[发明专利]一种根据步伐可信度估计的计步方法

权利要求书

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＜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，Tr为中阈值，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。