了解模型 - 测量仪表精华方案汇总（1）

　　了解模型

　　在可用于分析跑步或步行的特征当中，我们选择“加速度”作为相关参数。个体（及其相关轴）的运动包括三个分量，分别是前向（“滚动”）、竖向（“偏航”）和侧向（“俯仰”），如图1所示。ADXL345检测其三个轴——x、y和z上的加速度。计步器处于未知方向，因此测量精度不应严重依赖于运动轴与加速度计测量轴之间的关系。

　　图1. 各轴的定义

　　让我们考虑步行的特性。图2描绘了一个步伐，我们将其定义为单位步行周期，图中显示了步行周期各阶段与竖向和前向加速度变化之间的关系。

　　图2. 步行阶段与加速度模式

　　图3显示了与一名跑步者的竖向、前向和侧向加速度相对应的x、y和z轴测量结果的典型图样。无论如何穿戴计步器，总有至少一个轴具有相对较大的周期性加速度变化，因此峰值检测和针对所有三个轴上的加速度的动态阈值决策算法对于检测单位步行或跑步周期至关重要。

　　图3. 从一名跑步者测得的x、y和z轴加速度的典型图样

　　算法

　　步伐参数

　　数字滤波器：首先，为使图3所示的信号波形变得平滑，需要一个数字滤波器。可以使用四个寄存器和一个求和单元，如图4所示。当然，可以使用更多寄存器以使加速度数据更加平滑，但响应时间会变慢。

　　图4. 数字滤波器

　　图5显示了来自一名步行者所戴计步器的最活跃轴的滤波数据。对于跑步者，峰峰值会更高。

　　图5. 最活跃轴的滤波数据

　　动态阈值和动态精度：系统持续更新3轴加速度的最大值和最小值，每采样50次更新一次。平均值（Max + Min）/2称为“动态阈值”。接下来的50次采样利用此阈值判断个体是否迈出步伐。由于此阈值每50次采样更新一次，因此它是动态的。这种选择具有自适应性，并且足够快。除动态阈值外，还利用动态精度来执行进一步滤波，如图6所示。

　　图6. 动态阈值和动态精度

　　利用一个线性移位寄存器和动态阈值判断个体是否有效地迈出一步。该线性移位寄存器含有2个寄存器：sample_new寄存器和sample_old寄存器。这些寄存器中的数据分别称为sample_new和sample_old。当新采样数据到来时，sample_new无条件移入sample_old寄存器。然而，sample_result是否移入sample_new寄存器取决于下述条件：如果加速度变化大于预定义精度，则最新的采样结果sample_result移入sample_new寄存器，否则sample_new寄存器保持不变。因此，移位寄存器组可以消除高频噪声，从而保证结果更加精确。

　　步伐迈出的条件定义为：当加速度曲线跨过动态阈值下方时，加速度曲线的斜率为负值（sample_new 《 sample_old）。 。

　　峰值检测：步伐计数器根据x、y、z三轴中加速度变化最大的一个轴计算步数。如果加速度变化太小，步伐计数器将忽略。

　　步伐计数器利用此算法可以很好地工作，但有时显得太敏感。当计步器因为步行或跑步之外的原因而非常迅速或非常缓慢地振动时，步伐计数器也会认为它是步伐。为了找到真正的有节奏的步伐，必须排除这种无效振动。利用“时间窗口”和“计数规则”可以解决这个问题。

　　“时间窗口”用于排除无效振动。假设人们最快的跑步速度为每秒5步，最慢的步行速度为每2秒1步。这样，两个有效步伐的时间间隔在时间窗口［0.2 s - 2.0 s］之内，时间间隔超出该时间窗口的所有步伐都应被排除。

　　ADXL345的用户可选输出数据速率特性有助于实现时间窗口。表1列出了TA = 25°C， VS = 2.5 V， and VDD I/O = 1.8 V时的可配置数据速率（以及功耗）。

　　表1. 数据速率和功耗

　　此算法使用50 Hz数据速率（20 ms）。采用interval的寄存器记录两步之间的数据更新次数。如果间隔值在10与100之间，则说明两步之间的时间在有效窗口之内；否则，时间间隔在时间窗口之外，步伐无效。

　　“计数规则” 用于确定步伐是否是一个节奏模式的一部分。步伐计数器有两个工作状态：搜索规则和确认规则。步伐计数器以搜索规则模式开始工作。假设经过四个连续有效步伐之后，发现存在某种规则（in regulation），那么步伐计数器就会刷新和显示结果，并进入“确认规则”工作模式。在这种模式下工作时，每经过一个有效步伐，步伐计数器就会更新一次。但是，如果发现哪怕一个无效步伐，步伐计数器就会返回搜索规则模式，重新搜索四个连续有效步伐。