CN103781420B

CN103781420B - 基于传感器的运动活动测量

Info

Publication number: CN103781420B
Application number: CN201280041097.XA
Authority: CN
Inventors: A.B.韦斯特; J.M.穆林
Original assignee: Nike Innovation LP
Current assignee: Nike Innovation LP
Priority date: 2011-07-01
Filing date: 2012-06-29
Publication date: 2016-01-20
Anticipated expiration: 2032-06-29
Also published as: KR20160003878A; EP2725977A1; US20160354635A1; US20130006583A1; US10814169B2; CA2840736A1; KR101579833B1; WO2013006434A1; US20190192910A1; US10265579B2; KR20140051270A; BR112014000050A2; CN103781420A; EP2725977B1; JP2014520605A; CA2840736C; JP2017006689A; CN105488334B; JP5976799B2; CN105488334A

Abstract

基于传感器数据确定步速或速度可包括确定用户的脚部和诸如地面的锻炼表面的接触时间的量。可通过确定传感器数据中对应于诸如脚跟冲击、脚趾脱离和随后的脚跟冲击的各种事件的样本来确定接触时间。在一个示例中，可通过确定超出对应的阈值的三个样本值的序列（例如，三元组）来确定这些事件。可通过确定在最终事件样本和中间事样本之间的差值是否大于中间事件样本和最初事件样本之间的差值来确认确定的三元组（例如，脚跟冲击、脚趾脱离和脚跟冲击）的有效性。在确认之后，可从该三元组确定接触时间。继而可使用线性或非线性关系至接触时间，来确定速度或步速。

Description

基于传感器的运动活动测量

技术领域

本发明总体地涉及运动表现监测装置，且更特别地涉及基于传感器输出以及使用信号处理对基于脚部的事件的检测来确定运动信息。

背景技术

随着对于健身和健康的增加的关注，运动活动感知装置的普及在近期有了显著的增长。运动活动传感器的使用向个体提供了具体地识别进行的运动活动的量的能力。示例性地，在跑步、慢跑或步行中，个体将经常使用计步器或加速度器来测量途经的距离的量、行进的步数、燃烧的卡路里量、跑步的步速等。在一些当前的系统中，加速度器被用于确定用户的脚部和地面的接触时间的量，以确定步速。示例性地，题为“MONITORINGACTIVITYOFAUSERINLOCOMOTIONONFOOT”的美国专利No.6,493,652描述了用于基于接触时间确定用户的步速的一些算法和方法。但是，通过其接触时间和步速被确定的当前的算法和方法可能在不同的环境和在不同的用户之间在精度上显著地变化。此外，一些基于加速度器的运动活动测量系统仅能在用户在特定的步速上跑步或移动时测量速度。此外，许多当前的系统需要频繁的校准和重新校准来保持测量的精度。

发明内容

提供该概述以简化的方式介绍一系列概念，其将在下文的详尽描述中继续描述。该概述不意图确定要求的主题的关键特征或必要特征，也不意图被用于辅助确定要求的主题的范围。

本公开的方面涉及处理基于脚部的传感器数据，以确定用户的脚部和锻炼表面的接触时间的量，以及继而基于其计算步速、距离、速度和/或其他运动指标。在一个示例中，确定用户的接触时间可包括确定诸如脚跟冲击和脚趾脱离的特定事件在传感器输出中发生在何处。在特定的示例中，处理系统可识别三元组(triplet)事件，每一个三元组包括第一脚跟冲击、脚趾脱离以及后续的第二脚跟冲击。三元组的连续(例如，没有干涉事件)本质允许处理系统确定用户何时进行该步。基于三元组的各个事件的时刻，可计算出脚部接触时间。附加地或替换地，如果接触时间是距离平均值的确定数个标准差，则可过滤接触时间和相应的三元组。该过滤允许处理系统在计算步速和其他运动指标之前移除可能的异常值或有缺陷的数据点。

根据另一方面，可使用快速傅里叶变换方法来确定接触时间。在一个示例中，可在传感器输出数据上进行快速傅里叶变换。来自该快速傅里叶变换的频率峰值之一可继而被确定为对应于接触时间。恰当的频率峰值的确定可基于从样本研究获得实验数据和/或研究。

根据此外的另一方面，可将作用力模型或系统用于确定接触时间以及继而速度和/或步速。作用力可视觉地以及数学地和传感器输出信号的大小相关。因此，信号的大小越大，用户的速度或步速越大。可推出公式或算法，以限定在传感器输出信号和接触时间和/或步速之间的相关性。

本发明的其他特征和优势将从结合附图的下列说明书中的示例中是明显的。

附图说明

附图1示出了根据此处描述的一个或多个方面的运动活动监测系统。

附图2示出了其中可使用此处描述的一个或多个方面的计算环境。

附图3是从根据此处的一个或多个方面的传感器接收的示例性数据的图。

附图4是基于根据此处描述的一个或多个方面的传感器输出数据的示例性标准偏差的图。

附图5是用于使用根据此处描述的一个或多个方面的传感器输出数据确定运动事件的示例性方法的流程图。

附图6是示出了使用根据此处描述的一个或多个方面确定用于确定运动事件的各个阈值和窗口大小的示例性方法的流程图。

附图7是示出了用于根据此处描述的一个或多个方面确定接触时间、步速和速度的示例性方法的流程图。

附图8示出了根据此处描述的一个或多个方面的一组数据的示例性标准差以及平均值。

附图9示出了可用于在根据此处描述的一个或多个方面的传感器输出数据上进行快速傅里叶变换(FFT)的计算机算法。

附图10A示出了根据此处描述的一个或多个方面的示例性传感器输出数据。

附图10B示出了附图10A的示例性传感器输出数据的样本窗口。

附图11是由FFT算法处理的附图10B的样本窗口的图。

附图12A-12C示出了对应于根据此处描述的一个或多个方面的样本窗口以及FFT处理后的样本窗口的示例性传感器输出数据以及对应的图。

附图13A-13C示出了根据此处描述的一个或多个方面的用户移动的不同速度的示例性传感器输出数据图。

附图14A-14C分别示出了附图13A-13C中示出的传感器输出的示例性均值置中数据图。

附图15示出了示出了在根据此处描述的一个或多个方面的第一类型的移动的传感器输出的平均值和速度之间的关系。

附图16示出了示出了在根据此处描述的一个或多个方面的第二类型的移动的传感器输出的平均值和速度之间的关系。

具体实施方式

尽管本发明允许具有许多不同形式的实施例，将在视图中示出且在此处详尽地描述本范明的优选实施例，其中将理解本公开将被视作对本发明的原理的展示，而不意图将本发明的广阔的方面限制至示出且描述的实施例。

附图1示出了一种示例性运动活动系统，其包括脚部安装、基于加速度器的传感器101以及信息显示装置103。可将脚部安装传感器101布置在鞋或其他类型的鞋类物件中，附连至用户的脚部或腿部，附连至鞋类物件(例如，在诸如鞋带的外部部分上或如通过鞋105示出的在鞋底部分内部)等。传感器101包括固态加速度器，其配置为感知沿多个轴线的加速度。在一些示例中，加速度器101可为六轴加速度器。传感器101可进一步包括无线发射器和/或收发器107，其允许传感器101无线地提供数据至信息显示装置103。收发器107可整合入显示装置103，或可为可拆卸式连接的装置。在一些布置中，传感器101可在无线发射器或收发器之外附加地或替换地包括有线连接器或连接部，以及存储介质(例如，闪存)以暂时地或永久地存储数据。在一个示例中，传感器101可存储测量数据直至计划的发送时间或直至接收到针对该数据的请求(例如，来自信息显示装置103)。附加地或替换地，传感器101可包括其他类型的传感器，包括压敏电阻式开关、压电换能器、接触开关、水银开关等。

信息显示装置103可包括无线接收器和或收发器，以从传感器101接收数据和/或传输数据至传感器101。示例性地，信息显示装置103可从传感器101接收传感器测量值，或传输指令至传感器101(例如，在手动用户提醒时请求来自传感器101的数据)。在一个或多个布置中，信息显示装置103可包括用户佩戴装置，诸如手表或其他腕部佩戴装置、臂带、胸带、眼部佩戴物件、头部佩戴物件等。信息显示装置103还可包括处理器、存储器和/或其他输入/输出部件，诸如喇叭、触屏输入系统、麦克风、触觉反馈装置、数据端口以及连接器。存储器可存储可由处理器和装置103执行的计算机可读指令，以处理来自传感器101的传感器数据。示例性地，在一个布置中，信息显示装置103可基于从传感器101接收的信号和数据计算或以其他方式确定步速、距离和/或燃烧的卡路里。在此处将更详尽地讨论进行这样的确定的算法、方法和系统。

在一个示例性操作方法中，用户可通过按压按钮或输入指令进入信息显示装置103来启动数据记录。响应于此，显示装置103可继而开始从传感器101接收信息，并将数据记录在存储器中。显示装置103还可动态地(例如，实时地)开始处理数据，从而诸如步速或距离的处理后的信息可实时地显示用作用户的信息。用户还可通过使用显示装置103输入相应的指令来停止记录和/或处理。记录的数据可由显示装置103自动地存储以预定量的时间或不确定的时间，取决于缺省设定或用户偏好。在一些布置中，数据也可通过诸如互联网的计算机网络无线地传输至一个或多个远端数据库、服务器或其他系统。示例性地，装置103可传输锻炼活动数据至互联网上的远端运动表现追踪站点。

在一个或多个构造中，用于产生表现指标的数据处理可通过独立于信息显示装置103的装置(未示出)进行。示例性地，处理可通过独立的处理装置进行，该处理装置和传感器101以及显示装置103两者连接，且在一个特定的示例中，用作传感器101和显示装置103之间的中间媒介(intermediary)。可将这样的处理装置用在其中显示装置103可能不具有恰当的通信能力(例如，硬件、软件、固件)以从传感器101直接地接收数据的情形中。因此，独立的处理装置可配置为以兼容的方式和传感器101接收传感器数据以及通信，和提供信息至显示装置103。处理装置可直接地和物理地连接至显示装置103。替换地，处理装置可通过无线连接和显示装置103通信。类似地，处理装置可使用近场通信协议和技术、局域网和/或广域网连接物理地连接至传感器101或无线地连接。在一些情形中，处理装置可包括在广域网或局域网上提供数据处理的远端或本地服务器。

根据一个方面，传感器101可配置为在将信息传输至显示装置103或独立的处理装置之前进行至少一些传感器数据的处理。例如，传感器101可通过测量的电压中的变化检测移动。为了使得数据更能被理解或易于处理，传感器101可将电压信息预处理成依照预定比例的值(例如，在0至255之间的无标号数字值)。传感器101还可包括诸如闪存存储器和/或硬盘存储器的存储器系统，用于存储传感器数据以预定量的时间。示例性地，传感器数据可存储在传感器101中10天，直至存储器充满，直至用户选择清空存储器等。

附图2示出了可操作以处理各种数据和进行各种功能的计算装置。示例性地，计算装置201可对应于诸如附图1的传感器101的传感器、处理装置或系统和/或诸如附图1的装置103的信息显示装置。在附图2的框式图中，计算系统201可具有处理器203，以进行数学计算和对计算系统201及其相关联的部件、随机访问存储器(RAM)205、只读存储器(ROM)207、输入/输出(I/O)模块209和存储器215的操作的控制。I/O209可包括麦克风、鼠标、生物测定扫描仪或识别器、键盘、触屏、扫描仪、光学读取器、和/或触针(或其他输入装置(一个或多个))，通过其计算装置201的用户可提供输入，且其还可包括用于提供听觉输出的一个或多个喇叭以及用于提供文本、听视觉(audiovisual)和/或图形化输出的视频显示装置。软件(例如，计算机可读指令)可存储在存储器215和/或其他存储器中，以提供指令至处理器203，用于使得和允许装置201进行而各种功能。示例性地，存储器215可存储由计算系统201使用的软件，诸如操作系统217、应用程序219和相关的数据库211。替换地，计算装置201的一些或全部可实现在硬件或固件中(未示出)。在一个或多个布置中，计算装置201可包括一个或多个内建传感器，诸如关于附图1的传感器101描述的加速度器、心率传感器、血压传感器等。

计算装置201还可操作为移动通信装置或终端(例如，移动电话、PDA、笔记本电脑等)，其包括各种其他的部件，诸如电池、喇叭和天线(未示出)。附加地或替换地，计算装置201可通过调制解调器221或局域网(LAN)接口213连接至一个或多个网络。在一个或多个示例中，计算装置201可具有至一个或多个网络的有线或无线的连接，包括蓝牙连接、蜂窝通信连接、卫星连接和/或以上的组合。

附图3示出了可由诸如附图1的传感器101的传感器输出的数据的示例性图。图300对应于用户跑动活动且代表每秒400个样本的数据采样率(例如，由传感器检测的采样电压)，其原始信号范围为0-4。用户的步行(不论是走、小跑或跑动)可包括若干已知的事件，诸如脚跟冲击(例如，当用户的脚跟冲击地面时)，其后是脚趾脱离(例如，当用户的脚趾离开地面时)。在用户的脚跟冲击和脚趾脱离之间，用户的脚部总体地和地面接触。通过确定脚部地面接触时间，可确定用户的步速或速度。但是，仅基于原始信号输出来确定用户的脚跟何时冲击地面以及何时用户的脚趾从地面提升离开可能是困难的。如所示，图300中的峰值和谷底的大量的数量使得难于确定特定的事件(例如，脚跟冲击和脚趾脱离)。用于将原始数据输出转换或处理成更可用的格式以及后续地计算脚部接触时间的量、用户的步速和/或速度的算法是存在的。但是，如上所述，当前的算法和方法可取决于由用户进行的移动的类型而在精度上显著地变动。示例性地，一些算法可在冲刺锻炼期间产生不准确的接触时间，且由此，产生不准确的速度和距离(和慢速跑步或步行相比)。其他的算法可能在处理步行锻炼中有确定准确的步速、速度和/或距离的困难。

本公开使用采用滚动3点标准偏差公式对原始信号的预处理来更准确地确定各种步伐事件(即，脚跟冲击和脚趾脱离)。示例性地，可将下列公式用于处理如附图3中的图300所示的原始信号输出:

σ_{i} = \sqrt{(\frac{1}{N} Σ_{i - 1}^{i + 1} {(x_{i} - {\overset{&OverBar;}{x}}_{i})}^{2})}

N＝3

在上述公式中，N是常数且代表用于确定标准偏差的样本的数量，而x代表原始信号输出的值。在上述的示例中，针对每个样本数或时间i分析了3个样本(即，N＝3)。该算法使用紧前一个、当前以及紧后一个样本来确定对应于当前样本的标准偏差。特别地，该算法将三个样本中的每一个之间的差的平方以及三个样本的均值求和。该和继而被除以样本数N。继而通过求出此前的计算产生的值的平方根而计算出标准偏差。可计算出且随后将每个样本的三点标准偏差制图。

附图4是基于上述的三点标准偏差算法施加至附图3的原始信号数据而产生的标准偏差对样本/时间的示例性图。通过于处理原始信号(例如，在分析脚趾脱离或脚跟冲击事件之前)，可更容易地确定脚跟冲击(h.s.)和脚趾脱离(t.o.)事件。示例性地，诸如峰401的峰可相对于诸如区域403a和403b的图的非峰值部分在大小上更突出或更显著。因此，对应于脚跟冲击或脚趾脱离的峰可从不对应于这些事件的峰更容易地识别出。在一些布置中，可仅分析达到特定的大小(例如，标准偏差)的那些峰，来确定这些峰是否对应于脚跟冲击或脚趾脱离事件。可在分析中将不满足该阈值大小的那些峰过滤出或忽略。

附图5示出了用于基于诸如由加速度器或其他基于脚部的传感器产生的信号的输入信号确定脚跟冲击和脚趾脱离事件的示例性方法。在步骤500中，处理系统可从基于脚部的传感器接收输入信号。示例性地，信号可类似于附图3中的图300所示的信号。处理系统可和基于脚部的传感器整体地制成，或包括无线地连接至或硬线连接至传感器的物理上分立的装置。在一个示例中，处理系统可被包括为外部佩戴、胸部佩戴、头部佩戴、肩部佩戴或其他身体佩戴装置的一部分。在步骤505中，处理系统可预处理信号数据来产生上文中关于附图3和4所描述的三点标准偏差值。在步骤510中，处理系统可后续地确定预处理过的数据中的样本的平均值。平均值可针对样本集合中的全部数据或少于全部数据的子集而计算出(例如，仅针对数据中的特定窗口)。示例性地，可确定包括紧前一个样本值、当前样本值、和紧后一个样本值的集合，包括整个样本集合的全部其他样本值的集合等的平均值。使用确定的平均值，处理系统可继而在步骤515中确定峰值阈值和宽度位置。宽度位置可规定当寻找特定的峰(例如，脚跟冲击峰或脚趾脱离峰)时偏移的样本的数量。而另一方面，峰值阈值可限定对于被视为可能的脚跟冲击或脚趾脱离事件的样本必须满足的最小值。在下文中关于附图6更详尽地描述了确定峰值阈值和宽度位置的示例性过程。

在步骤520中，处理系统可选择用于评价峰事件的样本。示例性地，在开始该过程之后，选定的样本可对应于预处理过的数据集合中的第一样本。替换地，如果该过程已经开始，选定的样本可为数据集合中的下一个样本。在步骤525中，处理系统可确定样本的值是否大于或等于在步骤515中确定的脚跟冲击阈值。如果是，则处理系统可在步骤530中寻找在主峰样本窗口中的脚跟冲击事件的最大值。示例性地，处理系统可确定在当前的样本40-60个样本的主峰样本窗口中具有最大值的样本。主峰窗口可限定为从当前样本开始且向前延伸以预定量的时间或样本数量。在找到最大值之后，可在步骤535中将对应的样本确定且标记为第一脚跟冲击事件或峰。但是，如果当前样本的值小于脚跟冲击阈值，则处理系统可在步骤540中前进一个或多个样本，且返回至步骤525。在一个示例中，处理系统可在当前样本值小于脚跟冲击阈值时偏移一个样本。在其他示例中，处理系统可偏移多个样本(例如，2、5、10、100等)。

在已经在主峰样本窗口中找到脚跟冲击事件之后，处理系统可在步骤545中寻找具有辅助峰样本窗口中的最大值的样本。辅助峰值样本窗口的大小可不同于主峰样本窗口的大小或与其相同，且可根据此处描述的算法和过程计算出。在一个示例中，辅助峰值样本窗口可具有距离当前样本50-220个样本的范围。因此，处理系统可确定在该50-220个样本窗口中具有最大值的样本。在步骤550中，处理系统可确定在辅助峰样本窗口中确定的最大值是否大于辅助阈值。在一个示例中，辅助阈值可对应于用于确定脚趾脱离事件的阈值(例如，脚趾脱离阈值)。如果不是，则处理系统可在步骤555中向前偏移多个样本，且使用最新的当前样本返回至步骤525。在一个或多个布置中，处理系统向前偏移的样本的数量可对应于主峰值窗口大小(例如，40-60个样本)。在其他示例中，偏移大小可对应于辅助峰值窗口大小(例如，50-220个样本)或其他大小(例如，10个样本、1个样本、25个样本、500个样本等)。如果在另一方面，在辅助峰样本窗口中确定的最大值大于辅助阈值，则处理系统可在步骤560中将对应的样本确定且标记为脚趾脱离事件和峰值。此外，处理系统可继而在步骤565中寻找在距离脚趾脱离事件样本的样本搜索窗口中具有较主阈值更大的值的后续的样本。在一个示例中，搜索窗口可为距离脚趾脱离事件样本60-300个样本。如果没有在在步骤570中确定的搜索窗口中找到该值，则处理系统可在步骤575中向前偏移多个样本(例如，40-60个样本)且返回至步骤525。而且，在一个或多个构造中，在步骤555和575中偏移的样本的数量可相同。

但是，如果在搜索窗口中找到大于主阈值的值，则处理系统可继而在步骤580中确定在局部最大窗口中的本地最大值。示例性地，处理系统可比较在样本的局部最大窗口中的每一个样本的值，来确定最大值。在局部最大窗口中对应于最大值的样本可继而在步骤585中被确定或标记为第二脚跟冲击事件。处理系统可由此在达到步骤585时已经确定以及标记了第一脚跟冲击样本/事件，脚趾脱离样本/事件和确定以及标记了第二脚跟冲击样本/事件。为了验证和增加脚跟冲击和脚趾脱离事件确定的准确性，处理系统可在步骤590中确定在第二脚跟冲击值和脚趾脱离值之间的差值是否大于在脚趾脱离事件和第一脚跟冲击值之间的差值。如果不，则处理系统可在步骤593中从第二脚跟冲击样本向前偏移多个样本。处理系统向前偏移的样本的数量可示例性地在由主峰窗口的大小限定的范围中，或可对应于其他大小。

如果，在另一方面，处理系统确定在第二脚跟冲击值和脚趾脱离值之间的差值大于在脚趾脱离值和第一脚跟冲击值之间的差值，则处理系统可在步骤595中将三个值和样本确定和存储为脚跟冲击、脚趾脱离和脚跟冲击事件的有效的三元组。在一个示例中，处理系统可将样本数量和值存储在三元组样本和值的列表中。在已经存储样本值之后，处理系统可向前偏移多个样本且继续确定脚跟冲击和脚趾脱离事件(例如，通过返回至步骤525)。在一个示例中，处理系统在确定有效的脚跟冲击、脚趾脱离、脚跟冲击三元组之后偏移的样本的数量可具有从50-220个样本的范围。在一些布置中，确定有效的三元组之后偏移的样本的数量可不同于响应于确定脚跟冲击或脚趾脱离阈值尚未被满足(例如，在步骤540、555和575中)而偏移的样本的数量。

附图6示出了通过其脚跟冲击和脚趾脱离阈值、样本窗口大小和偏移量可被确定的方法。在步骤600中，系统可确定对应于传感器信号的样本率。示例性地，传感器系统可对应于加速度器的数据输出或使用上述的标准偏差算法的预处理后的信号。在步骤605中，处理系统可进一步计算信号中的样本的平均值。例如，平均值可以在和附图5的步骤510中描述的相类似的方式确定。在步骤610中，系统可基于在缺省样本率(例如，400Hz、200Hz、300Hz、50Hz、1000Hz)和实际样本率之间的比值而确定主峰窗口。在一个示例中，主峰窗口大小可根据下列公式计算出：

主峰窗口大小＝取整(z*缺省率/实际率)

其中z对应于常数(例如，40)，且取整公式被用于对产生的值取整至最接近的整数。在步骤615中，系统可进一步基于平均值确定脚跟冲击和脚趾脱离值阈值。在一个示例中，脚跟冲击值阈值被如下地确定：

脚跟冲击阈值＝平均值+0.05

而脚趾脱离值阈值可使用该公式确定：

脚趾脱离阈值＝1.1*平均值-0.225

在步骤620中，系统可确定用于基于实际样本率对缺省样本的比值以及平均值搜索脚趾脱离事件或样本(例如，如在附图5中的步骤535中描述的)而偏移的样本的数量。当可能的脚跟冲击样本值不满足对应的阈值(例如，附图5的步骤525和575)和/或在验证和存储三元组(例如，附图5的步骤593)之后，也可使用偏移量。示例性地，可将下列公式用于计算偏移量：

偏移量＝取整(取整(-40*平均值+70)*(缺省率/实际率))

最后，在步骤625中，系统可确定用于搜索脚趾脱离事件(例如，如在附图5中的步骤540中描述的)的窗口的宽度。因此，处理系统可在为距离当前样本以确定的偏移量的样本开始的窗口中搜索脚趾脱离事件，其中窗口的大小等于确定的窗口宽度。示例性地，可将下列公式用于确定窗口宽度：

窗口宽度＝取整(取整(-140*平均值+195)*(缺省率/实际率))

可在数据被从传感器接收或由传感器产生时后台地进行上述的动态确定各个峰阈值、偏移量以及窗口宽度的过程。示例性地，平均值可被持续地确定，且阈值、偏移量和窗口宽度可被持续地更新。在一些示例中，附图6的过程可以周期性安排或非周期性安排进行，例如每30秒、每10秒、每分钟、每30分钟、在由用户提醒之后、在检测到步速、接触时间或速度等的偏移之后，和/或上述的组合。

在已经从传感器输出信号确定脚趾脱离和脚跟冲击时间峰之后，处理系统可继而确定用户的接触时间和步速，如附图7所示。示例性地，在步骤700中，处理系统可通过确定在每一个三元组的脚趾脱离时间和脚跟冲击事件之间的时间上的差值而计算每一个三元组(例如，脚跟冲击、脚趾脱离和脚跟冲击事件)的接触时间(Tc)，其总体地对应于用户的脚部和地面接触的时间的量。在步骤705中，处理系统可进一步计算每一个三元组的步时间(Ts)。步时间对应于用户进行一步所花费的时间的量(例如，从每一个三元组的脚跟冲击至后续的脚跟冲击事件)。因此，步时间可通过测量在两个脚跟冲击事件之间的时间上的差值而确定。在步骤710中，处理系统可确定和/或选择将接触时间和步时间和步速以及距离相关联的公式或算法。示例性地，可形成一线性公式，其固定在接触时间和步速时间的关系和/或接触时间和步时间和距离的相关性。在一个或多个布置中，公式或等式可经验地产生(例如，通过简单的研究和数据)。

在步骤715中，处理系统可进行过滤操作，其将表现出距离平均接触时间值大于预定数量的标准偏差的三元组移除。三元组的对应的接触时间也可从计算出的接触时间的集合中滤去。处理系统可过滤数据，以将可能干扰处理系统确定步速、速度、距离和其他指标的可能的不准确的数据移除。因此，如果接触时间位于特定量的标准偏差之外(例如，1、2、5个等)，则可将对应的三元组从数据集合移除。对应于被移除的三元组的时间段的步速、接触时间、速度等可通过在接收的或未移除的三元组之间插值而确定。此外，处理系统可检查以确定运动员并未停止。在一个示例中，处理系统可确定是否在该时间中检测到任意加速。示例性地，如果有加速，则处理系统可确定用户未停止。如果没有加速，则处理系统可确定用户停止。可在特定数量的步或接触时间上，而非在可用的接触时间的整个集合上，确定平均接触时间值。示例性地，可基于最后5-10步计算平均值。类似地，可基于步或接触时间的相同范围而计算标准偏差。

附图8示出了接触时间对步或三元组数量的示例性图。如图所示，平均值初始地确定用于三元组的最后N步。继而，可确定对应的标准偏移的数量的阈值(例如，1)，且基于相关的标准偏差可将接触时间和相应的三元组从数据中滤去。

再次参照附图7，在完成过滤之后，处理系统可继而在步骤720中使用剩余的接触时间计算或通过其他方式确定步速。可基于和接触时间的预定的线性关系而计算出步速。示例性地，该关系可由该公式确定：

步速＝M*T_c+B

其中M和B是限定线性关系的斜率和Y轴相交量的常数。在一个示例中，M和B可通过样本数据经验地确定。M和B还可基于由用户进行的计算而被调节。还可计算不同类型的步速。示例性地，可基于单次接触时间而确定即时步速，而可在基于从预定量的时间或步产生的接触时间而确定的预定量的时间或步上确定平均步速。因此，在一个示例中，处理系统可计算在上一分钟上的平均接触时间，来确定用户在该时间段上的平均步速。而且，在步骤725中，可从步速计算出距离。示例性地，步速可乘以时间的量，以确定用户跑过或走过或移动的总距离。

根据一个或多个方面，在步速和接触时间之间的关系可为非线性的。因此，在这样的情形中，可推导出非线性公式来描述该关系。示例性地，可限定出且使用二次关系来从接触时间获知步速。

在如此处所述的使用三元组检测来确定接触时间之外或替代其，还可基于频率和经验分析来确定接触时间。特别地，从诸如加速度器的传感器接收的信号可被使用快速傅里叶变换(FFT)处理，以确定在信号中呈现的频率范围以及这些频率的强度。

附图9示出了可用于在接收的信号上进行FFT处理的示例性计算机算法。该示例性算法从DFT/FFT获取(由PaulBourke所著,http://paulbourke.net/miscellaneous/dft)。如注意到的，该算法初始地基于算法900的部分901中示出的值m计算样本点的数量。该值“m”对应于样本的数量的log2，而x和y分别代表样本点的实数数组和虚数数组。在已经确定了数据点的数量之后，对部分903中示出的每个数据点进行位反转处理。示例性地，1的值可由4位二进制表达式“0001”代表。在位反转之后，该数据点的值(原来是0001)可反转成“1000”(代表8的值)。在对x和y数组中的每一个数据点进行了位反转之后，该算法示例性地使用部分905中示出的公式和过程来计算FFT。

附图10A示出了从冲刺进程产生的示例性传感器信号。在一个布置中，传感器信号可对应于75Hz的采样率。从完整的传感器信号，可获取如图10B所示的样本窗口1001。由于峰和样本的数量，即使获取的样本窗口可难于被用于确定接触时间。因此，可在样本窗口上进行FFT。使用的FFT可包括上文中关于附图9所讨论的算法。

附图11示出了FFT对频率的图1100，其可基于数据的样本窗口的FFT产生。从该图1100可确定对应于接触时间的频率。在一个示例中，可基于多个信号样本经验地确定频率。在特定的示例中，可通过观察和对对应于样本输出的跑步的视频计时来确定样本信号输出的接触时间。在确定了接触时间之后，用户可继而手动地确定对应于确定的接触时间的频率。频率可包括加速数据匹配至其的波的频率。示例性地，跑步者的脚部接触地面且继而推开地面并进入空中且向下返回至地面的动作可产生加速度，其可和恰当的拟合函数相匹配(例如，sine和cosine波)。这些波的频率可直接对应于运动员的脚活跃或进行了一些活动的特征时间。

上述过程可被重复，以确定是否可建立模式或规则来从诸如图1100的FFT图确定恰当的频率。例如，样本研究可表明第三低的频率波总体地对应于接触时间。因此，处理系统可自动地确定FFT对频率图1100中的第三最低频率峰为对应于接触时间的频率。

附图12A-12C为示出了传感器输出数据的FFT处理的示例性图，来确定对应于接触事件的频率峰。特别地，附图1201-1205可分别对应于传感器输出信号、对应的样本窗口、以及对应的FFT频率图，其针对中速跑步(例如，在特定的步速或速度阈值之下的跑步)相对于对应于附图10A、10B和11中示出的冲刺的传感器输出信号。

根据又一布置，可基于传感器输出信号的变动的均值来确定或计算运动员的速度。该确定可基于速度或步速和传感器输出信号的值之间的相关性或关系。传感器输出信号可代表由运动员进行的作用力的量。

附图13A-13C为示出了当运动员以不同的步速或速度跑步或步行时产生的传感器输出数据的量的不同。例如，附图13A示出了图1301，其中运动员以第一步速或速度移动，其可是做慢速慢跑(例如，5mph或6mph)。可视地，图1301示出了显著量的无信号空间(例如，由白色空间代表，和代表信号示出的深色线相对)。在附图13B中，图1303示出了第二步速移动的运动员的信号输出，该第二步速相对于第一步速更快。在一个示例中，图1303的传感器输出信号可对应于快速慢跑(例如，8mph，10mph，11mph)。由于运动员的更快的速度或步速，基于运动员的移动产生更多的数据。因此，图1303表现较少无信号空间(例如，和附图13A的图1301的白色或无信号空间的量相比具有较少的白色空间)。附图13C示出了用于更快的步速的信号输出数据的图1305。该更快的步速可对应于在一个示例中的冲刺，且可由此产生甚至更多的量的传感器输出。由此，可通过产生在从运动传感器(例如，加速度器)接收的输出数据的量或大小和步速之间的线性关系而确定步速。示例性地，在样本窗口上的更高的平均传感器输出值可代表更高水平的活跃度，且由此代表更快的步速或速度。

在一些布置中，处理系统可初步处理传感器输出数据以产生均值置中传感器数据。示例性地，可针对传感器输出的给定的样本阶段计算出平均值，且继而从该样本阶段中的每一个数据点中减去。附图14A-14C为示出了分别对应于附图13A-13C的传感器输出图的均值置中传感器数据。均值置中允许信号从负值至正值波动。使用这些值的绝对值允许计算运动员正在产生的总体均值加速度。示例性地，绝对值可反映一人正在进行的作用力或加速的程度。如果采用非均值置中的信号的平均值，则结果可为基线加速值，且将对于全部不同的跑步速度总体地相同。因此，通过使用均值置中，可移除或消除假低频内容，且可更准确地确定运动员的作用力水平。在一个布置中，可基于下列公式确定特定样本窗口的均值：

meanvalue = (\frac{1}{t_{f} - t_{o}}) {&Integral;}_{t_{o}}^{t_{f}} f (t) dt = (\frac{1}{# samples * h}) Σ_{i = 1}^{# samples - 1} (f_{i} + f_{i + 1}) (\frac{h}{2})

其中t_f和t₀分别代表样本窗口的上样本边界和下样本边界，h代表由一个数据样本代表的时间的量(或从上一个样本起的时间间隔)，且f(t)代表对应于特定的样本的传感器输出值。示例性地，如果样本率是100Hz，h将代表0.01秒。在另一示例中，如果样本率是100Hz，h将代表0.0025秒。

使用原始传感器输出或均值置中传感器示出(或两者)，可使用作用力和步速之间的线性关系，来确定在时刻或时间阶段中特定的点出的即时或平均步速。如此处所述，可基于样本传感器输出经验地预定线性关系。在一个或多个布置中，可限定不同的线性关系用于移动的不同的速度或步速。示例性地，可将第一线性关系或公式用于步行。处理系统可基于传感器输出的阈值值或均值值来确定代表步行的传感器输出或其一部分。由此，可选择不同的线性公式或关系用于不同水平的跑步或移动。

附图15是示出了样本传感器值和它们与跑步活动的已知速度(例如，6mph或以上的移动速度)之间的关系的图。基于样本数据，可产生线性关系(例如y＝13.80185x+1.56641)。可由处理系统使用该线性关系，来在在用户的运动活动期间接收传感器输出时后台地确定速度值。

附图16是示出了样本传感器值和它们和步行活动的已知速度(例如，6mph以下的移动速度)之间的关系的图。确定在该示例中用于步行活动的速度和传感器输出之间的线性关系为y＝12.001x+0.4363。因此，如果用户的移动对应于步行，可将该线性关系用于替代使用附图15的数据所限定的那个。在一些布置中，步速和传感器输出至可以非线性的方式相关联。由此，可限定一个或多个非线性公式(例如，二次的)且替代地使用。

此处描述的各种方法和算法可一起或单独地使用。在一个示例中，可使用三元组方法、FFT算法以及作用力算法来确定用户的步速和速度。可通过将分别从各个算法确定的步速和速度平均而确定用户的速度或步速。替换地，可使用第一算法来确定步速或速度，且可使用第二算法来验证确定的值。示例性地，只要第二算法产生足够近似的值，则可确认确定的步速或速度。足够近似可对应于百分比阈值，诸如初始计算出的值的10％、20％、5％等，或预定的量(例如，0.5mph、0.2mph、0.3mph等)。

尽管已经示出且描述了具体的实施例，仍可预见无数的变动，而不显著背离本发明的精神，且其保护范围仅有随附的权利要求的范围所限定。

Claims

1.一种运动表现监测方法，包括：

在由用户进行的运动活动期间，接收由基于脚部的传感器产生的信号，其中该信号包括多个样本；

基于滚动标准偏差处理该信号；

基于所述处理，识别在该信号中的三个样本的序列，该序列对应于由用户进行的物理的脚步，其中该三个样本的序列包括第一脚跟冲击样本、脚趾脱离样本以及第二脚跟冲击样本；和

基于在该第一脚跟冲击样本、脚趾脱离样本以及第二脚跟冲击样本中的至少两个之间经过的时间来确定用户的步速。

2.如权利要求1所述的运动表现监测方法，还包括：

确定第二脚跟冲击样本的值和脚趾脱离样本的值之间的第一差值；

确定脚趾脱离样本的值和第一脚跟冲击样本的值之间的第二差值；

确定该第一差值是否大于第二差值；且

响应于确定该第一差值大于第二差值，将该三个样本的序列添加至列表。

3.如权利要求2所述的运动表现监测方法，还包括：

将多个三样本序列添加至该列表；且

基于该列表中的多个三样本序列而确定该用户的多个接触时间。

4.如权利要求3所述的运动表现监测方法，还包括：

确定该多个接触时间的平均接触时间；

确定该多个接触时间之间的标准差；且

过滤掉距离该平均接触时间超出阈值数个标准差的该多个接触时间的一个或多个接触时间。

5.如权利要求1所述的运动表现监测方法，其中基于该第一脚跟冲击样本、脚趾脱离样本以及第二脚跟冲击样本中的至少两个之间经过的时间来确定用户的步速包括：

通过确定脚趾脱离样本和第一脚跟冲击样本之间的差值来确定接触时间；

从多个线性关系中选择出预定的线性关系，其中该多个线性关系中的每一个对应于不同类型的运动活动；且

应用该预定的线性关系至该接触时间，以计算用户的步速。

6.如权利要求1所述的运动表现监测方法，其中确定对应于由用户进行的物理脚步的处理过的信号中的三个样本的序列包括：

从所述多个样本中选择出第一样本；

确定第一样本的值是否处于或高于第一阈值样本值；

响应于确定该第一样本的值不是处于或高于第一阈值样本值，在所述多个样本中选择出下一样本；和

响应于确定该第一样本的值处于或高于第一阈值样本值：

确定预定大小的第一样本窗口中的最大样本值，其中该第一样本窗口的下边界对应于该第一样本，和

将对应于该最大样本值的样本识别为第一脚跟冲击样本。

7.如权利要求6所述的运动表现监测方法，其中响应于确定第一样本的值处于或高于阈值样本值，该方法还包括：

确定第二样本窗口中的最大样本值；且

确定该第二样本窗口中的最大样本值是否处于或高于第二阈值样本值；且

响应于确定第二样本窗口的最大样本值处于或高于第二阈值样本值，将对应于第二样本窗口的最大样本值的样本识别为脚趾脱离样本。

8.一种运动表现监测装置，包括：

基于脚部的传感器；

至少一个处理器，该处理器被配置为：

基于滚动标准偏差处理该信号；

基于该处理，确定在该信号中的三个样本的序列，该序列对应于由用户进行的物理的脚步，其中该三个样本的序列包括第一脚跟冲击样本、脚趾脱离样本以及第二脚跟冲击样本；且

9.如权利要求8所述的运动表现监测装置，其中该处理器还被配置为：

确定该第一差值是否大于第二差值；且

10.如权利要求9所述的运动表现监测装置，其中该处理器还被配置为：

将多个三样本序列添加至该列表；且

11.如权利要求10所述的运动表现监测装置，其中该处理器还被配置为：

确定该多个接触时间的平均接触时间；

确定在该多个接触时间之间的标准差；且

过滤掉多个接触时间中的距离该平均接触时间超出阈值数个标准差的一个或多个接触时间。