CN108197082A - 一种根据步伐可信度估计的计步方法 - Google Patents

Abstract

本发明公开一种根据步伐可信度估计的计步方法，对垂向加速度和前向加速度数据作两次步伐可信度估计；第一次估计时，计算两轴数据的近似标准差，根据近似标准差的大小滤除一部分静止或微小动作步态；第二次估计时，计算时间窗内的高阈值和低阈值，根据二者差值判别出存在可信步伐的时间窗；在满足条件的时间窗内遍历垂向加速度数据点，依据其与低阈值、中阈值的比较检测到步伐变化的时间点；本发明方法精度高，计步效果好，实时性强。

Description

一种根据步伐可信度估计的计步方法

技术领域

本发明涉及利用加速度的计步方法，特别是涉及一种根据步伐可信度估计的计步方法。

背景技术

行人步行时，固定在腰部的三轴加速度计会呈现出周期性变化，特别是垂向加速度和前向加速度。通过对加速度数据的处理，可以检测出行人的步伐。传统方法中通常将垂向加速度对比设定的阈值，但是由于噪声和误差等因素，一个周期内存在多个峰谷值，这种方法容易造成多计步的问题，计步准确性较低。另外，传统方法中通常使用固定长度的时间窗，如果步伐恰好产生在时间窗的开始或结束位置，算法无法检测出这个步伐，会有漏计步的问题。

发明内容

技术问题：本发明提供一种有效、方便、精确、实时解算速度快，提高了准确性和效率的根据步伐可信度估计的计步方法。

技术方案：本发明的根据步伐可信度估计的计步方法，其实施的硬件装置包括，加速度计、控制解算单元、电源模块、上位机；所述的加速度计与控制解算单元通过IIC总线相连；所述的电源模块与控制解算单元相连；所述的上位机与控制解算单元通过串口总线相连；所述的控制解算单元负责接收加速度数据并运算；所述的上位机负责显示实时结果。

本发明的根据步伐可信度估计的计步方法，包括以下步骤：

1)人体佩戴的加速度计检测垂向加速度和前向加速度，将检测到的垂向加速度放入自定义的缓冲数组Z，得到Z时间窗，将检测到的前向加速度放入自定义的缓冲数组Y，得到Y时间窗，两个时间窗的长度都为N；

2)根据下式计算垂向加速度的近似标准差stz：

其中，acc_z₁是Z时间窗内的第一个数据，acc_z_i是Z时间窗内第i个数据，i是Z时间窗中数据的序号，1≤i≤N；

根据下式计算前向加速度的近似标准差sty：

其中，acc_y₁是Y时间窗内的第一个数据，acc_y_j是Y时间窗内第j个数据，j是Y时间窗中数据的序号，1≤j≤N；

3)根据下式分别判断第一次步伐可信度的垂向估计取值p1z和前向估计取值p1y：

4)若p1z和p1y同时为1，则按照如下方式计算Z时间窗内的高阈值TrHz、低阈值TrLz和Y时间窗内的高阈值TrHy、低阈值TrLy，否则更新垂向加速度和前向加速度后返回步骤1)：

其中，vmax_z_k1是Z时间窗内的极大值，m为Z时间窗内的极大值个数，vmin_z_k2是Z时间窗内的极小值，n为Z时间窗内的极小值个数，TrHz_t-1和TrLz_t-1分别是上一Z时间窗内的高阈值和低阈值，t为当前Z时间窗的编号，k1和k2分别为Z时间窗内极大值和极小值的序号，1≤k1≤m，1≤k2≤n，vmax_y_k3是Y时间窗内的极大值，p为Y时间窗内的极大值个数，vmin_y_k4是Y时间窗内的极小值，q为Y时间窗内的极小值个数，TrHy_t-1和TrLy_t-1分别是上一Y时间窗内的高阈值和低阈值，t为当前Y时间窗的编号，k3和k4为分别为Y时间窗内极大值和极小值的序号，1≤k3≤p，1≤k4≤q；

5)根据下式分别计算Z时间窗内的高低阈值差值vppz和Y时间窗内的高低阈值差值vppy：

vppz＝TrHz-TrLz

vppy＝TrHy-TrLy

其中，TrHz为Z时间窗内的高阈值，TrLz为Z时间窗内的低阈值，TrHy为Y时间窗内的高阈值，TrLy为Y时间窗内的低阈值；

6)根据下式分别判断第二次步伐可信度的垂向估计取值p2z和前向估计取值p2y：

7)若p2z和p2y同时为1，则说明Z时间窗内很可能产生了步伐，根据下式计算垂向加速度的中阈值，否则更新垂向加速度和前向加速度后返回步骤1)：

8)将Z时间窗中的数据按照序号从小到大的顺序，依次根据以下条件进行判断：

acc_z_i＜TrLz＜acc_z_i+1 (1)

acc_z_i＞TrLz＞acc_z_i+1 (2)

其中，acc_z_i是Z时间窗内第i个数据，acc_z_i+1是Z时间窗内第i+1个数据，1≤i≤N-1，若先出现一个数据满足公式(1)，则判断该数据从下向上穿越了低阈值，记此时的数据序号为s，进入步骤9)，若先出现一个数据满足公式(2)，则判断该数据从上向下穿越了低阈值，记此时的数据序号为w，更新垂向加速度并得到新的Z时间窗，返回步骤2)，若Z时间窗中的所有数据都既不满足公式(1)，也不满足公式(2)，则更新垂向加速度和前向加速度后返回步骤1)；

所述新的Z时间窗内的数据点为：

Z＝{acc_z_w+1，...，acc_z_N，...，acc_z_N+w}

其中，acc_z_w+1是旧的Z时间窗内第w+1个数据，acc_z_N是旧的Z时间窗内第N个数据，此后是新接收的垂向加速度，acc_z_N+w是新接收到的第w个数据，新的Z时间窗长度仍为N；

9)将Z时间窗中的第s+1个至第N个数据按照序号从小到大的顺序，依次根据以下条件进行判断：

acc_z_i＜Tr＜acc_z_i+1 (3)

acc_z_i＞TrLz＞acc_z_i+1 (4)

其中，acc_z_i是Z时间窗内第i个数据，acc_z_i+1是Z时间窗内第i+1个数据，s+1≤i≤N-1，若出现一个数据满足公式(3)，则判断该数据从下向上穿越了中阈值，并计一个步伐，若出现一个数据满足公式(4)，则判断该数据从上向下穿越了低阈值，记此时的数据序号为r，更新垂向加速度并得到新的Z时间窗，返回步骤2)，若Z时间窗中的第s+1至第N个数据中的所有数据都不满足公式(4)，则更新垂向加速度和前向加速度后返回步骤1)，所述新的Z时间窗内的数据点为：

Z＝{acc_z_r+1，...，acc_z_N，...，acc_z_N+r}

其中，acc_z_r+1是旧的Z时间窗内第r+1个数据，acc_z_N是旧的Z时间窗内第N个数据，此后是新接收的垂向加速度，acc_z_N+r是新接收到的第r个数据，新的Z时间窗长度仍为N。

进一步的，本发明方法中，所述步骤1)的垂向加速度和前向加速度应先做均值滤波。

进一步的，本发明方法中，所述步骤4)中的Z时间窗内的极大值wmax_z_k1和Y时间窗内的极大值vmax_y_k3判定方法为分别按照以下方式确定：

vmax_z_k1-1＜vmax_z_k1且vmax_z_k1+1＜vmax_z_k1

vmax_y_k3-1＜vmax_y_k3且vmax_y_k3+1＜vmax_y_k3

其中，vmax_z_k1-1是Z时间窗内第k1-1个数据，vmax_z_k1+1是Z时间窗内第k1+1个数据，vmax_y_k3-1是Y时间窗内第k3-1个数据，vmax_y_k3+1是Y时间窗内第k3+1个数据；

Z时间窗内的极小值vmin_z_k2和Y时间窗内的极小值vmin_y_k4判定方法为分别按照以下方式确定：

vmin_z_k2-1＞vmin_z_k2且vmin_z_k2+1＞vmin_z_k

vmin_y_k4-1＞vmin_y_k4且vmin_y_k4+1＞vmin_y_k

其中，vmin_z_k2-1是Z时间窗内第k2-1个数据，vmin_z_k2+1是Z时间窗内第k2+1个数据，vmin_y_k4-1是Y时间窗内第k4-1个数据，vmin_y_k4+1是Y时间窗内第k4+1个数据。

进一步，本发明方法中，步骤1)中缓冲数组Z和缓冲数组Y的长度N的取值范围为30≤N≤70。

进一步，本发明方法中，上述步骤1)中缓冲数组Z和缓冲数组Y的长度N＝50。

有益效果：本发明与现有技术相比，具有以下优点：

(1)现有技术一般只计算垂向加速度，该方法综合考虑了垂向加速度和前向加速度，对两轴数据点的约束使得计步器能够滤除原地晃动、踏步、转弯等无效步伐，只记录向前行进的步伐，计步结果更加可靠，应用于航位推算算法时可使位置计算更加精确。

(2)传统方法计算标准差需要对数据进行两次遍历，第一次计算均值，第二次计算标准差，该方法使用的近似标准差不需要计算均值，但仍能够描述数据点的波动程度，时间复杂度较低，在实时解算中提升了算法的速度。

(3)该方法分别用不同的统计参数作出两次可信度估计，第二次估计计算量略大于第一次估计。第一次估计能够滤除明显不存在步伐的情况，在满足此条件的基础下才进行第二次估计，避免了一些不必要的计算；第二次估计能够滤除大部分静止和微小动作的情况，仅在其余有较大可能存在步伐的时间窗内检测步伐，提高了算法的准确性和效率。

(4)在使用现有技术时，如果产生步伐的时刻恰好处在时间窗的起始和结束位置，算法无法检测出，会造成漏步情况。该方法使用的时间窗是动态的，动态时间窗使产生步伐的时刻更可能落在时间窗的中部，因此计步结果精度更高。

附图说明

图1为本发明方法所用一种计步器硬件装置示意图

图2为本发明一种根据步伐可信度估计的计步方法流程图

图3为垂向加速度的动态阈值和p2z

图4为前向加速度的动态阈值和p2y

图5为计步效果示意图

具体实施方式

下面结合实施例和说明书附图对本发明作进一步地说明。

如图1所示，本发明的一种根据步伐可信度估计的计步方法，其实施的硬件装置包括，加速度计、控制解算单元、电源模块、上位机；所述的加速度计与控制解算单元通过IIC总线相连；所述的电源模块与控制解算单元相连；所述的上位机与控制解算单元通过串口总线相连；所述的控制解算单元负责接收加速度数据并运算；所述的上位机负责显示实时结果。

本实施例中一种根据步伐可信度估计的计步方法，包括以下步骤：

1)人体佩戴的加速度计检测垂向加速度和前向加速度，将检测到的垂向加速度经均值滤波后放入自定义的缓冲数组Z，得到Z时间窗，将检测到的放入自定义的缓冲数组Y，得到Y时间窗，两个时间窗的长度都为N，N的取值范围为30≤N≤70，本实施例中N＝50。

本发明的另一种优选实施例中，垂向加速度和前向加速度应先做均值滤波再放入自定义的缓冲数组，以滤除波动特别大的有害数据点，使周期性趋势更加明显。

2)根据下式计算垂向加速度的近似标准差stz：

其中，acc_z₁是Z时间窗内的第一个数据，acc_z_i是Z时间窗内第i个数据，i是Z时间窗中数据的序号，1≤i≤N。

根据下式计算前向加速度的近似标准差sty：

其中，acc_y₁是Y时间窗内的第一个数据，acc_y_j是Y时间窗内第j个数据，j是Y时间窗中数据的序号，1≤j≤N。

3)根据下式分别判断第一次步伐可信度的垂向估计取值p1z和前向估计取值p1y：

4)若p1z和p1y同时为1，则按照如下方式计算Z时间窗内的高阈值TrHz、低阈值TrLz和Y时间窗内的高阈值TrHy、低阈值TrLy，否则更新垂向加速度和前向加速度后返回步骤1)：

其中，vmax_z_k1是Z时间窗内的极大值，m为Z时间窗内的极大值个数，vmin_z_k2是Z时间窗内的极小值，n为Z时间窗内的极小值个数，TrHz_t-1和TrLz_t-1分别是上一Z时间窗内的高阈值和低阈值，t为当前Z时间窗的编号，k1和k2分别为Z时间窗内极大值和极小值的序号，1≤k1≤m，1≤k2≤n，vmax_y_k3是Y时间窗内的极大值，p为Y时间窗内的极大值个数，vmin_y_k4是Y时间窗内的极小值，q为Y时间窗内的极小值个数，TrHy_t-1和TrLy_t-1分别是上一Y时间窗内的高阈值和低阈值，t为当前Y时间窗的编号，k3和k4为分别为Y时间窗内极大值和极小值的序号，1≤k3≤p，1≤k4≤q。

本发明的另一种优选实施例中，Z时间窗内的极大值vmax_z_k1和Y时间窗内的极大值vmax_y_k3判定方法分别按照以下方式确定：

vmax_z_k1-1＜vmax_z_k1且vmax_z_k1+1＜vmax_z_k1

vmax_y_k3-1＜vmax_y_k3且vmax_y_k3+1＜vmax_y_k3

其中，vmax_z_k1-1是Z时间窗内第k1-1个数据，vmax_z_k1+1是Z时间窗内第k1+1个数据，vmax_y_k3-1是Y时间窗内第k3-1个数据，vmax_y_k3+1是Y时间窗内第k3+1个数据；

Z时间窗内的极小值vmin_z_k2和Y时间窗内的极小值vmin_y_k4判定方法为分别按照以下方式确定：

vmin_z_k2-1＞vmin_z_k2且vmin_z_k2+1＞vmin_z_k

vmin_y_k4-1＞vmin_y_k4且vmin_y_k4+1＞vmin_y_k

其中，vmin_z_k2-1是Z时间窗内第k2-1个数据，vmin_z_k2+1是Z时间窗内第k2+1个数据，vmin_y_k4-1是Y时间窗内第k4-1个数据，vmin_y_k4+1是Y时间窗内第k4+1个数据。

5)根据下式分别计算Z时间窗内的高低阈值差值vppz和Y时间窗内的高低阈值差值vppy：

vppz＝TrHz-TrLz

vppy＝TrHy-TrLy

其中，TrHz为Z时间窗内的高阈值，TrLz为Z时间窗内的低阈值，TrHy为Y时间窗内的高阈值，TrLy为Y时间窗内的低阈值。

6)根据下式分别判断第二次步伐可信度的垂向估计取值p2z和前向估计取值p2y：

Z时间窗内的高阈值、低阈值，中阈值和垂向估计取值p2z计算结果如图3所示，Y时间窗内的高阈值、低阈值、中阈值和前向估计取值p2y计算结果如图4所示。

7)若p2z和p2y同时为1，则说明Z时间窗内很可能产生了步伐，根据下式计算垂向加速度的中阈值，否则更新垂向加速度和前向加速度后返回步骤1)：

8)将Z时间窗中的数据按照序号从小到大的顺序，依次根据以下条件进行判断：

acc_z_i＜TrLz＜acc_z_i+1 (1)

acc_z_i＞TrLz＞acc_z_i+1 (2)

其中，acc_z_i是Z时间窗内第i个数据，acc_z_i+1是Z时间窗内第i+1个数据，1≤i≤N-1，若先出现一个数据满足公式(1)，则判断该数据从下向上穿越了低阈值，记此时的数据序号为s，进入步骤9)，若先出现一个数据满足公式(2)，则判断该数据从上向下穿越了低阈值，记此时的数据序号为w，更新垂向加速度并得到新的Z时间窗，返回步骤2)，若Z时间窗中的所有数据都既不满足公式(1)，也不满足公式(2)，则更新垂向加速度和前向加速度后返回步骤1)。

所述新的Z时间窗内的数据点为：

Z＝{acc_z_w+1，...，acc_z_N，...，acc_z_N+w}

其中，acc_z_w+1是旧的Z时间窗内第w+1个数据，acc_z_N是旧的Z时间窗内第N个数据，此后是新接收的垂向加速度，acc_z_N+w是新接收到的第w个数据，新的Z时间窗长度仍为N。

9)将Z时间窗中的第s+1个至第N个数据按照序号从小到大的顺序，依次根据以下条件进行判断：

acc_z_i＜Tr＜acc_z_i+1 (3)

acc_z_i＞TrLz＞acc_z_i+1 (4)

其中，acc_z_i是Z时间窗内第i个数据，acc_z_i+1是Z时间窗内第i+1个数据，s+1≤i≤N-1，若出现一个数据满足公式(3)，则判断该数据从下向上穿越了中阈值，并计一个步伐，若出现一个数据满足公式(4)，则判断该数据从上向下穿越了低阈值，记此时的数据序号为r，更新垂向加速度并得到新的Z时间窗，返回步骤2)，若Z时间窗中的第s+1至第N个数据中的所有数据都不满足公式(4)，则更新垂向加速度和前向加速度后返回步骤1)，所述新的Z时间窗内的数据点为：

Z＝{acc_z_r+1，...，acc_z_N，...，acc_z_N+r}

其中，acc_z_r+1是旧的Z时间窗内第r+1个数据，acc_z_N是旧的Z时间窗内第N个数据，此后是新接收的垂向加速度，acc_z_N+r是新接收到的第r个数据，新的Z时间窗长度仍为N。

本实施例的具体工作流程图如图2所示，计步效果如图5所示。

上述实施例仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和等同替换，这些对本发明权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。

Claims (5)

1.一种根据步伐可信度估计的计步方法，其特征在于，该方法包括以下步骤：

1)人体佩戴的加速度计检测垂向加速度和前向加速度，将检测到的垂向加速度放入自定义的缓冲数组Z，得到Z时间窗，将检测到的前向加速度放入自定义的缓冲数组Y，得到Y时间窗，两个时间窗的长度都为N；

2)根据下式计算垂向加速度的近似标准差stz：

其中，acc_z₁是Z时间窗内的第一个数据，acc_z_i是Z时间窗内第i个数据，i是Z时间窗中数据的序号，1≤i≤N；

根据下式计算前向加速度的近似标准差sty：

其中，acc_y₁是Y时间窗内的第一个数据，acc_y_j是Y时间窗内第j个数据，j是Y时间窗中数据的序号，1≤j≤N；

3)根据下式分别判断第一次步伐可信度的垂向估计取值p1z和前向估计取值p1y：

4)若p1z和p1y同时为1，则按照如下方式计算Z时间窗内的高阈值TrHz、低阈值TrLz和Y时间窗内的高阈值TrHy、低阈值TrLy，否则更新垂向加速度和前向加速度后返回步骤1)：

其中，vmax_z_k1是Z时间窗内的极大值，m为Z时间窗内的极大值个数，vmin_z_k2是Z时间窗内的极小值，n为Z时间窗内的极小值个数，TrHz_t-1和TrLz_t-1分别是上一Z时间窗内的高阈值和低阈值，t为当前Z时间窗的编号，k1和k2分别为Z时间窗内极大值和极小值的序号，1≤k1≤m，1≤k2≤n，vmax_y_k3是Y时间窗内的极大值，p为Y时间窗内的极大值个数，vmin_y_k4是Y时间窗内的极小值，q为Y时间窗内的极小值个数，TrHy_t-1和TrLy_t-1分别是上一Y时间窗内的高阈值和低阈值，t为当前Y时间窗的编号，k3和k4为分别为Y时间窗内极大值和极小值的序号，1≤k3≤p，1≤k4≤q；

5)根据下式分别计算Z时间窗内的高低阈值差值vppz和Y时间窗内的高低阈值差值vppy：

vppz＝TrHz--TrLz

vppy＝TrHy--TrLy

其中，TrHz为Z时间窗内的高阈值，TrLz为Z时间窗内的低阈值，TrHy为Y时间窗内的高阈值，TrLy为Y时间窗内的低阈值；

6)根据下式分别判断第二次步伐可信度的垂向估计取值p2z和前向估计取值p2y：

7)若p2z和p2y同时为1，则说明Z时间窗内很可能产生了步伐，根据下式计算垂向加速度的中阈值，否则更新垂向加速度和前向加速度后返回步骤1)：

8)将Z时间窗中的数据按照序号从小到大的顺序，依次根据以下条件进行判断：

acc_z_i＜TrLz＜acc_z_i+1 (1)

acc_z_i＞TrLz＞acc_z_i+1 (2)

其中，acc_z_i是Z时间窗内第i个数据，acc_z_i+1是Z时间窗内第i+1个数据，1≤i≤N-1，若先出现一个数据满足公式(1)，则判断该数据从下向上穿越了低阈值，记此时的数据序号为s，进入步骤9)，若先出现一个数据满足公式(2)，则判断该数据从上向下穿越了低阈值，记此时的数据序号为w，更新垂向加速度并得到新的Z时间窗，返回步骤2)，若Z时间窗中的所有数据都既不满足公式(1)，也不满足公式(2)，则更新垂向加速度和前向加速度后返回步骤1)；

所述新的Z时间窗内的数据点为：

Z＝{acc_z_w+1，...，acc_z_N，...，acc_z_N+w}

其中，acc_z_w+1是旧的Z时间窗内第w+1个数据，acc_z_N是旧的Z时间窗内第N个数据，此后是新接收的垂向加速度，acc_z_N+w是新接收到的第w个数据，新的Z时间窗长度仍为N；

9)将Z时间窗中的第s+1个至第N个数据按照序号从小到大的顺序，依次根据以下条件进行判断：

acc_z_i＜rr＜acc_z_i+1 (3)

acc_z_i＞TrLz＞acc_z_i+1 (4)

其中，acc_z_i是Z时间窗内第i个数据，acc_z_i+1是Z时间窗内第i+1个数据，s+1≤i≤N-1，若出现一个数据满足公式(3)，则判断该数据从下向上穿越了中阈值，并计一个步伐，若出现一个数据满足公式(4)，则判断该数据从上向下穿越了低阈值，记此时的数据序号为r，更新垂向加速度并得到新的Z时间窗，返回步骤2)，若Z时间窗中的第s+1至第N个数据中的所有数据都不满足公式(4)，则更新垂向加速度和前向加速度后返回步骤1)，所述新的Z时间窗内的数据点为：

Z＝{acc_z_r+1，...，acc_z_N，...，acc_z_N+r}

其中，acc_z_r+1是旧的Z时间窗内第r+1个数据，acc_z_N是旧的Z时间窗内第N个数据，此后是新接收的垂向加速度，acc_z_N+r是新接收到的第r个数据，新的Z时间窗长度仍为N。

2.根据权利要求1所述的一种根据步伐可信度估计的计步方法，其特征在于，所述步骤1)的垂向加速度和前向加速度应先做均值滤波。

3.根据权利要求1所述的一种根据步伐可信度估计的计步方法，其特征在于，所述步骤4)中Z时间窗内的极大值vmax_z_k1和Y时间窗内的极大值vmax_y_k3判定方法为分别按照以下方式确定：

vmax_z_k1-1＜vmax_z_k1且vmax_z_k1+1＜vmax_z_k1

vmax_y_k3-₁＜vmax_y_k3且vmax_y_k3+1＜vmax_y_k3

其中，vmax_z_k1-1是Z时间窗内第k1-1个数据，vmax_z_k1+1是Z时间窗内第k1+1个数据，vmax_y_k3-1是Y时间窗内第k3-1个数据，vmax_y_k3+1是Y时间窗内第k3+1个数据；

Z时间窗内的极小值vmin_z_k2和Y时间窗内的极小值vmin_y_k4判定方法为分别按照以下方式确定：

vmin_z_k2-1＞vmin_z_k2且vmin_z_k2+1＞vmin_z_k

vmin_y_k4-1＞vmin_y_k4且vmin_y_k4+1＞vmin_y_k

其中，vmin_z_k2-1是Z时间窗内第k2-1个数据，vmin_z_k2+1是Z时间窗内第k2+1个数据，vmin_y_k4-1是Y时间窗内第k4-1个数据，vmin_y_k4+1是Y时间窗内第k4+1个数据。

4.根据权利要求1、2或3所述的一种根据步伐可信度估计的计步方法，其特征在于，所述步骤1)中缓冲数组Z和缓冲数组Y的长度N取值范围为30≤N≤70。

5.根据权利要求4所述的一种根据步伐可信度估计的计步方法，其特征在于，所述步骤1)中缓冲数组Z和缓冲数组Y的长度N＝50。