嚴(yán)金戈，郭延銳

(1.合肥工業(yè)大學(xué) 工業(yè)與裝備技術(shù)研究院， 安徽 合肥 230000；2.合肥工業(yè)大學(xué) 計(jì)算機(jī)與信息學(xué)院， 安徽 合肥 230000)

0 引 言

隨著智能穿戴設(shè)備的普及，使用加速度傳感器感知人體加速度變化并計(jì)步的方案日漸成熟。一方面，利用智能手機(jī)內(nèi)置加速度傳感器[1-3]的方案因其開發(fā)成本低，顯示方便的特性而為研究者普遍使用。另一方面，使用專業(yè)的慣性測(cè)量單元放置[4]于身體某部位的方案因其在步數(shù)檢測(cè)具體分析中更強(qiáng)的針對(duì)性而受到高度關(guān)注。

在基于人體加速度數(shù)據(jù)的計(jì)步算法中，波峰檢測(cè)算法[5,6]的復(fù)雜度較低，檢測(cè)步數(shù)的關(guān)鍵在于識(shí)別并去除由于噪聲影響而產(chǎn)生的偽波峰和偽波谷，對(duì)于濾波算法濾波效果要求較高，不適合檢測(cè)劇烈運(yùn)動(dòng)；自相關(guān)分析法[7]的適用范圍較廣，通過(guò)對(duì)比前后加速度序列之間的相似性，可以很好地區(qū)分空閑和行走兩種狀態(tài)，相似性可通過(guò)序列比對(duì)[8]等方法計(jì)算，但均需要結(jié)合之前的運(yùn)動(dòng)狀態(tài)進(jìn)行相關(guān)性判斷，累積誤差無(wú)法避免；動(dòng)態(tài)閾值法[9]采用時(shí)間窗內(nèi)最大值與最小值所確定的中閾值設(shè)定計(jì)步規(guī)則，無(wú)法分辨由非行走行為引起的加速度周期性波動(dòng)，容易出現(xiàn)多計(jì)步現(xiàn)象。

結(jié)合當(dāng)前計(jì)步設(shè)備和計(jì)步算法的研究現(xiàn)狀，使用基于加速度傳感器的計(jì)步鞋墊方案在計(jì)步的準(zhǔn)確度上具有更好的優(yōu)勢(shì)。首先，足部作為人體行走行為的主體部位，其運(yùn)動(dòng)狀態(tài)變化最為明顯，加速度特征改變最為顯著。其次，鞋墊與足平面平行的特性可以賦予傳感器加速度分量相應(yīng)的物理意義。最后，行走時(shí)足部與地面接觸時(shí)存在相對(duì)靜止?fàn)顟B(tài)，此時(shí)對(duì)加速度數(shù)據(jù)的校準(zhǔn)可有效降低計(jì)算的累積誤差。

1 系統(tǒng)設(shè)計(jì)

1.1 硬件部分

計(jì)步鞋墊構(gòu)成如圖1所示。

圖1 計(jì)步鞋墊構(gòu)成

本文所用的計(jì)步芯片集成了LIS3DH三軸加速度傳感器和nRF51822信號(hào)收發(fā)模塊，傳感器采樣率為100 hz，采樣數(shù)據(jù)由nRF51822內(nèi)置運(yùn)算單元即時(shí)處理后與用戶手機(jī)通信。芯片尺寸為0.8×0.8 mm，由3v 230mah鋰電池供電，水平放置于圖2所示的鞋墊中，對(duì)應(yīng)于足部的足弓位置。當(dāng)使用者穿戴鞋墊設(shè)備在平地站立時(shí)，加速度傳感器的X，Y，Z三軸加速度方向分別對(duì)應(yīng)于側(cè)方向、前進(jìn)向和垂直向(誤差5%以內(nèi))。

圖2 芯片所處位置和參考系

1.2 系統(tǒng)架構(gòu)

系統(tǒng)架構(gòu)如圖3所示。

圖3 系統(tǒng)架構(gòu)

為了降低用戶的使用成本，系統(tǒng)采用微信公眾平臺(tái)方案，芯片中的數(shù)據(jù)由無(wú)線模塊通過(guò)Airsync協(xié)議與手機(jī)進(jìn)行通信。數(shù)據(jù)上傳到微信服務(wù)器后，由微信服務(wù)器轉(zhuǎn)發(fā)至數(shù)據(jù)服務(wù)器進(jìn)行處理和存儲(chǔ)，用戶可以在手機(jī)端通過(guò)html請(qǐng)求調(diào)用和查看數(shù)據(jù)。

2 數(shù)據(jù)預(yù)處理

2.1 數(shù)據(jù)通道的選擇

由加速度傳感器采集到的數(shù)據(jù)中包含X，Y，Z三軸的加速度數(shù)據(jù)，考慮到人體運(yùn)動(dòng)的復(fù)雜性，當(dāng)傳感器相對(duì)于人體位置無(wú)法確定時(shí)，多數(shù)文獻(xiàn)采用三軸加速度的取模運(yùn)算公式

(1)

以降低由于運(yùn)動(dòng)方向和放置位置不確定因素的造成的影響。此舉雖然避免了使用單軸數(shù)據(jù)時(shí)可能存在的關(guān)鍵性運(yùn)動(dòng)數(shù)據(jù)丟失，但將具有不同特征的三軸加速度數(shù)據(jù)混合計(jì)算則有可能導(dǎo)致運(yùn)動(dòng)特征的重疊，從而降低運(yùn)動(dòng)曲線的識(shí)別度。在鞋墊中，加速度傳感器相對(duì)于人體腳平面的位置是固定的，靜止站立時(shí)傳感器的3個(gè)方向分別對(duì)應(yīng)前進(jìn)向、側(cè)方向和垂直向，運(yùn)動(dòng)時(shí)傳感器自身坐標(biāo)系會(huì)與人體坐標(biāo)系產(chǎn)生不同程度的夾角，形成周期性變化的數(shù)據(jù)。

圖4為走路時(shí)傳感器X，Y，Z軸的原始加速度數(shù)據(jù)，不難看出：Y軸的加速度數(shù)據(jù)較為平滑，相對(duì)于X軸和Z軸有更高的識(shí)別度和穩(wěn)定性。為了驗(yàn)證觀察的準(zhǔn)確性，我們使用鞋墊采集了一段混合了走、跑、上樓、下樓4種日常運(yùn)動(dòng)狀態(tài)總共180 s的運(yùn)動(dòng)數(shù)據(jù)，以5 s為時(shí)間窗，統(tǒng)計(jì)出36組數(shù)據(jù)中每組數(shù)據(jù)的方差、極值點(diǎn)個(gè)數(shù)以及傳感器量程利用率3種參數(shù)，并求其均值，數(shù)據(jù)對(duì)比參數(shù)見表1。

方差反應(yīng)了一組數(shù)據(jù)波動(dòng)性的強(qiáng)弱，實(shí)驗(yàn)結(jié)果中Y軸方差明顯高于其它兩軸，說(shuō)明行走時(shí)前進(jìn)向加速度變化更明顯，其數(shù)據(jù)特征也更容易被檢測(cè)。在無(wú)噪聲干擾的理想行走狀態(tài)下，加速度數(shù)據(jù)是一組平滑的曲線，曲線的極值點(diǎn)僅僅出現(xiàn)在足部運(yùn)動(dòng)狀態(tài)發(fā)生變化的時(shí)候。在實(shí)際實(shí)驗(yàn)中，足部受到地面靜摩擦力、壓力反作用力、空氣阻力等不穩(wěn)定因素的影響，使得加速度數(shù)據(jù)發(fā)生抖動(dòng)，抖動(dòng)越明顯，單位時(shí)間段內(nèi)數(shù)據(jù)極值點(diǎn)個(gè)數(shù)就越多。此外，傳感器的最大量程的利用率也在一定程度上影響到數(shù)據(jù)的準(zhǔn)確度，量程利用率越高的數(shù)據(jù)精確度越高。綜上所述，計(jì)步算法將選用變化特征最明顯、噪聲干擾最小且精確度最高的Y軸加速度數(shù)據(jù)。

圖4 三軸原始加速度數(shù)據(jù)對(duì)比

表1 數(shù)據(jù)對(duì)比參數(shù)

2.2 原始數(shù)據(jù)的濾波

加速度的原始數(shù)據(jù)由重力、人體加速度數(shù)據(jù)以及噪聲組成，所以直接從原始數(shù)據(jù)提取加速度數(shù)據(jù)并不準(zhǔn)確，需要進(jìn)行數(shù)據(jù)的濾波。合理的選擇濾波算法可以有效地去除噪聲干擾，讓數(shù)據(jù)更易分析。在濾波方式的選擇上，有采用卡爾曼濾波法[10]和FFT濾波法[11]處理原始數(shù)據(jù)的方案，兩種濾波算法在處理連續(xù)周期性的信號(hào)時(shí)濾波效果較好，但都會(huì)從一定程度上改變?cè)夹盘?hào)的波形。為了在取得良好濾波效果的同時(shí)保證數(shù)據(jù)的完整性，本文采用三點(diǎn)中值濾波+五點(diǎn)均值平滑濾波二次濾波處理方案

y(n)=mid(x(n-1),x(n),x(n+1))

(2)

(3)

其中，x(n)為Y軸加速度信號(hào)，y(n)為中值濾波后的信號(hào)，z(n)為五點(diǎn)平滑濾波后的信號(hào)，中值濾波對(duì)脈沖噪聲具有良好的濾波作用，在過(guò)濾噪聲的同時(shí)，能夠保護(hù)噪聲的邊緣，使之不被模糊，但容易造成信號(hào)的不連續(xù)性。均值平滑濾波可以減弱原始信號(hào)中高頻信號(hào)的影響，使信號(hào)更加平滑，易于分析。圖5中從上到下依次為原始信號(hào)、中值濾波后的信號(hào)、均值平滑濾波后的信號(hào)，濾波取得了較好的效果。

圖5 濾波效果

3 算法分析與設(shè)計(jì)

3.1 行走時(shí)足部的加速度特征

人體行走狀態(tài)如圖6所示，在人體行走模型中，一個(gè)完整的步態(tài)周期可以分為支撐期和擺動(dòng)期，圖7反映了一個(gè)步態(tài)周期中單只腳的行走狀態(tài)變化。狀態(tài)①時(shí)單腿直立于地面，腳底與地面相對(duì)靜止，Y軸加速度處于初始值狀態(tài)；從狀態(tài)①到狀態(tài)②，腳跟開始以腳尖為圓心緩緩離開地面；狀態(tài)②到狀態(tài)③時(shí)，足底向前傾斜，足平面受到重力加速度的分量慢慢增加，Y軸加速度值增大；狀態(tài)③到狀態(tài)④時(shí)，足部在腿部肌肉的拉動(dòng)下向上提升，向反方向運(yùn)動(dòng)，Y軸加速度減??；狀態(tài)④時(shí)足部提升動(dòng)作完成；狀態(tài)④、⑤時(shí)，腿部以大腿根部為圓心開始前伸，同時(shí)小腿以膝蓋為圓心開始前伸，帶動(dòng)足部運(yùn)動(dòng)，Y軸加速度增加；狀態(tài)⑤到狀態(tài)⑥時(shí)，腳尖著地，Y軸加速度恢復(fù)初始狀態(tài)。其中狀態(tài)①～③、⑤～⑥為支撐期，狀態(tài)③到⑤為擺動(dòng)期。

圖6 行走狀態(tài)分解

圖7 Y軸加速度曲線與行走狀態(tài)對(duì)應(yīng)

支撐期時(shí)，足部與地面直接接觸，狀態(tài)間變化歷時(shí)較短。同時(shí)，在地面摩擦力以及支持力作用下，加速度數(shù)據(jù)受到噪聲干擾較大，有可能出現(xiàn)局部的抖動(dòng)現(xiàn)象。擺動(dòng)期時(shí)足部懸空，人體發(fā)生位移且歷時(shí)較長(zhǎng)。結(jié)合圖8中的加速度變化曲線，得知狀態(tài)④～⑤的擺動(dòng)期占據(jù)了40%以上的行走周期，加速度變化范圍較大且曲線平滑，辨識(shí)度高。因此，計(jì)步算法的關(guān)鍵在于識(shí)別狀態(tài)④～⑤的擺動(dòng)期。

圖8 穿越點(diǎn)和信號(hào)幅值面積

3.2 幅值判定法

算法的本質(zhì)是通過(guò)檢測(cè)行走周期中擺動(dòng)期的個(gè)數(shù)來(lái)統(tǒng)計(jì)步數(shù)，在接受到Y(jié)軸濾波后的加速度數(shù)據(jù)后，檢測(cè)連續(xù)上升的加速度數(shù)據(jù)并記錄其區(qū)間和數(shù)值。為了準(zhǔn)確地識(shí)別此段加速數(shù)據(jù)是否是屬于擺動(dòng)期，首先需要確定Y軸加速度的平衡閾值，并以是否穿越此平衡閾值為條件做第一次篩選。其次計(jì)算此時(shí)間段內(nèi)加速度值與初始閾值圍成區(qū)域的信號(hào)幅值面積，以此量化擺動(dòng)期足部的速度改變量。最后結(jié)合當(dāng)前運(yùn)動(dòng)強(qiáng)度確定合適的閾值用于劃分幅值面積，進(jìn)行第二次篩選，去除小于閾值的干擾。

(1)劃分采樣時(shí)間窗

在連續(xù)不斷更新的加速度數(shù)據(jù)中，將采集到的加速度數(shù)據(jù)劃分時(shí)間窗有利于特征的統(tǒng)計(jì)和分析。使用固定時(shí)間窗的主要缺點(diǎn)在于破壞了時(shí)間窗邊緣加速度數(shù)據(jù)的連續(xù)性，為了防止時(shí)間窗邊緣出現(xiàn)丟步，算法以5 s為基準(zhǔn)，在此時(shí)間窗的末尾檢測(cè)加速度是否連續(xù)增加。若不是，將時(shí)間窗固定為5 s，若是，繼續(xù)接受數(shù)據(jù)直到檢測(cè)到第一個(gè)極大值時(shí)刻，以此作為時(shí)間窗的結(jié)束。

(2)動(dòng)態(tài)更新平衡閾值TR

如圖8所示，平衡閾值TR是一條貫穿加速度數(shù)據(jù)的水平線，其數(shù)值等同于靜止站立時(shí)Y軸加速度的數(shù)值和走動(dòng)時(shí)支撐期①狀態(tài)下的Y軸加速度數(shù)值。靜止站立時(shí)，鞋跟與鞋尖的高度差導(dǎo)致Y軸加速度方向與水平方向產(chǎn)生夾角，在重力分量的影響下，加速度值發(fā)生正向偏移，此時(shí)TR位于零點(diǎn)上方。運(yùn)動(dòng)時(shí)，考慮到路況中可能存在的坡度對(duì)平衡閾值TR的影響，算法使用動(dòng)態(tài)更新的平衡閾值，通過(guò)檢測(cè)當(dāng)前時(shí)間窗內(nèi)持續(xù)時(shí)間超過(guò)0.1 s、波動(dòng)范圍小于0.01 g的加速度數(shù)據(jù)，取其均值作為平衡閾值。若無(wú)滿足此條件的數(shù)據(jù)，使用上一個(gè)時(shí)間窗內(nèi)的平衡閾值。

(3)檢測(cè)穿越點(diǎn)

在一段正常的步行周期中，Y軸加速度值從初始值開始經(jīng)歷了加速、減速、再加速，最后回到平衡閾值的過(guò)程。由3.1節(jié)的行走狀態(tài)分析可知，狀態(tài)④到狀態(tài)⑤之間Y軸加速度必然會(huì)經(jīng)過(guò)平衡閾值TR。因此，算法首先檢測(cè)從閾值下方穿越到閾值上方的穿越點(diǎn)。圖8檢測(cè)到的穿越點(diǎn)中，圓形標(biāo)注的點(diǎn)為狀態(tài)④～⑤加速期正常穿越閾值的點(diǎn)，其余的點(diǎn)則是由于噪聲影響產(chǎn)生的偽穿越點(diǎn)：

第一類偽穿越點(diǎn)：如圖中三角形標(biāo)注所示，此類點(diǎn)在狀態(tài)⑤之后腳跟落地的時(shí)候產(chǎn)生，由于落地時(shí)腳跟與地面的突然接觸，地面對(duì)足部的反作用力使加速度數(shù)值產(chǎn)生波動(dòng)，即時(shí)通過(guò)濾波也無(wú)法過(guò)濾此類抖動(dòng)。

第二類偽穿越點(diǎn)：如圖中菱形標(biāo)注所示，此類點(diǎn)產(chǎn)生于足部對(duì)于地面的支撐期。由于本文使用的加速讀傳感器精度較大(±32 678)，在支撐期時(shí)，加速度一些微小的波動(dòng)也會(huì)被誤判為上穿越閾值的點(diǎn)。

(4)計(jì)算信號(hào)幅值面積

計(jì)步算法的關(guān)鍵在于合理的去除兩類偽穿越點(diǎn),對(duì)此，我們可以通過(guò)求解穿越點(diǎn)的信號(hào)幅值面積的方式來(lái)量化區(qū)分。信號(hào)幅值面積的單位為g·t，其物理意義相當(dāng)于沿傳感器Y軸方向加速度的改變量，在行走周期中，擺動(dòng)期④～⑤之間加速度改變量遠(yuǎn)遠(yuǎn)大于偽穿越期間的加速度改變量。算法檢測(cè)加速度連續(xù)增加的區(qū)間T1、T2，當(dāng)其對(duì)應(yīng)的加速度值A(chǔ)T1TR時(shí)滿足條件。若此區(qū)間處于擺動(dòng)期，則檢測(cè)到的T1、T2點(diǎn)分別對(duì)應(yīng)狀態(tài)④和狀態(tài)⑤。此時(shí)，我們?cè)俜謩e計(jì)算此區(qū)間初始閾值I和加速度數(shù)值K所圍成的信號(hào)幅值面積D1和D2

(4)

(5)根據(jù)運(yùn)動(dòng)強(qiáng)度劃分信號(hào)幅值面積閾值TD

圖9為一段行走時(shí)檢測(cè)到的信號(hào)幅值面積數(shù)據(jù)，可以看出加速度上升區(qū)間的信號(hào)幅值面積被明顯的劃分成了兩個(gè)部分，合理的設(shè)置閾值TD可以很好地區(qū)別偽穿越點(diǎn)。在設(shè)定閾值TD的過(guò)程中，需要考慮到運(yùn)動(dòng)劇烈程度對(duì)于D1+D2的影響。通常情況下，運(yùn)動(dòng)越劇烈，加速期間速度改變量越大，同時(shí)，一二類偽穿越點(diǎn)附近加速度受到的干擾也會(huì)增大。在此，定義運(yùn)動(dòng)強(qiáng)度

(5)

圖9 信號(hào)幅值面積分布

定義幅值面積閾值與運(yùn)動(dòng)強(qiáng)度的比值

α=TD/P

(6)

最后，通過(guò)實(shí)驗(yàn)，確定合理α的值，使得在D1+D2>αP時(shí)計(jì)步判定有效。

4 實(shí)驗(yàn)驗(yàn)證及分析

4.1 確定合理α值

為了探究在不同運(yùn)動(dòng)強(qiáng)度下信號(hào)幅值面積的閾值設(shè)定對(duì)于計(jì)步準(zhǔn)確率的影響，實(shí)驗(yàn)設(shè)計(jì)了P1～P5這5種不同的運(yùn)動(dòng)強(qiáng)度分級(jí)，見表2，實(shí)驗(yàn)數(shù)據(jù)由同一人佩戴計(jì)步鞋墊多次測(cè)量完成。

表2 運(yùn)動(dòng)分級(jí)對(duì)應(yīng)

如圖10所示，當(dāng)α=0時(shí)，算法將正常的步伐和誤判的第一類和第二類穿越點(diǎn)都統(tǒng)計(jì)為一步，此時(shí)，運(yùn)動(dòng)強(qiáng)度最大的P5狀態(tài)識(shí)別率最低；當(dāng)α開始增加，P1～P5這5種運(yùn)動(dòng)強(qiáng)度下的識(shí)別率都開始向最大值逼近，通常情況，當(dāng)某種運(yùn)動(dòng)強(qiáng)度下分類效果良好時(shí)，其保持較高識(shí)別率的α區(qū)間也會(huì)越長(zhǎng)，實(shí)驗(yàn)中P3狀態(tài)下表現(xiàn)出了較高的閾值接受范圍，P1和P5閾值接受范圍較低。為了保證總體識(shí)別率較高，算法選擇5種運(yùn)動(dòng)強(qiáng)度下計(jì)步準(zhǔn)確率均值最高點(diǎn)時(shí)的α值。當(dāng)α=0.093時(shí)，總計(jì)步識(shí)別率最高(98.3%)。綜合計(jì)步識(shí)別率達(dá)到95%以上的α值區(qū)間為[0.064,0.142]，具有較大的區(qū)間跨度，因此，此α值所確定的判定閾值TD具有較高的魯棒性，適用于各種運(yùn)動(dòng)強(qiáng)度下的計(jì)步統(tǒng)計(jì)。

圖10 5種運(yùn)動(dòng)強(qiáng)度下計(jì)步識(shí)別率與α的關(guān)系

4.2 綜合計(jì)步準(zhǔn)確率對(duì)比實(shí)驗(yàn)

實(shí)驗(yàn)分為兩部分：①在計(jì)步鞋墊平臺(tái)中，將幅值判定法與峰值檢測(cè)法和動(dòng)態(tài)閾值法兩種較有代表性的計(jì)步算法作對(duì)比；②在同樣的運(yùn)動(dòng)模式下，將計(jì)步鞋墊的計(jì)步準(zhǔn)確率與智能手機(jī)和智能手環(huán)的計(jì)步準(zhǔn)確率作對(duì)比。

實(shí)驗(yàn)中所使用的智能手環(huán)是市面上較為成熟的小米手環(huán)一代；使用的智能手機(jī)型號(hào)為MEIZU PRO5，安裝了3款常用的計(jì)步軟件(咕咚運(yùn)動(dòng)、悅跑圈、魅族計(jì)步)。實(shí)驗(yàn)由9名檢測(cè)人員(7男2女)以及一名記錄人員完成，實(shí)驗(yàn)者左手佩戴智能手環(huán)，右手手持智能手機(jī)，左腳鞋內(nèi)放置計(jì)步鞋墊，分別進(jìn)行常態(tài)運(yùn)動(dòng)下的走路、跑步、上樓、下樓、上坡、下坡以及非常態(tài)狀態(tài)下的抖動(dòng)干擾實(shí)驗(yàn)。每個(gè)階段完成后，記錄人員分別記錄手環(huán)顯示的步數(shù)、3款手機(jī)計(jì)步軟件顯示步數(shù)的均值以及鞋墊芯片通過(guò)微信公眾號(hào)顯示的步數(shù)。將計(jì)步結(jié)果匯總后取均值得到表3。

表3 計(jì)步準(zhǔn)確率對(duì)比

表3為7種運(yùn)動(dòng)狀態(tài)下使用不同計(jì)步算法的計(jì)步鞋墊與智能手機(jī)、智能手環(huán)的計(jì)步準(zhǔn)確度對(duì)比，實(shí)驗(yàn)數(shù)據(jù)分析如下：

(1)平地實(shí)驗(yàn)

走路時(shí)運(yùn)動(dòng)變化較為平穩(wěn)，總體計(jì)步準(zhǔn)確率較高，其中使用計(jì)步鞋墊的幅值判定法準(zhǔn)確率最高，達(dá)到99.2%。跑步時(shí)運(yùn)動(dòng)變化較為劇烈，由于部分時(shí)刻加速度最大值超越了最大量程(4 g)導(dǎo)致峰值處于水平狀態(tài)，此時(shí)峰值檢測(cè)失效，使用計(jì)步鞋墊的峰值檢測(cè)法計(jì)步準(zhǔn)確率最低(78.6%)。

(2)樓梯實(shí)驗(yàn)

上下樓實(shí)驗(yàn)中足部運(yùn)動(dòng)狀態(tài)改變較為頻繁，實(shí)驗(yàn)者的行走狀態(tài)在樓梯與平臺(tái)之間相互交替，實(shí)際檢測(cè)到的加速度數(shù)據(jù)是平臺(tái)運(yùn)動(dòng)步數(shù)和上樓運(yùn)動(dòng)步數(shù)的混合體。此時(shí)基于計(jì)步鞋墊的3種計(jì)步算法準(zhǔn)確率都收到了不同程度的影響，其中動(dòng)態(tài)閾值法計(jì)步準(zhǔn)確率最低(68.4%，74.8%)。由于手部擺動(dòng)受到足部運(yùn)動(dòng)變換影響較小，此時(shí)手環(huán)的計(jì)步準(zhǔn)確率相對(duì)較高(97.2%，96.4%)。

(3)坡度實(shí)驗(yàn)

上下坡實(shí)驗(yàn)中，Y軸的基準(zhǔn)值在重力加速度分量的影響下發(fā)生了一定程度的偏移，得益于動(dòng)態(tài)糾正的平衡閾值，此時(shí)幅值判定法計(jì)步準(zhǔn)確率最高，分別為97.5%和95.5%。

(4)非常態(tài)實(shí)驗(yàn)

非常態(tài)的干擾實(shí)驗(yàn)中人體并沒(méi)有進(jìn)行實(shí)際行走活動(dòng)，而是進(jìn)行腿部和手部的抖動(dòng)。其中幅值判定法在抖腿運(yùn)動(dòng)中完全沒(méi)有判定計(jì)步，但是動(dòng)態(tài)閾值法和峰值檢測(cè)法幾乎都將腿部的抖動(dòng)誤判為行走運(yùn)動(dòng)。小米手環(huán)和智能手機(jī)在此實(shí)驗(yàn)中也有一定程度的誤判。

綜上所述，使用智能鞋墊的動(dòng)態(tài)閾值法、峰值檢測(cè)法、幅值判定法和智能手機(jī)、智能手環(huán)的計(jì)步識(shí)別率分別為84.7%、83.1%、97.1%、93.2%、89.5%，其中使用智能鞋墊的幅值判定法綜合識(shí)別率最高。

5 結(jié)束語(yǔ)

基于鞋墊內(nèi)置加速度傳感器的計(jì)步鞋墊方案法通過(guò)分析足部加速度變化的本質(zhì)，提出了使用擺動(dòng)期加速度信號(hào)幅值面積區(qū)分行走行為和干擾的計(jì)步方案，解決了復(fù)雜運(yùn)動(dòng)模式下計(jì)步準(zhǔn)確率低的問(wèn)題，在綜合計(jì)步準(zhǔn)確率達(dá)到97.1%的同時(shí)也能很好地排除非常態(tài)運(yùn)動(dòng)的干擾。

不同于手環(huán)、手機(jī)等智能設(shè)備，鞋墊在使用過(guò)程中攜帶成本低，其獨(dú)特的放置位置可以做到真正意義上的無(wú)感穿戴，在運(yùn)動(dòng)健身以及老人健康照護(hù)場(chǎng)景中可以長(zhǎng)時(shí)間監(jiān)測(cè)和記錄人體活動(dòng)，具有重要意義。