CN105973266A - 一种应用于移动终端的节能计步方法及装置 - Google Patents

Abstract

本发明实施方式提供一种应用于移动终端的节能计步方法及装置，其中，所述方法包括：利用由所述移动终端内的协处理器执行的预设传感器获取用户的行走数据，所述行走数据中包括相互正交的三个方向上的加速度数据；对所述行走数据进行分析，以获取所述行走数据对应的目标特征值；根据所述目标特征值，将所述行走数据中的异常数据剔除；对剔除异常数据后的行走数据进行步态分析，得到预设数量的步态数据组；确定所述步态数据组中的有效步态数据组，并根据所述有效步态数据组确定所述用户的行走步数。本发明实施方式提供的一种应用于移动终端的节能计步方法及装置，能够避免使用循环运算和查询数据库的算法，从而降低移动终端的能耗。

Description

一种应用于移动终端的节能计步方法及装置

技术领域

本发明实施方式涉及测量技术领域，尤其涉及一种应用于移动终端的节能计步方法及装置。

背景技术

随着人们生活水平的提高，人们越来越注重自己的健康。计步器可以检测出人们的行走步数，帮助人们实时掌握锻炼情况，从而制定一个合理的健康规划。而计步器的应用领域范围远远不止于此，随着室内定位技术的逐步发展，计步器也应用到室内定位领域，它主要通过测试人们行走的步数，再结合步长估算方法，进而可以准确判断人们移动的距离。用于室内定位的计步功能也相应的需要更高的精度,但现有的计步器却不能满足室内定位的需求，这就需要研发高精准的计步器来确保室内定位的精准度。

近年来，智能手机功能的日益增多使其在现代生活中的使用越来越广泛，运用手机中的内嵌的传感器来开发计步器也已屡见不鲜。因为手机已经与人们形影不离，所以手机计步器相比传统计步器更加方便了人们的生活。但现有的手机计步器由于其复杂的算法结构以及与手机的不兼容性，往往会造成手机的能耗变高。例如，现有技术中的手机计步器往往基于较复杂的循环运算和查询数据库等算法，通常会使得电流消耗达到50毫安，这样将不利于手机的续航，从而影响用户的体验。

发明内容

本发明实施方式的目的在于提供一种应用于移动终端的节能计步方法及装置，以避免使用循环运算和查询数据库的算法，从而降低移动终端的能耗。

为实现上述目的，本发明实施方式提供一种应用于移动终端的节能计步方法，所述方法包括：利用由所述移动终端内的协处理器执行的预设传感器获取用户的行走数据，所述行走数据中包括相互正交的三个方向上的加速度数据；按照预设规则对所述行走数据进行分析，以获取所述行走数据对应的目标特征值；根据所述目标特征值，将所述行走数据中的异常数据剔除；对剔除异常数据后的行走数据进行步态分析，得到所述剔除异常数据后的行走数据中预设数量的步态数据组；确定所述步态数据组中的有效步态数据组，并根据所述有效步态数据组确定所述用户的行走步数。

进一步地，按照下述公式对所述行走数据进行分析，以获取所述行走数据对应的目标特征值：

$\mathrm{\λ}=\frac{\underset{n=1}{\overset{N}{\Σ}}\sqrt{f_x^2\left(n\right)+f_y^2\left(n\right)+f_z^2\left(n\right)}}{N}$

其中，λ为所述目标特征值，f_x(n)为x轴方向上的加速度数据，f_y(n)为y轴方向上的加速度数据，f_z(n)为z轴方向上的加速度数据，N为各个方向加速度数据的长度。

进一步地，根据所述目标特征值，将所述行走数据中的异常数据剔除具体包括：在所述目标特征值和预设增量的基础上，按照下述公式确定异常数据剔除区间：

[λ-σ,λ+σ]

其中，λ为所述目标特征值，σ为所述预设增量；

将位于所述异常数据剔除区间内的数据确定为异常数据，并将所述异常数据从所述行走数据中剔除。

进一步地，所述对剔除异常数据后的行走数据进行步态分析，得到所述剔除异常数据后的行走数据中预设数量的步态数据组具体包括：获取剔除异常数据后的行走数据中加速度的极大值和极小值，并将相邻的一组极大值和极小值确定为所述剔除异常数据后的行走数据中的步态数据组。

进一步地，确定所述步态数据组中的有效步态数据组具体包括：对所述步态数据组进行平滑处理，以获取去除噪声后的步态数据组；计算所述去除噪声后的步态数据组对应的目标加速度；在所述去除噪声后的各个步态数据组中确定以所述目标加速度为中心并且具备预设时长的时窗，并计算前后两个时窗之间的相关值；根据计算的所述相关值，确定所述步态数据组中的有效步态数据组。

进一步地，按照下述公式对所述步态数据组进行平滑处理，以获取去除噪声后的步态数据组：

A[i]＝A[i-2]/9+2·A[i-1]/9+A[i]/3+2·A[i+1]/9+A[i+2]/9

其中，A[i]表示第i组步态数据组的数据。

进一步地，按照下述公式计算前后两个时窗之间的相关值：

$\mathrm{\γ}=\frac{\underset{j=1}{\overset{M}{\Σ}}(A_j\[i+1\]-\stackrel{\‾}{A\[i+1\]})(A_j\[i\]-\stackrel{\‾}{A\[i\]})}{\sqrt{\underset{j=1}{\overset{M}{\Σ}}{(A_j\[i+1\]-\stackrel{\‾}{A\[i+1\]})}^2}\sqrt{\underset{j=1}{\overset{M}{\Σ}}{(A_j\[i\]-\stackrel{\‾}{A\[i\]})}^2}}$

其中，γ表示前后两个时窗之间的相关值，A_j[i]表示第i组步态数据组的预设时窗中的第j个采样数据，M表示所述预设时窗中包含的采样数据的个数。

进一步地，所述根据计算的所述相关值，确定所述步态数据组中的有效步态数据组具体包括：将计算的所述相关值与预设阈值进行比较，并将所述相关值大于或者等于所述预设阈值的步态数据组确定为有效步态数据组。

为实现上述目的，本发明实施方式还提供一种应用于移动终端的节能计步装置，所述装置包括：行走数据获取单元，用于利用由所述移动终端内的协处理器执行的预设传感器获取用户的行走数据，所述行走数据中包括相互正交的三个方向上的加速度数据；目标特征值获取单元，用于按照预设规则对所述行走数据进行分析，以获取所述行走数据对应的目标特征值；剔除单元，用于根据所述目标特征值，将所述行走数据中的异常数据剔除；步态分析单元，用于对剔除异常数据后的行走数据进行步态分析，得到所述剔除异常数据后的行走数据中预设数量的步态数据组；行走步数确定单元，用于确定所述步态数据组中的有效步态数据组，并根据所述有效步态数据组确定所述用户的行走步数。

进一步地，所述行走步数确定单元具体包括：平滑处理模块，用于对所述步态数据组进行平滑处理，以获取去除噪声后的步态数据组；目标加速度计算模块，用于计算所述去除噪声后的步态数据组对应的目标加速度；相关值计算模块，用于在所述去除噪声后的各个步态数据组中确定以所述目标加速度为中心并且具备预设时长的时窗，并计算前后两个时窗之间的相关值；有效步态数据组确定模块，用于根据计算的所述相关值，确定所述步态数据组中的有效步态数据组。

由以上本发明实施方式可见，本发明使用的移动终端内的预设传感器sensor_type_step_counter，在其正常工作时，电流往往只有4毫安，极大地降低了移动终端的功耗。此外，在本发明中，通过对所述预设传感器获取的行走数据进行分析，从而可以根据分析得到的目标特征值，对所述行走数据进行优化，并通过对优化后的行走数据进行步态分析，从而可以获取用户实际的行走步数。由此可见，本发明提供的应用于移动终端的节能计步方法及装置，不仅避免了使用循环运算和查询数据库的算法，同时还对行走数据进行了优化分析，从而在降低移动终端能耗的同时，还能获取精准的行走步数。

附图说明

为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图逐一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。

图1为本申请实施方式提供的一种应用于移动终端的节能计步方法的流程图；

图2为本申请实施方式提供的一种应用于移动终端的节能计步装置的功能模块图；

图3为本申请实施方式提供的一种应用于移动终端的节能计步装置中行走步数确定单元的功能模块图。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

本申请实施方式提供一种应用于移动终端的节能计步方法。图1为本申请实施方式提供的一种应用于移动终端的节能计步方法的流程图。虽然下文描述流程包括以特定顺序出现的多个操作，但是应该清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。如图1所示，所述方法可以包括以下步骤。

步骤S1：利用由所述移动终端内的协处理器执行的预设传感器获取用户的行走数据，所述行走数据中包括相互正交的三个方向上的加速度数据。

在本实施方式中，所述移动终端可以为智能手机、平板电脑、智能穿戴设备等具备数据存储和数据处理功能的电子设备。例如，所述移动终端可以为安装了安卓系统的智能手机。在本实施方式中，所述预设传感器可以为安卓系统中的特殊传感器sensor_type_step_counter，该传感器可以由智能手机的协处理器执行，以获取用户的行走数据。

在本实施方式中，所述sensor_type_step_counter传感器在正常工作时，其工作电流往往仅有4毫安，而现有技术中的计步器在工作时电流往往达到50毫安。从这方面来看，本实施方式中使用的所述预设传感器在采集用户的行走数据时能够极大地降低智能手机的能耗。

在本实施方式中，当用户在行走或者奔跑时，往往会根据不同的运行状态，而产生不同的加速度，在用户运动过程中加速度随时间的变化关系可以为所述的行走数据。在本实施方式中，所述加速度可以为空间矢量，因此所述行走数据可以包括相互正交的三个方向上的加速度数据。具体地，所述相互正交的三个方向可以分别为立体坐标系中的x轴方向、y轴方向以及z轴方向。

在本实施方式中，所述三个方向的加速度数据可以通过预设的采样周期进行采样得到。因此，所述加速度数据往往为离散的各个采样点。在本实施方式中，这三个方向的加速度数据可以分别通过f_x(n)，f_y(n)以及f_z(n)来表示，其中，n则表示采样点的序号。

步骤S2：按照预设规则对所述行走数据进行分析，以获取所述行走数据对应的目标特征值。

在本实施方式中，考虑到用户在行走的过程中，由于身体的摆动原因，可能会导致采集的行走数据中包含幅度较小的噪音。为了避免这些噪音在后续处理过程中对计步结果产生影响，在本实施方式中可以将这些噪音预先去除。

在本实施方式中，可以通过对所述行走数据进行分析，以获取所述行走数据对应的目标特征值，并将所述目标特征值作为去除噪音的依据。具体地，在本实施方式中，可以按照下述公式对所述行走数据进行分析，以获取所述行走数据对应的目标特征值：

$\mathrm{\λ}=\frac{\underset{n=1}{\overset{N}{\Σ}}\sqrt{f_x^2\left(n\right)+f_y^2\left(n\right)+f_z^2\left(n\right)}}{N}$

其中，λ为所述目标特征值，f_x(n)为x轴方向上的加速度数据，f_y(n)为y轴方向上的加速度数据，f_z(n)为z轴方向上的加速度数据，N为各个方向加速度数据的长度。

根据上式求得的所述目标特征值可以表征所述行走数据中加速度的平衡值，在该平衡值以下的加速度数据均可以视为由于用户的轻微摆动引起的噪音。

步骤S3：根据所述目标特征值，将所述行走数据中的异常数据剔除。

在本实施方式中，所述行走数据中的噪音均可以视为异常数据。在获取到所述行走数据对应的目标特征值之后，可以根据所述目标特征值，将所述行走数据中的异常数据剔除。具体地，在本实施方式中，可以在所述目标特征值的基础上，确定剔除区间，并将位于所述剔除区间内的行走数据作为异常数据剔除。所述剔除区间的中心可以为所述目标特征值，所述剔除区间的上限和下限可以分别通过将所述目标特征值增加或者减少预设增加来得到。具体地，在本实施方式中可以在所述目标特征值和预设增量的基础上，按照下述公式确定异常数据剔除区间：

[λ-σ,λ+σ]

其中，λ为所述目标特征值，σ为所述预设增量。

在确定出所述剔除区间之后，可以将位于所述异常数据剔除区间内的数据确定为异常数据，并将所述异常数据从所述行走数据中剔除。

步骤S4：对剔除异常数据后的行走数据进行步态分析，得到所述剔除异常数据后的行走数据中预设数量的步态数据组。

在本实施方式中，通过对人走路运动过程的分析，可以发现人在走路的时候加速度的变化有一定的规律性和周期性。其中，人体的加速度等于重力加速度时，可认为人此时未受到向前的驱动力的影响，所以此时只采集到重力加速度。因此，可以把加速度等于重力加速度的时刻点作为两步之间的分隔点，在本实施方式中，可以将这个分隔点称为平衡点，在所述平衡点的待测目标的加速度值便可以为平衡参数。基于平衡点进行分析，人走每一步，加速度均经历一个从平衡点上升到最大值，再下降到最小值，再回到平衡点的一个过程，这类似一个正弦曲线。

在本实施方式中，可以基于上述的正弦曲线，对剔除异常数据后的行走数据进行步态分析，以得到所述剔除异常数据后的行走数据中预设数量的步态数据组。具体地，在本实施方式中，可以获取剔除异常数据后的行走数据中加速度的极大值和极小值。在本实施方式中，可以寻找出用户走路时加速度波形特征点，并基于加速度波形特征点将人行走一步的过程划分为多个阶段，用不同的状态参数来模拟人行走一步的过程中的各个状态，并且使得状态参数中状态转移的一次循环对应于人行走一步的整个过程。所述状态参数例如可以为平衡参数、波峰参数和波谷参数，其中，所述平衡参数可以为重力加速度，所述波峰参数可以为极大值对应的加速度，所述波谷参数可以为极小值对应的加速度。这样，基于所采集的行走数据，状态参数的转移可以模拟人步行时从一个阶段进入另一个阶段，理论上，当状态参数执行完一个循环时(即状态参数迁移的一次循环)，就相当于人走完了一步。

在本实施方式中，可以将正弦曲线中相邻的一组极大值和极小值确定为所述剔除异常数据后的行走数据中的步态数据组。这样，一组步态数据组即可以表明一个行走循环。

步骤S5：确定所述步态数据组中的有效步态数据组，并根据所述有效步态数据组确定所述用户的行走步数。

在本实施方式中，在所述步态数据组中，尽管有些步态数据组中包括了极大值、极小值以及平衡值，但是这些步态数据组中的数据是由用户晃动双臂或者抖动双腿引起的，其对应的幅值往往比正常行走或者奔跑对应的幅值小。在本实施方式中，可以从所述步态数据组中确定出有效步态数据组，以精确地统计用户行走的步数。

在本实施方式中，可以预先对所述步态数据组进行平滑处理，以获取去除噪声后的步态数据组。具体地，可以按照下述公式对所述步态数据组进行平滑处理，以获取去除噪声后的步态数据组：

A[i]＝A[i-2]/9+2·A[i-1]/9+A[i]/3+2·A[i+1]/9+A[i+2]/9

其中，A[i]表示第i组步态数据组的数据。

在得到经过平滑处理后的步态数据组之后，可以计算所述去除噪声后的步态数据组对应的目标加速度。所述目标加速度可以将各个步态数据组的数据累加并求平均值得到。

在得到所述目标加速度之后，可以在所述去除噪声后的各个步态数据组中确定以所述目标加速度为中心并且预设时长的时窗，并计算前后两个时窗之间的相关值。所述相关值可以表明前后两个时窗之间步态数据组之间的相似程度，若相似程度越高，则所述相关值就越大。

在本实施方式中，可以按照下述公式计算前后两个时窗之间的相关值：

$\mathrm{\γ}=\frac{\underset{j=1}{\overset{M}{\Σ}}(A_j\[i+1\]-\stackrel{\‾}{A\[i+1\]})(A_j\[i\]-\stackrel{\‾}{A\[i\]})}{\sqrt{\underset{j=1}{\overset{M}{\Σ}}{(A_j\[i+1\]-\stackrel{\‾}{A\[i+1\]})}^2}\sqrt{\underset{i=1}{\overset{M}{\Σ}}{(A_j\[i\]-\stackrel{\‾}{A\[i\]})}^2}}$

其中，γ表示前后两个时窗之间的相关值，A_j[i]表示第i组步态数据组的预设时窗中的第j个采样数据，M表示所述预设时窗中包含的采样数据的个数。

在计算得到前后两个时窗之间的相关值之后，便可以根据计算的所述相关值，确定所述步态数据组中的有效步态数据组。具体地，可以将计算的所述相关值与预设阈值进行比较，并将所述相关值大于或者等于所述预设阈值的步态数据组确定为有效步态数据组。

这样，所述有效步态数据组的组数便可以作为所述用户的行走步数，从而可以完成对用户的行走过程的计步。

在本申请实施方式中，为了节省移动终端的能耗，可以在所述移动终端处于待机状态，并且用户没有在行走时，可以停止所述移动终端内的计步服务，这样，移动终端在待机时就只有待机电流在工作，从而降低了移动终端的能耗。

本申请实施方式还提供一种应用于移动终端的节能计步装置。图2为本申请实施方式提供的一种应用于移动终端的节能计步装置的功能模块图。如图2所示，所述装置可以包括：行走数据获取单元100，用于利用由所述移动终端内的协处理器执行的预设传感器获取用户的行走数据，所述行走数据中包括相互正交的三个方向上的加速度数据；

目标特征值获取单元200，用于按照预设规则对所述行走数据进行分析，以获取所述行走数据对应的目标特征值；

剔除单元300，用于根据所述目标特征值，将所述行走数据中的异常数据剔除；

步态分析单元400，用于对剔除异常数据后的行走数据进行步态分析，得到所述剔除异常数据后的行走数据中预设数量的步态数据组；

行走步数确定单元500，用于确定所述步态数据组中的有效步态数据组，并根据所述有效步态数据组确定所述用户的行走步数。

图3为本申请实施方式提供的一种应用于移动终端的节能计步装置中行走步数确定单元的功能模块图，如图3所示，所述行走步数确定单元500具体包括：

平滑处理模块501，用于对所述步态数据组进行平滑处理，以获取去除噪声后的步态数据组；目标加速度计算模块502，用于计算所述去除噪声后的步态数据组对应的目标加速度；

相关值计算模块503，用于在所述去除噪声后的各个步态数据组中确定以所述目标加速度为中心并且具备预设时长的时窗，并计算前后两个时窗之间的相关值；

有效步态数据组确定模块504，用于根据计算的所述相关值，确定所述步态数据组中的有效步态数据组。

需要说明的是，上述各个功能模块的具体实现方式均与步骤S1至S5中的实施方式中的描述一致，这里便不再赘述。

由以上本发明实施方式可见，本发明使用的移动终端内的预设传感器sensor_type_step_counter，在其正常工作时，电流往往只有4毫安，极大地降低了移动终端的功耗。此外，在本发明中，通过对所述预设传感器获取的行走数据进行分析，从而可以根据分析得到的目标特征值，对所述行走数据进行优化，并通过对优化后的行走数据进行步态分析，从而可以获取用户实际的行走步数。由此可见，本发明提供的应用于移动终端的节能计步方法及装置，不仅避免了使用循环运算和查询数据库的算法，同时还对行走数据进行了优化分析，从而在降低移动终端能耗的同时，还能获取精准的行走步数。此外，在本申请中，获取用户的行走数据以及对所述行走数据进行分析并得出行走步数的过程可以在同一个服务中进行，而不需要拆分为多个服务来完成，从而可以避免多个服务之间数据的传输过程，进一步地降低了移动终端的能耗。

本说明书中的各个实施方式均采用递进的方式描述，各个实施方式之间相同相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。尤其，对于装置实施方式而言，由于其基本相似于方法实施方式，所以描述的比较简单，相关之处参见方法实施方式的部分说明即可。

最后应说明的是：上面对本申请的各种实施方式的描述以描述的目的提供给本领域技术人员。其不旨在是穷举的、或者不旨在将本发明限制于单个公开的实施方式。如上所述，本申请的各种替代和变化对于上述技术所属领域技术人员而言将是显而易见的。因此，虽然已经具体讨论了一些另选的实施方式，但是其它实施方式将是显而易见的，或者本领域技术人员相对容易得出。本申请旨在包括在此已经讨论过的本发明的所有替代、修改、和变化，以及落在上述申请的精神和范围内的其它实施方式。

Claims (10)

1.一种应用于移动终端的节能计步方法，其特征在于，包括：

利用由所述移动终端内的协处理器执行的预设传感器获取用户的行走数据，所述行走数据中包括相互正交的三个方向上的加速度数据；

按照预设规则对所述行走数据进行分析，以获取所述行走数据对应的目标特征值；

根据所述目标特征值，将所述行走数据中的异常数据剔除；

对剔除异常数据后的行走数据进行步态分析，得到所述剔除异常数据后的行走数据中预设数量的步态数据组；

确定所述步态数据组中的有效步态数据组，并根据所述有效步态数据组确定所述用户的行走步数。

2.根据权利要求1所述的方法，其特征在于，按照下述公式对所述行走数据进行分析，以获取所述行走数据对应的目标特征值：

$\mathrm{\λ}=\frac{\underset{n=1}{\overset{N}{\Σ}}\sqrt{f_x^2\left(n\right)+f_y^2\left(n\right)+f_z^2\left(n\right)}}{N}$

其中，λ为所述目标特征值，f_x(n)为x轴方向上的加速度数据，f_y(n)为y轴方向上的加速度数据，f_z(n)为z轴方向上的加速度数据，N为各个方向加速度数据的长度。

3.根据权利要求1或2所述的方法，其特征在于，根据所述目标特征值，将所述行走数据中的异常数据剔除具体包括：

在所述目标特征值和预设增量的基础上，按照下述公式确定异常数据剔除区间：

[λ-σ,λ+σ]

其中，λ为所述目标特征值，σ为所述预设增量；

将位于所述异常数据剔除区间内的数据确定为异常数据，并将所述异常数据从所述行走数据中剔除。

4.根据权利要求1所述的方法，其特征在于，所述对剔除异常数据后的行走数据进行步态分析，得到所述剔除异常数据后的行走数据中预设数量的步态数据组具体包括：

获取剔除异常数据后的行走数据中加速度的极大值和极小值，并将相邻的一组极大值和极小值确定为所述剔除异常数据后的行走数据中的步态数据组。

5.根据权利要求1所述的方法，其特征在于，确定所述步态数据组中的有效步态数据组具体包括：

对所述步态数据组进行平滑处理，以获取去除噪声后的步态数据组；

计算所述去除噪声后的步态数据组对应的目标加速度；

在所述去除噪声后的各个步态数据组中确定以所述目标加速度为中心并且具备预设时长的时窗，并计算前后两个时窗之间的相关值；

根据计算的所述相关值，确定所述步态数据组中的有效步态数据组。

6.根据权利要求5所述的方法，其特征在于，按照下述公式对所述步态数据组进行平滑处理，以获取去除噪声后的步态数据组：

A[i]＝A[i-2]/9+2·A[i-1]/9+A[i]/3+2·A[i+1]/9+A[i+2]/9

其中，A[i]表示第i组步态数据组的数据。

7.根据权利要求5所述的方法，其特征在于，按照下述公式计算前后两个时窗之间的相关值：

$\mathrm{\γ}=\frac{\underset{j=1}{\overset{M}{\Σ}}(A_j\[i+1\]-\stackrel{\‾}{A\[i+1\]})(A_j\[i\]-\stackrel{\‾}{A\[i\]})}{\sqrt{\underset{j=1}{\overset{M}{\Σ}}{(A_j\[i+1\]-\stackrel{\‾}{A\[i+1\]})}^2}\sqrt{\underset{j=1}{\overset{M}{\Σ}}{(A_j\[i\]-\stackrel{\‾}{A\[i\]})}^2}}$

其中，γ表示前后两个时窗之间的相关值，A_j[i]表示第i组步态数据组的预设时窗中的第j个采样数据，M表示所述预设时窗中包含的采样数据的个数。

8.根据权利要求5或7所述的方法，其特征在于，所述根据计算的所述相关值，确定所述步态数据组中的有效步态数据组具体包括：

将计算的所述相关值与预设阈值进行比较，并将所述相关值大于或者等于所述预设阈值的步态数据组确定为有效步态数据组。

9.一种应用于移动终端的节能计步装置，其特征在于，包括：

行走数据获取单元，用于利用由所述移动终端内的协处理器执行的预设传感器获取用户的行走数据，所述行走数据中包括相互正交的三个方向上的加速度数据；

目标特征值获取单元，用于按照预设规则对所述行走数据进行分析，以获取所述行走数据对应的目标特征值；

剔除单元，用于根据所述目标特征值，将所述行走数据中的异常数据剔除；

步态分析单元，用于对剔除异常数据后的行走数据进行步态分析，得到所述剔除异常数据后的行走数据中预设数量的步态数据组；

行走步数确定单元，用于确定所述步态数据组中的有效步态数据组，并根据所述有效步态数据组确定所述用户的行走步数。

10.根据权利要求9所述的装置，其特征在于，所述行走步数确定单元具体包括：

平滑处理模块，用于对所述步态数据组进行平滑处理，以获取去除噪声后的步态数据组；

目标加速度计算模块，用于计算所述去除噪声后的步态数据组对应的目标加速度；

相关值计算模块，用于在所述去除噪声后的各个步态数据组中确定以所述目标加速度为中心并且具备预设时长的时窗，并计算前后两个时窗之间的相关值；

有效步态数据组确定模块，用于根据计算的所述相关值，确定所述步态数据组中的有效步态数据组。