论文部分内容阅读
社会经济发展飞快,人们生活水平普遍提高,对于健康的认知也在不断加强。为了预防进入亚健康状态,越来越多的人选择了参与户外体育运动。随着智能可穿戴设备的不断更新,设备种类的多样化带给人们不同的体验功能。常见的有计步功能、睡眠监测等等。对于运动模式下的用户,可穿戴设备可以实现对用户的运动轨迹定位,以及对用户的运动模式进行判别。然而通过用户的实际反馈,可穿戴设备未能达到用户的预期要求。设备采集有效数据信息不足、定位效果不稳定、人体姿态识别准确率不高、数据分析未能实时反映、功耗大等种种弊端暴露在人们的眼前。针对可穿戴设备现存的种种问题,本文提出一种新型可穿戴设备的应用方案--GNSS辅助MEMS融合定位方案,并为此做了以下工作:(1)对采集系统的软硬件进行设计。硬件平台选取低功耗n RF52832蓝牙芯片作为MCU,控制着各个模块的通信;采用9轴MEMS惯性传感器BMX160采集人体手腕处的加速度、角速度与周围磁场强度等原始数据,用来对人体手部姿态的判别进而判别人体处于哪种运动模式,以及对人体进行推导定位;采用GNSS模块N305来校正MEMS推导定位中累积的偏差;采用Flash模块MT25QL512来实时存储MEMS传感器与GNSS模块采集的原始数据。设计采集流程的软件方案,手机APP通过蓝牙与硬件平台进行通信,通过输入自定义设置的指令来对采集系统内部各个任务进行调度。(2)对定位算法进行性能评估。该算法主要是实现针对不同场景下人体不同运动模式时的定位功能,在低功耗的要求下达到一定的精准度。算法采用GNSS位置观测作为测量基准,结合算法本身性质,通过实验、仿真来评估算法本身的性能。通过采集跑步模式下MEMS与GNSS的原始数据,导出至PC端,用Matlab进行仿真,分析其仿真结果,可以得到,加入GNSS位置观测量进行定位偏差校正能达到很好的效果。(3)可穿戴设备应用方案的具体实现。通过分析市场现有的可穿戴设备应用方案中存在的不足,为了能实时监控人体运动状态的同时,达到更好的定位效果,详细设计了GNSS辅助MEMS融合定位应用方案,并结合特征最明显的人体日常运动(健步、跑步、骑行)模式,通过实际测试来验证方案的可行性和实际定位效果。实验结果表明,GNSS辅助MEMS融合定位应用方案在一定程度上能很好地收敛轨迹误差,达到良好的定位效果。