田曉春，陳家斌，韓勇強(qiáng)，楊黎明，尹靜源

（1.北京理工大學(xué) 自動(dòng)化學(xué)院，北京 100081；2.華北光學(xué)儀器有限公司，北京 100053；3.北京機(jī)電工程總體設(shè)計(jì)部，北京 100039）

多條件約束的行人導(dǎo)航零速區(qū)間檢測(cè)算法

田曉春1，陳家斌1，韓勇強(qiáng)1，楊黎明2，尹靜源3

（1.北京理工大學(xué) 自動(dòng)化學(xué)院，北京 100081；2.華北光學(xué)儀器有限公司，北京 100053；3.北京機(jī)電工程總體設(shè)計(jì)部，北京 100039）

針對(duì)MEMS慣性傳感器存在漂移大、器件精度低的問(wèn)題，結(jié)合行人導(dǎo)航系統(tǒng)應(yīng)用需求，在分析行人運(yùn)動(dòng)步態(tài)的基礎(chǔ)上，設(shè)計(jì)了一種多條件約束的行人步態(tài)零速區(qū)間檢測(cè)算法。該方法綜合利用足部傳感器輸出參量的模值、方差、幅值、峰值并通過(guò)設(shè)定閾值來(lái)提取步態(tài)中的零速點(diǎn)，多條件約束有效地降低了誤判的可能性。最后，采用該方法對(duì)不同步速下行走過(guò)程中的零速區(qū)間進(jìn)行檢測(cè)，結(jié)果表明利用多條件約束法計(jì)算得到的零速區(qū)間數(shù)與實(shí)際運(yùn)動(dòng)步態(tài)中的零速區(qū)間數(shù)完全一致。此外，零速區(qū)間的準(zhǔn)確提取也為后續(xù)開(kāi)展行人導(dǎo)航速度解算誤差修正算法的研究提供了依據(jù)。

行人導(dǎo)航；步態(tài)分析；零速區(qū)間；微慣性測(cè)量單元

近年來(lái)，行人導(dǎo)航已成為導(dǎo)航定位領(lǐng)域一個(gè)活躍的分支。行人導(dǎo)航系統(tǒng)可實(shí)時(shí)監(jiān)測(cè)人員的位置信息，對(duì)單兵進(jìn)行跟蹤與定位。在城市、室內(nèi)、地下等衛(wèi)星信號(hào)受限的環(huán)境中，行人導(dǎo)航系統(tǒng)可以很好地解決“我在哪里”、“我應(yīng)該在哪里”、“如何到達(dá)目的地”[1]等問(wèn)題。因此，行人導(dǎo)航系統(tǒng)的研究對(duì)復(fù)雜環(huán)境中的消防搶險(xiǎn)、突發(fā)事件中的緊急救援及未知環(huán)境中的自我定位及目標(biāo)找尋等都具有重要的意義。

MEMS慣性傳感器技術(shù)的快速發(fā)展為行人導(dǎo)航的實(shí)現(xiàn)創(chuàng)造了條件[2]。基于MEMS技術(shù)設(shè)計(jì)的微慣性測(cè)量單元在成本、尺寸、重量、功耗等方面能夠很好地滿(mǎn)足行人導(dǎo)航系統(tǒng)的應(yīng)用需求[3-4]，故可將 MEMS慣性測(cè)量單元安裝于人體的胸、腰、足等部位進(jìn)行導(dǎo)航系統(tǒng)的設(shè)計(jì)。根據(jù)安裝方式的不同，基于 MEMS慣性測(cè)量單元的行人導(dǎo)航系統(tǒng)主要有兩種位置解算方案[5]，一種是PDR（Pedestrian Dead-Reckoning）算法，另一種是基于ZUPT（Zero Velocity Update）的SINS算法。PDR算法需要對(duì)人體進(jìn)行運(yùn)動(dòng)學(xué)建模，根據(jù)步頻、腿長(zhǎng)等參數(shù)來(lái)計(jì)算步長(zhǎng)，并結(jié)合計(jì)步信息及航向信息得到行人位置參數(shù)。該方法計(jì)算過(guò)程中不存在累積誤差，但不同個(gè)體模型參數(shù)差異較大，有一定的局限性。SINS算法根據(jù)傳感器采集的參數(shù)直接計(jì)算每一次腳步變化的三維導(dǎo)航參數(shù)，但由于MEMS慣性傳感器存在漂移大、器件精度低的問(wèn)題，采用 SINS算法計(jì)算位置參數(shù)時(shí)，通常采用ZUPT輔助的手段來(lái)抑制誤差累積，通過(guò)周期性的誤差清零，能夠有效提高系統(tǒng)的解算精度。因此，足部安裝慣性傳感器，并通過(guò)ZUPT輔助的方法是當(dāng)前行人導(dǎo)航系統(tǒng)的主要研究方向。John Elwell[6]首先提出了行人運(yùn)動(dòng)步態(tài)中有零速區(qū)間的特性；隨后，E. Foxlin[7]首次系統(tǒng)、全面地介紹了足部安裝慣性導(dǎo)航系統(tǒng)在行人導(dǎo)航中的應(yīng)用，并采用ZUPT進(jìn)行誤差修正，取得了理想的實(shí)驗(yàn)結(jié)果；在此基礎(chǔ)上，Ojeda[8]、Krach[9]、Jimenez[10]、Castaneda[11]等人對(duì)行人導(dǎo)航系統(tǒng)進(jìn)行了不斷的改進(jìn)與完善，但他們共同的特點(diǎn)都是都采用了零速修正方案。由于行人行走過(guò)程中，腳掌與地面接觸并保持相對(duì)靜止的時(shí)間是十分短暫的，因此，零速區(qū)間檢測(cè)是行人導(dǎo)航的核心，準(zhǔn)確、有效地檢測(cè)步態(tài)中的零速區(qū)間能提高系統(tǒng)的精度?；诖耍疚脑诮梃b前人研究工作的基礎(chǔ)上，設(shè)計(jì)了一種多條件約束的行人導(dǎo)航零速區(qū)間檢測(cè)方法。經(jīng)實(shí)驗(yàn)驗(yàn)證，該方法能準(zhǔn)確、有效地檢測(cè)出常規(guī)運(yùn)動(dòng)步態(tài)中的零速區(qū)間，實(shí)驗(yàn)結(jié)果為后續(xù)速度誤差修正算法設(shè)計(jì)提供了保障。

1 行人步態(tài)描述及特性分析

通常將行走過(guò)程中行人從一側(cè)腳腳跟著地開(kāi)始，經(jīng)兩只腳步態(tài)交替變換，到該側(cè)腳跟再次著地時(shí)所經(jīng)歷的過(guò)程定義為一個(gè)完整的步態(tài)周期。其中，當(dāng)一條腿承重時(shí)，其腳底與地面完全接觸，此時(shí)，將腳與地面完全接觸的時(shí)間段稱(chēng)為零速區(qū)間。行人運(yùn)動(dòng)過(guò)程中，腳部往往伴隨著觸地、完全著地、抬腳、擺動(dòng)等周期性步態(tài)。這些步態(tài)可分為兩個(gè)階段，一個(gè)是腳與地面保持接觸階段，另一個(gè)是腳在空中擺動(dòng)階段。行人步態(tài)周期如圖1所示[12]。

文獻(xiàn)[13]將行走過(guò)程中一個(gè)完整的步行周期分解為8個(gè)變化的步態(tài)過(guò)程，具體描述如下：

1） 初始觸地階段：該過(guò)程指運(yùn)動(dòng)腳與地面剛接觸的階段，通常是腳跟部位先觸地；

2） 承重階段：該階段起始于運(yùn)動(dòng)腳腳跟觸地時(shí)刻，持續(xù)到對(duì)側(cè)腳腳趾離地結(jié)束，整個(gè)過(guò)程中運(yùn)動(dòng)腳腳掌完全著地；

3） 站立中期：該階段始于對(duì)側(cè)腳趾離地，至軀干位于支撐腿正上方時(shí)結(jié)束；

4） 站立末期：指從支撐腿腳跟離地到對(duì)側(cè)下肢腳跟著地的階段；

5） 邁步前期：指從對(duì)側(cè)下肢腳跟著地到支撐腿腳趾離地之前的一段時(shí)間；

6） 邁步初期：從支撐腿離地到該側(cè)膝關(guān)節(jié)達(dá)到最大屈曲時(shí)；

7） 邁步中期：從膝關(guān)節(jié)屈曲擺動(dòng)到小腿與地面垂直的階段；

8） 邁步末期：指與地面垂直的小腿向前擺動(dòng)至該側(cè)腳跟再次著地之前的階段。

通過(guò)對(duì)行人步態(tài)特性的分析，便于對(duì)步態(tài)中零速區(qū)間的檢測(cè)。結(jié)合圖 1中步態(tài)周期的圖示及文獻(xiàn)[13]對(duì)步態(tài)周期的描述，本文將步態(tài)周期靜態(tài)相位中行人運(yùn)動(dòng)腳腳掌著地時(shí)刻1t到該腳腳跟抬起時(shí)刻2t間的時(shí)間段 tΔ定義為行人步態(tài)中的零速區(qū)間。

圖1 常規(guī)步態(tài)周期Fig.1 Normal gait cycle

2 零速檢測(cè)算法設(shè)計(jì)

行人運(yùn)動(dòng)過(guò)程中，安裝于腳部的MEMS慣性測(cè)量單元能夠敏感腳部的加速度及角速度變化，可將其作為信息源用于行人步態(tài)的分析與識(shí)別。但行走過(guò)程中，足部與地面接觸的時(shí)間特別短，一般情況下約為0.1~0.3 s[14]，在跑步時(shí)觸地時(shí)間更短，因此，基于行人導(dǎo)航系統(tǒng)精度的要求，需非常準(zhǔn)確地判斷零速區(qū)間?；诓叫羞^(guò)程中行人足部與地面接觸保持靜止時(shí)，足部的角速度及水平加速度值近似為零，豎直方向的加速度值近似為重力常量的情況，結(jié)合文獻(xiàn)[10][15]的研究工作，設(shè)計(jì)以下算法進(jìn)行零速檢測(cè)：

① 加速度矢量和閾值法。計(jì)算三個(gè)正交軸向上加速度計(jì)輸出的矢量和，根據(jù)零速區(qū)間內(nèi)加速度矢量的變化范圍設(shè)定閾值區(qū)間，通過(guò)判斷k時(shí)刻加速度模值與閾值的關(guān)系，得到該時(shí)刻的邏輯值。

式(1)中：Anorm(k)表示k時(shí)刻加速度矢量和；表示k時(shí)刻i軸向上加速度計(jì)輸出， ,,i x y z= ；式(2)中：_minAT 、_maxAT 分別是閾值區(qū)間的左邊界和右邊界，當(dāng)加速度模值在閾值區(qū)間內(nèi)時(shí)，認(rèn)為運(yùn)動(dòng)腳靜止，閾值大小可以根據(jù)實(shí)驗(yàn)采集的數(shù)據(jù)進(jìn)行設(shè)定。

② 滑動(dòng)窗口方差法。方差可以衡量變量與其均值的偏離程度，通過(guò)設(shè)置窗口求方差可以在固定范圍內(nèi)對(duì)數(shù)據(jù)點(diǎn)的離散度進(jìn)行判斷，滑動(dòng)窗口又可以將所有的數(shù)據(jù)點(diǎn)進(jìn)行遍歷，提高計(jì)算精度。

③ 加速度峰值檢測(cè)+時(shí)間閾值法。行人運(yùn)動(dòng)時(shí)，腳跟觸地瞬間豎直方向會(huì)出現(xiàn)加速度變化最大值，之后前腳掌著地，足部保持靜止。通過(guò)檢測(cè)加速度峰值得到觸地時(shí)間點(diǎn)k，認(rèn)定其后某一時(shí)間區(qū)間 tΔ為零速區(qū)間。

④ 角速度閾值法。橫向陀螺可以準(zhǔn)確測(cè)量步態(tài)中抬腳、擺腿等運(yùn)動(dòng)的角速率變化，通過(guò)對(duì)橫向陀螺輸出取絕對(duì)值，可以將負(fù)值取反，簡(jiǎn)化判斷條件，減小區(qū)間閾值帶來(lái)的誤判。

以上條件中，方法①~④的結(jié)果中會(huì)出現(xiàn)不同程度的野值，導(dǎo)致零速區(qū)間誤判。因此，單一的判斷條件無(wú)法得出精確的零速區(qū)間。根據(jù)“與”邏輯運(yùn)算特性，將式(2)(4)(6)(7)中k時(shí)刻的判斷結(jié)果進(jìn)行“與”運(yùn)算，即可得到準(zhǔn)確的零速區(qū)間。此外，求取邏輯值時(shí)，采用設(shè)置左右邊界閾值的方法通常會(huì)引入一定數(shù)量的野值，將運(yùn)動(dòng)點(diǎn)誤判為零速點(diǎn)，故可對(duì)數(shù)據(jù)進(jìn)行取模、求反等運(yùn)算，然后通過(guò)單邊界約束來(lái)降低誤判。

3 實(shí)驗(yàn)驗(yàn)證

3.1 系統(tǒng)介紹

實(shí)驗(yàn)采用荷蘭 Xsens公司的 Mti系列 MEMS IMU。如圖2所示，系統(tǒng)內(nèi)部集成了3個(gè)正交的加速度計(jì)、3個(gè)陀螺儀及1個(gè)三軸磁傳感器，加速度計(jì)量程為±15g，陀螺儀量程為±1000 (°)/s，IMU尺寸為56.5 mm×40.9 mm×21.3 mm。

圖2 Xsens IMU 及其安裝方式Fig.2 Xsens IMU and installation

3.2 步態(tài)實(shí)驗(yàn)

實(shí)驗(yàn)過(guò)程中，將MEMS IMU安裝在右腳的腳跟部位，如圖2所示。對(duì)行人行走過(guò)程中的步態(tài)信息進(jìn)行采集，傳感器輸出原始數(shù)據(jù)如圖 3所示，其中，X軸向傳感器測(cè)量豎直方向慣性參量，Y軸測(cè)量橫向參量，Z軸測(cè)量縱向參量，系統(tǒng)采樣頻率為100 Hz。

圖3中的曲線(xiàn)為常規(guī)步速行進(jìn)過(guò)程中部分傳感器輸出曲線(xiàn)，上方的曲線(xiàn)為豎直方向加速度計(jì)的輸出，下方的曲線(xiàn)為橫向陀螺儀的輸出。分析數(shù)據(jù)可以看出：行人行走過(guò)程中足部周期性觸地，并且每個(gè)周期內(nèi)有一小段時(shí)間足部保持靜止，傳感器輸出數(shù)據(jù)近似為常值，這一時(shí)間段即為“零速區(qū)間”，行人行走過(guò)程中詳細(xì)的步態(tài)如圖4所示。

圖3 行走過(guò)程中傳感器輸出原始數(shù)據(jù)曲線(xiàn)Fig.3 Raw readings of sensor in walking

圖4 步態(tài)特性曲線(xiàn)Fig.4 Curves of gait characteristics

3.3 零速區(qū)間檢測(cè)實(shí)驗(yàn)

利用前文提出的零速檢測(cè)算法對(duì)采集的數(shù)據(jù)進(jìn)行處理，與圖3中數(shù)據(jù)相對(duì)應(yīng)的計(jì)算結(jié)果如圖5所示。圖5中：紅色實(shí)線(xiàn)為加速度矢量和閾值法判斷的結(jié)果，可以看出由于左右閾值的設(shè)定，結(jié)果中引入了較多的野值；藍(lán)色點(diǎn)劃線(xiàn)為滑動(dòng)窗口方差法判斷的結(jié)果，通過(guò)選取合適的閾值，零速區(qū)間判斷較為準(zhǔn)確；紫色點(diǎn)線(xiàn)為峰值-時(shí)間閾值法判斷的結(jié)果，該方法的核心在于峰值的檢測(cè)，從結(jié)果中可知設(shè)計(jì)的算法準(zhǔn)確、有效地檢測(cè)到了腳跟觸地瞬間的加表輸出峰值；綠色虛線(xiàn)為角速度閾值法判斷的結(jié)果，取絕對(duì)值后，會(huì)有一部分幅值較小的負(fù)角速率落在閾值范圍內(nèi)，從而引入野值。通過(guò)對(duì)4種判斷方法得到的結(jié)果進(jìn)行“與”邏輯運(yùn)算，得到邏輯步態(tài)曲線(xiàn)，如圖5中黑色*型點(diǎn)劃線(xiàn)所示，1表示靜止?fàn)顟B(tài)，0表示其它運(yùn)動(dòng)狀態(tài)。

圖5 零速區(qū)間檢測(cè)結(jié)果Fig.5 Zero velocity interval detection results

圖4 為兩個(gè)完整步態(tài)周期，圖中紅色實(shí)線(xiàn)代表加速度值，藍(lán)色虛線(xiàn)代表陀螺儀輸出值。分析②與③之間的步態(tài)數(shù)據(jù)可知：腳跟著地瞬間加速度計(jì)輸出值最大，緊接著前腳掌著地，加速度計(jì)輸出一個(gè)幅值較小的脈沖；經(jīng)過(guò)短暫的信號(hào)震蕩，傳感器有一段輸出近似為常值的“零速區(qū)間”段（陀螺輸出近似為零，豎直方向加速度計(jì)輸出近似為重力加速度），此時(shí)腳掌與地面完全接觸；零速區(qū)間之后，行人開(kāi)始抬腳，此時(shí) Y軸陀螺輸出曲線(xiàn)清晰地表示了腳跟的旋轉(zhuǎn)過(guò)程；抬腳結(jié)束后，運(yùn)動(dòng)腳離地開(kāi)始擺腿實(shí)現(xiàn)身體前移，步態(tài)變化特性如圖4中擺腿階段陀螺輸出曲線(xiàn)所示；擺腿結(jié)束后運(yùn)動(dòng)腳腳跟觸地，進(jìn)入到下一個(gè)步態(tài)周期。

由圖5中的ZUPT曲線(xiàn)可以看出，對(duì)應(yīng)于圖3的步態(tài)數(shù)據(jù)中共檢測(cè)到12個(gè)零速區(qū)間，與步態(tài)曲線(xiàn)中的零速區(qū)間數(shù)一致，可初步判定文中提出的零速區(qū)間檢測(cè)算法有效。為了進(jìn)一步檢驗(yàn)算法的性能，設(shè)計(jì)了多步態(tài)步行實(shí)驗(yàn)。具體方案為：在100 m直線(xiàn)路程中，進(jìn)行多次不同步速的行走實(shí)驗(yàn)，對(duì)步態(tài)中的零速區(qū)間進(jìn)行檢測(cè)，結(jié)果如表1所示。

由于MEMS IMU安裝在人體的右腳，故行人每行走兩步會(huì)檢測(cè)到一個(gè)零速區(qū)間。由表1中的實(shí)驗(yàn)結(jié)果可知，多次試驗(yàn)中本文設(shè)計(jì)的零速區(qū)間檢測(cè)算法可以準(zhǔn)確地檢測(cè)出行走過(guò)程中的零速區(qū)間，誤差率為0。多步態(tài)零速區(qū)間邏輯圖如圖6所示。

對(duì)比圖6中不同步速的零速區(qū)間邏輯曲線(xiàn)可知，行人慢速行走過(guò)程中步態(tài)周期最長(zhǎng)，零速區(qū)間持續(xù)時(shí)間較長(zhǎng)，隨著步速增加，步態(tài)周期逐漸變短，零速區(qū)間時(shí)間變短，檢測(cè)難度也逐步增大。

表1 零速區(qū)間檢測(cè)結(jié)果Tab.1 Detection results of zero-velocity intervals

圖6 不同步速下零速區(qū)間檢測(cè)結(jié)果Fig.6 Zero-velocity interval detection results in different walking speeds

4 結(jié) 論

本文在分析運(yùn)動(dòng)過(guò)程中行人步態(tài)特性及運(yùn)動(dòng)規(guī)律的基礎(chǔ)上，結(jié)合人體及環(huán)境約束，設(shè)計(jì)了一種多條件約束的足部零速區(qū)間檢測(cè)算法。該方法能利用安裝于足部的微慣性測(cè)量單元輸出的感知信息準(zhǔn)確判斷出不同行走速度條件下步態(tài)中的零速區(qū)間。同時(shí)，在檢測(cè)零速區(qū)間的基礎(chǔ)上，可以進(jìn)一步開(kāi)展基于 Kalman濾波框架下的行人導(dǎo)航零速修正算法研究，對(duì)導(dǎo)航結(jié)果的誤差參量進(jìn)行實(shí)時(shí)修正，提高導(dǎo)航精度。此外，本文研究的步態(tài)零速區(qū)間檢測(cè)方法主要用于行人常規(guī)運(yùn)動(dòng)模式且默認(rèn)為平整路面的情況，實(shí)際中行人運(yùn)動(dòng)模式多樣且環(huán)境復(fù)雜，后續(xù)研究工作可針對(duì)非理想環(huán)境中復(fù)雜步態(tài)的零速區(qū)間檢測(cè)展開(kāi)。

（Reference）

[1] Rantakokko J, H?ndel P. User requirements for localization and tracking technology: a survey of mission-specific needs and constraints[C]//Indoor Positioning and Indoor Navigation. 2010: 1-9.

[2] 錢(qián)偉行, 朱欣華, 蘇巖. 基于足部微慣性/地磁測(cè)量組件的個(gè)人導(dǎo)航方法[J]. 中國(guó)慣性技術(shù)學(xué)報(bào), 2012, 20(5): 567-572.

Qian Wei-xing, Zhu Xin-hua, Su Yan. Personal navigation method based on foot-mounted MEMS inertial/ magnetic measurement unit[J]. Journal of Chinese Inertial Technology, 2012, 20(5): 567-572.

[3] Bird J, Arden D. Indoor navigation with foot-mounted strapdown inertial navigation and magnetic sensors[J]. Wireless Communications, 2011, 18(2): 28-35.

[4] 張金亮, 秦永元, 梅春波. 基于MEMS慣性技術(shù)的鞋式個(gè)人導(dǎo)航系統(tǒng)[J]. 中國(guó)慣性技術(shù)學(xué)報(bào), 2011, 19(3): 253-256.

Zhang Jin-liang, Qin Yong-yuan, Mei Chun-bo. Shoemounted personal navigation system based on MEMS inertial technology[J]. Journal of Chinese Inertial Technology, 2011, 19(3): 253-256.

[5] Cho S Y, Park C G. MEMS based pedestrian navigation system[J]. The Journal of Navigation, 2006, 59: 135-153.

[6] Elwell J. Inertial navigation for the urban warrior[C]// Digitization of the Battlespace IV, SPIE. 1999, 3709: 196-204.

[7] Foxlin E. Pedestrian tracking with shoe-mounted inertial sensors[J]. Computer Graphics and Applications, IEEE, 2005, 25(6): 38-46.

[8] Ojeda L, Borenstein J. Non-GPS navigation with the personal dead-reckoning system[C]//Proc. SPIE. 2007, 6561(1): 65610C-1-65610C-11.

[9] Krach B, Roberston P. Cascaded estimation architecture for integration of foot-mounted inertial sensors[C]//2008 IEEE/ION Position Location and Navigation Symposium. 2008: 112-119.

[10] Jimenez A, Seco F, Prieto J C, et al. Indoor pedestrian navigation using an INS/EKF framework for yaw drift reduction and a foot-mounted IMU[C]//7th Workshop on Positioning Navigation and Communication. 2010: 135-143.

[11] Castaneda N, Lamy-Perbal S. An improved shoe-mounted inertial navigation system[C]//IEEE 2010 International Conference on Indoor Positioning and Indoor Navigation. 2010: 1-6.

[12] Rose J, Gamble J. Human walking[M]. 3rd Ed. Baltimore: Williams & Wilkins, 2006.

[13] Perry J. Gait analysis: normal and pathological function [M]. SLACK Incoporated, 1992.

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

[15] 陳國(guó)良, 李飛, 張言哲. 一種基于自適應(yīng)波峰檢測(cè)的MEMS計(jì)步算法[J]. 中國(guó)慣性技術(shù)學(xué)報(bào), 2015, 23(3): 315-321.

Chen Guo-liang, Li Fei, Zhang Yan-zhe. Pedometer method based on adaptive peak detection algorithm[J]. Journal of Chinese Inertial Technology, 2015, 23(3): 315-321.

Zero-velocity interval detection algorithm with multi-condition constraint for pedestrian navigation

TIAN Xiao-chun1, CHEN Jia-bin1, HAN Yong-qiang1, YANG Li-ming2, YIN Jing-yuan3
(1. School of Automation, Beijing Institute of Technology, Beijing 100081, China; 2. Huabei Optical Instrument Co. LTD, Beijing 100053, China; 3. Beijing Electro-mechanical Engineering System Design Institute, Beijing 100039, China)

To deal with the large drift and low performance of MEMS inertial sensors, a zero-velocity interval detection algorithm with multi-condition constraint is designed based on the analysis of pedestrian gait characteristics by taking into account of pedestrian navigation system application requirements. This algorithm comprehensively utilizes the foot sensor’s output parameters, such as amplitude, peak value and variance, and extracts the gait of the zero-speed points by setting the threshold. The multi-condition constraint effectively reduces the possibility of miscalculation. The detection tests of zero-velocity intervals with different walking speeds show that the zero velocity interval numbers detected by the proposed method are the same as those in the actual walking. The accurate extraction of zero-velocity intervals lays the basis for the speed error correction algorithm in future pedestrian navigation research.

pedestrian navigation; gait analysis; zero-velocity interval; MEMS IMU

U666.1

A

1005-6734(2016)01-0001-05

10.13695/j.cnki.12-1222/o3.2016.01.001

2015-10-30；

2016-01-27

國(guó)防預(yù)研基金項(xiàng)目資助（9140A09050313BQ01127）；國(guó)家自然科學(xué)基金項(xiàng)目資助（91120010）

田曉春（1986—），男，博士研究生，從事行人導(dǎo)航技術(shù)研究。E-mail: tianxiaochunno1@126.com

聯(lián) 系 人：陳家斌（1965—），男，教授，博士生導(dǎo)師。E-mail: chenjiabin@bit.edu.cn