CN108564059B - 穿戴式设备及其数据处理方法、装置、设备、存储介质 - Google Patents
穿戴式设备及其数据处理方法、装置、设备、存储介质 Download PDFInfo
- Publication number
- CN108564059B CN108564059B CN201810385311.2A CN201810385311A CN108564059B CN 108564059 B CN108564059 B CN 108564059B CN 201810385311 A CN201810385311 A CN 201810385311A CN 108564059 B CN108564059 B CN 108564059B
- Authority
- CN
- China
- Prior art keywords
- translation
- peak
- trough
- data sequence
- coordinates
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
Abstract
本申请公开了一种穿戴式设备及其数据处理方法、装置、设备、存储介质,涉及穿戴式设备领域,用于解决待处理数据的稳定性较差的问题,包括:获取原始数据序列;从原始数据序列中确定出所有波峰坐标和所有波谷坐标;利用所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围;利用稳定区间范围,对原始数据序列进行数据提取处理,得到稳定数据序列。本申请先提取原始数据序列中所有的波峰坐标和波谷坐标,并利用峰谷坐标来确定出一个区间范围作为稳定区间范围,然后利用该稳定区间范围将原始数据序列中的非稳定数据进行剔除,得到用作待处理数据的稳定数据序列,由此可有效提高待处理数据的稳定性,从而有利于提升后续数据处理结果的准确性。
Description
技术领域
本申请涉及穿戴式设备技术领域,特别涉及一种穿戴式设备及其数据处理方法、装置、设备、存储介质。
背景技术
现在生活中,穿戴式设备和智能手机等可移动智能设备由于携带方便、功能多样等优点,受到了许多用户的喜爱。然而,当用户携带着可移动智能设备,并且处于运动状态时,设备上的各种传感器采集到的数据容易受影响,导致数据的稳定性变差。
例如,佩戴穿戴式设备后,穿戴式设备上的心率传感器和加速度传感器等许多传感器所探测到的数据很容易受到用户运动状态的影响,导致传感器采集到的数据的稳定性较差,使得后续在对传感器采集到的数据进行处理时所得到的处理结果的准确性较差,影响了用户的使用体验。由此可见,如何提高待处理数据的稳定性,以提升后续数据处理结果的准确性是目前有待解决的问题。
发明内容
有鉴于此,本申请的目的在于提供一种穿戴式设备及其数据处理方法、装置、设备、存储介质,能够有效提高待处理数据的稳定性,从而提升了后续数据处理结果的准确性。其具体方案如下:
第一方面,本申请公开了一种数据处理方法,包括:
获取原始数据序列;
从所述原始数据序列中确定出所有波峰坐标和所有波谷坐标;
利用所述所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围;
利用所述稳定区间范围,对所述原始数据序列进行数据提取处理,得到用于发送至数据处理单元的稳定数据序列。
可选的,所述利用所述所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围,包括:
将所述原始数据序列中的所述所有波峰坐标所形成的波峰折线和所述所有波谷坐标所形成的波谷折线均分别在纵轴方向上平移,得到第一次平移后的波峰折线和第一次平移后的波谷折线;其中,所述第一次平移后的波峰折线的最小值和所述第一次平移后的波谷折线的最小值均为零;
确定当前所述第一次平移后的波峰折线上数值为中位数的波峰数值,得到波峰中位数;
确定当前所述第一次平移后的波谷折线上数值为中位数的波谷数值,得到波谷中位数;
将所述第一次平移后的波峰折线在纵轴方向上再次平移第一预设距离,得到第二次平移后的波峰折线;其中,所述第一预设距离为预设倍数的所述波峰中位数;
将所述第一次平移后的波谷折线在纵轴方向上再次平移第二预设距离,得到第二次平移后的波谷折线;其中,所述第二预设距离为所述预设倍数的所述波谷中位数;
将所述波峰中位数分别乘以预设上限系数和预设下限系数,相应地得到波峰数值上限和波峰数值下限,并将所述波峰数值上限和所述波峰数值下限之间的区间范围确定为稳定区间范围。
可选的,所述利用所述稳定区间范围,对所述原始数据序列进行数据提取处理,包括:
从所述第二次平移后的波峰折线和所述第二次平移后的波谷折线中,确定出位于所述稳定区间范围内的并且连续分布长度最长的峰谷坐标集合;
将所述原始数据序列中的与所述峰谷坐标集合对应的数据序列提取出来,得到用于发送至数据处理单元的稳定数据序列。
可选的,所述利用所述所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围,包括:
利用所述所有波峰坐标的波峰数值,确定出第一数值;其中,所述第一数值与所述所有波峰坐标的波峰数值之间的差值的绝对值最小;
利用所述所有波谷坐标的波谷数值,确定出第二数值;其中,所述第二数值与所述所有波谷坐标的波谷数值之间的差值的绝对值最小;
利用所述第一数值,确定出第一上限阈值,以及利用所述第二数值,确定出第一下限阈值;
将所述第一上限阈值与所述第一下限阈值之间的区间范围确定为稳定区间范围。
可选的,所述利用所述所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围,包括:
计算所述所有波峰坐标的波峰数值的平均数,确定出第一平均数;
计算所述所有波谷坐标的波谷数值的平均数,确定出第二平均数;
利用所述第一平均数,确定出第二上限阈值,以及利用所述第二平均数,确定出第二下限阈值;
将所述第二上限阈值与所述第二下限阈值之间的区间范围确定为稳定区间范围。
可选的,所述原始数据序列,包括:
心率传感器采集的原始心率数据,或加速度传感器采集的原始加速度数据。
第二方面,本申请公开了一种数据处理装置,包括:
数据获取模块,用于获取原始数据序列;
峰谷确定模块,用于从所述原始数据序列中确定出所有波峰坐标和所有波谷坐标;
稳定区间确定模块,用于利用所述所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围;
数据提取模块,用于利用所述稳定区间范围,对所述原始数据序列进行数据提取处理,得到用于发送至数据处理单元的稳定数据序列。
第三方面,本申请公开了一种数据处理设备,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现前述公开的数据处理方法。
第四方面,本申请公开了一种穿戴式设备,包括:
前述公开的数据处理设备;以及与所述数据处理设备连接,用于采集原始数据序列的传感器。
第五方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现前述公开的数据处理方法。
可见,本申请在获取到原始数据序列之后,将利用原始数据序列中的所有波峰坐标和波谷坐标来确定出稳定区间范围,然后利用该稳定区间范围,从上述原始数据序列中提取出稳定数据序列,以便发送至数据处理单元来进行处理,也即,本申请在采集原始数据序列之后,并不会直接把原始数据序列发送至数据处理单元,而是先提取原始数据序列中所有的波峰坐标和波谷坐标,并利用上述所有的峰谷坐标来确定出一个区间范围作为稳定区间范围,然后利用该稳定区间范围将原始数据序列中的非稳定数据进行剔除,得到用作待处理数据的稳定数据序列,通过上述过程可以有效地提高待处理数据的稳定性,从而有利于提升后续数据处理结果的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种数据处理方法流程图;
图2为本申请公开的一种具体的原始数据序列图;
图3为本申请公开的波峰标记链和波谷标记链示意图;
图4为本申请公开的峰谷标记链示意图;
图5为本申请公开的一种具体的数据处理方法流程图;
图6为本申请公开的第一次平移后的波峰折线和波谷折线示意图;
图7为本申请公开的第二次平移后的波峰折线和波谷折线示意图;
图8为本申请公开的一种具体的数据处理方法流程图;
图9为本申请公开的一种具体的数据处理方法流程图;
图10为本申请公开的一种数据处理装置结构示意图;
图11为本申请公开的一种数据处理设备结构示意图;
图12为本申请公开的一种具体的穿戴式设备硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例公开了一种数据处理方法,参见图1所示,该方法包括:
步骤S11:获取原始数据序列。
需要指出的是,本实施例中的原始数据序列具体是可移动智能设备上的传感器采集到的数据序列,如智能手机、智能手表、智能手环、VR眼镜、智能头盔等设备上的传感器采集到的原始数据序列。
另外,本实施例的获取原始数据序列的过程,具体可以为:连续获取传感器采集到的数据序列。为了减少后续数据处理量以及加快数据处理效率,本实施例也可以按照预设的数据获取周期,定期地获取传感器采集的原始数据序列,例如,假设本实施例上述预设的数据获取周期为5秒,则本实施例可以每隔5秒获取一次传感器采集到的原始数据序列,并且每次采集到的原始数据序列对应的时间长度可以通过人工设定或系统自动设定的方式来确定,也即,每次采集的原始数据序列对应的时间长度可以由人工来设定或由系统自动设定,比如可以设定为2秒,也即,本实施例每次可以获取传感器当前采集到的时间长度为2秒的原始数据序列,当本次获取过程结束后,再经过5秒,然后启动下一次的启动数据获取过程,以获取下一组时间长度为2秒的原始数据序列。
步骤S12:从所述原始数据序列中确定出所有波峰坐标和所有波谷坐标。
在一种具体实施方式中,可以结合原始数据序列中每个数据坐标的梯度来确定出所有的波峰坐标和波谷坐标。例如,假设原始数据序列中任一数据坐标可以表示为(k,data(k)),其中k为横坐标数值,data(k)为纵坐标数值,则对于任一数据坐标,相应的梯度具体可以表示为:G(k)=data(k+1)-data(k),然后可以利用下面的波峰条件和波谷条件寻找原始数据序列上的所有波峰坐标和波谷坐标:
波峰条件:G(k)≥0且G(k+1)<0,或,G(k)>0且G(k+1)≤0;
波谷条件:G(k)≤0且G(k+1)>0,或,G(k)<0且G(k+1)≥0。
例如,参见图2所示,图2中示出了一种具体的通过心率传感器或加速度传感器采集的原始数据序列,通过上述波峰和波谷坐标的寻找方法,可以确定出该原始数据序列上的所有波峰坐标和波谷坐标,其中,图2中利用圆形标示出了波峰所在的位置,利用三角形标示出了波谷所在的位置。
在另一种具体实施方式中,为了提升峰谷坐标的确定速度,也可以基于深度学习算法来快速得到原始数据序列中的所有波峰坐标和所有波谷坐标。具体的,本实施例可以利用大量的第一训练样本对基于深度学习算法构建的空白模型进行训练,得到训练好的波峰检测模型,以及利用大量的第二训练样本对基于深度学习算法构建的空白模型进行训练,得到训练好的波谷检测模型,然后将上述原始数据序列分别输入至上述波峰检测模型和波谷检测模型,从而得到相应的波峰坐标和波谷坐标。其中,上述第一训练样本中包括构成波峰的数据序列以及相应的波峰坐标,上述第二训练样本中包括构成波谷的数据序列以及相应的波谷坐标。
步骤S13:利用所述所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围。
需要指出的是,本实施例在利用所有波峰坐标和所有波谷坐标来确定上述稳定区间范围时,具体可以根据实际情况采用多种不同方式来进行确定,不同方式具有不同的特点,其中有些方式所确定的稳定区间范围能够使得后续提取到的稳定数据序列具有较强的稳定性,不过区间范围的确定过程需要进行比较多的计算,而有些方式对应的区间范围确定过程则无需进行较多的计算,不过后续所得到的稳定数据序列的稳定性会稍差些。
步骤S14:利用所述稳定区间范围,对所述原始数据序列进行数据提取处理,得到用于发送至数据处理单元的稳定数据序列。
需要指出的是,本实施例中利用所述稳定区间范围,对所述原始数据序列进行数据提取处理的过程,具体可以包括:将所述原始数据序列上的位于所述稳定区间范围内并且连续分布长度最长的数据序列片段提取出来,得到上述稳定数据序列。本实施例中,上述数据序列片段是指从上述原始数据序列中分离出来的数据序列片段,其中,上述原始数据序列在上述稳定区间范围的作用下,可能会形成位于稳定区间范围之内的多份数据序列片段,而上述位于所述稳定区间范围内并且连续分布长度最长的数据序列片段则是指上述多份数据序列片段中长度最长的片段。
可以理解的是,本实施例在提取所述稳定区间范围内并且连续分布长度最长的数据序列片段之前,需要对该数据序列片段进行确定。其中,具体的确定过程可以有以下两种方式:
在一种具体实施方式中,可以先确定出原始数据序列与稳定区间范围的区间边界之间的相交点坐标,然后利用上述相交点坐标将原始数据序列分割成多个数据序列片段,接着将上述多个数据序列片段中位于稳定区间范围之内的并且长度最长的片段确定为所述位于所述稳定区间范围内并且连续分布长度最长的数据序列片段。
在另一种具体实施方式中,可以先确定出位于所述稳定区间范围内的并且连续分布长度最长的峰谷坐标集合,然后将原始数据序列中与上述峰谷坐标集合对应的数据序列确定为所述位于所述稳定区间范围内并且连续分布长度最长的数据序列片段。其中,上述峰谷坐标集合是指波峰坐标和波谷坐标的集合。为了确定出位于所述稳定区间范围内的并且连续分布长度最长的峰谷坐标集合,本实施例可以先根据原始数据序列上的不同波峰坐标和波谷坐标之间在横轴方向上的相对位置关系,创建如图3所示的波峰标记链和波谷标记链。其中,波峰标记链上一共记载了7个波峰,分别是A1、A2、A3、A4、A5、A6和A7,并且根据波峰的位置特点为波峰赋予不同的数值,具体的,如果波峰位于稳定区间范围之内,则为该波峰赋予数值1,如果波峰位于稳定区间之外,则为该波峰赋予数值0,图3中,波峰A1至A7所对应的数值分别为0、1、1、1、1、1和1;波谷标记链上一共记载了7个波谷,分别是B1、B2、B3、B4、B5、B6和B7,并且根据波谷的位置特点为波谷赋予不同的数值,具体的,如果波谷位于稳定区间范围之内,则为该波谷赋予数值1,如果波谷位于稳定区间之外,则为该波谷赋予数值0,图3中,波峰B1至B7所对应的数值分别为0、1、1、1、1、0和1。通过对图3中的波峰标记链和波谷标记链进行融合,得到如图4所示的峰谷标记链,根据该峰谷标记链可知,原始数据序列上存在两组位于所述稳定区间范围内的并且连续分布的峰谷坐标集合,分别为第一组峰谷坐标集合{A2、B2、A3、B3、A4、B4、A5、B5、A6}以及第二组峰谷坐标集合{A7、B7},显然,在上述两组峰谷坐标集合中,第一组峰谷坐标集合的长度是最长的,所以将上述第一组峰谷坐标集合确定为位于所述稳定区间范围内的并且连续分布长度最长的峰谷坐标集合。
可见,本申请实施例在获取到原始数据序列之后,将利用原始数据序列中的所有波峰坐标和波谷坐标来确定出稳定区间范围,然后利用该稳定区间范围,从上述原始数据序列中提取出稳定数据序列,以便发送至数据处理单元来进行处理,也即,本申请实施例在采集原始数据序列之后,并不会直接把原始数据序列发送至数据处理单元,而是先提取原始数据序列中所有的波峰坐标和波谷坐标,并利用上述所有的峰谷坐标来确定出一个区间范围作为稳定区间范围,然后利用该稳定区间范围将原始数据序列中的非稳定数据进行剔除,得到用作待处理数据的稳定数据序列,通过上述过程可以有效地提高待处理数据的稳定性,从而有利于提升后续数据处理结果的准确性。
参见图5所示,本申请实施例公开了一种具体的数据处理方法,包括:
步骤S21:获取原始数据序列。
步骤S22:从所述原始数据序列中确定出所有波峰坐标和所有波谷坐标。
关于上述步骤S21和S22的具体内容可以参考前述实施例,在此不再进行赘述。
步骤S23:将所述原始数据序列中的所述所有波峰坐标所形成的波峰折线和所述所有波谷坐标所形成的波谷折线均分别在纵轴方向上平移,得到第一次平移后的波峰折线和第一次平移后的波谷折线;其中,所述第一次平移后的波峰折线的最小值和所述第一次平移后的波谷折线的最小值均为零。
以图2中示出的原始数据序列为例,在确定出该原始数据序列上所有的波峰坐标和波谷坐标之后,通过在相邻的波峰之间连线便可得到相应的波峰折线,通过在相邻的波谷之间连线便可得到相应的波谷折线。在本实施例步骤S23中,对波峰折线和波谷折线在纵轴方向进行第一平移,并使得本次平移之后波峰折线的最小值和波谷折线的最小值均相同,具体如图6所示,这样可以提升波峰和波谷在纵轴方向上的集中程度,并且此时如果越多的波峰和波谷集中在某个区间范围内,则说明该区间范围内数据的稳定性越高。另外,为了方便后续的数据运算过程,本实施例规定了本次平移之后波峰折线的最小值和波谷折线的最小值均为零,也即,此时平移之后波峰折线和波谷折线上的纵坐标数值均为大于或等于零的数值,从而使得后续可以不对负数展开运算,有利于简化运算过程。
步骤S24:确定当前所述第一次平移后的波峰折线上数值为中位数的波峰数值,得到波峰中位数。
在一种具体实施方式中,上述步骤S24的具体过程,可以包括:
若所述第一次平移后的波峰折线上波峰数量为奇数,则从当前所述第一次平移后的波峰折线上查找数值最大的波峰数值,并对该波峰数值进行标记,然后继续从当前所述第一次平移后的波峰折线上查找数值最大的并且未被标记过的波峰数值,直到找到第(n+1)/2个波峰数值,得到波峰中位数;其中,n为所述第一次平移后的波峰折线上的波峰数量;若所述第一次平移后的波峰折线上波峰数量为偶数,则从当前所述第一次平移后的波峰折线上查找数值最大的波峰数值,并对该波峰数值进行标记,然后继续从当前所述第一次平移后的波峰折线上查找数值最大的并且未被标记过的波峰数值,直到找到第n/2个波峰数值和第n/2+1个波峰数值,接着计算所述第n/2个波峰数值和所述第n/2+1个波峰数值的平均值,得到波峰中位数。
在另一种具体实施方式中,也可以先对当前所述第一次平移后的波峰折线上的所有波峰数值按照数值大小顺序进行排序,然后根据排序后的所有波峰数值中的中间位置上的数值确定波峰中位数。不过,相对于前一具体实施方式中公开的技术方案,本具体实施方式中的技术方案需要消耗更多的计算时间和计算资源,所以本申请优先采用前一具体实施方式中公开的技术方案来确定波峰中位数。
步骤S25:确定当前所述第一次平移后的波谷折线上数值为中位数的波谷数值,得到波谷中位数。
在一种具体实施方式中,上述步骤S25的具体过程,可以包括:
若所述第一次平移后的波谷折线上波谷数量为奇数,则从当前所述第一次平移后的波谷折线上查找数值最大的波谷数值,并对该波谷数值进行标记,然后继续从当前所述第一次平移后的波谷折线上查找数值最大的并且未被标记过的波谷数值,直到找到第(m+1)/2个波谷数值,得到波谷中位数;其中,m为所述第一次平移后的波谷折线上的波谷数量;若所述第一次平移后的波谷折线上波谷数量为偶数,则从当前所述第一次平移后的波谷折线上查找数值最大的波谷数值,并对该波谷数值进行标记,然后继续从当前所述第一次平移后的波谷折线上查找数值最大的并且未被标记过的波谷数值,直到找到第m/2个波谷数值和第m/2+1个波谷数值,接着计算所述第m/2个波谷数值和所述第m/2+1个波谷数值的平均值,得到波谷中位数。
在另一种具体实施方式中,也可以先对当前所述第一次平移后的波谷折线上的所有波谷数值按照数值大小顺序进行排序,然后根据排序后的所有波谷数值中的中间位置上的数值确定波谷中位数。不过,相对于前一具体实施方式中公开的技术方案,本具体实施方式中的技术方案需要消耗更多的计算时间和计算资源,所以本申请优先采用前一具体实施方式中公开的技术方案来确定波谷中位数。
步骤S26:将所述第一次平移后的波峰折线在纵轴方向上再次平移第一预设距离,得到第二次平移后的波峰折线;其中,所述第一预设距离为预设倍数的所述波峰中位数。
步骤S27:将所述第一次平移后的波谷折线在纵轴方向上再次平移第二预设距离,得到第二次平移后的波谷折线;其中,所述第二预设距离为所述预设倍数的所述波谷中位数。
本实施例中的预设倍数具体可以根据原始数据序列的数据类型来进行设定。例如,对于心率传感器采集的原始心率数据,或加速度传感器采集的原始加速度数据,所述预设倍数具体可以为2,在此基础上,设已知波峰中位数为16,波谷中位数为14,也即上述第一预设距离为32,第二预设距离为28,则后续对图6中示出的第一次平移后的波峰折线和第一次平移后的波谷折线分别进行上述第二次的平移之后,可得到如图7所示的波峰折线和波谷折线。
步骤S28:将所述波峰中位数分别乘以预设上限系数和预设下限系数,相应地得到波峰数值上限和波峰数值下限,并将所述波峰数值上限和所述波峰数值下限之间的区间范围确定为稳定区间范围。
需要指出的是,本实施例中的预设倍数、预设上限系数和预设下限系数具体可以根据原始数据序列的数据类型来进行设定。例如,对于心率传感器采集的原始心率数据,或加速度传感器采集的原始加速度数据,所述预设倍数具体可以为2,所述预设上限系数具体可以为3.9,所述预设下限系数具体可以为1.2。在此基础上,设已知波峰中位数为16,上述波峰数值上限具体为62.4,上述波峰数值下限具体为19.2。也即,上述稳定区间范围具体为19.2至62.4之间的取值范围。
步骤S29:从所述第二次平移后的波峰折线和所述第二次平移后的波谷折线中,确定出位于所述稳定区间范围内的并且连续分布长度最长的峰谷坐标集合;将所述原始数据序列中的与所述峰谷坐标集合对应的数据序列提取出来,得到用于发送至数据处理单元的稳定数据序列。
参见图8所示,本申请实施例公开了一种具体的数据处理方法,包括:
步骤S31:获取原始数据序列。
本实施例中,所述原始数据序列,具体可以包括心率传感器采集的原始心率数据,或加速度传感器采集的原始加速度数据。
步骤S32:从所述原始数据序列中确定出所有波峰坐标和所有波谷坐标。
关于上述步骤S31和S32的具体内容可以参考前述实施例,在此不再进行赘述。
步骤S33:利用所述所有波峰坐标的波峰数值,确定出第一数值;其中,所述第一数值与所述所有波峰坐标的波峰数值之间的差值的绝对值最小。
步骤S34:利用所述所有波谷坐标的波谷数值,确定出第二数值;其中,所述第二数值与所述所有波谷坐标的波谷数值之间的差值的绝对值最小。
步骤S35:利用所述第一数值,确定出第一上限阈值,以及利用所述第二数值,确定出第一下限阈值。
需要指出的是,本实施例中可以通过将所述第一数值乘以第一预设系数的方式,或者将所述第一数值加上第一预设数值的方式,来确定出上述第一上限阈值,并且使得所述第一上限阈值不小于所述第一数值,以及所述第一上限阈值与所述第一数值之间的差需要控制在合理的范围,不能相差过大,否则会降低数据的稳定性。对于不同类型的原始数据序列,上述第一预设系数和第一预设数值的具体取值会有所不同,所以可以事先根据原始数据序列的特点确定上述第一预设系数或第一预设数值,在此不对其进行具体限定。
同理,本实施例中可以通过将所述第二数值乘以第二预设系数的方式,或者将所述第二数值加上第二预设数值的方式,来确定出上述第一下限阈值,并且使得所述第一下限阈值不小于所述第二数值,以及所述第一下限阈值与所述第二数值之间的差需要控制在合理的范围,不能相差过大,否则会降低数据的稳定性。本实施例可以事先根据原始数据序列的特点确定上述第二预设系数或第二预设数值,在此不对其进行具体限定。
步骤S36:将所述第一上限阈值与所述第一下限阈值之间的区间范围确定为稳定区间范围。
步骤S37:利用所述稳定区间范围,对所述原始数据序列进行数据提取处理,得到用于发送至数据处理单元的稳定数据序列。
参见图9所示,本申请实施例公开了一种具体的数据处理方法,包括:
步骤S41:获取原始数据序列。
本实施例中,所述原始数据序列,具体可以包括心率传感器采集的原始心率数据,或加速度传感器采集的原始加速度数据。
步骤S42:从所述原始数据序列中确定出所有波峰坐标和所有波谷坐标。
关于上述步骤S41和S42的具体内容可以参考前述实施例,在此不再进行赘述。
步骤S43:计算所述所有波峰坐标的波峰数值的平均数,确定出第一平均数。
步骤S44:计算所述所有波谷坐标的波谷数值的平均数,确定出第二平均数。
步骤S45:利用所述第一平均数,确定出第二上限阈值,以及利用所述第二平均数,确定出第二下限阈值。
需要指出的是,本实施例中可以通过将所述第一平均数乘以第三预设系数的方式,或者将所述第一平均数加上第三预设数值的方式,来确定出上述第二上限阈值,并且使得所述第二上限阈值不小于所述第一平均数,以及所述第二上限阈值与所述第一平均数之间的差需要控制在合理的范围,不能相差过大,否则会降低数据的稳定性。本实施例可以事先根据原始数据序列的特点确定上述第三预设系数或第三预设数值,在此不对其进行具体限定。
同理,本实施例中可以通过将所述第二平均数乘以第四预设系数的方式,或者将所述第二平均数加上第四预设数值的方式,来确定出上述第二下限阈值,并且使得所述第二下限阈值不小于所述第二平均数,以及所述第二下限阈值与所述第二平均数之间的差需要控制在合理的范围,不能相差过大,否则会降低数据的稳定性。本实施例可以事先根据原始数据序列的特点确定上述第四预设系数或第四预设数值,在此不对其进行具体限定。
步骤S46:将所述第二上限阈值与所述第二下限阈值之间的区间范围确定为稳定区间范围。
步骤S47:利用所述稳定区间范围,对所述原始数据序列进行数据提取处理,得到用于发送至数据处理单元的稳定数据序列。
相应的,本申请实施例还公开了一种数据处理装置,参见图10所示,该装置包括:
数据获取模块11,用于获取原始数据序列;
峰谷确定模块12,用于从所述原始数据序列中确定出所有波峰坐标和所有波谷坐标;
稳定区间确定模块13,用于利用所述所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围;
数据提取模块14,用于利用所述稳定区间范围,对所述原始数据序列进行数据提取处理,得到用于发送至数据处理单元的稳定数据序列。
关于上述各个模块更加具体的工作过程可以参考前述实施例公开的相应内容,在此不再进行赘述。
进一步的,本申请实施例还公开了一种数据处理设备,参见图11所示,该数据处理设备包括处理器21和存储器22,其中,所述处理器21执行所述存储器22中保存的计算机程序时实现以下步骤:
获取原始数据序列;从所述原始数据序列中确定出所有波峰坐标和所有波谷坐标;利用所述所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围;利用所述稳定区间范围,对所述原始数据序列进行数据提取处理,得到用于发送至数据处理单元的稳定数据序列。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:将所述原始数据序列中的所述所有波峰坐标所形成的波峰折线和所述所有波谷坐标所形成的波谷折线均分别在纵轴方向上平移,得到第一次平移后的波峰折线和第一次平移后的波谷折线;其中,所述第一次平移后的波峰折线的最小值和所述第一次平移后的波谷折线的最小值均为零;确定当前所述第一次平移后的波峰折线上数值为中位数的波峰数值,得到波峰中位数;确定当前所述第一次平移后的波谷折线上数值为中位数的波谷数值,得到波谷中位数;将所述第一次平移后的波峰折线在纵轴方向上再次平移第一预设距离,得到第二次平移后的波峰折线;其中,所述第一预设距离为预设倍数的所述波峰中位数;将所述第一次平移后的波谷折线在纵轴方向上再次平移第二预设距离,得到第二次平移后的波谷折线;其中,所述第二预设距离为所述预设倍数的所述波谷中位数;将所述波峰中位数分别乘以预设上限系数和预设下限系数,相应地得到波峰数值上限和波峰数值下限,并将所述波峰数值上限和所述波峰数值下限之间的区间范围确定为稳定区间范围。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:从所述第二次平移后的波峰折线和所述第二次平移后的波谷折线中,确定出位于所述稳定区间范围内的并且连续分布长度最长的峰谷坐标集合;将所述原始数据序列中的与所述峰谷坐标集合对应的数据序列提取出来,得到用于发送至数据处理单元的稳定数据序列。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:若所述第一次平移后的波峰折线上波峰数量为奇数,则从当前所述第一次平移后的波峰折线上查找数值最大的波峰数值,并对该波峰数值进行标记,然后继续从当前所述第一次平移后的波峰折线上查找数值最大的并且未被标记过的波峰数值,直到找到第(n+1)/2个波峰数值,得到波峰中位数;其中,n为所述第一次平移后的波峰折线上的波峰数量;若所述第一次平移后的波峰折线上波峰数量为偶数,则从当前所述第一次平移后的波峰折线上查找数值最大的波峰数值,并对该波峰数值进行标记,然后继续从当前所述第一次平移后的波峰折线上查找数值最大的并且未被标记过的波峰数值,直到找到第n/2个波峰数值和第n/2+1个波峰数值,接着计算所述第n/2个波峰数值和所述第n/2+1个波峰数值的平均值,得到波峰中位数。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:若所述第一次平移后的波谷折线上波谷数量为奇数,则从当前所述第一次平移后的波谷折线上查找数值最大的波谷数值,并对该波谷数值进行标记,然后继续从当前所述第一次平移后的波谷折线上查找数值最大的并且未被标记过的波谷数值,直到找到第(m+1)/2个波谷数值,得到波谷中位数;其中,m为所述第一次平移后的波谷折线上的波谷数量;若所述第一次平移后的波谷折线上波谷数量为偶数,则从当前所述第一次平移后的波谷折线上查找数值最大的波谷数值,并对该波谷数值进行标记,然后继续从当前所述第一次平移后的波谷折线上查找数值最大的并且未被标记过的波谷数值,直到找到第m/2个波谷数值和第m/2+1个波谷数值,接着计算所述第m/2个波谷数值和所述第m/2+1个波谷数值的平均值,得到波谷中位数。
本实施例中,所述原始数据序列,具体可以包括但不限于心率传感器采集的原始心率数据,或加速度传感器采集的原始加速度数据。其中,当所述原始数据序列为心率传感器或加速度传感器采集到的数据时,所述预设倍数具体为2,所述预设上限系数具体为3.9,所述预设下限系数具体为1.2。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:利用所述所有波峰坐标的波峰数值,确定出第一数值;其中,所述第一数值与所述所有波峰坐标的波峰数值之间的差值的绝对值最小;利用所述所有波谷坐标的波谷数值,确定出第二数值;其中,所述第二数值与所述所有波谷坐标的波谷数值之间的差值的绝对值最小;利用所述第一数值,确定出第一上限阈值,以及利用所述第二数值,确定出第一下限阈值;将所述第一上限阈值与所述第一下限阈值之间的区间范围确定为稳定区间范围。
本实施例中,所述处理器21执行所述存储器22中保存的计算机子程序时,可以具体实现以下步骤:计算所述所有波峰坐标的波峰数值的平均数,确定出第一平均数;计算所述所有波谷坐标的波谷数值的平均数,确定出第二平均数;利用所述第一平均数,确定出第二上限阈值,以及利用所述第二平均数,确定出第二下限阈值;将所述第二上限阈值与所述第二下限阈值之间的区间范围确定为稳定区间范围。
进一步的,本申请实施例还公开了一种穿戴式设备,包括:前述实施例公开的数据处理设备;以及与所述数据处理设备连接,用于采集原始数据序列的传感器。
参见图12所示,图12中示出了一种具体的穿戴式设备20,包括:
数据处理设备,其中,所述数据处理设备包括前述实施例中公开的处理器21和存储器22。本实施例中,处理器21和存储器22的部分的具体工作过程可以参考前述实施例公开的相应内容,另外,处理器21中还集成了前述实施例中公开的数据处理单元,用于对稳定数据序列进行后续的相关处理。当然,处理器21中还可以集成其他功能的处理单元,用于对外界输入的不同类型的数据相应的处理。例如,处理器21中还可以集成图像处理单元,用于对图像数据进行处理,还可以集成声音处理单元,用于对声音数据进行处理。
显示单元23,用于对处理器发送过来的数据进行显示。其中,对于不同类型的穿戴式设备,显示单元23具体可以包括不同数量的显示面板,比如,智能手表中的显示单元23可以是一整块显示面板,头戴式设备中的显示单元23可以为一整块显示面板或者为分别对应于用户左眼和右眼的第一显示面板和第二显示面板。另外,上述显示面板具体可以是电致发光元件或液晶显示面板。当然,本实施例中的显示单元也可以是激光扫描式显示器,或者是能够直接将显示画面投射至用户视网膜的投影仪。
输入接口24,用于获取外界导入的计算机程序,也可以用于获取外界输入的各种参数和指令,并将获取到的数据保存至存储器22中。
传感器25,用于采集数据,并将采集到的数据发送至处理器21进行相应的处理。本实施例中,传感器25可以包括但不限于心率传感器、加速度传感器、陀螺仪、GPS(全球定位系统)传感器、地磁传感器、多普勒效应传感器、红外传感器、温度传感器和射频场强度传感器。传感器25在采集相应的原始传感数据之后,由处理器21对原始传感数据进行进一步的分析处理,得到相应的分析处理结果,根据上述分析处理结果,可以判断出当前用户所处的各种状态,例如,可以判断出当前用户的使用操作状态,如判断出当前用户是否佩带穿戴式设备,也可以判断出当前用户所处的运动状态,如行走、奔跑、静止等状态,还可以判断出当前用户某个身体部位的姿势状态,如手或指尖的姿势状态、眼睛的开合状态、视线方向和瞳孔尺寸等,甚至可以判断出用户的精神状态,如判断出当前用户是否处于兴奋状态或伤心状态,或者判断出当前用户是否全神贯注地沉浸在穿戴式设备所产生的虚拟场景中。
在一些实施例中,穿戴式设备20还可以包括通信单元26,用于获取外界终端发送的数据,然后发送至处理器21进行处理分析,另外,处理器21还可以将处理后得到的各种结果通过通信单元26发送至预设的各种数据接收终端。本实施例中,上述通信单元26所采用的通信技术可以是有线通信技术或无线通信技术,如移动高清链接技术(MHL)、通用串行总线(USB)、高清多媒体接口(HDMI)、无线保真技术(WiFi)、蓝牙通信技术、低功耗蓝牙通信技术、基于IEEE802.11s的通信技术等。另外,通信单元26具体可以根据宽带码分多址(W-CDMA)、长期演进(LTE)和类似标准操作的窝蜂无线收发器。
在一些实施例中,穿戴式设备20还可以包括图像采集器27,用于对位于拍摄方向上的场景进行图像采集,然后将采集到的图像发送至处理器21进行数据处理分析,后续处理器21可以将图像处理结果发送至显示单元23进行显示,或者可以传输至存储器22进行保存,又或者可以通过通信单元26将图像处理结果发送至预设的数据接收终端。
在一些实施例中,穿戴式设备20还可以包括声音采集和播放器28,用于采集环境中的声音,然后将采集到的声音信号发送至处理器21进行数据处理分析,后续处理器21可以将声音处理结果发送至声音采集和播放器28进行播放,或者可以传输至存储器22进行保存,又或者可以通过通信单元26将声音处理结果发送至预设的数据接收终端。
进一步的,本申请还公开了一种计算机可读存储介质,用于存储计算机程序,其中,所述计算机程序被处理器执行时前述公开的数据处理方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的一种穿戴式设备及其数据处理方法、装置、设备、存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (6)
1.一种数据处理方法,其特征在于,包括:
获取原始数据序列;其中,所述原始数据序列包括心率传感器采集的原始心率数据或加速度传感器采集的原始加速度数据;
从所述原始数据序列中确定出所有波峰坐标和所有波谷坐标;
利用所述所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围;
利用所述稳定区间范围,对所述原始数据序列进行数据提取处理,得到用于发送至数据处理单元的稳定数据序列;
其中,所述利用所述所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围,包括:将所述原始数据序列中的所述所有波峰坐标所形成的波峰折线和所述所有波谷坐标所形成的波谷折线均分别在纵轴方向上平移,得到第一次平移后的波峰折线和第一次平移后的波谷折线;其中,所述第一次平移后的波峰折线的最小值和所述第一次平移后的波谷折线的最小值均为零;确定当前所述第一次平移后的波峰折线上数值为中位数的波峰数值,得到波峰中位数;确定当前所述第一次平移后的波谷折线上数值为中位数的波谷数值,得到波谷中位数;将所述第一次平移后的波峰折线在纵轴方向上再次平移第一预设距离,得到第二次平移后的波峰折线;其中,所述第一预设距离为预设倍数的所述波峰中位数;将所述第一次平移后的波谷折线在纵轴方向上再次平移第二预设距离,得到第二次平移后的波谷折线;其中,所述第二预设距离为所述预设倍数的所述波谷中位数;将所述波峰中位数分别乘以预设上限系数和预设下限系数,相应地得到波峰数值上限和波峰数值下限,并将所述波峰数值上限和所述波峰数值下限之间的区间范围确定为稳定区间范围。
2.根据权利要求1所述的数据处理方法,其特征在于,所述利用所述稳定区间范围,对所述原始数据序列进行数据提取处理,包括:
从所述第二次平移后的波峰折线和所述第二次平移后的波谷折线中,确定出位于所述稳定区间范围内的并且连续分布长度最长的峰谷坐标集合;
将所述原始数据序列中的与所述峰谷坐标集合对应的数据序列提取出来,得到用于发送至数据处理单元的稳定数据序列。
3.一种数据处理装置,其特征在于,包括:
数据获取模块,用于获取原始数据序列;其中,所述原始数据序列包括心率传感器采集的原始心率数据或加速度传感器采集的原始加速度数据;
峰谷确定模块,用于从所述原始数据序列中确定出所有波峰坐标和所有波谷坐标;
稳定区间确定模块,用于利用所述所有波峰坐标和所述所有波谷坐标,确定出稳定区间范围;
数据提取模块,用于利用所述稳定区间范围,对所述原始数据序列进行数据提取处理,得到用于发送至数据处理单元的稳定数据序列;
其中,所述稳定区间确定模块,具体用于:
将所述原始数据序列中的所述所有波峰坐标所形成的波峰折线和所述所有波谷坐标所形成的波谷折线均分别在纵轴方向上平移,得到第一次平移后的波峰折线和第一次平移后的波谷折线;其中,所述第一次平移后的波峰折线的最小值和所述第一次平移后的波谷折线的最小值均为零;确定当前所述第一次平移后的波峰折线上数值为中位数的波峰数值,得到波峰中位数;确定当前所述第一次平移后的波谷折线上数值为中位数的波谷数值,得到波谷中位数;将所述第一次平移后的波峰折线在纵轴方向上再次平移第一预设距离,得到第二次平移后的波峰折线;其中,所述第一预设距离为预设倍数的所述波峰中位数;将所述第一次平移后的波谷折线在纵轴方向上再次平移第二预设距离,得到第二次平移后的波谷折线;其中,所述第二预设距离为所述预设倍数的所述波谷中位数;将所述波峰中位数分别乘以预设上限系数和预设下限系数,相应地得到波峰数值上限和波峰数值下限,并将所述波峰数值上限和所述波峰数值下限之间的区间范围确定为稳定区间范围。
4.一种数据处理设备,其特征在于,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1或2所述的数据处理方法。
5.一种穿戴式设备,其特征在于,包括:
如权利要求4所述的数据处理设备;
与所述数据处理设备连接,用于采集原始数据序列的传感器。
6.一种计算机可读存储介质,其特征在于,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1或2所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810385311.2A CN108564059B (zh) | 2018-04-26 | 2018-04-26 | 穿戴式设备及其数据处理方法、装置、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810385311.2A CN108564059B (zh) | 2018-04-26 | 2018-04-26 | 穿戴式设备及其数据处理方法、装置、设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108564059A CN108564059A (zh) | 2018-09-21 |
CN108564059B true CN108564059B (zh) | 2021-02-23 |
Family
ID=63536846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810385311.2A Active CN108564059B (zh) | 2018-04-26 | 2018-04-26 | 穿戴式设备及其数据处理方法、装置、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108564059B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113093194B (zh) * | 2019-12-23 | 2023-12-29 | 佛山市顺德区美的饮水机制造有限公司 | 超声波波峰的标注方法与装置、存储介质、检测方法 |
CN113576439B (zh) * | 2020-05-08 | 2023-06-13 | 深圳北芯生命科技股份有限公司 | 处理血管压力信号的主机 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010103539A3 (en) * | 2009-03-09 | 2010-12-02 | Dinesh Shantilal Patel | Sustained release oral formulation of vinpocetine |
CN102519498A (zh) * | 2011-12-07 | 2012-06-27 | 天津大学 | 基于任意极值的低相干干涉解调方法 |
CN102755154A (zh) * | 2012-07-17 | 2012-10-31 | 桂林电子科技大学 | 一种从脉搏波中提取传导时间的计算方法 |
CN105069527A (zh) * | 2015-07-31 | 2015-11-18 | 国家电网公司 | 一种基于数据挖掘技术的台区合理线损预测方法 |
CN105342626A (zh) * | 2015-12-08 | 2016-02-24 | 成都麦杰康科技有限公司 | 穿戴式设备及应用于穿戴式设备的跌倒检测方法 |
CN106334307A (zh) * | 2015-07-07 | 2017-01-18 | 天彩电子(深圳)有限公司 | 一种游泳监测方法 |
CN106599138A (zh) * | 2016-12-05 | 2017-04-26 | 南京信息工程大学 | 一种用电器种类识别方法 |
CN106580301A (zh) * | 2016-12-21 | 2017-04-26 | 广州心与潮信息科技有限公司 | 一种生理参数的监测方法、装置和手持设备 |
CN106767795A (zh) * | 2017-01-20 | 2017-05-31 | 福州大学 | 一种基于惯性导航的移动机器人位移计算算法 |
CN107630920A (zh) * | 2017-10-16 | 2018-01-26 | 歌尔科技有限公司 | 一种半自动转轴组件 |
-
2018
- 2018-04-26 CN CN201810385311.2A patent/CN108564059B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010103539A3 (en) * | 2009-03-09 | 2010-12-02 | Dinesh Shantilal Patel | Sustained release oral formulation of vinpocetine |
CN102519498A (zh) * | 2011-12-07 | 2012-06-27 | 天津大学 | 基于任意极值的低相干干涉解调方法 |
CN102755154A (zh) * | 2012-07-17 | 2012-10-31 | 桂林电子科技大学 | 一种从脉搏波中提取传导时间的计算方法 |
CN106334307A (zh) * | 2015-07-07 | 2017-01-18 | 天彩电子(深圳)有限公司 | 一种游泳监测方法 |
CN105069527A (zh) * | 2015-07-31 | 2015-11-18 | 国家电网公司 | 一种基于数据挖掘技术的台区合理线损预测方法 |
CN105342626A (zh) * | 2015-12-08 | 2016-02-24 | 成都麦杰康科技有限公司 | 穿戴式设备及应用于穿戴式设备的跌倒检测方法 |
CN106599138A (zh) * | 2016-12-05 | 2017-04-26 | 南京信息工程大学 | 一种用电器种类识别方法 |
CN106580301A (zh) * | 2016-12-21 | 2017-04-26 | 广州心与潮信息科技有限公司 | 一种生理参数的监测方法、装置和手持设备 |
CN106767795A (zh) * | 2017-01-20 | 2017-05-31 | 福州大学 | 一种基于惯性导航的移动机器人位移计算算法 |
CN107630920A (zh) * | 2017-10-16 | 2018-01-26 | 歌尔科技有限公司 | 一种半自动转轴组件 |
Non-Patent Citations (1)
Title |
---|
多种调制雷达回波信号接收和分析系统设计;安晶晶;《万方数据》;20110824;第31-42页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108564059A (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020273327B2 (en) | Systems and methods of swimming analysis | |
CN108510099B (zh) | 一种路径规划的方法及穿戴设备 | |
KR102089002B1 (ko) | 행동에 대한 피드백을 제공하는 웨어러블 디바이스 및 방법 | |
CN104142583A (zh) | 一种具有眨眼检测功能的智能眼镜及实现方法 | |
CN105488334A (zh) | 基于传感器的运动活动测量 | |
CN106705989B (zh) | 记步方法、设备及终端 | |
CN104780217A (zh) | 检测用户工作效率的方法、系统及客户端 | |
CN108564059B (zh) | 穿戴式设备及其数据处理方法、装置、设备、存储介质 | |
CN112203115B (zh) | 一种视频识别方法和相关装置 | |
US20180188809A1 (en) | Bioelectricity-based control method and apparatus, and bioelectricity-based controller | |
CN107270931A (zh) | 一种IOS和android平台通用的步态自相关计步器 | |
CN107016411B (zh) | 数据处理方法及装置 | |
CN205850175U (zh) | 运动矫正仪 | |
CN114930319A (zh) | 音乐推荐方法和装置 | |
CN107563337A (zh) | 人脸识别的方法及相关产品 | |
KR102108180B1 (ko) | 운동에 대한 피드백을 제공하는 웨어러블 디바이스 및 방법 | |
CN107885318A (zh) | 一种虚拟环境交互方法、装置、系统及计算机可读介质 | |
CN117084668A (zh) | 醉酒状态评估方法、装置、存储介质及电子设备 | |
CN113074724B (zh) | 运动时间计算方法、装置、设备及计算机可读存储介质 | |
CN112075938B (zh) | 分布式数据采集系统、方法及存储介质 | |
CN107832690A (zh) | 人脸识别的方法及相关产品 | |
CN107992193A (zh) | 手势确认方法、装置及电子设备 | |
CN115080840A (zh) | 一种内容推送方法、装置及存储介质 | |
CN113706446A (zh) | 一种镜头检测方法和相关装置 | |
CN112237727A (zh) | 一种跑步任务自动调整方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |