陀螺仪精度比较差，地球自转角速度完全淹没在噪声之中，因此导航方程可以做相应的简化[8]。

方法：用一块棉布包50克花椒，用绳系紧，加水煮开后泡脚即可。花椒包可以反复利用，用一个星期左右再换新的就可以了。

2.1　PNS误差方程

为有效控制变化环节，减少因变化环节管理或处置不到位而导致的安全生产事故，进一步提升矿井整体安全管理水平，在不断总结分析以往变化环节管理的基础上，建立了一整套精细的、科学的、标准的管理流程。

(1)姿态误差方程

忽略地球转速以及行人相对地球角速度小量，SINS的姿态误差方程的矢量形式为：

(10)

其中，φn为失准角矢量,gB为陀螺仪的零偏,为姿态矩阵。

(2)速度误差方程

预算编制结果将直接影响预算执行情况。因为在进行预算编制过程中，没有从企业各个环节入手，导致预算活动参与度相对不高。并且因为预算编制自身不具备严谨性和规范性，在执行预算工作时，时常和实际情况相背离，使得预算监管存在盲区，管理人员不能发挥自身担具的监管作用，从而使得预算编制结果差强人意。

忽略哥氏加速度，同时忽略2阶小量，可得速度误差方程：

2.1 基本情况 228名护理人员均为女性，年龄18～50岁，平均年龄(27.4±3.7)岁。临床护理工作年限1～28年，平均工作年限(6.72±3.99)年。学历:本科23名，占10.1%，大专104名，占45.6%，中专101名，占44.3%。职称:主管护师48名，占21.1%，护师114名，占50.0%，护士 66名，28.9%。科室:监护室 24名，内科72名，外科75名，急诊35名，门诊22名。其中翻三班护士132名，日班护士96名。

()

(11)

其中，f b为加速度计的输出，aB为加速度计的零偏。

(3)位置误差方程

3.2.2 完善液体出入量记录规范，提高液体记录准确性 设计更为科学合理的液体出入量记录图表，为准确记录液体出入量建立保障，更加细化液体出入量的记录内容。ICU患者常有多种引流管道，护理人员应熟悉患者的病情、手术名称，对于有多根导管的患者应将有名称的标签分别贴在各管道上，以正确客观的记液体录出入量，为临床诊疗提供更加可靠的证据。

1903年，当《奏定学堂章程》正式确立了国文一科时，与班级教学制相适应的近代语文教育方法也随之产生，讲解法的始出是对封建个别教学的死读(只读不讲)方法的革命。它最先是以对西方传统教学方法的接纳来对中国传统教学方法作反对的。因为传授知识的系统，活动方式的简明等特征，在新式课堂上广泛流传开了。但因受读经思潮的影响，带有浓厚的封建色彩。随着“五四”反封建、反对文言文、提倡白话文，倡导民主与科学精神的新文化运动的到来，这种教学方法很快就受到指责和改造。

(12)

2.2　ZUPT算法

零速检测触发零速修正，在检测为零速的时间内将速度置为0。利用零速检测估计更多误差参数，根据导航误差模型设计零速修正Kalman滤波器[9]，状态量取为X=[φnT δVnT δPnT εbT ▽bT]T。

其中，φn表示姿态误差,表示速度误差,表示位置误差,▽b分别表示陀螺和加速度计的零偏。

量测量取为检测为零速时刻的解算速度误差δVn，所以量测矩阵为：

H=[03×3　I3×3　03×3　03×3　03×3]T。

采用加速度的模进行判断是否为零速，K时刻加速度的模为：

ZUPT对于减小速度、位置以及水平姿态误差是一项非常有效的技术，不过该过程无法有效地估计与修正航向误差[10]。这样，随着导航时间的延长，方位误差的影响就会逐渐取代器件误差，成为MEMS个人导航系统的主要误差源。因此要引入磁强计，对航向进行修正。

磁强计可以得到绝对航向，且误差不随时间积累，但存在两个问题：一是磁强计易受外界干扰磁场影响；二是MEMS磁强计精度低，动态精度更差。因此，引入磁强计进行以下改进：1)只选用静态数据，即零速时磁强计输出的磁航向，与SINS的航向之差作为航向误差构造量测量；2)采用模值法对磁强计是否受到外界干扰做判断，同一地区磁场强度不变，即磁强计输出模值应为一常数。设定阈值范围，在此范围内则认为未受到外界干扰，磁航向可以使用。符合以上两个条件时，量测矩阵改为：

H=[diag(0,0,1)I3×3　03×3　03×3　03×3]T。

1)取长度为N的采样数据作为一帧，并在区间[2q+1,N-2q-1]内应用滑动平均算法KZq,k[X(t)]处理。其中，k为迭代次数，q为滤波长度。

3　实验验证

本实验选用应美盛(InvenSense)公司的MPU9250模块作为微惯性传感器，MPU9250为9轴组合传感器将6轴惯性测量单元(加速度计+陀螺仪)和3轴磁强计集成。利用ZigBee模块通过标准IIC通信协议与MPU9250通信，然后ZigBee将数据打包发送至上位机进行导航解算。ZigBee无线通信模块选用TI公司的CC2530单片机，本身带有射频的功能，外加一些简单电路即可实现无线通信功能。ZigBee+ MPU9250构成足绑式个人导航系统无线采集模块，如图5所示。

图4　个人导航系统算法框图 Fig.4　Block diagram of PNS algorithm

图5　足绑式个人导航系统采集模块 Fig.5　Acquisition module of feet-tied PNS

将无线采集模块固定在脚上，进行行走实验。

她为了活下去，或者说，为了活得更滋润些，哪个男人看中她，她也看中他，她就和他好。聚聚散散，她都不放在心上，她心里只有他，只有诗。

为对比滑动平均与自适应滑动平均算法的效果，行走实验为直线路线行走。行走方向为正北向，行走60步(包括一开始的磁强计罗差校正，原地转动两圈的16步)，距离为52.2m。实验进行了10次，10次的结果对比如表1所示。

表1　导航实验统计结果

Table 1　Statistic results of navigation experiment

组数AMA东向/mAMA北向/mAMA计步AMA误差MA东向/mMA北向/mMA误差MA计步改善13.0052.72605.83%4.1152.948.00%6027.09%21.7352.82603.52%2.4853.025.00%6029.64%31.3452.64602.70%2.4152.884.80%6043.68%40.0252.56600.69%1.1052.912.51%6072.46%51.4652.82603.04%2.8853.015.73%6046.98%6-0.1952.17600.37%1.4352.722.91%6087.36%72.3052.08604.41%4.4352.518.51%6048.14%81.5052.03602.89%3.5752.616.88%6057.99%90.2752.11600.55%1.9552.443.76%6085.51%10-0.5952.19601.13%1.3452.802.81%6059.81%平均1.0852.41602.51%2.5752.785.09%6055.87%

从表1可以看出，两种零速检测方法都能准确地计算出步数。但在导航误差上，采用自适应滑动平均算法得到零速区间进行ZUPT，导航误差均小于采用自滑动平均算法。10次导航结果中，自适应滑动平均算法的导航误差平均值为2.51%，滑动平均的误差平均值为5.09%，效果改善了55.87%。

以第8次实验为例，当零速检测值由1变为0，对应着脚离地的动作；当零速检测值由0变为1，对应着脚着地的动作。根据检测值的变化可以得到一步经历的时间，进而计算步频和步数，如图6所示。

图6　滑动平均与自适应滑动平均零速区间检测对比 Fig.6　Comparison of moving average algorithm and adaptive moving average algorithm of detection of zero velocity interval

由图6可以看出，相对于滑动平均算法对零速的判断，自适应滑动平均算法得到的零速区间范围稍大一些。这是因为自适应算法减弱了传统滑动平均算法检测零速区间的延迟问题，从而得到了更加准确的零速区间判定。两种算法得到的零速区间带入导航解算中去，自适应算法的导航精度提高了57%，具体如图7所示。

图7　导航结果对比图 Fig.7　Comparison of navigation results

4　结论

本文设计了自适应滑动平均算法检测零速修正区间，能及时跟踪模值变化趋势，且可以起到平滑抖动的作用。本算法能避免平滑算法延时问题，得到更准确的零速区间。考虑到现实生活中行人的运动形式多种多样，除了正常的行走外，还有跑、跳、跨、上下楼梯等形式，本文给出的算法还不能适应所有运动形式，针对这种情况还需要做进一步的研究。

参考文献

[1]　　　　Krach B, Roberston P. Cascaded estimation architecture for integration of foot-mounted inertial sensors[C]. IEEE Position Location and Navigation Symposium, 2007: 112-119.

[2]　　　　Renaudin V, Yalak O, Tomé P, et al. Indoor navigation of emergency agents[J]. European Journal of Navigation, 2007,5(3): 36-45.

[3]　　　　Yun X P, Bachmann E R, Moore H, et al. Self-contained position tracking of human movement using small inertial/magnetic sensor modules [C]. IEEE International Conference on Robotics and Automation， 2007:2526-2533.

[4]　　　　Park S K, Suh Y S. A zero velocity detection algorithm sing inertial sensors for pedestrian navigation system[J].Sensors, 2010, 10(10): 9163-9178.

[5]　　　　Skog I, Nilsson J O, Händel P. Evaluation of zero-velocity detectors for foot-mounted inertial navigation systems[C]. International Conference on Indoor Positioning & Indoor Navigation, 2010:1-6.

[6]　　　　Zhou C M, Downey J, Choi J, et al. A shoe-embedded RF sensor for motion detection [J]. IEEE Microwave and Wireless Components Letters, 2011,21(3):169-171.

[7]　　　　崔潇,秦永元,周琪,等. 鞋式个人导航系统算法和试验研究[J].测控技术, 2013, 32(3):138-142.

CUI Xiao, QIN Yong-yuan, ZHOU Qi, et al. Algorithm and test research on shoe-mounted personal navigation system[J]. Measurement & Control Technology, 2013, 32(3):138-142.

[8]　　　　殷红,郭杭,邓晓华.基于foot-mounted的IMU室内行人航位推算研究[J].测绘科学, 2014, 39(1):20-23.

YIN Hong, GUO Hang, DENG Xiao-hua. A research of

IMU indoor pedestrian dead reckoning based on foot-mounted[J]. Science of Surveying and Mapping, 2014, 39(1):20-23.

[9]　　　　秦永元,张洪钺,汪叔华.Kalman滤波与组合导航原理[M].西安:西北工业大学出版社, 1998.

QIN Yong-yuan, ZHANG Hong-yue, WANG Shu-hua. Kalman filter and integrated navigation principle[M]. Xi’an: Northwestern Polytechnical University Press, 1998.

[10]　　　　张新喜, 张嵘, 郭美凤, 等. 基于足绑式INS的行人导航三轴磁强计在线校准[J]. 清华大学学报(自然科学版), 2016, 56(2) :211-217.

ZHANG Xin-xi, ZHANG Rong, GUO Mei-feng, et al. Online three-axis magnetometer calibration for a pedestriannavigation system using a foot-mounted inertial navigation system[J]. Journal of Tsinghua University(Science and Technology), 2016, 56(2) :211-217.

肝硬化患者的饮食十分重要，护士应指导患者注意合理饮食，以易于消化、高热量、高维生素、高蛋白、易消化的食物为主[3] ，减少脂肪、盐的摄入，适当补充微量元素、矿物质等，注意控制每日的饮水量，避免过多。告知患者形成良好的饮食习惯，如少食多餐、不暴饮暴食等，注意忌食辛辣、生冷、油腻性食物，忌烟忌酒等。