本发明提出了将手机内置传感器收集的三轴加速度数据从手机坐标系转换为地球参考坐标系的处理方法，涉及移动通信、模式识别和情境感知。
背景技术：
目前，基于智能手机的行为识别是环境智能的研究热点，具有广阔的应用前景。加速度传感器、陀螺仪、磁力计、方向传感器等智能手机内置传感器可以感知不同的运动、方向和外部环境，特别是在监控设备的运动和位置变化时，可以获得更准确的原始三维数据；但这些数据是基于手机坐标系，当位置或方向发生变化时收集到的数据会发生变化。现实中由于手机用户使用习惯的个性化，如手机放置位置不同，是常握在手中，还是放在裤兜或手提包里，以及手机具体的方向不同，都将会直接影响对用户行为进行识别分类的结果。
在现有的类似研究中，大多数人使用手机内置的加速传感器来检测用户的运动。目前，大多数外国学者使用每个轴的加速度去除重力矢量，或选择手机的一些特定位置进行坐标映射，以补偿和纠正原始加速度；可以看出，传感器的位置和方向对行为识别的准确性有很大的影响。在实际应用中，鉴于用户使用习惯的多样性和手机的放置位置是任意的，将手机内置传感器收集的三轴加速度数据从手机坐标系转换为统一参考坐标系具有普遍适用性，将显著提高行为识别准确性，具有广阔的应用前景。
第200710075404.中国专利申请公开了一种控制手机播放音乐的方法。通过加速加速传感器感知手机的不同方向，将不同方向的信息传递给音乐播放器，从而切换相应的歌曲或调整音量。然而，当用户移动手机时，由于手机方向和地表水平面的垂直或平行方向必须有偏差，使用检测到的加速度数据进行判断和处理时会出现误操作。例如，播放音量会突然增加或减少，因此手机音乐播放无法根据用户的实际需要进行控制。
第201410654221.基于智能手机加速度传感器的实时交通路况估计方法，0号中国专利申请公开。通过智能手机自带的加速传感器收集加速信息，用手机内存处理测量数据，用离线训练模型估计路况信息。在实施过程中，需要使用智能手机的加速度传感器、方向传感器和GPS，通过测量车辆的启动状态，实现车辆坐标系与手机坐标系之间的转换和校正。但本发明没有明确智能手机在车辆上的具体方向和位置，忽略了车辆坐标系与地球参考坐标系在实际路况下的不一致性。
技术实现要素：
本发明的目的是针对上述现有技术的不足，提出了手机内置加速度传感器采集的三轴加速度数据从手机坐标系到地球参考坐标系的处理方法。转换后的三轴加速度数据具有更清晰的物理意义，减少了手机方向对采集数据的影响，在基于移动终端的场景感知中具有广泛的应用价值。
本发明是将手机内置加速度传感器收集的三轴加速度数据从手机坐标系转换为地球参考坐标系的一种处理方法。其特点是，本专利中的地球参考坐标系是基于标准正交基，完全独立于手机坐标系。X轴向切割手机当前位置的地面，直接指向东方；Y轴的方向也是指向磁北极的地面；Z轴向垂直于地面，指向天空。手机坐标系的确定与手机屏幕有关。x轴是手机屏幕平面中右指的方向，反之亦然-x；y轴是手机屏幕平面中上指的方向，垂直于x轴；z轴是手机屏幕平面正上方向外指的方向。
本发明是将手机内置加速度传感器收集的三轴加速度数据从手机坐标系转换为地球参考坐标系的一种处理方法。其特点是在每个采样点采集6个数据，除三轴加速度外，还有三个角度变化azimuth, pitch和roll。Azimuth表示磁北极和手机坐标系y轴夹脚；Pitch表示x轴与水平面的夹角，当z轴向y轴旋转时，角度为正值；Azimuth和Pitch取值范围为；Roll表示y轴与水平面的夹角，当x轴向z轴移动时，角度为正值，其取值范围为。
本发明是一种将手机内置加速度传感器收集的三轴加速度数据从手机坐标系转换为地球参考坐标系的处理方法。其特点是，欧拉角可以用来描述任何旋转。对于任何参考系统，可以根据旋转顺序转换刚体的方向。借鉴这一思想和刚体坐标系与参考坐标系之间的相互转换方法，参考坐标系下的三轴加速度数据可计算为：
，
R表示描述刚体取向的旋转矩阵，即从手机坐标系到参考坐标系的映射方法，R变量由三个基本旋转矩阵组成a、p、r分别表示azimuth, pitch和roll。
附图说明
图1是本发明涉及的手机坐标系示意图；
图2是本发明涉及的参考坐标系示意图；
图3是本发明中不同坐标系下五种行为的加速度数据图。
具体实施方法
本发明结合实施例和附图进一步详细描述，但本发明的实施不限于此。
为了清楚地解释本发明的有效性，在本实施例中进行了基于手机内置加速度传感器的人类行为识别测试。测试数据选择基于加速度传感器的常见人类行为数据集，在完全自然的条件下(三星Galaxy Note 2智能手机)分别握在手中，放在裤兜或手提包中收集各种不同行为的数据。
该识别系统主要包括以下模块：数据采集、预处理、特征提取选择和分类器训练识别。
1.数据采集模块：通过手机内置的三轴加速度传感器和方向传感器，收集人体在五种基本行为（静态、行走、跑步、上下）时的三维加速度数据和三个角度变化azimuth, pitch和roll；但获取的这些原始数据都是基于手机坐标系，当手机放置的位置或者方向发生改变时采集到的数据会随之改变。默认应用程序采集频率为100hz；根据用户的个人使用习惯，在收集数据时没有刻意约定手机的方向。
2.预处理模块：对采集的原始数据进行坐标转换、滤波除噪等预处理，以获得更好的识别效果。
手机坐标系中的x轴为手机屏幕平面中向右指的方向，反之为-x；y轴是手机屏幕平面中上指的方向，垂直于x轴；z轴是垂直于手机屏幕平面正上方向的外指，如图1所示。
地球参考坐标系以标准正交基为基础，完全独立于手机坐标系。它的X轴方向切割手机当前位置的地面，直接指向东方；Y轴的方向也是指向磁北极的地面；Z轴向垂直于地面，指向天空，如图2所示。
转换后的三轴加速度数据具有清晰的物理含义，能更准确地反映人体在每个轴上的运动趋势；X、Y轴加速度数据记录用户在水平方向(前/后、左/右)移动，Z轴加速度数据记录用户在垂直方向(上/下)移动。
欧拉角可以用来描述任何旋转，其基本思想是将角位移分解为绕三个垂直轴的三个旋转序列。对于任何参考系统，可以根据旋转顺序转换刚体的方向。借鉴这一思想与刚体坐标系和参考坐标系之间的相互转换方法，参考坐标系下的三轴加速度数据可以计算为：
，
R表示描述刚体取向的旋转矩阵，即从手机坐标系到参考坐标系的映射方法，R变量由三个基本旋转矩阵组成a、p、r分别表示azimuth, pitch和roll。
3.特征提取模块：根据识别目标提取各种特征；加速信号提取的特征通常包括时域特征、频域特征和时频特征，优化的特征集表示各种行为的突出特征。本实施例采用滑动窗技术；默认采样频率为100，因为手机内置应用程序hz，滑动窗的大小设置为1.5s，50%的相邻窗口交叉重叠。在每一个滑动窗口，对坐标转换预处理后的水平和垂直方向加速度数据提取时域和频域上共33个特征，如均值、标准差、信号幅度、四分位差、偏度、峰度、信息熵、相关系数等。
4.分类器训练识别模块：其主要功能是选择分类算法，用特征矩阵训练相应的参考模型，分类器通过该参考模型对测试集进行分类识别。在本实施例中，选择支持向量机作为分类器RBF交叉验证设置径向基核函数的最佳参数C=1024和G=2。
实验内容及结果
实验1：选择五个不同的实验者(A,B,C,D,E)的数据对坐标转换的效果进行了验证。首先汇总每个实验者在三个不同位置对五种行为采集的数据，然后将这些数据按照欧拉矩阵映射到大地参考坐标系，对每个实验者的数据集随机选取70%作为训练集，剩余30%作为测试集；用分类器训练识别两次来对比转换前后的效果。
表1列出了识别每个实验者五种不同行为的正确率(%)
如表1所示，加速度数据坐标转换后，每个实验者的整体行为识别率有所提高，五个实验者的平均提高率为19.86%。
实验2：选择典型用户拼接静态、行走、跑步、上下楼梯五种行为中收集的加速数据，每种行为的有效数据集为2.5秒。如图3所示，Z轴加速度数据直接反映了用户的不同行为特征和变化规律。与行走时收集的数据相比，用户在垂直方向上运动更大，因此Z轴加速度数据冲击显著增加；上下楼梯时，人体运动方向与参考坐标系Z轴一致或相反，转换后Z轴加速度数据值范围的切换可以在图3中清楚地看到。
在两组实验中，转换后的三轴加速度数据具有明确的物理含义，能更准确地反映手机用户在每个轴上的运动趋势，X、Y轴数据记录用户在水平方向(前/后、左/右)移动，Z轴数据记录用户在垂直方向（上/下）移动。从而有效减少手机方向对内置加速度传感器采集数据的影响，显著提高手机用户的行为识别准确性。