基于动态窗口的PCA运动方向估计

　　基于位置信息的服务（location-based service，简称LBS）已经变得越来越重要，且目前大部分应用都采用基于卫星的全球定位系统．然而，在室内环境下，卫星信号会受到建筑物的遮挡导致大量位置盲区的出现，且目前卫星定位方法的精度暂时无法满足室内定位的要求．另一方面，室内环境的复杂布局对定位方法也构成了各种挑战，如多径传播、非视线条件、信号衰减、噪声干扰等．因此，构建一个稳定的、高精度室内定位系统成为了近些年的研究热点．

　　采用航位推算的室内定位方法通过位置迭代进行定位更新．该方法一般需要解决两个问题：获取运动距离和测量运动方向．运动距离一般使用步长与步数的乘积来表示．步长估计一般使用固定步长或通过经验学习来获取：计步算法主要可分为：峰值检测、过零检测、模板匹配等．由于人体运动步态存在较大差异，且同一个人在不同环境和条件下的步态特征也会发生变化，因此为了获取理想的计步效果，一般通过经验值来调整计步算法的参数．方向测量主要使用的是磁场传感器和陀螺仪．通过磁场传感器可以获得目标运动的绝对方向，但磁场传感器易受电磁干扰的影响，特别是在室内环境中存在大量软磁体和硬磁体。通过陀螺仪积分可以检测目标运动过程中方向的变化，且陀螺仪不受外界环境的影响．但使用陀螺仪仅能获取目标运动的相对方向，需要借助磁场传感器或其他方法进行方向的初始化．由于室内定位系统对方向误差较为敏感，因此目前在进行方向测量时一般选用多种传感器进行数据融合．而在实际应用中，手机指向和目标运动方向存在一定的偏离，即存在手机指向与目标运动方向不一致问题，因此在定位过程中一般需要固定手机姿态．

　　本文首先针对计步算法的阈值设定问题，提出了一种基于有限状态机的阂值自学习算法．通过该算法可以在较短的时间内（10s）获取一个较为准确的阂值，然后利用该阈值使用同样的状态机进行计步．在计步的同时，对连续的步态过程进行分割，并将分割结果作为动态窗口进行PCA分析，以获取目标运动的方向．最后，利用PCA分析结果和运动步态模型中加速度的变化规律来处理180°模糊问题，并对处理后的结果作进一步分析，提高了算法的精度和稳定性．