[发明专利]基于智能手机3D重力传感器的计步方法

说明书

技术领域

本发明属于传感器应用领域，具体是一种基于智能手机3D重力传感器的计步方法。

背景技术

随着移动通信产业的发展，手机的生产和使用有了大幅的提高。智能手机不再仅是通信网络的终端，还将成为互联网的终端。另外，智能手机正一步步走进普通人的生活，这意味着智能手机将会成为人们获取信息的主要设备。一些智能手机中集成了多种传感器，利用这些传感器，可以将很多专用设备的功能都在手机上实现。手机计步器服务就是其中的一项，它利用了手机中嵌入的重力（加速度）传感器来开发应用，其提供的运动数据统计及能量消耗更是符合健康生活的理念，受到人们的广泛关注。

当前计步器功能的实现大多都是基于重力传感器，计步方法在不同的产品中有所不同，从而导致不同的实现效率和计步精度。但由于不同的人行走的方式不同、同样的人也有多种行走方式等多种原因，重力传感器输出的原始数据的规律比较复杂，难以建立精确的数学模型，导致大多数的计步方法精度不高。因此，现有的计步方法还有待提高，需要探索更好的方法。

发明内容

本发明提供了一种基于智能手机3D重力传感器的计步方法，通过对3D重力传感器输出的原始数据进行分析统计，建立一个较为准确的计步数学模型，从而消除各种抖动误差，得到较为精确的结果。

一种基于智能手机3D重力传感器的计步方法，所采取的具体技术方案是：

包括以下步骤：

(1)         采集重力传感器原始数据；

(2)         过滤噪声；

(3)         设定初始值平移曲线；

(4)         做一阶差分；

(5)         寻找一阶差分曲线过零点；

(6)         过滤一阶差分曲线连续的零值；

(7)         设定阈值过滤过小值转折点；

(8)         采用固定时间窗过滤；

(9)         统计有效步数。

所述的采集重力传感器原始数据，用于得到智能手机3D重力传感器的绝对加速度数值曲线。

所述的过滤噪声，采用“中值滤波”方法过滤绝对加速度数值曲线的噪声，平滑曲线，得到滤波后的绝对加速度数值曲线。

所述的设定初始值平移曲线，采用固定时间间隔的数据作平均值当初始值G₀，然后将该初始值G₀赋予滤波后的绝对加速度数值曲线，以之平移滤波后的绝对加速度数值曲线。具体来说，就是当有持续一段时间，未有大的动作发生，就将这段时间的数据作平均，作为初始值G₀，之后的数据以该初始值G₀为基准来计算。将滤波后的绝对加速度数值曲线减去初始值G₀，得到以0加速度值为中心上下波动的相对加速度数值曲线。

所述的做一阶差分，对相对加速度数据曲线做一阶差分，得到相对加速度值的一阶差分曲线。

所述的寻找一阶差分曲线过零点，具体包括以下步骤：

1) 寻找相对加速度数据曲线的峰点。峰点相对应于一阶差分曲线的点为接近或等于零的点，前面的点为正值，后面的点为负值；

2) 寻找相对加速度数据曲线的谷点。谷点相对应于一阶差分曲线的点为接近或等于零的点，前面的点为负值，后面的点为正值。

所述的过滤一阶差分曲线连续的零值，具体就是在两个分别拥有正负值点之间，如果有连续的零值点，过滤、缩减到只剩一个。

所述的设定阈值过滤过小值转折点，具体包括以下步骤：

通常身体的大动作，例如走路或者跑步，都会有超过一定幅度的上下振幅，因此设定阈值，可以过滤掉身体小动作所造成的误判。因为每个人的体型与走路习惯不同，理论上阈值应该是针对个人而调整。将连续数个峰点相加求得一个平均值，并将该平均值乘以一个权值，就能得到一个峰点阈值。然后将峰点与该峰点阈值比较，超过峰点阈值者（峰点的绝对值大于等于峰点阈值的绝对值），就辨认为有效的峰点；未超过者，视为噪声过滤。同样，将连续数个谷点相加求得一个平均值，并将该平均值乘以一个权值，就能得到一个谷点阈值。然后将谷点与该谷点阈值比较，超过谷点阈值者（谷点的绝对值大于等于谷点阈值的绝对值），就辨认为有效的谷点；未超过者，视为噪声过滤。一个有效的峰点加一个临近的有效的谷点就为一个有效步。

所述的采用固定时间窗过滤，用于过滤无效振动产生的转折点，具体包括以下步骤：