CN103323615B - 一种通过加速度传感器计算步行速度的移动终端及方法 - Google Patents

Abstract

本发明提供一种用于测量步行速度的移动终端，其特征在于，包括：加速度传感器，用于测量行人步行时的加速度；传感器控制单元，用于控制传感器采样的开始和结束、以及采样的频率，并读取传感器的输出结果；频谱分析单元，用于对采样的加速度进行频谱分析，并将与步行相关的能量从噪声中识别分离出来；估算单元，用于根据频谱分析单元分离出来的步行能量估算所述行人的步行速度；以及，输出装置，用于输出与所述步行速度相关的信息。本发明还提供一种使用移动终端自带的加速度传感器测量行人的步行速度方法。本发明解决现有技术中行人携带的移动终端只能计算步数，不能准确计算步行速度的问题。

Description

一种通过加速度传感器计算步行速度的移动终端及方法

技术领域

本发明属于信息技术领域和数字信号处理领域，具体涉及一种通过加速度传感器的测量值准确计算步行速度的移动终端和方法。

背景技术

目前，人们在解决基于移动终端的行人惯性导航中的一个重要问题是如何计算行人步行速度，移动终端可以是手机、平板电脑等。

以智能手机为例，当前智能手机上普遍带有加速度传感器（又称：重力感应）。手机操作系统（如安卓、iOS等）为手机应用程序提供了控制传感器及读取传感器数据的应用开发接口API。以安卓操作系统为例，提供了SensorManager类来管理传感器，提供了SensorEventListener类来监听传感器事件，它们都在“android.hardware”包中。应用程序通过SensorEvent类的Values()方法即可获得手机传感器的输出数值。智能机上的加速度传感器通常被用于实现手机屏幕的自动旋转；此外，还广泛用于体感游戏，使得用户能够通过晃动手机来操作游戏。但是由于缺乏相关的技术手段，还没有能够将加速度传感器用于计算行人步行速度。这是因为手机等移动终端上的加速度传感器精度低，方位不稳定，且相对于携带它们的行人有晃动，已有的技术手段无法根据加速度传感器的输出值准确计算出步行速度。

中国专利200510088617.4（公开号CN1723848A）公开了利用加速度传感器输出值计算行人的步数，并判断行人是在全速跑、慢跑、正常行走还是快速行走，然后结合人的体重估计卡路里消耗。该专利中的方法只能定性估计行人走路或者跑步速度是快还是慢，无法准确定量计算出速度的具体大小。已有的相关工作一般通过步频乘以步长计算出步行速度，其中难点在于步长测量。有研究者使用一个固定的近似公式来作为步长：身高乘以0.413（女性），0.415（男性）。其他的一些文献也使用了该方法。有研究指出，特定行人的步长会在±50%的范围变化。所以使用固定值会带来较大误差。此外，基于加速度传感器的步数统计也有较大误差。因此，已有的方法不能准确计算出行人的步行速度。

发明内容

本发明所要解决的技术问题是提供了一种通过加速度传感器输出值计算行人的步行速度的移动终端，及基于移动终端加速度传感器的步行速度测算方法，以便通过移动终端的加速度传感器输出值准确计算行人的步行速度。

为了实现本发明的一个目的，提供一种用于测量步行速度的移动终端，其特征在于，包括：加速度传感器，用于测量行人行走过程中的加速度；传感器控制单元，用于控制传感器采样的开始和结束、以及采样的频率，并读取传感器的输出结果；频谱分析单元，用于对采样的加速度进行频谱分析，并将与步行相关的能量从噪声中识别分离出来；估算单元，用于根据频谱分析单元分离出来的步行能量估算所述行人的步行速度；以及，输出装置，用于输出与所述步行速度相关的信息。

根据上述方案，所述加速度传感器是三轴加速度传感器，其能够产生用于测量X、Y和Z轴方向上的加速度值；利用公式求加速度的幅值，并将所述加速度幅值乘以窗函数计算FFT，得到频谱图；其中a是加速度幅值、a_x是在x轴上的加速度分量、a_y是在y轴上的加速度分量、a_z是在z轴上的加速度分量。

根据上述方案，所述频谱分析单元用于通过由所述加速度幅值a得到的所述频谱图上从左往右第一个大于步行频率最低阈值且峰值大于最小高度阈值的波峰的位置，或者利用所述频谱图上相邻波峰间的平均距离，来确定基频W_stride位置，并判断所述基频位置的波峰高度是否大于所述最小高度阈值，如果大于所述最小高度阈值则确定为行人的步行，如果不大于则确定步行速度为0；以及用于将所述加速度传感器三轴上的加速度分量分别乘以窗函数计算FFT，得到各自的频谱图，并从中找到W_stride、2W_stride、……、NW_stride位置附近的各N个峰值V_x(nW_stride)、V_y(nW_stride)、V_z(nW_stride)，其中，N为不小于1的整数，表示将频谱图中的前N个峰值的大小用在速度的计算中，建议取值为4；W_stride表示基频位置；V_x(nW_stride)表示在x轴上的加速度分量的频谱图上n次谐波位置的峰值、V_y(nW_stride)表示在y轴上的加速度分量的频谱图上n次谐波位置的峰值、V_z(nW_stride)表示在z轴上的加速度分量的频谱图上n次谐波位置的峰值。

根据上述方案，所述估算单元根据频谱分析单元得到的结果，利用下列公式估算行人的步行速度，

$v_{\mathrm{waist}}=k*({\mathrm{\Σ}}_{n=1}^N\mathrm{sqrt}(V_x^2(n*W_{\mathrm{stride}})+V_y^2(n*W_{\mathrm{stride}})+V_z^2(n*W_{\mathrm{stride}}))/n/W_{\mathrm{stride}}/\mathrm{SampleCount}-\mathrm{DC})$

；或者，利用下列公式估算行人的步行速度，

$v_{\mathrm{waist}}=k*({\mathrm{\Σ}}_{n=1}^N\mathrm{sqrt}(V_x^{\frac{4}{3}}(n*W_{\mathrm{stride}})+V_y^{\frac{4}{3}}(n*W_{\mathrm{stride}})+V_z^{\frac{4}{3}}(n*W_{\mathrm{stride}}))/n/\mathrm{SampleCoun}{t}^{2/3}-\mathrm{DC})$

其中，v_waist表示估算的行人的步行速度；k，DC为系数，对于不同的人和不同的移动终端放置位置略有不同，当把移动终端放置在裤子前口袋时，k的取值为2.5到3之间，DC的取值为0.2左右；SampleCount是用作FFT的加速度的值的个数，建议在300到1024之间。k和DC的取值需要通过训练确定。训练方法可以是：行人在跑步机上以不同的速度匀速步行，将加速度传感器输出的值存储在移动终端的存储单元中，并记录下对应的步行速度；然后通过线性拟合的方法来取k和DC的值，使得按照公式计算出来的步行速度最接近实际的步行速度。此外，可以将DC取为0，训练方法可以简化为：先将k值取为1，然后行人步行固定的已知距离L，根据加速度传感器的输出值通过公式计算出步行距离L’，然后将k校正为：L/L’。

根据上述方案，所述移动终端可以为手机、平板电脑及其他设备。

为了实现本发明的又一目的，提供一种使用移动终端自带的加速度传感器测量步行速度方法，其特征在于，该方法包括下述步骤：在预定时间间隔读取加速度传感器输出的加速度值；对连续SampleCount（SampleCount建议取值为300到1024之间）个加速度值进行频谱分析，并将与步行相关的能量从噪声中识别分离出来；估算步行速度；和输出与步行速度相关的信息。

根据上述方案，从加速度传感器读取的数值是在X、Y和Z轴方向分别测量到的加速度分量；利用公式求加速度的幅值，并将所述加速度幅值乘以窗函数计算FFT，得到频谱图；其中a是加速度幅值、a_x是在x轴上的加速度分量、a_y是在y轴上的加速度分量、a_z是在z轴上的加速度分量。

根据上述方案，所述频谱分析步骤包括：判断基频W_stride位置，通过由所述加速度幅值a得到的所述频谱图上从左往右第一个大于步行频率最低阈值且峰值大于最小高度阈值的波峰的位置，或者利用所述频谱图上相邻波峰间的平均距离，来确定基频W_stride位置，并判断所述基频位置的波峰高度是否大于所述最小高度阈值，如果大于所述最小高度则确定为行人的步行，如果不大于则确定步行速度为0；以及将三轴上的加速度分量分别乘以窗函数计算FFT，得到各自的频谱图，并从中找到W_stride、2W_stride、……、NW_stride位置附近的各N个峰值V_x(nW_stride)、V_y(nW_stride)、V_z(nW_stride)，其中，N为不小于1的整数，表示将频谱图中的前N个峰值的大小用在速度的计算中，建议取值为4；W_stride表示基频位置；V_x(nW_stride)表示在x轴上的加速度分量的频谱图上n次谐波位置的峰值、V_y(nW_stride)表示在y轴上的加速度分量的频谱图上n次谐波位置的峰值、V_z(nW_stride)表示在z轴上的加速度分量的频谱图上n次谐波位置的峰值。

根据上述方案，所述估算步行速度步骤包括：利用下列公式估算行人的步行速度，

$v_{\mathrm{waist}}=k*({\mathrm{\Σ}}_{n=1}^N\mathrm{sqrt}(V_x^2(n*W_{\mathrm{stride}})+V_y^2(n*W_{\mathrm{stride}})+V_z^2(n*W_{\mathrm{stride}}))/n/W_{\mathrm{stride}}/\mathrm{SampleCount}-\mathrm{DC})$

；或者，利用下列公式估算行人的步行速度，

$v_{\mathrm{waist}}=k*({\mathrm{\Σ}}_{n=1}^N\mathrm{sqrt}(V_x^{\frac{4}{3}}(n*W_{\mathrm{stride}})+V_y^{\frac{4}{3}}(n*W_{\mathrm{stride}})+V_z^{\frac{4}{3}}(n*W_{\mathrm{stride}}))/n/\mathrm{SampleCoun}{t}^{2/3}-\mathrm{DC})$

其中，v_waist表示估算的行人的步行速度；k，DC为系数，对于不同的人和不同的移动终端放置位置略有不同，当把移动终端放置在裤子前口袋时，k的取值为2.5到3之间，DC的取值为0.2左右；SampleCount是用作FFT的加速度的值的个数，建议在300到1024之间。k和DC的取值需要通过训练确定。训练方法可以是：行人在跑步机上以不同的速度匀速步行，将加速度传感器输出的值存储在移动终端的存储单元中，并记录下对应的步行速度；然后通过线性拟合的方法来取k和DC的值，使得按照公式计算出来的步行速度最接近实际的步行速度。此外，可以将DC取为0，训练方法可以简化为：先将k值取为1，然后行人步行固定的已知距离L，根据加速度传感器的输出值通过公式计算出步行距离L’，然后将k校正为：L/L’。

根据上述方案，所述移动终端可以为手机、平板电脑及其他设备。

本发明解决现有技术中行人携带的移动终端只能计算步数，不能准确计算步行速度的问题。本发明的方法根据移动终端自带的加速度传感器可以准确计算行人的步行速度。

附图说明

图1是本发明的移动终端的结构框图；

图2是本发明的实施例的通过手机计算行人的步行速度的方法流程图；

图3是本发明的加速度幅值的频谱图，即加速度队列的FFT结果图；

图4是本发明步行速度计算结果图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步详细描述。

图1是本发明的移动终端的结构框图。参照图1，移动终端包括控制器110。存储器130在控制器100的控制下存储用于控制加速度传感器120的参数和测量的运动信息。输出装置140在控制器110的控制下输出测量的运动量和控制信息，输出装置140可以是显示器，也可以是语音输出装置等任何能够输出计算结果的装置。加速度传感器120在控制器110的控制下在预定时间段内接收采样频率的设置信息，并按照要求的采样频率测量加速度值。

加速度传感器120是三维加速度传感器，能够测量加速度在X、Y和Z轴上的分量。

当产生加速度信息时，控制器110读取并进行频谱分析，将与步行相关的能量从噪声中识别分离出来。即，控制器110从加速度传感器120接收加速度信息，并进行快速傅立叶变换得到频谱图，进而估算出行人的步行速度。

即，计步器的控制器110用作传感器控制单元、用作频谱分析单元和用作估算单元。

当控制器110用作传感器控制单元时，控制传感器采样的开始和结束、以及采样的频率，并读取传感器的输出结果。

当控制器110用作频谱分析单元时，将求出的加速度幅值乘以窗函数（例如，哈明窗函数或高斯窗函数等）计算FFT得到频谱图，从中确定基频及谐波的位置及对应的能量大小，从而判断行人的步行状态；以及将三轴上的加速度分别乘以窗函数计算FFT，得到各自的频谱图，从中找到W_stride、2W_stride、……、NW_stride位置附近的各N个峰值V_x(nW_stride)、V_y(nW_stride)、V_z(nW_stride)。

当控制器110用作估算单元时，根据频谱分析结果，利用公式

$v_{\mathrm{waist}}=k*({\mathrm{\Σ}}_{n=1}^N\mathrm{sqrt}(V_x^2(n*W_{\mathrm{stride}})+V_y^2(n*W_{\mathrm{stride}})+V_z^2(n*W_{\mathrm{stride}}))/n/W_{\mathrm{stride}}/\mathrm{SampleCount}-\mathrm{DC})$

或利用公式

$v_{\mathrm{waist}}=k*({\mathrm{\Σ}}_{n=1}^N\mathrm{sqrt}(V_x^{\frac{4}{3}}(n*W_{\mathrm{stride}})+V_y^{\frac{4}{3}}(n*W_{\mathrm{stride}})+V_z^{\frac{4}{3}}(n*W_{\mathrm{stride}}))/n/\mathrm{SampleCoun}{t}^{2/3}-\mathrm{DC})$

估算行人的步行速度。

下面的描述以手机为例，以通过手机自带的加速度传感器计算行人的步行速度来详细描述本发明的方法，但本领域技术人员可以理解，本发明的移动终端不仅仅限定为手机，其它的移动终端也可以实现本发明。

本发明使用智能手机上自带的加速度传感器来测量加速度，根据加速度值计算步行速度。图2是本发明的实施例的通过手机计算行人的步行速度的方法流程图。如图2所示，首先步骤101：将采集的加速度值放入一个大小为512（即SampleCount=512，SampleCount也可以为其他大小）的队列中。

步骤102：判断队列是否已满，若不满，则回到步骤101；若已满，则进入步骤103。

步骤103：根据三轴加速度分量的三个输出值求加速度的幅值大小：

$a=\sqrt{a_x^2+a_y^2+a_z^2}$

对求出来的加速度幅值乘以窗函数（可以是哈明窗、高斯窗等），以抑制频谱上的旁瓣。然后计算8192点FFT（也可以是其他点数，点数越多，频率分辨率越好，但是计算复杂度越大）。

图3是本发明的加速度幅值频谱图。如图3所示的FFT的结果，由于信号中有较大的直流分量，该图省略了低频部分，只显示0.34Hz以上部分。

步骤104：判断基频位置。判断基频W_stride位置的方法可以有两种：（1）频谱图上，从左往右，第一个大于步行频率最低阈值（本例中为0.3Hz左右），且峰值大于最小高度阈值（该例中为50）的波峰的位置；（2）频谱图上，相邻波峰间的平均距离。

步骤105：判断基频位置的波峰高度是否大于阈值（在该例中为50），如果不大于，认为步行速度为0，进入步骤108；否则，进入步骤106。

步骤106：队列中，三轴上的加速度分量分别加窗后（可以是哈明窗、高斯窗等）计算FFT，得到各自的频谱图，找到W_stride、2W_stride、…、NW_stride附近的各3个峰值V_x(nw_stride)、V_y(nW_stride)、V_z(nW_stride),0<=n<=N。本例中，N为4。

步骤107：有如下两个公式估计步行速度，任选一个即可：

$v_{\mathrm{waist}}=k*({\mathrm{\&Sigma;}}_{n=1}^N\mathrm{sqrt}(V_x^2(n*W_{\mathrm{stride}})+V_y^2(n*W_{\mathrm{stride}})+V_z^2(n*W_{\mathrm{stride}}))/n/W_{\mathrm{stride}}/\mathrm{SampleCount}-\mathrm{DC});$

$v_{\mathrm{waist}}=k*({\mathrm{\&Sigma;}}_{n=1}^N\mathrm{sqrt}(V_x^{\frac{4}{3}}(n*W_{\mathrm{stride}})+V_y^{\frac{4}{3}}(n*W_{\mathrm{stride}})+V_z^{\frac{4}{3}}(n*W_{\mathrm{stride}}))/n/\mathrm{SampleCoun}{t}^{2/3}-\mathrm{DC})$

上述公式中的k，DC为系数，对于不同的人和不同的移动终端放置位置略有不同，当把移动终端放置在裤子前口袋时，k的取值为2.5到3之间，DC的取值为0.2左右。本例中，移动终端放置在裤子的前口袋里，k为2.84，DC为0.22。

k和DC的取值需要通过训练确定。训练方法可以是：行人在跑步机上以不同的速度匀速步行，将加速度传感器输出的值存储在移动终端的存储单元中，并记录下对应的步行速度；然后通过线性拟合的方法来取k和DC的值，使得按照公式计算出来的步行速度最接近实际的步行速度。

此外，可以将DC取为0，训练方法可以简化为：先将k值取为1，然后行人步行固定的已知距离L，根据加速度传感器的输出值通过公式计算出步行距离L’，然后将k校正为：L/L’。

N建议取值为4，也可以取为其他值，本领域技术人员可以根据经验确定。SampleCount是用作FFT的加速度的值的个数，本例中为512。两个公式的效果接近，当移动终端加速度计的采样率不稳定时，后一公式更合适。

图4是本发明步行速度计算结果图。图4示出将华为U8800手机放在裤子前口袋，在跑步机上以5km/h的速度步行时的结果。

步骤108：将队列头部旧数据移除（本例中，为512个旧数据）。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (8)

1.一种用于测量步行速度的移动终端，其特征在于，包括：

加速度传感器，用于测量行人行走过程中的加速度；

传感器控制单元，用于控制传感器采样的开始和结束、以及采样的频率，并读取传感器的输出结果；

频谱分析单元，用于对采样的加速度幅值、x轴上的加速度分量、y轴上的加速度分量、z轴上的加速度分量分别进行频谱分析，并将与步行相关的能量从噪声中识别分离出来；

估算单元，用于根据频谱分析单元分离出来的步行能量估算所述行人的步行速度，其中所述估算单元利用下列公式估算行人的步行速度，

$v_{\mathrm{waist}}=k*({\mathrm{\&Sigma;}}_{n=1}^N\mathrm{sqrt}(V_x^2(n*W_{\mathrm{stride}})+V_y^2\left({n*W}_{\mathrm{stride}}\right)+V_z^2\left({n*W}_{\mathrm{stride}}\right))/n/W_{\mathrm{stride}}/\mathrm{SampleCount}-\mathrm{DC})$

；或者，利用下列公式估算行人的步行速度，

$v_{\mathrm{waist}}=k*({\mathrm{\&Sigma;}}_{n=1}^N\mathrm{sqrt}(V_x^{\frac{4}{3}}\left({n*W}_{\mathrm{stride}}\right)+V_y^{\frac{4}{3}}\left({n*W}_{\mathrm{stride}}\right)+V_z^{\frac{4}{3}}\left({n*W}_{\mathrm{stride}}\right))/n/{\mathrm{SampleCount}}^{2/3}-\mathrm{DC})$

v_waist表示估算的行人的步行速度；k，DC为系数，对于不同的人和不同的移动终端放置位置略有不同，当把移动终端放置在裤子前口袋时，k的取值为2.5到3之间，DC的取值为0.2左右；SampleCount是用作FFT的加速度的值的个数，N为不小于1的整数，表示将频谱图中的前N个峰值的大小用在速度的计算中；W_stride表示加速度幅值的频谱图中的基频；V_x(n*W_stride)表示在x轴上的加速度分量的频谱图上n次谐波位置的峰值、V_y(n*W_stride)表示在y轴上的加速度分量的频谱图上n次谐波位置的峰值、V_z(n*W_stride)表示在z轴上的加速度分量的频谱图上n次谐波位置的峰值，1≤n≤N；以及，

输出装置，用于输出与所述步行速度相关的信息。

2.根据权利要求1所述的移动终端，其特征在于，所述加速度传感器是三轴加速度传感器，其能够测量X、Y和Z轴方向上的加速度分量值；

利用公式求加速度的幅值，并将所述加速度幅值乘以窗函数计算FFT，得到频谱图；

其中a是加速度幅值、a_x是在x轴上的加速度分量、a_y是在y轴上的加速度分量、a_z是在z轴上的加速度分量。

3.根据权利要求2所述的移动终端，其特征在于，所述频谱分析单元用于将所述加速度传感器测得的加速度幅值乘以窗函数后作FFT，得到频谱图，通过频谱图上从左往右第一个大于步行频率最低阈值且峰值大于最小高度阈值的波峰的位置，或者利用频谱图上相邻波峰间的距离中位数，来确定基频W_stride的值，并判断基频位置的波峰高度是否大于所述最小高度阈值，如果大于所述最小高度阈值则确定为行人的步行，如果不大于则确定步行速度为0；以及

用于将所述加速度传感器三轴上的加速度分量分别乘以窗函数计算FFT，得到各自的频谱图，并从中找到W_stride、2*W_stride、……、N*W_stride位置附近的各3个峰值V_x(n*W_stride)、V_y(n*W_stride)、V_z(n*W_stride)，1≤n≤N，

其中，N为不小于1的整数，表示将频谱图中的前N个峰值的大小用在速度的计算中；W_stride表示加速度幅值的频谱图中的基频；V_x(n*W_stride)表示在x轴上的加速度分量的频谱图上n次谐波位置的峰值、V_y(n*W_stride)表示在y轴上的加速度分量的频谱图上n次谐波位置的峰值、V_z(n*W_stride)表示在z轴上的加速度分量的频谱图上n次谐波位置的峰值。

4.根据权利要求1所述的移动终端，其特征在于，所述移动终端可以为手机、平板电脑及可穿戴设备。

5.一种使用移动终端自带的加速度传感器测量步行速度方法，其特征在于，该方法包括下述步骤：

加速度传感器按照设置的采样频率测量加速度；

对测量的连续加速度序列进行频谱分析，并将与步行相关的能量从噪声中识别分离出来；

估算步行速度，其中利用下列公式估算行人的步行速度，

$v_{\mathrm{waist}}=k*({\mathrm{\&Sigma;}}_{n=1}^N\mathrm{sqrt}(V_x^2(n*W_{\mathrm{stride}})+V_y^2\left({n*W}_{\mathrm{stride}}\right)+V_z^2\left({n*W}_{\mathrm{stride}}\right))/n/W_{\mathrm{stride}}/\mathrm{SampleCount}-\mathrm{DC})$

；或者，利用下列公式估算行人的步行速度，

$v_{\mathrm{waist}}=k*({\mathrm{\&Sigma;}}_{n=1}^N\mathrm{sqrt}(V_x^{\frac{4}{3}}\left({n*W}_{\mathrm{stride}}\right)+V_y^{\frac{4}{3}}\left({n*W}_{\mathrm{stride}}\right)+V_z^{\frac{4}{3}}\left({n*W}_{\mathrm{stride}}\right))/n/{\mathrm{SampleCount}}^{2/3}-\mathrm{DC})$

v_waist表示估算的行人的步行速度；k，DC为系数，对于不同的人和不同的移动终端放置位置略有不同，当把移动终端放置在裤子前口袋时，k的取值为2.5到3之间，DC的取值为0.2左右；SampleCount是用作FFT的加速度的值的个数，N为不小于1的整数，表示将频谱图中的前N个峰值的大小用在速度的计算中；W_stride表示加速度幅值的频谱图中的基频；V_x(n*W_stride)表示在x轴上的加速度分量的频谱图上n次谐波位置的峰值、V_y(n*W_stride)表示在y轴上的加速度分量的频谱图上n次谐波位置的峰值、V_z(n*W_stride)表示在z轴上的加速度分量的频谱图上n次谐波位置的峰值，1≤n≤N；和

输出与步行速度相关的信息。

6.根据权利要求5所述的方法，其特征在于，加速度传感器分别测量出X、Y、和Z轴的加速度分量；

利用公式求加速度的幅值，并将所述加速度幅值乘以窗函数计算FFT，得到频谱图，从中判断基频的值；

其中a是加速度幅值、a_x是在x轴上的加速度分量、a_y是在y轴上的加速度分量、a_z是在z轴上的加速度分量。

7.根据权利要求5所述的方法，其特征在于，确定行人步行速度步骤包括：

判断基频W_stride的值，将加速度幅值乘以窗函数后作FFT，得到频谱图，通过所述频谱图上从左往右第一个大于步行频率最低阈值且峰值大于最小高度阈值的波峰的位置，或者利用所述频谱图上相邻波峰间的距离中位数，来确定基频W_stride的值，并判断基频位置的波峰高度是否大于所述最小高度阈值，如果大于所述最小高度则确定为行人的步行，如果不大于则确定步行速度为0；以及

将三轴上的加速度分量分别乘以窗函数计算FFT，得到各自的频谱图，并从中找到W_stride、2*W_stride、……、N*W_stride位置附近的各3个峰值V_x(n*W_stride)、V_y(n*W_stride)、V_z(n*W_stride)，1≤n≤N，其中，N为不小于1的整数，表示将频谱图中的前N个峰值的大小用在速度的计算中；W_stride表示加速度幅值的频谱图中的基频；V_x(n*W_stride)表示在x轴上的加速度分量的频谱图上n次谐波位置的峰值、V_y(n*W_stride)表示在y轴上的加速度分量的频谱图上n次谐波位置的峰值、V_z(n*W_stride)表示在z轴上的加速度分量的频谱图上n次谐波位置的峰值。

8.根据权利要求5所述的方法，其特征在于，所述移动终端为手机、平板电脑及可穿戴设备。