（中國礦業(yè)大學(xué) 環(huán)境與測繪學(xué)院，徐州 221116）

（中國礦業(yè)大學(xué) 環(huán)境與測繪學(xué)院，徐州 221116）

針對計步器采用的波峰檢測算法要求行人必須將設(shè)備佩戴在身體特定部位的問題，提出了一種利用手機加速度傳感器信息實現(xiàn)計步器的解決方案。同時，為了降低手機位置不同以及行人的不同運動狀態(tài)對手機計步器計步結(jié)果的影響，設(shè)計了一種自相關(guān)分析的計步算法。該算法將運動狀態(tài)分為空閑和行走兩種基本類型，根據(jù)經(jīng)驗閾值判斷運動人員的運動狀態(tài)進(jìn)而進(jìn)行計步計算。試驗結(jié)果驗證了算法的有效性：相對于波峰檢測算法，運動狀態(tài)為行走時計步結(jié)果的正確率從 92.5%提高到 98.6%，運動狀態(tài)為空閑時計步結(jié)果的正確率從96.0%提高到98.8%。表明新設(shè)計的自相關(guān)分析算法有效地提高了行人計步結(jié)果的正確率，為室內(nèi)人員定位技術(shù)的發(fā)展提供了新的途徑。

計步器；自相關(guān)分析；波峰檢測；手機傳感器；室內(nèi)定位

計步器是一種被廣泛應(yīng)用的測量運動參數(shù)的設(shè)備，其工作原理是感應(yīng)運動人員的加速度，經(jīng)過處理后輸出運動人員的累計步數(shù)[1]。步行作為人類活動中最基礎(chǔ)、最普及、最重要的運動形式[2]，使得深入地研究計步器具有重要的意義。特別是隨著GNSS(全球?qū)Ш叫l(wèi)星系統(tǒng))提供的位置服務(wù)在室外已得到廣泛應(yīng)用，如今人們也希望能夠在室內(nèi)空間獲取類似的位置服務(wù)。但是衛(wèi)星信號容易受到多路徑效應(yīng)、建筑物的遮擋等因素的影響使其無法在室內(nèi)環(huán)境中取得令人滿意的定位結(jié)果[3-4]。國內(nèi)外許多高校和研究機構(gòu)研究并開發(fā)了許多室內(nèi)定位系統(tǒng)，其中具有代表性的有AT&T Cambridge的 Active Badges系統(tǒng)，微軟的RADARD系統(tǒng)，MIT的Cricket系統(tǒng)[5]等。上述項目取得了一定的效果，但這些定位系統(tǒng)往往需要添加額外的硬件設(shè)施，系統(tǒng)部署復(fù)雜，維護(hù)成本高，可擴(kuò)展性差。目前大多數(shù)研究人員運用步數(shù)-步長模型[6-7]結(jié)合方向信息來計算室內(nèi)行人的位移量，因此計步器作為一種可靠、低成本、不受外界環(huán)境干擾的距離量測方法成為解決室內(nèi)定位的新途徑。但是現(xiàn)有計步器都是單獨的設(shè)備且大多數(shù)采用波峰檢測算法[8-9]，故需要行人佩戴在身體的特定部位才能有效的工作，這就造成使用麻煩的問題。本文結(jié)合廣泛存在的手機傳感器信息可以充分、方便利用的特點，提出一種基于手機傳感器自相關(guān)分析的手機計步器實現(xiàn)方法。該方法可以方便、快捷地應(yīng)用在人們?nèi)粘Ｉ钪惺褂玫氖謾C平臺上，無需額外的設(shè)備。初步試驗的結(jié)果表明：相比波峰檢測算法，該方法可以很大程度上降低手機放置的位置以及行人的不同運動姿態(tài)對計步結(jié)果的影響，可以滿足室內(nèi)定位的基本要求。

1 計步器算法原理

人體的自然行走運動包括前向、側(cè)向以及垂直向三個分量，其三個分量以及手機坐標(biāo)軸的定義如圖 1所示。將手機屏幕朝上水平放置在手掌中三個運動分量與手機坐標(biāo)軸的對應(yīng)關(guān)系為：垂直軸與Z軸重合，前向軸與Y軸重合，側(cè)向軸與X軸重合。

圖1 坐標(biāo)軸示意圖Fig.1 Schematic diagram of coordinate axis

圖2 手機三軸加速度Fig.2 Three-axial accelerometer of mobile phone

在一個邁步周期中垂直向的加速度會隨著雙腳的離地再次觸地發(fā)生規(guī)律性的變化。圖2為步行中手機的加速度傳感器檢測到的三個軸的加速度變化情況。

可以看出：Z軸加速度數(shù)據(jù)具有明顯的周期性。計步器最常用的一種算法是波峰檢測算法。

1.1 波峰檢測算法

手機在具體使用時，其放置位置是隨意的，加速度傳感器的3個軸有可能不與人體模型定義的3個軸重合。為了充分利用加速度傳感器輸出的三軸信號，將三軸加速度信號進(jìn)行取模后得到整體加速度用來計步計算[10]。利用設(shè)定的閾值判斷是否為波峰波谷，如果連續(xù)檢測到一個波峰和一個波谷就記為一步。

圖3 偽波峰與偽波谷Fig.3 False peak and trough

波峰檢測的優(yōu)點是算法實現(xiàn)簡單計算量小，可以方便地做到實時檢測。但手機傳感器的硬件設(shè)備精度不高，以及行人行走狀態(tài)的隨機變化造成采集到的加速度信號含有噪聲，由噪聲造成的偽波峰和偽波谷如圖3所示。再者手機在運動過程中所放置不同的位置對加速度影響非常大，比如拿在手中，放在上衣口袋、褲子口袋、背包中產(chǎn)生的信號差別很大，都很難用統(tǒng)一閾值來做判斷。另外手機在使用時、靜止時行人的起立坐下轉(zhuǎn)彎等不同的運動狀態(tài)都會給閾值判斷帶來很大困難。

表1 波峰檢測算法的試驗結(jié)果Tab.1 Performance of peak detection algorithm

表1為利用波峰檢測算法在手機不同的放置位置以及行人不同的行走狀態(tài)下的計步結(jié)果。表中“空閑”狀態(tài)是指起立坐下、身體轉(zhuǎn)動、基本手勢動作等。由統(tǒng)計的結(jié)果可知：波峰檢測算法對手機位置和行人運動狀態(tài)的要求比較高，不能很好地適應(yīng)各種情況，這就造成了該算法使用上的局限性。

1.2 自相關(guān)分析算法

相關(guān)性分析算法是利用行人連續(xù)運動產(chǎn)生的加速度序列之間的相似性來進(jìn)行步數(shù)的計算。該方法將行人的運動狀態(tài)分為空閑和行走兩種：空閑包括靜止、起立坐下、身體轉(zhuǎn)動、基本手勢動作等未導(dǎo)致人員位置變化的運動；行走指人員將手機放置在口袋、拿在手中擺動或使用狀態(tài)下行走。該算法在每一計步周期的判別分為兩個過程：第一是標(biāo)準(zhǔn)差計算；第二是自相關(guān)計算。

1.2.1 標(biāo)準(zhǔn)差計算

為了降低手機放置位置對結(jié)果的影響，該算法將三軸加速度信號進(jìn)行取模后得到整體加速度a來進(jìn)行計步計算。

式中ax、ay、az為手機三軸的加速度值。根據(jù)整體加速度的標(biāo)準(zhǔn)差σ判斷人員的運動狀態(tài)為空閑狀態(tài)。

式中，u是該周期內(nèi)整體加速度序列{a1,a2,…,aN}的均值。

圖4 行走與空閑狀態(tài)的整體加速度標(biāo)準(zhǔn)差比重分布Fig.4 Distribution of standard deviation of entirety acceleration during idle and walking states

圖4是統(tǒng)計行走和空閑兩種狀態(tài)各5000次，以1 s為周期計算整體加速度的標(biāo)準(zhǔn)差的分布。通過圖4的統(tǒng)計結(jié)果可以看出，當(dāng)標(biāo)準(zhǔn)差低于0.5時，行人狀態(tài)為空閑的概率大于99%。利用此統(tǒng)計結(jié)果作為判斷行人狀態(tài)的經(jīng)驗閾值，可以判斷出當(dāng)整體加速度標(biāo)準(zhǔn)差低于0.5時行人為空閑狀態(tài)。由于諸如起立坐下、身體轉(zhuǎn)動、基本手勢等動作都造成整體加速度有比較大的標(biāo)準(zhǔn)差，因此當(dāng)整體加速度標(biāo)準(zhǔn)差大于0.5時不能直接將行人狀態(tài)判別為行走，此時需要利用自相關(guān)分析算法進(jìn)一步判別。

1.2.2 自相關(guān)計算

從圖2中可以看出，加速度值隨著時間推移有很明顯的周期性變化，這種周期性的變化是由于行人連續(xù)有節(jié)奏的行走所產(chǎn)生的。不同行人行走時的變化周期可能不同，但是同一個行人的行走周期僅僅在一個小范圍內(nèi)變化。利用這種周期性的變化來求出當(dāng)前邁步周期和上個邁步周期的整體加速度的自相關(guān)性，根據(jù)自相關(guān)性大小來進(jìn)一步判斷行人的運動狀態(tài)。

當(dāng)行人走動時，手機加速度傳感器就會連續(xù)記錄數(shù)據(jù)，計算整體加速度后利用公式(3)求整體加速度的自相關(guān)系數(shù)。

式中，u(m,t)和σ(m,t)表示加速度序列{a(k), a(k+1), …a(k+t-1)}的均值和標(biāo)準(zhǔn)差。當(dāng)采樣周期 t接近行人的行走周期時，x(m,t)的值接近1。然而不同行人或者同一個人不同時刻的步頻是不一樣的，所以t是一個變化的量，這就需要使用加框算法來實現(xiàn)t的動態(tài)確定。加框算法是將t選定一個范圍區(qū)間 tmin- tmax，通過式(4)計算自相關(guān)系數(shù) ρ( m,t)，當(dāng) ρ( m,t)達(dá)到最大值時的t值即為該次行走的周期。ρ ( m,t)的計算公式如下：

正常人們行走的步頻為1~2.5 Hz，因此本文設(shè)置t的范圍為0.4~1 s。圖5為利用自相關(guān)算法計算行走和空閑兩種狀態(tài)各1000次自相關(guān)系數(shù)的統(tǒng)計結(jié)果，該結(jié)果表明當(dāng)自相關(guān)系數(shù)大于0.7時行人的運動狀態(tài)為行走的概率大于90%。

圖5 行走與空閑狀態(tài)的整體加速度自相關(guān)系數(shù)比重分布Fig.5 Distribution of auto-correlation during idle and walking

根據(jù)上述判斷空閑和行走狀態(tài)的兩個閾值，作者對上文波峰檢測的計步數(shù)據(jù)做了以下對比試驗：設(shè)置步伐周期t為0.4~1 s，計算整體序列的標(biāo)準(zhǔn)差σ，若σ小于 0.5判定該行走周期內(nèi)為空閑狀態(tài)不做計步處理，若σ大于0.5再計算自相關(guān)系數(shù) ρ( m,t)，若 ρ(m,t)大于0.7則記為一步，否則不做計步處理。表2為試驗的結(jié)果。

表2 相關(guān)性分析算法試驗結(jié)果Tab.2 Performance of auto-correlation algorithm

試驗結(jié)果表明，相關(guān)性分析算法與波峰檢測算法相比，很大程度上降低了手機位置以及行人運動狀態(tài)對計步結(jié)果的影響，有很好的適應(yīng)性，可以廣泛的應(yīng)用于各種情況下的計步工作。

2 手機計步器實現(xiàn)

手機是人們?nèi)粘Ｉ钭畛Ｓ玫脑O(shè)備，尤其是智能手機的出現(xiàn)后，手機的使用量迅速增加。根據(jù)美國調(diào)研公司lurry發(fā)布的報告稱，在2014年內(nèi)全球的智能手機和平板電腦的數(shù)量將達(dá)到20億部。智能手機和平板電腦都內(nèi)嵌了加速度傳感器，開發(fā)者可以方便快捷地得到這些數(shù)據(jù)并進(jìn)行應(yīng)用程序的開發(fā)。以搭載Android 4.1.1 JRO03L操作系統(tǒng)的小米手機（型號為MI 2A）為試驗平臺實現(xiàn)手機計步器的功能。其內(nèi)嵌的加速度傳感器為STMicroeelectronics生產(chǎn)的LIS3DH加速度傳感器，它的最大量程為39.227 m/s2，分辨率為0.0196 m/s2。

2.1 手機計步器設(shè)計

Android操作系統(tǒng)的API為開發(fā)者提供了四種操作手機加速度傳感器的響應(yīng)頻率：SENSOR_DELAY_ FASTEST、SENSOR _DELAY _GAME、SENSOR _DELAY_UI以及SENSOR_ DELAY_NORMAL。經(jīng)測試，SENSOR_ DELAY _FASTEST采樣頻率為100 Hz左右，SENSOR_ DELAY_GAME采樣頻率為50 Hz左右，SENSOR_ DELAY_UI采樣頻率為15 Hz左右，SENSOR_ DELAY_NORMAL采樣頻率為5 Hz左右?？紤]到行人正常的步頻以及手機計算能力等因素，設(shè)置加速度采樣頻率為15 Hz。手機計步器的算法流程如圖6所示，具體步驟為：

1）當(dāng)計步器開始工作時定義一個長度為24的靜態(tài)數(shù)組valueArray來存儲整體加速度的實時序列值，當(dāng)數(shù)組valueArray長度達(dá)到24后進(jìn)行下述步驟的計算。

2）循環(huán)計算7次，第i次計算過程為：對長度為i+5的數(shù)組 aArray和 bArray賦值，其中 aArray[j]= valueArray[j]，bArray[j] =valueArray[j+7（]j=0,1,…, i+4; i=1,2,…,7）。計算bArray的標(biāo)準(zhǔn)差σb以及aArray與bArray的相關(guān)系數(shù)ρab。循環(huán)7次得出7個ρab及對應(yīng)的σb，求出7個ρab的最大值MAX ρ及對應(yīng)該次的σb和數(shù)組bArray的長度bLength。

圖6 自相關(guān)算法流程圖Fig.6 Flowchart of auto-correlation algorithm

3）進(jìn)行判斷，若σb>0.5且MAXρ>0.7則記為一步，否則不做計步處理。

4）根據(jù)bLength值對數(shù)組valueArray做以下更新處理：刪除valueArray的前bLength項，剩余項依次平移至數(shù)組前端。數(shù)組valueArray變化如圖7所示。

5）該次計步周期結(jié)束，數(shù)組valueArray繼續(xù)接收新的加速度值，當(dāng)長度再次達(dá)到24時做上述循環(huán)計算。

圖7 valueArray數(shù)組變化示意圖Fig.7 Schematic diagram of valueArrray’s change

2.2 手機計步器實現(xiàn)

Android系統(tǒng)中提供了Sensor、Sensor Manager、SensorEventListener、Sensor Event、四個相關(guān)類來操作手機上的傳感器。由于手機加速度傳感器每次響應(yīng)的間隔時間不固定，會在一個小范圍內(nèi)波動。圖8為一段實際采樣的變化圖，可以看出間隔時間會在62~65 ms之間波動。為了消除這種影響，本文采用更高的50 Hz的采樣頻率即SENSOR _DELAY_ GAME來采集加速度值，將其保存在一個靜態(tài)變量中。另外新開一個時間控制線程，按15 Hz的頻率循環(huán)取出該靜態(tài)變量里的加速度瞬時值，從而保證了加速度是嚴(yán)格按照15 Hz的采樣頻率進(jìn)行采樣的。

圖8 加速度傳感器響應(yīng)間隔時間Fig.8 Response interval of acceleration sensor

計步器程序分為四個模塊：加速度采樣模塊、間隔時間控制模塊、計算模塊和結(jié)果保存模塊。四個模塊作用為：加速度采樣模塊以50 Hz的頻率采集手機三軸的加速度值存入一個靜態(tài)變量 staticValue中；間隔時間控制模塊為一個單獨線程，以 15Hz頻率去讀取staticValue中的三軸瞬時加速度值；計算模塊計算整體加速度的標(biāo)準(zhǔn)差和自相關(guān)系數(shù)，并作出計步結(jié)果的判斷；結(jié)果保存模塊保存計步結(jié)果。程序最終在手機上運行界面如圖9所示。

圖9 程序運行界面Fig.9 Application’s running interface

3 結(jié) 論

在復(fù)雜多變的行人運動狀態(tài)和手機位置對手機計步器計步結(jié)果的影響下，通過采用手機加速度傳感器自相關(guān)分析算法實現(xiàn)行人計步工作。初步試驗結(jié)果表明，此算法比起常用的波峰檢測算法可以很大程度上消除行人運動狀態(tài)以及手機位置對手機計步器計步結(jié)果的影響，此技術(shù)可以方便快捷地應(yīng)用在室內(nèi)人員定位技術(shù)中，為室內(nèi)人員定位技術(shù)的發(fā)展提供了新的途徑。

（References）：

[1] 戴劍松，李靖，顧忠科，孫飆. 應(yīng)用計步器測量日常體力活動的研究[J]. 中國組織工程研究與臨床康復(fù)，2008，35(12)：6883-6887.

DAI Jian-song, LI Jing, GU Zhong-ke, SUN Biao. Utility of pedometer to access daily physical activity[J]. Journal of Clinical Rehabilitative Tissue Engineering Research, 2008, 35(12): 6883-6887.

[2] 戴劍松，李靖，顧忠科，孫飆. 運用計步器測量步行之研究[J]. 北京體育大學(xué)學(xué)報，2008，31(2)：219-222. DAI Jian-song, LI Jing, GU Zhong-ke, SUN Biao. A research on utility of pedometer to measure walking[J]. Journal of Beijing Sport University, 2008, 31(2): 219-222.

[3] Luoh L. ZigBee-based intelligent indoor positioning system soft computing[J]. Soft Computing, 2014, 18(3): 443-456.

[4] Ficco M, Palmieri F, Castiglione A. Hybrid indoor and outdoor location services for new generation mobile terminals[J]. Personal And Ubiquitous Computing, 2014, 18(2): 271-285.

[5] 曹世華. 室內(nèi)定位技術(shù)和系統(tǒng)的研究進(jìn)展[J]. 計算機系統(tǒng)應(yīng)用，2013，22(9)：1-5.

CAO Shi-hua. Research progress of indoor location technology and system[J]. Computer System & Applications, 2013, 22(9): 1-5.

[6] Shih W Y, Chen L Y, Lan K C. Estimating walking distance with a smart phone[C]//5th International Symposium on Parallel Architectures, Algorithms and Programming. Taipei, Taiwan, 2012: 166-171.

[7] Subramanian S P, Sommer J, Zeh F P. PBIL-PDR for scalable bluetooth indoor localization[C]//3rd International Conference on Next Generation Mobile Applications, Services, and Technologies. Wales Millennium Ctr, Cardiff, WALES, 2009: 170-175.

[8] Lan K C, Shih W Y. Using smart-phones and floor plans for indoor location tracking[J]. IEEE Transactions on Human-Machine Systems, 2014, 44(2): 211-221.

[9] Liu J B, Chen R Z, Pei L, Guinness R, Kuusniemi H. A hybrid smartphone indoor positioning solution for mobile LBS[J]. Sensors, 2012, 12(12): 17208-17233.

[10] 韓文正，馮迪，李鵬，馬文超. 基于加速度傳感器LIS3DH的計步器設(shè)計[J]. 傳感器與微系統(tǒng)，2012，31(11)：97-99.

HAN Wen-zheng, FENG Di, LI Peng, MA Wen-chao. Design of pedometer based on acceleration sensor LIS3DH[J]. Transducer and Microsystem Technologies, 2012, 31(11): 97-99.

一種基于手機傳感器自相關(guān)分析的計步器實現(xiàn)方法

陳國良，張言哲，楊 洲

Realization of pedometer with auto-correlation analysis based on mobile phone sensor

CHEN Guo-liang, ZHANG Yan-zhe, YANG Zhou
(School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China)

In view that a pedometer using peak detection algorithm must be worn in specific parts of human body, a method for realizing pedometer by using the acceleration of mobile phone was proposed. Meanwhile, an step-counting algorithm by autocorrelation analysis is designed, which can significantly reduce the influence of position differences of the mobile phones and motion differences of the personnel on the result of step counting. The motion is divided into idle and walking, then the personnel’s motion state is judged by experience threshold in step counting algorithm. The tests by the proposed method show that, compared with the peak detection algorithm, the correct rate increases from 92.5% to 98.6 when walking, and from 96.0% to 98.8% when idle. This result indicates that the new method with auto-correlation analysis can effectively improve the accuracy of step counting and provides a new way for the development of indoor positioning technology.

pedometer; auto-correlation analysis; peak detection; mobile phone sensor; indoor positioning

陳國良（1977—），男，博士，副教授，從事室內(nèi)外無縫定位技術(shù)研究。Email：chglcumt@163.com

1005-6734(2014)06-0794-05

10.13695/j.cnki.12-1222/o3.2014.06.017

TH72

A

2014-07-04；

2014-10-10

國家自然科學(xué)基金資助項目（41371423）；國家863計劃資助（2013AA12A201）