朱莊生，張雨龍，李 馳

（北京航空航天大學(xué) 儀器科學(xué)與光電工程學(xué)院，北京 100191）

基于MEMS慣性測(cè)量單元的多源信息自適應(yīng)步數(shù)檢測(cè)方法

朱莊生，張雨龍，李 馳

（北京航空航天大學(xué) 儀器科學(xué)與光電工程學(xué)院，北京 100191）

針對(duì)基于MEMS慣性測(cè)量單元的行人航跡推算中步數(shù)檢測(cè)方法僅利用單一的加速度信號(hào)檢測(cè)精度較低的問(wèn)題，提出一種多源信息自適應(yīng)步數(shù)檢測(cè)方法。該方法通過(guò)綜合考慮人體運(yùn)動(dòng)過(guò)程中的加速度信號(hào)和角速度信號(hào)，根據(jù)不同的步態(tài)特征通過(guò)設(shè)定不同的自適應(yīng)閾值條件實(shí)現(xiàn)步數(shù)的檢測(cè)。雖然常規(guī)的峰值檢測(cè)算法和固定閾值檢測(cè)算法在單一步態(tài)下步數(shù)檢測(cè)精度相對(duì)較高，但是對(duì)復(fù)雜運(yùn)動(dòng)狀態(tài)下的步數(shù)檢測(cè)精度很差，無(wú)法適用于真實(shí)的行人運(yùn)動(dòng)過(guò)程中步數(shù)的檢測(cè)。然而多源信息自適應(yīng)步數(shù)檢測(cè)方法卻能夠在行人不同運(yùn)動(dòng)狀態(tài)下精確檢測(cè)步數(shù)，該方法明顯優(yōu)于常規(guī)的峰值檢測(cè)方法和閾值檢測(cè)方法。試驗(yàn)結(jié)果表明，本文提出的多源信息自適應(yīng)閾值檢測(cè)方法在行人不同運(yùn)動(dòng)狀態(tài)下的步數(shù)檢測(cè)精度可達(dá)98%以上。

MEMS；行人航跡推算；多源信息自適應(yīng)；步數(shù)檢測(cè)

當(dāng)前室內(nèi)定位技術(shù)大致可以分為兩大類(lèi)：非自主導(dǎo)航技術(shù)和自主導(dǎo)航技術(shù)。第一類(lèi)技術(shù)包括WiFi、ZigBee、Bluetooth、Ad hoc 和Ultra Wide-Band（UWB）等，這類(lèi)導(dǎo)航定位技術(shù)必須依靠信號(hào)的基站以及基站與目標(biāo)對(duì)象間的通信鏈路，在緊急救援（如消防救援）等應(yīng)急任務(wù)條件下，這類(lèi)導(dǎo)航定位技術(shù)無(wú)法實(shí)現(xiàn)實(shí)時(shí)精確定位，而對(duì)于復(fù)雜環(huán)境下（如礦井下），要實(shí)現(xiàn)該類(lèi)技術(shù)需要投入大量的基礎(chǔ)設(shè)施建設(shè)，建設(shè)成本又太高。第二類(lèi)技術(shù)主要指慣性導(dǎo)航技術(shù)，它不依賴(lài)于任何外部信息，完全實(shí)現(xiàn)自主導(dǎo)航定位，可為特定環(huán)境內(nèi)移動(dòng)的“人”提供精確的位置信息，滿(mǎn)足當(dāng)前對(duì)于應(yīng)急環(huán)境下對(duì)導(dǎo)航定位的需求。

為實(shí)現(xiàn)行人的自主導(dǎo)航，近年來(lái)將陀螺儀和加速度計(jì)安裝在人體上（以人為運(yùn)載體），研究基于MEMS慣性傳感器的行人航跡推算（PDR）技術(shù)成了國(guó)內(nèi)外高校和研究機(jī)構(gòu)的研究熱點(diǎn)[1-6]。但由于人體運(yùn)動(dòng)和火箭、導(dǎo)彈、車(chē)輛等運(yùn)載體的運(yùn)動(dòng)特性大不相同，也給PDR技術(shù)帶來(lái)新的難題?；谛腥诉@個(gè)運(yùn)載體運(yùn)動(dòng)特征的特殊性，將傳統(tǒng)的慣性導(dǎo)航技術(shù)直接應(yīng)用在行人身上無(wú)法滿(mǎn)足精確獲取行人導(dǎo)航定位信息的需求。因此，如何根據(jù)人體的運(yùn)動(dòng)特征，通過(guò)分析慣性傳感器的輸出信號(hào)間接地獲取行人人行走的距離與航向角信息是研究的關(guān)鍵。所以，PDR技術(shù)的難點(diǎn)在于精確獲取行人的步數(shù)、步長(zhǎng)和航向。

針對(duì)以上問(wèn)題，本文提出了一種多源信息自適應(yīng)步數(shù)檢測(cè)方法?；谌嗽谛凶哌^(guò)程中每一步產(chǎn)生的加速度和角速度與運(yùn)動(dòng)狀態(tài)的相關(guān)性，通過(guò)設(shè)置自適應(yīng)的加速度和角速度閾值就可以判斷行人運(yùn)動(dòng)狀態(tài)。針對(duì)不同個(gè)體、不同運(yùn)動(dòng)狀態(tài)采用不同的自適應(yīng)閾值參數(shù)就可以進(jìn)行步數(shù)的判別。通過(guò)聯(lián)合使用加速度和角速度信號(hào)代替單純依靠加速度信號(hào)進(jìn)行步數(shù)檢測(cè)不但消除了誤檢測(cè)對(duì)計(jì)步結(jié)果的影響，而且提高了計(jì)步準(zhǔn)確率。在北京航空航天大學(xué)體育場(chǎng)進(jìn)行現(xiàn)場(chǎng)試驗(yàn)的試驗(yàn)結(jié)果表明本文提出的步數(shù)檢測(cè)對(duì)于不同個(gè)體的多種運(yùn)動(dòng)方式都可以實(shí)現(xiàn)準(zhǔn)確檢測(cè)，計(jì)步準(zhǔn)確率高達(dá)98%。

1 基于航跡推算的行人導(dǎo)航原理

航跡推算的現(xiàn)代定義由cotter提出，其定義為：從一個(gè)已知的坐標(biāo)位置開(kāi)始，根據(jù)運(yùn)載體在該點(diǎn)的航向、行駛距離，推算下一時(shí)刻的坐標(biāo)位置的導(dǎo)航過(guò)程稱(chēng)為航位推算。航跡推算原理如圖1所示，其中位置與航向角的推算如下式：

式中：dRn-1和dθn分別為從n-1時(shí)刻位置(Xn-1,Yn-1)到n時(shí)刻位置(Xn,Yn)的位移矢量變化和航向變化。

行人航跡推算的關(guān)鍵是得到行人行走距離和行走航向，但由于傳感器存在累計(jì)誤差，行走距離通過(guò)兩次積分加速度得到并不可靠，因此根據(jù)人體生理特性，在行走運(yùn)動(dòng)中將行人行走的距離等價(jià)于求行走步數(shù)以及每一步的步長(zhǎng)。行走距離可根據(jù)以下公式得到：

式中：n表示tk-1時(shí)刻到tk時(shí)刻行走步數(shù)；stepi表示行走第i步的步長(zhǎng)；Sk表示行走距離。

圖1 航跡推算原理圖Fig.1 Principle of the dead reckoning

對(duì)于行人航向角的估計(jì)，如果只依靠低精度的陀螺儀積分獲取，由于器件的誤差特性將導(dǎo)致得到的航向角不可信。但如果綜合利用磁傳感器誤差不積累與陀螺儀短時(shí)精度高的優(yōu)點(diǎn)，將二者的輸出信息經(jīng)擴(kuò)展卡爾曼濾波器（EKF）進(jìn)行融合就可以得到一個(gè)滿(mǎn)意的結(jié)果。本文獲取航向角采用的就是這種方法，具體的原理如圖2所示。

圖2 航向角估計(jì)原理圖Fig.2 Principle for estimating the heading

2 MEMS慣性導(dǎo)航模塊在PDR中的應(yīng)用

要實(shí)現(xiàn)室內(nèi)導(dǎo)航定位功能，首要的工作就是獲取移動(dòng)目標(biāo)在平面和高程的位置信息以及移動(dòng)目標(biāo)的航向信息。移動(dòng)目標(biāo)平面內(nèi)的位置信息和航向信息可以通過(guò)行人航跡推算（PDR）技術(shù)來(lái)獲取，高程方向的位置信息可通過(guò)氣壓計(jì)來(lái)獲取。然而行人航跡推算需要實(shí)時(shí)獲取行走距離和航向信息，平面內(nèi)的行走距離測(cè)量需要加速度傳感器，高程位置測(cè)量需要?dú)鈮河?jì)，航向信息測(cè)量需要陀螺儀和磁傳感器。通過(guò)調(diào)研選用了帶有藍(lán)牙功能的JY901B模塊，該模塊集成了陀螺儀、加速度計(jì)、地磁場(chǎng)傳感器和氣壓計(jì)，可以提供角速度、加速度、角度、磁場(chǎng)、氣壓、高度、溫度等信息；該模塊的輸出頻率在0.1～200 Hz，加速度計(jì)和陀螺儀不僅具有16位的分辨率，還具有大量程的特點(diǎn)。JY901模塊的特性參數(shù)和靜態(tài)輸出分別如表1和圖3所示。

表1 JY901B模塊特性Tab.1 Characteristics of JY901B module

圖3 靜態(tài)條件下JY901B模塊輸出信號(hào)Fig.3 Output of JY901B module under static condition

3 基于MEMS慣性導(dǎo)航模塊的行人步數(shù)檢測(cè)

行走是人體日常生活中重復(fù)最多的一種整體性運(yùn)動(dòng)。根據(jù)步態(tài)特征的不同可將人體的運(yùn)動(dòng)狀態(tài)劃分為正常運(yùn)動(dòng)狀態(tài)（常規(guī)的行走）和非正常運(yùn)動(dòng)狀態(tài)（包括慢走、快走、慢跑、快跑等）。由于人類(lèi)個(gè)體之間的內(nèi)在差異，每個(gè)人的步態(tài)模式都是獨(dú)特的[7-8]，因此深入研究步數(shù)檢測(cè)方法具有重要意義。行人步數(shù)檢測(cè)作為PDR中最基本的一步，計(jì)步結(jié)果準(zhǔn)確與否直接影響PDR定位的精度。當(dāng)前已有多種基于MEMS慣性器件的行人步數(shù)檢測(cè)方法[9-13]，典型的步數(shù)檢測(cè)方法主要有：1）自適應(yīng)波峰檢測(cè)算法[8]，它利用整體加速度的自適應(yīng)波峰檢測(cè)行人步數(shù)，實(shí)現(xiàn)了正常行走狀態(tài)下和非正常狀態(tài)下的計(jì)步，但是由于偽波峰的存在，這種檢測(cè)方法的精度并不高；2）固定閾值檢測(cè)法[9]，通過(guò)對(duì)加速度信號(hào)設(shè)定閾值，當(dāng)加速度信號(hào)超過(guò)一定的閾值時(shí)就認(rèn)為是有效步數(shù)，實(shí)現(xiàn)步數(shù)檢測(cè)，這種方法在單一的步態(tài)特征下可以達(dá)到很高的檢測(cè)精度，但是對(duì)于人體在正常和非正常交替運(yùn)動(dòng)的情況下，由于不同運(yùn)動(dòng)方式下對(duì)應(yīng)的閾值不同，這種檢測(cè)方法的精度并不高；3）動(dòng)態(tài)時(shí)間規(guī)整法[11]，基于不同步態(tài)下所歷經(jīng)的時(shí)間不同的特性，通過(guò)劃分時(shí)間段來(lái)實(shí)現(xiàn)步數(shù)的檢測(cè)，這種方法對(duì)于正常步態(tài)方式檢測(cè)精度很高，但是無(wú)法應(yīng)用于非正常步態(tài)方式檢測(cè)；4）短期傅里葉變換法[12]，通過(guò)將加速度信號(hào)變換到頻域進(jìn)行分析，基于人在運(yùn)動(dòng)極限頻率在2～5 Hz這一事實(shí)，通過(guò)劃分不同運(yùn)動(dòng)方式下的頻率來(lái)實(shí)現(xiàn)步態(tài)的識(shí)別與檢測(cè)，但由于噪聲的影響這種檢測(cè)方法的精度并不高。

綜上所述可知，已有的步數(shù)檢測(cè)方法都有局限性，當(dāng)前并沒(méi)有一種通用的精確檢測(cè)步數(shù)的方法。針對(duì)步數(shù)檢測(cè)不精確這一問(wèn)題，本文提出一種多源信息自適應(yīng)步數(shù)檢測(cè)方法，該方法的原理是利用人體運(yùn)動(dòng)過(guò)程中反映在足部的加速度信號(hào)和角速度信號(hào)的變化規(guī)律，并綜合考慮行人在行走過(guò)程中的時(shí)間信息，通過(guò)對(duì)加速度和角速度信號(hào)設(shè)定自適應(yīng)的閾值來(lái)實(shí)現(xiàn)步數(shù)檢測(cè)。

3.1 行走過(guò)程中足部陀螺儀輸出信號(hào)分析

通過(guò)對(duì)人體的步態(tài)特征分析發(fā)現(xiàn)，正常步行過(guò)程中角速度的變化具有很強(qiáng)的類(lèi)周期性。本文通過(guò)真實(shí)的實(shí)驗(yàn)對(duì)行走過(guò)程中陀螺儀輸出信號(hào)的類(lèi)周期性進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果如圖4所示。

實(shí)驗(yàn)結(jié)果表明，置于足部的陀螺儀在人體行走過(guò)程中輸出的信號(hào)具有類(lèi)周期性，可以用于輔助步態(tài)分析。

圖4 正常行走過(guò)程中陀螺儀輸出信號(hào)Fig.4 Output of gyro during normal walking

3.2 多源信息自適應(yīng)步數(shù)檢測(cè)方法

多源信息自適應(yīng)步數(shù)檢測(cè)方法是基于人體在行走過(guò)程中加速度信號(hào)和角速度信號(hào)的變化規(guī)律提出的。該方法綜合考慮了人在行走過(guò)程中運(yùn)動(dòng)方式的多樣性以及輸出信號(hào)的規(guī)律性，通過(guò)動(dòng)態(tài)地調(diào)整加速度閾值、角速度閾值、時(shí)間閾值來(lái)實(shí)時(shí)跟蹤步態(tài)。具體原理如圖5所示。

圖5 基于JY901B模塊的自適應(yīng)步數(shù)檢測(cè)原理圖Fig.5 Principle of adaptive step detection method based on JY901B module

自適應(yīng)加速度閾值和自適應(yīng)角速度閾值的獲取方法如下：

1）自適應(yīng)加速度上閾值是通過(guò)求取固定時(shí)間段內(nèi)的正向加速度信號(hào)的均值來(lái)實(shí)現(xiàn)的，為自適應(yīng)加速度上閾值，n為這段時(shí)間內(nèi)的正向加速度采樣個(gè)數(shù)，Ai為這段時(shí)間內(nèi)正向加速度的值。自適應(yīng)加速度上閾值計(jì)算公式為

2）自適應(yīng)加速度下閾值是通過(guò)求取固定時(shí)間段內(nèi)的負(fù)向加速度信號(hào)的均值來(lái)實(shí)現(xiàn)的，為自適應(yīng)加速度下閾值，n為這段時(shí)間內(nèi)的負(fù)向加速度采樣個(gè)數(shù)，Ak為這段時(shí)間內(nèi)負(fù)向加速度的值。自適應(yīng)加速度下閾值計(jì)算公式為

3）自適應(yīng)角速度上閾值是通過(guò)求取固定時(shí)間段內(nèi)的正向角速度信號(hào)的均值來(lái)實(shí)現(xiàn)的，為自適應(yīng)角速度上閾值，n為這段時(shí)間內(nèi)的正向角速度采樣個(gè)數(shù)，ωi為這段時(shí)間內(nèi)正向角速度的值。自適應(yīng)角速度上閾值計(jì)算公式為

4）自適應(yīng)角速度下閾值是通過(guò)求取固定時(shí)間段內(nèi)的負(fù)向角速度信號(hào)的均值來(lái)實(shí)現(xiàn)的，為自適應(yīng)角速度下閾值，n為這段時(shí)間內(nèi)的負(fù)向角速度采樣個(gè)數(shù)，ωk為這段時(shí)間內(nèi)負(fù)向角速度的值。自適應(yīng)角速度下閾值計(jì)算公式為

步數(shù)檢測(cè)的條件設(shè)定為

根據(jù)公式(3)～(6)計(jì)算得到的自適應(yīng)閾值設(shè)定步數(shù)檢測(cè)條件，只有當(dāng)公式(7)中的4個(gè)條件都滿(mǎn)足時(shí)，說(shuō)明檢測(cè)到的步數(shù)有效，計(jì)步值加1。

基于JY901B慣性導(dǎo)航模塊的多源信息自適應(yīng)步數(shù)檢測(cè)流程如圖6所示。

圖6 步數(shù)檢測(cè)流程圖Fig.6 Flow chart of number-of-steps detection

4 實(shí)驗(yàn)驗(yàn)證與結(jié)論

針對(duì)本文提出的多源信息自適應(yīng)步數(shù)檢測(cè)方法，作者對(duì)多種步態(tài)（包括慢走、常規(guī)行走、快走、慢跑、快跑等）在北京航空航天大學(xué)體育場(chǎng)進(jìn)行了多組測(cè)試。其中將常規(guī)行走作為一種正常的運(yùn)動(dòng)方式，其它步態(tài)特征作為非正常運(yùn)動(dòng)方式。實(shí)驗(yàn)過(guò)程中將JY901B模塊安裝于腳尖部位，具體安裝位置如圖7所示。JY901B模塊通過(guò)一個(gè)串口轉(zhuǎn)USB模塊實(shí)現(xiàn)與筆記本電腦上運(yùn)行的上位機(jī)通訊，并且完成整個(gè)行走過(guò)程中數(shù)據(jù)的采集。

圖7 硬件模塊安裝示意圖Fig.7 Schematic of hardware module installation

采用多源信息自適應(yīng)步數(shù)檢測(cè)方法對(duì)非正常步態(tài)下的步數(shù)檢測(cè)實(shí)驗(yàn)結(jié)果如圖8與圖9所示。實(shí)驗(yàn)后還將這種檢測(cè)方法的結(jié)果與傳統(tǒng)的峰值檢測(cè)方法、固定閾值檢測(cè)方法做了對(duì)比，結(jié)果如表2所示。

圖8 自適應(yīng)加速度閾值檢測(cè)Fig.8 Adaptive detection for acceleration threshold

圖9 自適應(yīng)角速度閾值檢測(cè)Fig.9 Adaptive detection for angular velocity threshold

表2 各種檢測(cè)方法結(jié)果對(duì)比Tab.2 Experimental results of various detection methods

實(shí)驗(yàn)結(jié)果表明，本文提出的多源信息自適應(yīng)步數(shù)檢測(cè)方法可以在非正常步態(tài)方式下實(shí)現(xiàn)精確檢測(cè)，準(zhǔn)確率可達(dá)98%左右。然而常規(guī)的峰值檢測(cè)法、固定閾值檢測(cè)法在非正常步態(tài)方式時(shí)根本無(wú)法精確檢測(cè)。但是在單一的步態(tài)方式下，閾值檢測(cè)法和峰值檢測(cè)法也可以達(dá)到很高的精度。綜上所述可知，本文提出的步數(shù)檢測(cè)方法在現(xiàn)實(shí)生活中更加適用于真實(shí)的人體運(yùn)動(dòng)特征的檢測(cè)，通過(guò)進(jìn)一步的深入研究最終可以應(yīng)用到實(shí)際的基于行人航跡推算的系統(tǒng)中，為提高行人航跡推算的精度奠定了基礎(chǔ)。

（References）：

[1] Saarinen J, Suomela, Heikkila S, et al. Personal navigation system[C]//Proceedings of 2004 IEEE/RSJ International Conference on Intelligent Robots and Systems.IEEE, 2004, Vol.1: 212-217.

[2] Wang S, Liu K, Liu Y, et al. Analysis for low cost inertial sensors based pedestrian dead reckoning[C]//The Proceedings of the Second International Conference on Communications, Signal Processing, and Systems. Springer International Publishing, 2014: 1029-1037.

[3] 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.

[4] 張曉東. 基于MEMS慣性器件的個(gè)人導(dǎo)航系統(tǒng)研究[D]. 北京: 北京工業(yè)大學(xué), 2015.Zhang Xiao-dong. Personal navigation system based on MEMS inertial devices[D]. Beijing: Beijing University of Technology, 2015.

[5] 李金鳳, 王慶輝, 劉曉梅, 等. 基于MEMS慣性傳感器的行人航位推算系統(tǒng)[J]. 傳感器與微系統(tǒng), 2014, 33(12):85-87.Li Jin-feng, Wang Qing-hui, Liu Xiao-mei, et al. Pedestrian dead reckoning system based on MEMS inertial sensor[J]. Transducer and Micro-system Technologies,2014, 33(12): 85-87.

[6] 許睿. 行人導(dǎo)航系統(tǒng)算法研究與應(yīng)用實(shí)現(xiàn)[D]. 南京:南京航空航天大學(xué), 2008.Xu Rui. Research and application of pedestrian navigation system[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2008.

[7] 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.

[8] Qian J, Ma J, Ying R, et al. Improved indoor localization method using smart phone inertial sensors[C]//2013 International Conference on Indoor Positioning and Indoor Navigation. IEEE, 2013: 1-7.

[9] Li F, Zhao C S, Ding G Z, et al. A reliable and accurate indoor localization method using phone inertial sensors[C]//Proceedings of the 2012 ACM Conference on Ubiquitous Computing. Association for Computing Machinery,2012: 421-430.

[10] Brajdic A, Harle R. Walk detection and step counting on unconstrained smart phones[C]//Proceedings of the 2013 ACM International Joint Conference on Pervasive and ubiquitous computing. Association for Computing Machinery, 2013: 225-234.

[11] 田曉春, 陳家斌, 韓勇強(qiáng), 等. 多條件約束的行人導(dǎo)航零速區(qū)間檢測(cè)算法[J]. 中國(guó)慣性技術(shù)學(xué)報(bào), 2016, 24(1): 1-5.Tian Xiao-chun, Chen Jia-bin, Han Yong-qiang, et al.Zero-velocity interval detection algorithm with multicondition constraint for pedestrian navigation[J]. Journal of Chinese Inertial Technology, 2016, 24(1): 1-5.

[12] Wang Z L, Zhao H Y, Qiu S, et al. Stance phase detection for ZUPT-aided foot-mounted pedestrian navigation system[J]. IEEE/ASME Transactions on Mechatronics, 2015,20(6): 1-1.

[13] Jiménez A R, Fernando S, Francisco Z, et al. PDR with a foot-mounted IMU and ramp detection[J]. Sensors, 2011,11(10): 9393-410.

Multi-source information adaptive step detection method based on MEMS inertial measurement unit

ZHU Zhuang-sheng, ZHANG Yu-long, LI Chi
(School of Instrumentation Science and Opto-electronics Engineering, Beihang University, Beijing 100191, China)

In pedestrian dead reckoning (PDR) based on MEMS IMU, the detection for number of steps has a lower accuracy due to basing only on the accelerometer signals. To improve the detection accuracy, an adaptive detection method with multi-source information is proposed for the step detection. In this method,the adaptive detection is realized by comprehensively considering the angular velocity signals and the acceleration signals in the process of human movement and setting different adaptive threshold conditions based on different gait features. Unlike the conventional peak detection algorithm and the fixed-threshold detection algorithm, which have rather poor detection accuracy under abnormal human movements, the proposed method can accurately detect the number of steps under complex pedestrian motion behaviors.Experiment results show that the detection precisions by the proposed method can reach more than 98%under different pedestrian motion states.

MEMS; pedestrian dead reckoning; multi-source information adaption; step detection

TH7

：A

1005-6734(2017)03-0299-05

10.13695/j.cnki.12-1222/o3.2017.03.004

2017-02-12；

：2017-05-27

國(guó)家重大科學(xué)儀器設(shè)備開(kāi)發(fā)專(zhuān)項(xiàng)基金項(xiàng)目（2012YQ160185）；國(guó)家高技術(shù)研究發(fā)展計(jì)劃（2015AA124002）；國(guó)家自然科學(xué)基金（60421063）

朱莊生（1972—），男，副教授，碩士生導(dǎo)師，從事慣性導(dǎo)航、行人導(dǎo)航技術(shù)研究。E-mail: zszhu@buaa.edu.cn