本帖最后由 kycx19866711050 于 2024-9-29 00:04 编辑
当前需要的计步器不仅仅是一款简单监测用户运动数据、低精的计量产品,而是伴随时代进步、科技发展和人们对大健康越来越注重的高科技产品。如今的计步器,不仅要求计步精度高、功能丰富,而且要求能实现个性化定制,实现更加适合个体合理需求的功能。获得更加全面的运动数据图表展示和个人运动健身档案管理。这对算法的精度和自适应性也提出了更高的要求。本次提出一种基于滤波器组的自适应计步方法。
提出的计步方法流程主要分为三大块,加速度传感器输出信号的预处理,信号的特征识别,计步结果判断,这里的信号预处理是指滤除人体步行运动之外的信号,主要涉及数字信号处理的知识,流程如图1所示:
图1计步算法流程图 人体步行运动的速率正常都在0.5~5.5步每秒之间,一般正常步行运动的速率在1步每秒,短跑运动员加速跑时运动的速率在大概4步每秒,基本不会超过步5步每秒,所以选择处理信号的带宽为0.5~5.5HZ是合理的。加速度传感器输出的信号中的直流成分为重力加速度,其主要能量集中在0.2~0.5HZ,因此将信号通过一个0.5HZ高通滤波器可以达到去直流的作用,去直流的流程如图2、3、5所示: 图2去直流流程图 低通滤波器组采用的都是线性相位的FIR滤波器,通过设置带宽达到抑制噪声作用的同时提取出信号的周期,并且利用滤波器的群延迟性质保证其准确性,其主要流程如图3所示: 图3低通滤波器组流程图 这里对加速度传感器三轴去直流信号分别通过低通滤波器组的同时,对加速度传感器三轴去直流信号经过数据融合的数据也通过低通滤波器组滤波。其中数据融合使用的方法以下公式所示:
其中加速度传感器输出向量R(其中R向量可以是重力加速度或惯性力,也可以是两者之和),Rx、Ry、Rz分别是向量R在X、Y、Z轴上的投影。 通过低通滤波器组对加速度传感器三轴去直流信号进行周期性特征的提取,接下来需要对步态周期性进行判断,为后续的计步提供判断条件,流程如图4所示:
图4周期性判断流程图 周期性的判断包括时间和幅度两维信息,首先利用时间和幅度信息确定可能计步的点,然后计算出当前可能计步的点与历史计步点的信息的差,与经验阈值比较判断输出结果,其流程如图5所示: 图5周期性判断流程图
最后进行计步判断并且根据计步结果信息反馈下一次的计步条件,达到对计步算法的校正,实现自适应的计步算法,其流程如图6所示: 图6计步判断和算法校正流程图
|