[发明专利]一种高精度、高去伪、并集成功耗管理的人体计步方法

说明书

技术领域

本发明涉及保健功能电子设备计步技术，尤其涉及一种高精度、高去伪、并集成功耗管理的人体计步方法。

背景技术

在穿戴式电子设备市场日益火爆的今天，带运动追踪功能的计步器、手环、手表已经到处可见，并且其计步准确性也逐渐越来越高。目前来说，各种各样的运动追踪设备在使用者真正走路或者跑步时，计步准确性大都会趋于90%或者更高。但是使用者在没有走路或者跑步的情况下，很多运动追踪设备会产生较多的伪步数，比如穿戴者驾驶车辆时，或者坐在办公室工作敲击电脑等情形。这种伪步数的产生给使用者造成了一定困扰，因为伪步数并非是使用者的真实运动情况。

人体在正常行走时，不管计步设备是佩戴于手腕，或者固定于腰间，三轴线性加速传感器(g-sensor)输出的三轴上的测量值经过一定的滤波处理后，并进行矢量合成后得到模（1-范数），在时域上波形程正弦波形趋势。在正常行走下产生的波形，每一个尖峰和每一步伐基本承载对应关系，因此多数现有计步方法靠识别正弦波波峰的出现次数来统计步数。

目前波峰识别的方法主要是拐点识别法，是统计波形在一段连续时间区域中上升走势和下降走势，如果上升走势和下降走势持续时间都大于经验阀值，则一个步伐波形出现，见文献US2013091069。拐点识别法对于实验室测试的理想状态，波形较为规则的情形起到了良好的识别效果。但随着使用者增多，就会发现不是所有的波形都能保持波峰的幅度和跨越时间的基本一致。即在实际多测试的环境下，步伐波形可能是较为出现一高一低的情况，也有可能出现时间跨度忽长忽短的情况。因此这种拐点方法不能很好的统计真是行走的步数。

自适应的动态阀值方法也可以较为有效的波识别峰，解决计步准确性问题，这种方法的主要思想是在步伐波形的基础上构造出一个动态阈值波形，并将步伐波形与阀值波形比较，大于阀值的波形的部分则认定为一个波峰出现（一个步伐出现）。

为了进一步提高计步的准确性，本发明的计步方法在自适应的动态阀值方法的基础上，通过进一步优化，设计出了一种高精度、高去伪、并集成功耗管理的人体计步方法，可以有效剔除伪步伐，提高计步精度性。

加速度传感器采集加速样本的时间间隔通常称为采样间隔，采样间隔越小整机功耗越高，采样间隔越长整机功耗越低。实验证明正确识别步行的采样间隔可以大于正确识别跑步的采样间隔，而目前的计步算法为了节省功耗，会采用较长的采样间隔；或者为了能够识别所有的运动类型（跑步和步行）而采用较短的采样间隔。目前大多数计步算法都采样固定的采样间隔，不能在功耗和识别运动类型之间做一个很好的平衡。

本发明方法能够自适应的切换原始波形采样的时间间隔，因此，能够有效的管理功耗，在功耗和识别运动类型之间做一个很好的平衡。

发明内容

针对现有技术中存在的问题，本发明提供了一种高精度、高去伪、并集成功耗管理的人体计步方法，可以有效剔除伪步伐，提高计步精度性，并且能够有效的管理功耗，在功耗和识别运动类型之间做一个很好的平衡。

为了实现上述目的，本发明需要使用一个三轴的线性加速度传感器（g-sensor），其有Ax, Ay, Az轴三个轴。

本发明提供了一种高精度、高去伪、并集成功耗管理的人体计步方法，该方法的具体实施包括如下步骤（S11-S21）。

S11 三轴（Ax轴, Ay轴, Az轴）线性加速度传感器获取原始波形样本。

S12 根据的原始波形样本的变化情况，自适应的切换原始波形的采样时间间隔。

S13 对每个轴（Ax轴, Ay轴, Az轴）获取的原始波形样本逐一进行高通滤波处理。

高通滤波的目的是过滤低频噪声和地球本身对三轴（Ax轴, Ay轴, Az轴）线性加速度传感器产生的重力加速度的干扰。

S14 将高通滤波处理后的每个轴（Ax轴, Ay轴, Az轴）的波形逐一进行绝对值求模处理。

S15 将绝对值求模处理后的线性加速度传感器3轴（Ax轴, Ay轴, Az轴）波形进行求和处理。

S16 将求和处理后的波形进行低通滤波处理。

低通滤波的目的是过滤高频噪声分量。

S17 将低通滤波处理后的波形分别进行3点平滑和14点平滑处理，其中将14点平滑处理后的波形作为动态阀值波形S_t。

平滑处理的目的是为了让波形更加适合步数查找。

S18 将3点平滑处理后的波形再进行8点延迟处理，得到计步波形S_d。