基于峰值检测的自适应时间窗口计步算法

针对现有的计步算法无法适应用户行走状态、手机姿态多样性的问题,以及有效解决静止状态下的虚假步态周期的判别问题,提出基于峰值检测的自适应时间窗口计步算法。该算法通过检测加验证的方式进行计步,利用双重滤波对原始加速度进行预处理,根据峰、谷值时间差的自适应时间窗口消除伪峰值,再利用方差与标准差对检测到的峰值进行验证。实验结果表明,该算法相比传统方法(固定窗口峰值检测、条件判断峰值检测)在不同运动状态、不同手机姿态下的平均计步精度分别提高了7.7%、3.4%,并且优于目前流行的商业步数计算应用。     

一种动态窗口PCA运动方向估计算法

首先针对个人航位推算系统中计步算法的阈值设定问题,提出了一种基于有限状态机的阈值自学习算法.通过该算法可以在较短的时间内(10s)获得自适应阈值,提高计步算法的准确性.然后在利用该阈值进行计步的同时,对连续步态进行分割,并以分割结果作为动态窗口进行主成分分析,可以获取目标运动的方向.此外,通过利用运动步态模型中加速度变化的规律可以有效解决180°模糊问题.实验分析结果表明,相比于固定窗口的 PCA 分析方法,基于动态窗口的 PCA 在数据处理量降低61.2%的情况下,其准确度提高了11.1%.     

基于自适应双阈值的计步算法

针对现有计步算法对不同运动状态适应性差的问题,设计了一种基于自适应阈值的计步算法。该算法首先通过智能手环的内置三轴加速度传感器采集用户在慢走、快走以及跑步三种步行频率的加速度数据,经过五点滤波预处理,在自适应时间窗内检测波峰波谷,再将波峰均值和波谷均值的平均值作为上阈值,波谷均值作为下阈值,通过动态阈值判定步数,最后根据行走振幅和行走频率存在的规律性进行假步检测。测试表明,该算法对于不同的用户在三种不同频率下平均计步精度可以达到91.88%以上。     

低功耗手机计步算法

针对长时间运行手机计步软件对手机电量消耗较大的问题,提出一种低功耗手机计步算法。根据行走时手机三轴加速度数据变化呈现上下波动的特点,在加速度数据变化方向改变时记录最高极值点和最低极值点数值,当两个极值点的幅度值大于幅度阈值时进行计步。测试结果表明该算法总体平均计步准确性可达97%,并且能够从传感器采样功耗和CPU计算功耗两方面降低计步过程的功耗。     

基于加速度传感器的无按键计步腕表低功耗算法

针对基于加速度传感器的无按键计步腕表的核心算法进行了低功耗优化.在现有的敲击检测控制算法和计步算法基础上,分别提出了预测敲击检测算法和自适应计步算法,并将这两种改进算法应用于一个由智能手机和无按键腕表构成的实际系统中.实验结果表明:这两种改进算法能够有效地减少处理器运算时间,在保证用户体验和计步精度的情况下显著降低系统功耗.     

低功耗便携式运动能耗检测系统的设计与研究

为促进人们加强锻炼,设计了一种低功耗便携式运动能耗检测系统.该系统通过分析加速度的周期性来估算步频,通过步频估算出运动路程以及利用VM3C方程预测人体运动消耗.同时,通过射频技术将运动信息传输到上位机并存储,由上位机来进行用户档案信息管理、计步、路程与运动能耗等分析等功能.该运动能耗检测系统使得能耗信息的采集和数据分析查询更加便捷.     

MEMS传感器的计步算法研究

计步是惯性定位导航中重要环节之一,MEMS传感器在惯性定位导航中应用广泛,传统计步算法多采用基于加速度数据的峰值检算法.本算法融合了峰峰检测算法和穿越中间阈值算法,用户手持MEMS设备行走获取加速度计数据,进而算法推算行走的步数和轨迹.算法将从加速度采样数据中判断可能有效的计步点,算法判断这些点是否为有效计步点,进而得出行走的步数.最后结合步长、步数和航向信息推算行人的行走轨迹.实验结果显示,计步数据与实际步数误差为0.75%,推算的轨迹接近实际行走路径.该算法在不同人和不同环境中表现良好.     

加速度差分有限状态机计步算法

在用户行为无法预知的实际计步应用中,如何保持计步算法的准确性和稳定性是一个极具挑战的问题。传统的计步算法利用阈值设定和峰值检测,并不能解决计步算法的普适性和稳定性。针对上述问题,提出了基于加速度差分作为特征的有限状态机(acceleration differential based on finite state machine,AD-FSM)计步算法。该算法将原始加速度取平方和,并通过卡尔曼滤波去除噪声干扰,最后使用加速度差分有限状态机实现计步检测。实验结果表明,该算法在正常和干扰情况下能够提供精确的计步结果,误差分别为1.12%、4.00%,验证了该计步算法在降低状态机复杂度的同时具有较强的稳定性和鲁棒性,更能适应复杂的应用场景。     

基于加速度传感器的无按键计步腕表低功耗算法

针对基于加速度传感器的无按键计步腕表的核心算法进行了低功耗优化.在现有的敲击检测控制算法和计步算法基础上,分别提出了预测敲击检测算法和自适应计步算法,并将这两种改进算法应用于一个由智能手机和无按键腕表构成的实际系统中.实验结果表明:这两种改进算法能够有效地减少处理器运算时间,在保证用户体验和计步精度的情况下显著降低系统功耗.