一种基于自适应波峰检测的MEMS计步算法

针对微机电测量系统(MEMS)波峰检测计步算法和自相关分析计步算法仅利用单轴加速度和固定阈值对传感器姿态和运动状态变化适应性较差的问题,提出了一种自适应波峰检测算法。该算法将行人运动状态分为正常状态与非正常状态,根据行人每一步的最大整体加速度与运动状态的内在相关性,获取不同运动状态的波峰检测经验阈值,实现不同运动状态下的自适应计步。通过实验对比分析,自适应波峰检测算法在传感器不同姿态和行人不同运动状态下的计步正确率均可达到99%以上,而常规波峰检测算法和自相关分析算法对正常态的计步精度虽然达到97%和99%以上,但对非正常状态下的计步精度仅有70%和50%,无法适应行人运动状态的变化。结果表明:自适应波峰检测算法对MEMS传感器姿态和运动状态的变化适应性较强,能够实现传感器不同姿态和不同运动状态下的可靠性计步。另外,自适应波峰检测、常规波峰检测、自相关分析算法的时间运算效率分别为0.036 s、0.046 s、0.131 s,自适应波峰检测算法时间效率明显优于其他两种算法。

运动手环中的姿态检测方法研究

在可穿戴设备逐渐发展的过程中,姿态检测作为其重要功能之一已经加入到越来越多的可穿戴设备中,因此,对如何在算法上提高姿态检测的准确性进行研究至关重要。通过对余弦测度、四元数算法、自适应波峰检测、人体姿态检测系统这四种姿态判断的主要算法在硬件选择和方法实现进行简要分析和比较,总结出这四种姿态判断算法各自的优缺点及主要适用情境,最后得出适应于儿童手环的相对优化的姿态检测方式。