CN101969848B - 对外部运动因素引起的加速度不敏感的活动监视*** - Google Patents

Abstract

本发明涉及一种活动监视***，其适于从第一和第二运动传感器在运动期间附接到对象时产生的读出数据中消除外部力造成的被动运动分量。该读出数据包括重力分量、对象或对象部分的主动运动造成的运动分量以及被动运动分量。处理器估计由所述至少第一和第二运动传感器产生的第一和第二重力分量。它基于估计的重力分量确定旋转矩阵，该旋转矩阵表示第一传感器在取向上与第二传感器对准所需的旋转。然后，当朝第二传感器旋转第一传感器时，它将第一运动传感器产生的读出数据与旋转矩阵相乘。最后，当朝第二运动传感器旋转第一运动传感器时，它从第二运动传感器产生的读出数据中减去该相乘的结果。

Description

对外部运动因素引起的加速度不敏感的活动监视***

技术领域

本发明涉及活动监视***和适于处理由至少第一和第二运动传感器在运动期间附接到对象时产生的读出数据的方法，对于每个对应运动传感器，该读出数据包括重力分量、对象或对象部分的主动运动造成的运动分量以及外部力造成的被动运动分量，其中处理该数据导致被动运动分量被消除。

背景技术

基于加速度测量的活动监视***获得越来越广泛的使用。应用遍及医疗和医护、康复、药理学和消费者生活方式领域。例如，在患者监视中，活动传感器提供情境信息，其有助于提高诸如ECG和EMG信号之类的患者重要的生命体征的评估精度；在消费者生活方式领域，活动监视器(AM)使得能够估计与物理活动(PA)关联的能量消耗(EE)以及标识和分类PA。与诸如视频记录、肌电图和问卷调查之类的其他方法相比，加速度测量提供了一种适合于客观、可靠、长期且低成本地监视自由生活对象的工具，其对于他们的日常生活的限制非常有限。

AM***典型地由(若干)三轴加速度计和数据记录单元组成。有时，陀螺仪和/或磁力计也存在。当加速度计静止不动时，它测量沿着其三个感测轴分解的地球重力g。读出矢量可以表示为

V_g＝(x_g，y_g，z_g)                  (1)

如果加速度计开始运动，除了重力加速度之外，也记录由运动引起的惯性加速度。传感器的运动可以由传感器所附接的身体部分的主动运动以及由外部力引起的“被动”运动造成。被动运动可以例如在车辆中行进、在崎岖不平的道路上骑自行车或者利用割草机劳动时出现。正在运动的加速度计的读数V_a因而可以描述为：

V_a＝V_g+V_act+V_pas，

V_act＝(x_act，y_act，z_act)，                      (2)

V_pas＝(x_pas，y_pas，z_pas)，

其中V_act表示来自主动运动的加速度，并且V_pas表示来自被动运动的加速度。

V_g的存在被证明对预测活动相关EE(AEE)的精度没有重大的影响[1]，但是显然不应当考虑外部运动因素引起的加速度V_pas。与通常为信号V_a的DC并且可以简单地通过对V_a低通滤波进行相当良好的估计的V_g不同的是，V_pas经常与V_act通常在时域以及在频域混合，因而直接的滤波并不总是起作用。

在一些特殊情况下，V_act对V_a的贡献可以忽略。例如，当对象坐在车内或者驾驶汽车时，腰部安装的加速度计主要测量汽车产生的加速度，该加速度可能来自道路不平度、电机振动和/或速度变化，并且V_act在这种情况下几乎为零。因此，如果可以将活动正确地识别为驾驶，那么与该活动相应的加速度数据可以从AEE计算中排除。

在WO2004/052202A1中，提出了用于活动监视器的用户接口，其允许来自用户的输入指示“假”事件(例如驾驶)的发生，其中设备主要记录外部运动，从而可以在AEE计算中应用校正因子。此外，描述了基于单传感器或多传感器***的自动方案，其中这些事件可以使用(一个或多个)传感器的读数通过活动分类算法来识别。类似地，在US6280409B1和US2002/0116080A1中，介绍了一组阈值方法。利用这些方法，在前一种情况下，大大降低了驾驶对于日常生活活动(ADL)水平评估的不希望的影响，并且在后一种情况下，在基于加速度测量的***中避免了虚警，该***能够通过监视个人的运动变化判断他/她是否需要帮助，并且在他/她在车辆中行进时可能被错误地触发。

在上面的方法中存在一些明显的缺陷。手工假事件指示器需要用户介入，这在实践中可能导致不便以及事件的不精确的持续时间信息。自动活动识别方法(阈值方法为其子集)的可靠性在其对于各种用户以及在非实验室环境下的鲁棒性方面仍然受到质疑，尽管它们对于通常具有有限尺寸的测试数据集合表现出可接受的性能。更重要地，常见的缺点在于，这些方法仅在其中V_act≈0且V_pas占主导地位的情况下(例如在车辆中行进)起作用。它们不能处理其中V_act和V_pas在幅度上可比或者虽然V_act占主导地位但是V_pas具有不可忽略的影响的情形。典型的示例将是在非常不平的道路上骑自行车。

发明内容

本发明的目的是通过提供一种消除被动运动造成的加速度信号并且保留真实活动引起的加速度信号的***和方法而克服上述缺陷。

依照一个方面，本发明涉及一种活动监视***，该活动监视***适于从至少第一和第二运动传感器在运动期间附接到对象时产生的读出数据中消除外部力造成的被动运动分量，该读出数据包括重力分量、对象或对象部分的主动运动造成的运动分量以及被动运动分量，所述***包括：

-处理器，其适于：

-估计由所述至少第一和第二运动传感器产生的第一和第二重力分量，

-基于估计的重力分量确定旋转矩阵，该旋转矩阵表示第一传感器在取向上与第二传感器对准所需的旋转，

-当朝第二传感器旋转第一传感器时，将第一运动传感器产生的读出数据与旋转矩阵相乘，并且

-当朝第二运动传感器旋转第一运动传感器时，从第二运动传感器产生的读出数据中减去该相乘的结果。

相应地，通过处理来自所述两个或更多运动传感器的读数，可以抵消被动运动造成的读出数据，即所述***变成与被动运动分量无关，但是保留真实活动引起的加速度信号。这导致对外部运动因素敏感的问题被解决，该问题例如对于基于加速度测量的PA评估***是固有的。***的可靠性因而将大大提高，因为它变得相对于所有类型的环境是鲁棒的，所述环境例如其中主动运动分量V_act和被动运动分量V_pas在幅度上可比或者其中虽然V_act占主导地位但是V_pas具有不可忽略的影响，例如在非常不平的道路上骑自行车。

有利的是，在对应位置处将运动传感器附接到对象，使得当对象经历运动时，运动传感器坐标***的取向不同地变化。优选地，所述对应位置为对象的不同身体部分。

因此，可以将这些传感器附接到例如腰部、胸部、手臂、手腕、大腿和脚踝。所提出的解决方案要求传感器应当放置在产生显著不同的加速度信号的身体部分。这将在后面更详细地加以讨论。

在一个实施例中，所述运动传感器是三个或更多运动传感器。它们可以通过将每两个传感器分组或者选择一个传感器并且将其余传感器与该传感器分别分组来形成两个或更多运动传感器配对，消除被动运动分量的步骤针对每个对应运动传感器配对而执行。

相应地，提供了多个读数，其可以以各种方式处理，例如通过取来自传感器配对的平均值作为最终读出值。

在一个实施例中，所述运动传感器是形成两个或更多运动传感器配对的三个或更多运动传感器，所述处理进一步包括从所述两个或更多运动传感器配对中选择一个运动传感器配对作为所述第一和第二运动传感器，该选择基于监视哪个读出数据与所述三个或更多运动传感器差别最大。

相应地，读出数据中差别越大，最终处理的读数越不可能接近零。此外，结果将是测量变得更加稳定和精确。

在一个实施例中，所述运动传感器是三轴加速度计。

在一个实施例中，所述运动传感器集成到所述***中并且形成手持式设备。

相应地，提供了一种手持式***，其中处理器可以集成到PDA、移动电话、手表等等。

在一个实施例中，所述***还包括适于耦合到处理器的接收器，运动传感器位于外部并且适于向接收器发送读出数据。

因此，所述处理可以通过外部计算机***而发生，这使得所述***对于对象更加经济。举例而言，可以在医护提供商处提供外部计算机***，在那里发生所有的处理步骤。因此，对象仅需携带运动传感器。

在一个实施例中，所述***还包括用于存储由至少第一和第二运动传感器产生的读出数据的存储器。

因此，所述至少第一和第二运动传感器可以形成与处理器分开的传感器单元组件。因此，读出数据可以例如在以后上传到其中发生上述数据处理的外部计算机。

有利的是，本发明涉及活动监视套件，该活动监视套件包括：

-处理器，以及

-适于耦合到处理器的至少第一和第二运动传感器，处理器适于从所述运动传感器在运动期间附接到对象时产生的读出数据中消除外部力造成的被动运动分量，该读出数据包括重力分量、对象或对象部分的主动运动造成的运动分量以及被动移动分量，被动运动分量的消除包括：

-估计由所述至少第一和第二运动传感器产生的第一和第二重力分量，

-基于估计的重力分量确定旋转矩阵，该旋转矩阵表示第一传感器在取向上与第二传感器对准所需的旋转，

-当朝第二传感器旋转第一传感器时，将第一运动传感器产生的读出数据与旋转矩阵相乘，并且

-当朝第二运动传感器旋转第一运动传感器时，从第二运动传感器产生的读出数据中减去该相乘的结果。

依照再一个方面，本发明涉及从至少第一和第二运动传感器在运动期间附接到对象时产生的读出数据中消除外部力造成的被动运动分量的方法，该读出数据包括重力分量、对象或对象部分的主动运动造成的运动分量以及被动运动分量，所述方法包括：

-估计由所述至少第一和第二运动传感器产生的第一和第二重力分量，

-基于估计的重力分量确定旋转矩阵，该旋转矩阵表示第一传感器在取向上与第二传感器对准所需的旋转，

-当朝第二传感器旋转第一传感器时，将第一运动传感器产生的读出数据与旋转矩阵相乘，并且

-当朝第二运动传感器旋转第一运动传感器时，从第二运动传感器产生的读出数据中减去该相乘的结果。

依照又一个方面，本发明涉及一种计算机程序产品，当该产品在计算机上运行时用于指示处理单元执行权利要求8的方法。

本发明的方面中的每一个都可以与任何其他方面相结合。本发明的这些和其他方面根据以下描述的实施例将是清楚明白的，并且将参照这些实施例进行阐述。

附图说明

下面将仅通过示例参照附图描述本发明的实施例，在附图中

图1示出了依照本发明的活动监视***的一个实施例，

图2示出了图1中的活动监视***的另一个实施例，

图3用图形绘出了传感器佩戴位置的不同组合，

图4用图形绘出了不同情形下的传感器坐标***的取向，

图5为前面在图1和图2下讨论的外部运动抵消方案的框图，以及

图6为依照本发明的方法的流程图。

具体实施方式

图1示出了依照本发明的活动监视***100的一个实施例，其适于从至少第一和第二运动传感器在运动期间附接到对象104时产生的读出数据105中消除外部力造成的被动运动分量。优选地，运动传感器101、102在对象的不同身体部分附接到对象，使得当对象104经历运动时，运动传感器坐标***的取向不同地变化。这将在以后在图3和图4中更详细地加以讨论。术语对象指的是人、动物或生物物种，以及能够在空间中至少部分自由地运动的任何装置，例如机器人。

该***包括至少第一运动传感器101和至少第二运动传感器102以及耦合到这些运动传感器的处理器(P)103。在该实施例中，***集成到用户携带的手持式设备中，所述手持式设备例如移动电话、PDA、数字手表等等，其中运动传感器通过有线或无线通信链路连接到处理器。

在一个实施例中，这些运动传感器是三轴加速度计，但是其他类型的传感器同样是可能的，例如超声运动检测器。

假设运动传感器的数量为2，例如第一和第二三轴加速度计，那么读出数据105可以表示为：

$V_a^{\left(1\right)}=V_g^{\left(1\right)}+V_{\mathrm{act}}^{\left(1\right)}+V_{\mathrm{pas}}^{\left(1\right)},---\left(3\right)$

$V_a^{\left(2\right)}=V_g^{\left(2\right)}+V_{\mathrm{act}}^{\left(2\right)}+V_{\mathrm{pas}}^{\left(2\right)},---\left(4\right)$

其中

和

分别表示来自这两个加速度计的矢量加速度读数，

和

为矢量重力加速度分量，

和为来自主动运动的矢量加速度，并且

和

为来自被动运动的矢量加速度。在其中主动身体运动和外部运动因素共同存在并且没有一个可忽略的情况下，V_act和V_pas分量在

和中具有显著的值。直接低通或高通滤波仅在V_act和V_pas在频谱上不重叠时起作用，并且它不能够处理更一般的情况。重叠通常表示V_act和V_pas在频率上的重叠，即V_act和V_pas二者都具有在其频谱上不可分开的低频和/或高频分量。这适用于所有轴。

换而言之，当诸如三轴加速度计之类的运动传感器静止不动时，它测量沿着其三个感测轴分解的地球重力。如果加速度计开始运动，那么除了重力加速度之外，也记录由运动引起的惯性加速度。然而，加速度计的该运动可以由传感器所附接的身体部分的主动运动以及由外部力引起的“被动”运动造成。这样的被动运动可以来源于对象在车辆中行进、在崎岖不平的道路上骑自行车、利用割草机劳动、在火车中行进、乘电梯或自动扶梯、在娱乐公园游玩等等时。在这些被动运动形成与主动运动分量造成的真实活动引起的加速度信号的偏差这个意义上，这些被动运动可以被认为是加速度信号中的“噪声”。正是这个被动运动分量为***100所消除。

在实践中，所述两个加速度计的感测轴通常不对准。也就是说，在方程(3)和(4)中，对于重力分量而言，

此外，这两个传感器坐标***的相对取向随着瞬时身体姿势和进行的活动而相应地变化(参见图3和图4)。这意味着外部运动引起的加速度由所述两个加速度计不同地感测，即

处理器103的作用是处理读出数据以便消除外部力造成的被动运动分量

和

为此，估计重力分量

和

让我们将给定时刻的加速度矢量

和

表示为

和

其中k表示采样时刻(以例如秒或毫秒为单位)。针对给定时刻k确定对于重力加速度矢量V_g的时间估计

和

在一个实施例中，这些时间估计通过下列方程来确定：

$V_g^{\left(1\right)}=V_g^{\left(1\right)}\left[k\right]=\frac{1}{2K+1}\underset{m=-K}{\overset{K}{\mathrm{\Σ}}}{V}_a^{\left(1\right)}[k-m]---\left(5\right)$

$V_g^{\left(2\right)}=V_g^{\left(2\right)}\left[k\right]=\frac{1}{2K+1}\underset{m=-K}{\overset{K}{\mathrm{\Σ}}}{V}_a^{\left(2\right)}[k-m]---\left(6\right)$

和分别为离散时域下来自第一和第二运动传感器的加速度读出数据序列，k为采样时刻，并且2K+1为用于平均的围绕

和的样本数。举例而言，如果例如采样时刻为k＝3s，即为V_a[3s]提取重力和惯性分量并且K＝1，那么方程(5)和(6)分别变成

$1/(2*1+1)\left(V_a^{\left(1\right)}\right[2]+V_a^{\left(1\right)}[3]+V_a^{\left(1\right)}[4\left]\right)=V_g^{\left(1\right)}\left[3\right]=V_g^{\left(1\right)}$ 和

这显然正好是时间间隔2-4秒上传感器读数的平均值。当该时间间隔选择得合理时，该估计通常是很好的猜测，因为惯性力不太可能持续非常长的时间，而是倾向于平均到接近零。举例而言，如果佩戴加速度计的个人向上跳跃，那么惯性加速度矢量初始时最大，在最大高度处(在个人停止时刻)变为零，并且当个人触地时变为负。如果采样频率足够高，那么这些惯性加速度矢量随着时间的总和将为零，并且因而加速度计读数的总和(或平均值)将等于重力加速度。在这里，当然重要的是选择提供合理的

的合理时间间隔。这取决于应用或者加速度计的实现方式，例如运动类型。如果应用是跳跃，那么合理的时间间隔可以例如是1-2秒。

在估计了由所述至少第一和第二运动传感器产生的第一和第二重力分量之后，基于估计的重力分量确定旋转矩阵R，该旋转矩阵表示第一传感器在取向上与第二传感器对准所需的旋转，或者相反地，表示第二传感器在取向上与第一传感器对准所需的旋转。相应地，得到：

$V_g^{\left(1\right)}=R^{\left(2\right)\→\left(1\right)}{V}_g^{\left(2\right)}---\left(7\right)$

$V_g^{\left(2\right)}=R^{\left(1\right)\→\left(2\right)}{V}_g^{\left(1\right)}---\left(8\right)$

其中R^(2)→(1)和R^(1)→(2)分别表示当朝

旋转

时以及当朝

旋转

时的旋转矩阵。

对于作为示例的三轴加速度计而言并且将地球取作参考坐标系，旋转矩阵R是3×3矩阵，其可以分解成三个子旋转矩阵R_x(θ)、

和R_z(ψ)的乘积。这三个矩阵分别代表在将一个矢量旋转到另一个矢量时关于x轴的平面旋转θ、关于y轴的平面旋转

以及关于z轴的平面旋转ψ。当θ、

和ψ都非零时，方程(7)或(8)具有最大三个未知数，并且因而它是可求解的。

下一步骤是当朝第一传感器旋转第二传感器时，将第二运动传感器产生的读出数据(方程(4))与旋转矩阵R^(2)→(1)相乘。结果是：

$R^{\left(2\right)\→\left(1\right)}{V}_a^{\left(2\right)}=V_g^{\left(1\right)}+R^{\left(2\right)\→\left(1\right)}{V}_{\mathrm{act}}^{\left(2\right)}+V_{\mathrm{pas}}^{\left(1\right)},---\left(9\right)$

其中使用了方程(7)和外部运动效应

$R^{\left(2\right)\→\left(1\right)}{V}_{\mathrm{pas}}^{\left(2\right)}\≈V_{\mathrm{pas}}^{\left(1\right)}---\left(10\right)$

应当指出的是，措词第一传感器也可以表示产生方程(4)中的读出数据的运动传感器。因此，上述步骤也可以表示R^(1)→(2)与方程(3)相乘。因此，利用

并且使用方程(8)，结果将是：

$R^{\left(1\right)\→\left(2\right)}{V}_a^{\left(1\right)}=V_g^{\left(2\right)}+R^{\left(1\right)\→\left(2\right)}{V}_{\mathrm{act}}^{\left(1\right)}+V_{\mathrm{pas}}^{\left(2\right)}$

最后，从第一运动传感器产生的读出数据中减去乘法结果，即方程(9)，即从(3)中减去(9)给出：

${\tilde{V}}_a=V_a^{\left(1\right)}-R^{\left(2\right)\→\left(1\right)}{V}_a^{\left(2\right)}=V_{\mathrm{act}}^{\left(1\right)}-R^{\left(2\right)\→\left(1\right)}{V}_{\mathrm{act}}^{\left(2\right)}---\left(11\right)$

在预测物理活动相关的能量消耗时使用

而不是

或

可以看出，

仅仅依赖于真实活动引起的

和

并且移除了来自外部运动因素的影响。因此，输出值仅包括真实活动引起的加速度信号。

方程(11)基本上通过线性组合两个矢量

和

产生新的矢量

如前所述，运动传感器优选地在对应位置处附接到对象，这些位置例如对象的不同身体部分，使得当对象经历运动时，运动传感器坐标***的取向不同地变化。因此，保证了不同的日常活动引起的加速度不会接近零。事实上，

的幅度的最低边界满足

$\left|\right|{\tilde{V}}_a\left|\right|\≥\left|\right|\left|V_{\mathrm{act}}^{\left(1\right)}\right||-|\left|R^{\left(2\right)\→\left(1\right)}{V}_{\mathrm{act}}^{\left(2\right)}\right|\left|\right|---\left(12\right)$

1范数‖‖给出其矢量分量的幅度和，即对于V＝(x，y，z)，‖V‖＝|x|+|y|+|z|，其是从加速度计读数达到所谓的活动计数最常采用的范数。方程(12)说明，

的活动计数不会小于根据所述两个单独的传感器计算的活动计数之差的绝对值。因此，对于该方案，

没有过时。

新矢量

组合了两个直接测量结果

和因此预期与活动相关能量消耗(AEE)或者物理活动水平(PAL)的关系是不同的。给定传感器佩戴位置的特定组合，可以从实验上获得和评估对于AEE或PAL的基于

的预测曲线。存在实现这点的各种方式，这超出了本发明公开内容的范围并且因而不在这里加以讨论。

在各种实现方式中，可以将加速度计集成到衣服中，例如集成到外衣中。为了实现其读数的同步，所述传感器可以实时连接或者具有或没有时戳地单独地运行。在后一种情况下，同步借助于数据分析来实现。

图2示出了***100的另一个实施例，但是它与图1中的实施例的不同之处在于，所述处理从用户104的外部执行，例如在临床中心处执行，其中该***还包括用于通过诸如互联网之类的通信链路202(例如有线链路或无线链路)将读出数据从传感器101、102发送到外部处理站210的发送器(T)201。外部处理站210包括接收器(R)203，其耦合到处理器(P)204，用于接收发送的数据105。处理器(P)204然后执行前面在图1中讨论的上述处理步骤。

该实时处理情形并非总是需要的。在另一个实施例中，运动数据首先本地地存储在感测设备(例如手持式设备)的存储器205中，并且后来上传到其中发生数据处理的外部计算机。在这种情况下，不需要发送器，这使得设备的电池寿命更长。

在一个实施例中，所述运动传感器是三个或更多个，并且形成两个或更多运动传感器配对。通常，仅需要设置在提供显著不同的读出信号的位置处的两个运动传感器。然而，通过使用两个或更多运动传感器，有可能挑选出在读出信号方面差别最大的那两个传感器。这可以反映在更高的精度，即信号读数差别越大，那么最终读数过时的机会越小。相应地，测量变得更加稳定和精确。

在另一个实施例中，使用所述三个或更多传感器以便形成两个或更多传感器配对。对于每个传感器配对，执行上述处理步骤，从而导致两个或更多方程(11)以及因而仅仅取决于和

的两个或更多读数。这些读数然后可以用来找到平均读数值，并且通过这种方式，可以进一步提高最终读数的精度。

图3用图形绘出了例如双加速度计活动监视(AM)***中传感器佩戴位置的不同组合。如图所示，图2a和图2b绘出了传感器的优选位置，而图2c中绘出的传感器位置显示了不利的传感器位置。容易理解的是，根据移动期间各个身体部分的运动学性质，手臂与腰部的表现截然不同，而在大多数日常活动中，由于躯干的刚性，胸部和腰部作为整体而移动并且因而产生非常相似的加速度。

图4用图形绘出了不同情形下的传感器坐标***401、402的取向，其中图4a示出了站立姿势期间传感器的取向，图4b示出了就坐姿势期间传感器的取向，并且图4c示出了跑步期间传感器的取向。

图5为前面在图1下讨论的外部运动抵消方案的框图，其中选择朝

旋转的情况作为示例，粗箭头指示矩阵形式的传递数据。

图6为依照本发明的方法的流程图，其用于从至少第一和第二运动传感器在运动期间附接到对象时产生的读出数据中消除外部力造成的被动运动分量。对于每个对应运动传感器，该读出数据包括重力分量、对象或对象部分的主动运动造成的运动分量以及被动运动分量。如前所述，运动传感器的佩戴位置被选择成使得运动传感器的感测轴的取向在对象的主动运动期间显著不同，并且因而加速度读数也将显著不同。

在第一步骤(S1)601中，例如使用方程(5)和(6)估计由所述至少第一和第二运动传感器产生的第一和第二重力分量。

在第二步骤(S2)603中，使用估计的重力分量确定旋转矩阵，其中该矩阵表示第一传感器在取向上与第二传感器对准所需的旋转，或者相反地，表示第二传感器在取向上与第一传感器对准所需的旋转。相应地，这导致

(方程7)和

(方程8)。此外，由于旋转矩阵表示所述两个运动传感器之间的取向差别，因而由于外部运动影响的性质，

(方程10)以及相反地，

在第三步骤(S3)605中，当朝第二传感器旋转第一传感器时，将第一运动传感器产生的读出数据与旋转矩阵相乘。这也可以相反地进行，即通过当朝第一传感器旋转第二传感器时，乘以第二传感器产生的读出数据来进行。这在数学上示于方程(9)，其中***了方程(7)和(10)。

在第四步骤(S4)607中，当朝第二运动传感器旋转第一运动传感器时，从第二运动传感器产生的读出数据中减去来自步骤(S3)的结果，即方程(9)，即从方程(3)中减去方程(9)。因此，结果是消除了被动运动分量(参见方程(11))。

出于解释而不是限制的目的阐述了所公开实施例的某些特定细节，以便提供对于本发明的清楚而彻底的理解。然而，本领域技术人员应当理解的是，本发明可以在不完全与本文所述细节一致的其他实施例中实施，而没有显著脱离本公开内容。此外，在本上下文中并且出于简洁和清楚的目的，省略了对于公知设备、电路和方法的详细描述以便避免不必要的细节和可能的混淆。

权利要求书中包含了附图标记，然而，附图标记的包含仅仅出于清楚性的原因，并且不应当被视为对权利要求书的范围的限制。

Claims (8)

1.一种活动监视***(100)，适于从至少第一和第二运动传感器(101，102)在运动期间附接到对象(104)时产生的读出数据(105)中消除外部力造成的被动运动分量，该读出数据(105)包括重力分量、对象或对象部分的主动运动造成的运动分量以及被动运动分量，所述***包括：

-处理器(103，203)，其适于：

-估计由所述至少第一和第二运动传感器(101，102)产生的第一和第二重力分量，

-基于估计的重力分量确定旋转矩阵，该旋转矩阵表示第一运动传感器在取向上与第二运动传感器对准所需的旋转，

-当朝第二运动传感器旋转第一运动传感器时，将第一运动传感器产生的读出数据与旋转矩阵相乘，并且

-当朝第二运动传感器旋转第一运动传感器时，从第二运动传感器产生的读出数据中减去该相乘的结果。

2.依照权利要求1的活动监视***，其中所述至少第一和第二运动传感器(101，102)包括形成两个或更多运动传感器配对的三个或更多运动传感器，所述处理器适于消除由每个对应运动传感器配对产生的所述第一和第二重力分量。

3.依照权利要求1的活动监视***，其中所至少第一和第二述运动传感器(101，102)包括形成两个或更多运动传感器配对的三个或更多运动传感器，所述处理器进一步适于，基于监视哪个读出数据与所述三个或更多运动传感器差别最大，从所述两个或更多运动传感器配对中选择一个运动传感器配对作为所述第一和第二运动传感器。

4.依照权利要求1的活动监视***，其中所述至少第一和第二运动传感器是三轴加速度计。

5.依照权利要求1的活动监视***，其中所述至少第一和第二运动传感器(101，102)集成到所述***中并且形成手持式设备。

6.依照权利要求1的活动监视***，其中该***还包括适于耦合到处理器(204)的接收器(203)，所述至少第一和第二运动传感器(101，102)位于外部并且适于向接收器(203)发送读出数据(105)。

7.依照权利要求1的活动监视***，还包括用于存储由所述至少第一和第二运动传感器产生的读出数据的存储器(205)。

8.一种从至少第一和第二运动传感器在运动期间附接到对象时产生的读出数据中消除外部力造成的被动运动分量的方法，该读出数据包括重力分量、对象或对象部分的主动运动造成的运动分量以及被动运动分量，所述方法包括：

-估计由所述至少第一和第二运动传感器产生的第一和第二重力分量(601)，

-基于估计的重力分量确定旋转矩阵，该旋转矩阵表示第一运动传感器在取向上与第二运动传感器对准所需的旋转(603)，

-当朝第二运动传感器旋转第一运动传感器时，将第一运动传感器产生的读出数据与旋转矩阵相乘(605)，并且

-当朝第二运动传感器旋转第一运动传感器时，从第二运动传感器产生的读出数据中减去该相乘的结果(607)。

Images