張海峰，衛(wèi) 震

(杭州電子科技大學(xué)電子信息學(xué)院，浙江 杭州 310018)

基于手機(jī)加速度傳感器的低頻計(jì)步算法研究

張海峰，衛(wèi) 震

(杭州電子科技大學(xué)電子信息學(xué)院，浙江 杭州 310018)

在計(jì)步過(guò)程中，電路噪聲干擾以及身體抖動(dòng)產(chǎn)生的偽峰值是計(jì)步誤差的主要來(lái)源.針對(duì)傳統(tǒng)峰值檢測(cè)法中存在的偽波峰的問(wèn)題，提出一種基于峰值檢測(cè)的改進(jìn)計(jì)步算法.算法對(duì)加速度采樣值進(jìn)行多次濾波，盡可能地消除偽波峰的影響.經(jīng)初步實(shí)驗(yàn)驗(yàn)證，低頻勻速1 000步測(cè)試條件下，改進(jìn)的峰值檢測(cè)法較傳統(tǒng)的峰值檢測(cè)法，其平均計(jì)步準(zhǔn)確率由94.43%提高到98.88%；低頻變速1 000步測(cè)試條件下，平均計(jì)步準(zhǔn)確率由91.50%提高到98.00%.

峰值檢測(cè)；偽波峰；多次濾波

0 引 言

計(jì)步器作為實(shí)時(shí)監(jiān)測(cè)自身運(yùn)動(dòng)狀態(tài)的裝置,越來(lái)越受歡迎.受限于手機(jī)計(jì)算及存儲(chǔ)性能，基于手機(jī)加速度傳感器的計(jì)步算法在達(dá)到高精度同時(shí)要兼顧算法的計(jì)算量.文獻(xiàn)[1]采用智能手機(jī)中的加速度計(jì)和陀螺儀，通過(guò)時(shí)頻域分析提取步態(tài)特征來(lái)進(jìn)行計(jì)步，雖然準(zhǔn)確率較高但使用兩個(gè)傳感器既增大了計(jì)算量，又增大了功耗.文獻(xiàn)[2]在峰值檢測(cè)法的基礎(chǔ)上引入校正因子修正峰值檢測(cè)的閾值，但在低頻時(shí)準(zhǔn)確率明顯降低.文獻(xiàn)[3]提出的自適應(yīng)算法需對(duì)多個(gè)采樣值進(jìn)行方差分析及相關(guān)性分析，計(jì)算量大.文獻(xiàn)[4]使用雙算法結(jié)構(gòu)來(lái)提高精度，算法僅僅在輔助算法中調(diào)整校正因子時(shí)才對(duì)加速度進(jìn)行濾波處理，在主計(jì)步算法中并沒有對(duì)加速度采樣值進(jìn)行濾波處理，同時(shí)雙算法結(jié)構(gòu)實(shí)現(xiàn)復(fù)雜.文獻(xiàn)[1-2]在計(jì)步判斷時(shí)，均采用基于峰值檢測(cè)的方法，相較于文獻(xiàn)[3-4]的方法，計(jì)算量小，實(shí)時(shí)性好，且易于實(shí)現(xiàn)，但對(duì)加速度采樣值基本上沒有做濾波處理，因此，在計(jì)步過(guò)程中容易受到偽波峰的影響.本文從信號(hào)處理的角度出發(fā)，基于峰值檢測(cè)法，同時(shí)對(duì)加速度采樣值進(jìn)行多次濾波處理，盡可能地消除偽波峰的影響，以提高計(jì)步的精度.

1 計(jì)步算法原理

當(dāng)手機(jī)放置在手中時(shí)，加速度3個(gè)坐標(biāo)軸方向X，Y，Z分別對(duì)應(yīng)于右側(cè)向、前向、豎直向上.靜止時(shí)，X，Y，Z軸向的重力加速度大小分別為0.0 m/s2，0.0 m/s2，9.8 m/s2.人在行走時(shí)3個(gè)方向上的加速度變化情況如圖1所示.可以發(fā)現(xiàn)，Z軸豎直方向加速度有明顯上下波動(dòng).前后方向和左右方向的加速度波動(dòng)周期沒有豎直方向上波動(dòng)明顯.

1.1 采樣值處理

為降低手機(jī)擺放位置對(duì)結(jié)果的影響，采用3個(gè)軸向加速度的合加速度.

求三軸加速度的合加速度：

(1)

其中，Ax，Ay，Az分別為手機(jī)三軸的加速度值，A為合加速度向量.

有研究者通過(guò)頻譜分析表明，步態(tài)信號(hào)的頻帶范圍主要集中在0.6～18 Hz內(nèi)[1].實(shí)驗(yàn)中加速度計(jì)采樣頻率設(shè)為50 Hz.手機(jī)平放在手中，采集的加速度值曲線如圖2所示.

圖1 手機(jī)平放手掌，步行時(shí)加速度變化

圖2 三軸加速度合加速度曲線

本文對(duì)原始加速度采樣值進(jìn)行2次處理，一階低通濾波處理和滑動(dòng)平均濾波處理.

(2)

(3)

圖3 MATLAB濾波仿真圖

低通濾波處理濾除由于手機(jī)加速度傳感器硬件本身產(chǎn)生的一些干擾，滑動(dòng)平均濾波處理濾除一些偽波峰，可選用FIR濾波器.

圖4 加速度波形變化

濾波器設(shè)計(jì)理論已成熟，本文采用窗函數(shù)法設(shè)計(jì)FIR濾波器，同時(shí)利用MATLAB來(lái)輔助設(shè)計(jì).窗函數(shù)采用矩形窗，設(shè)計(jì)的濾波器通帶平坦，過(guò)渡帶窄，有很好的濾波性能，濾波器仿真如圖3所示.

對(duì)步行階段的采樣點(diǎn)進(jìn)行截取，加速度信號(hào)在濾波前后的對(duì)比波形如圖4所示.可以發(fā)現(xiàn)，經(jīng)過(guò)低通濾波和二次濾波后，波形較原始波形更為平滑，同時(shí)由于身體抖動(dòng)產(chǎn)生的偽波峰大為減少.

1.2 基于多次濾波的改進(jìn)峰值檢測(cè)法

峰值檢測(cè)法的關(guān)鍵在于準(zhǔn)確地確定一個(gè)計(jì)步波峰，本文進(jìn)行多次濾波，使波形變得更平滑，較大的偽波峰大多被濾除掉了.此外，通過(guò)設(shè)定波峰閾值以及相鄰峰值的時(shí)間差閾值來(lái)確定一次計(jì)步.正常人行走的頻率為1～2Hz，因此本文中時(shí)間差閾值取0.2s.

由式(2)和式(3)得出多次濾波輸出和采樣輸入的最終關(guān)系式：

(4)

(5)

(6)

(7)

2 算法實(shí)現(xiàn)及驗(yàn)證

2.1 算法實(shí)現(xiàn)

算法總體流程如圖5所示，計(jì)步判斷流程圖如圖6所示.

圖5 總體流程圖

圖6 計(jì)步判定流程圖

2.2 算法驗(yàn)證及分析

在Android手機(jī)上編寫APP來(lái)驗(yàn)證算法的有效性和準(zhǔn)確性，測(cè)試手機(jī)使用魅藍(lán)M1.正常人步行頻率為1～2Hz，步行最快可達(dá)到3Hz.本文低頻步行測(cè)試中，將步行頻率控制在1～2Hz.測(cè)試實(shí)驗(yàn)中，采樣窗口設(shè)為10，采樣頻率為50Hz，閾值更新窗口設(shè)為5，分別進(jìn)行1 000步，2 000步，3 000步各3次測(cè)試并對(duì)準(zhǔn)確率求平均值.表1為手機(jī)放在口袋中，低頻勻速步行的測(cè)試數(shù)據(jù),步頻控制在1Hz.表2為手機(jī)放在口袋中，低頻變速步行的測(cè)試數(shù)據(jù)，步頻控制在1～2Hz.表3為本文算法測(cè)試結(jié)果與文獻(xiàn)[4]和文獻(xiàn)[7]的對(duì)比，表中測(cè)試步數(shù)為50～130一項(xiàng)為從50步起，以10步遞增，直到130步，每一種步數(shù)條件下測(cè)試計(jì)算準(zhǔn)確率，再求各種步數(shù)準(zhǔn)確率的平均值.

表1 勻速步行測(cè)試結(jié)果

表2 變速步行測(cè)試結(jié)果

表3 在低頻勻速步行下，3種算法平均準(zhǔn)確率對(duì)比

根據(jù)測(cè)試結(jié)果分析發(fā)現(xiàn)：

1)表1和表2中，在同樣步數(shù)測(cè)試條件下，不論是勻速步行還是變速步行，本文改進(jìn)算法的誤差步數(shù)在每一類測(cè)試中均大幅小于傳統(tǒng)的峰值檢測(cè)法.因此，改進(jìn)算法可以更精確地測(cè)得計(jì)步過(guò)程中波峰數(shù)，有效消除了一些偽波峰對(duì)真實(shí)波峰數(shù)目的影響.同時(shí)，在不同步數(shù)測(cè)試條件下，改進(jìn)算法的準(zhǔn)確率有所差異，但相較于傳統(tǒng)的峰值檢測(cè)法變化幅度較小，算法準(zhǔn)確率更為穩(wěn)定.

2)表3中，在相應(yīng)步數(shù)測(cè)試條件下，本文改進(jìn)算法的平均準(zhǔn)確率均高于文獻(xiàn)[4]和文獻(xiàn)[5]算法的平均準(zhǔn)確率.文獻(xiàn)[4]和文獻(xiàn)[5]算法在計(jì)步判斷的過(guò)程中并沒有對(duì)原始加速度信號(hào)進(jìn)行濾波，造成偽波峰的計(jì)數(shù)過(guò)多，在一定程度上影響了算法檢測(cè)的準(zhǔn)確率.

3 結(jié)束語(yǔ)

本文提出了一種基于峰值檢測(cè)法的改進(jìn)計(jì)步算法.算法對(duì)原始加速度采樣值進(jìn)行多次濾波，經(jīng)過(guò)濾波后得到的波形較為平滑.初步實(shí)驗(yàn)結(jié)果表明，在低頻步行測(cè)試條件下，相較于峰值檢測(cè)法，計(jì)步準(zhǔn)確率有較大的提升，驗(yàn)證了改進(jìn)算法能較大程度地消除干擾脈沖和偽波峰對(duì)計(jì)步結(jié)果的影響.同時(shí)本算法計(jì)算量不大，易于實(shí)現(xiàn)，具有一定的應(yīng)用價(jià)值.

[1]PANMS,LINHW.Astepcountingalgorithmforsmartphnoneusers:Designandimplementation[J].IEEESensorsJournal, 2015,15(4):2296-2305.

[2]ONERM,PULCIFER-STUMPPJA,SEELINGP,etal.Towardstherunandwalkactivityclassificationthroughstepdetection-Anandroidapplication[C]//2012AnnualInternationalConferenceoftheIEEEEngineeringinMedicineandBiologySociety.IEEE, 2012:1980-1983.

[3]陳國(guó)良,李飛,張言哲.一種基于自適應(yīng)波峰檢測(cè)的MEMS計(jì)步算法.中國(guó)慣性技術(shù)學(xué)報(bào),2015(3):315-321.

[4]梁久禎,朱向軍,陳璟.基于手機(jī)加速度傳感器的高精低采樣計(jì)步算法設(shè)計(jì).西北大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,45(5):738-744.

[5]宋輝,張榮,王忠民.低功耗手機(jī)計(jì)步算法[J].西安郵電大學(xué)學(xué)報(bào),2016,21(1):106-109.

[6]DELROSARIOMB,REDMONDSJ,LOVELLNH.Trackingtheevolutionofsmartphonesensingformonitoringhumanmovement[J].Sensors,2015,15(8):18901-18933.

[7]邢秀玉.基于加速度傳感器的人體步態(tài)模式分類研究[D].太原：中北大學(xué)，2013.

Research of Low-frequency Step Counting Algorithm Based on Smartphone Accelerometer

ZHANG Haifeng, WEI Zhen

(SchoolofElectronicInformation,HangzhouDianziUniversity,HangzhouZhejiang310018,China)

In the process of the step counting, the noise of the circuit and the pseudo peak generated by the body jitter is the main source of the error. In view of the problem that there may be many pseudo peaks in the traditional peak detection method, an improved step-counting algorithm is proposed. The improved algorithm is based on the peak detection, and performs multiple filtering on the acceleration samples to eliminate the influence of the pseudo peaks as much as possible. The preliminary experiment shows that compared with the traditional peak detection algorithm, under the condition of low-frequency uniform and 1 000-step walking , the accuracy rate of the improved algorithm is increased from 94.43% to 98.88%; and under the condition of low-frequency uniform and 1 000-step walking, the accuracy rate of the improved algorithm is increased from 91.50% to 98.00%.

peak detection; pseudo peaks; multiple filtering

10.13954/j.cnki.hdu.2017.03.003

2016-07-26

張海峰(1961-)，男，浙江臺(tái)州人，副教授，數(shù)字控制技術(shù).

TP391.4

A

1001-9146(2017)03-0011-04