-
题名一种波峰波谷检测的智能手机计步算法
被引量：11
- 1
-
-
作者
毕京学
汪云甲
曹鸿基
齐红霞
姚国标
宁一鹏
-
机构
山东建筑大学测绘地理信息学院
中国矿业大学环境与测绘学院
-
出处
《中国惯性技术学报》
EI
CSCD
北大核心
2020年第3期287-292,共6页
-
基金
国家重点研发计划项目(2016YFB0502102)
卫星导航系统与装备技术国家重点实验室开放基金项目(CEPNT-2018KF-03)
+3 种基金
山东省高等学校青创人才引育计划(0031802)
山东建筑大学博士科研基金项目(XNBS1985)
山东建筑大学开放实验项目(2019yzkf159)
自然资源部测绘科学与地球空间信息技术重点实验室开放基金(2020-3-4)。
-
文摘
提出了一种面向智能手机的波峰波谷检测计步算法,以合加速度模值的周期性变化为依据,采用移动平均法对合加速度模值进行滤波处理,基于前后两个相邻时刻滤波后合加速度模值识别波峰和波谷,利用识别的首个波峰和波谷以及滑动窗口法完成后续波峰和波谷检测,并借助最小值函数实现步数统计。2名实验人员平端智能手机在211 m走廊内开展计步实验,所提出算法的计步准确率为100%,与常用算法相比,精度提高了1.01%以上;在多种活动下开展计步实验,提出算法的计步准确率为98.75%,与常用算法相比,精度提高了8.75%以上。实验结果表明,提出的算法对于不同行人、不同步速和多种活动可以实现准确计步,优于常用算法,且能够在大众智能手机上流畅运行。
-
关键词
行人航位推算
计步算法
波峰波谷检测
滑动窗口
-
Keywords
pedestrian dead reckoning
step counting algorithm
peak-valley detection
sliding window
-
分类号
P227.9
[天文地球—大地测量学与测量工程]
-
-
题名基于手机加速度传感器的波峰波谷计步算法研究
被引量：6
- 2
-
-
作者
凌海波
杨 静
周先存
-
机构
皖西学院电子与信息工程学院
皖西学院体育学院
-
出处
《四川理工学院学报（自然科学版）》
CAS
2017年第3期21-25,共5页
-
基金
国家自然科学基金资助项目(61572366
61303209)
皖西学院校级项目(WXSK201634)
-
文摘
智能手机及其内置传感器的普及可实现行人步数统计,但是由于人行走的随意性以及智能手机内置传感器精度不高,使计步精度难以满足应用要求,为此,提出了多种计步算法。为了解决传统计步算法难以实现计步精度和算法复杂度之间的平衡问题,提出了一种基于手机加速度传感器波峰波谷检测计步算法。分析了人体步行运动规律,给出了手机在不同姿态下的计步结果。实验结果表明,与现有的阈值和幅值计步算法相比,在计步步数为1000步时,该算法处理数据量降低了80%,明显降低了算法复杂度,计步精度也达到95%以上,计步性能有了很大的提高,能够很好地满足计步要求。
-
关键词
计步算法
加速度传感器
波峰波谷检测
-
Keywords
step-counting algorithm
accelerometer
peak and trough detection
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于加速度的门限检测计步算法设计
- 3
-
-
作者
冯箫
-
机构
江南大学物联网工程学院
-
出处
《软件工程与应用》
2020年第1期93-101,共9页
-
文摘
伴随城市化的进程推进,人们对于室内定位技术的精度要求日益增长,室内定位的研究也受到了社会的广泛关注。本文在传统的波峰波谷检测算法的基础上做出改进,设计了多重门限检测的波谷检测算法。该算法通过波峰值或者波谷值判断行人的运动状态,然后检测相邻波谷之间的时间差和波谷与波峰之间的时间差是否满足阈值条件,消除伪波峰和伪波谷的影响,实现计步。同时,本文也使用了卡尔曼滤波降低原始数据的噪声,平滑曲线。实验表明本文算法提高了计步的准确性,能够应用于计步器、室内定位等领域。
-
关键词
波峰波谷检测
多重门限检测
卡尔曼滤波
室内定位
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于深度强化学习的计步方法
被引量：5
- 4
-
-
作者
彭琛
韩立新
-
机构
河海大学计算机与信息学院
-
出处
《计算机与现代化》
2019年第1期63-68,共6页
-
文摘
针对计步软件使用中用户行为不定,容易产生各种噪声以及传统算法中参数不能持续优化的问题,本文提出基于深度强化学习的计步方法。将噪声判别及步数统计作为智能体的动作,在步数统计中改进波峰检测法,提出均值穿越波峰波谷检测法。利用循环神经网络保存内部状态,将用户对计步器计步好坏的反馈作为奖励信号,指导参数持续优化。实验结果表明,该方法在采集设备放置于不同位置并且有噪声时,噪声识别率为0.9151,计步误差率为0.0623,有较高的精度以及较强的抗干扰能力。
-
关键词
计步器
深度强化学习
均值穿越波峰波谷检测法
-
Keywords
pedometer
deep reinforcement learning
mean crosssing peak trough detection method
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
