CN109643499A - 游泳分析的系统和方法 - Google Patents

Abstract

本发明描述了在游泳课程期间分析用户的运动的系统和方法。一个或多个运动传感器可收集用户的运动数据。处理器电路可基于该运动数据进行运动分析。该处理器电路可确定用户的摆臂是否为真正的泳姿。该处理器电路还可确定用户是否正在游泳或转身。该处理器电路还可对用户的泳姿样式进行分类。该处理器电路还可确定用户的泳姿阶段。该处理器电路还可确定用户的泳姿轨迹一致性。

Description

游泳分析的系统和方法

优先权要求

本专利申请要求于2016年8月31日提交的标题为“Systems and Methods of ArmSwing Motion Determination”的美国临时专利申请62/381,836的优先权和权益，该专利申请全文以引用方式并入本文。

本专利申请要求于2016年8月31日提交的标题为“Systems and Methods forDetermining Orbit Consistency”的美国临时专利申请62/381,856的优先权和权益，该专利申请全文以引用方式并入本文。

本专利申请要求于2016年8月31日提交的标题为“Systems and Methods forMotion Determination using Likelihood Ratios”的美国临时专利申请62/381,644的优先权和权益，该专利申请全文以引用方式并入本文。

本专利申请要求于2016年8月31日提交的标题为“Systems and Methods ofClassifying Swim Strokes”的美国临时专利申请62/381,972的优先权和权益，该专利申请全文以引用方式并入本文。

本专利申请要求于2016年8月31日提交的标题为“Systems and Methods ofDetermining Swim Stroke Phase”的美国临时专利申请62/382,006的优先权和权益，该专利申请全文以引用方式并入本文。

相关申请的交叉引用

本专利申请涉及共同未决的美国专利申请_____(代理人案卷号337722-628001)，其标题为“Systems and Methods for Determining Swimming Metrics”，该专利申请于_____日提交并且全文以引用方式并入本文。

本专利申请涉及共同未决的美国专利申请_____(代理人案卷号337722-636001)，其标题为“Systems and Methods of Swimming Calorimetry”，该专利申请于_____日提交并且全文以引用方式并入本文。

技术领域

本公开整体涉及游泳分析。

背景技术

当用户正在进行包括摆臂运动的活动时，通常需要测量用户的臂伸展。例如，当用户游泳时，用户的臂伸展可帮助区分较小的偶然摆臂运动和真正的泳姿。此外，确定臂伸展可用于对不同类型的泳姿进行分类。因此，希望提供确定摆臂运动的方法和系统。

此外，当用户正在进行包括多种类型的运动的活动时，通常需要对运动的类型进行分类。例如，当用户游泳时，用户可在两种类型的运动之间切换：游泳和转身。又如，当用户跑步时，用户可在跑步和步行之间切换。了解用户正在进行的运动的类型在许多应用中是有用的，包括估计用户的能量消耗。因此，希望提供确定用户的运动类型的方法和系统。

一般来讲，有四种常见的泳姿样式：蝶泳、自由泳、蛙泳、和仰泳。当用户游泳时，用户可在其游泳课程的整个游程中完成不同的泳姿样式中的任一者并且改变样式。了解用户正在进行的游泳样式的类型在许多应用中是有用的，包括估计用户的能量消耗、划水计数、圈计数和距离标定。因此，希望提供用于对泳姿样式进行分类的方法和系统。

然而，在不将泳姿样式分解为常见的各个阶段(例如，滑行、划水、转向、收臂)的情况下对不同的泳姿样式进行分类是困难的。了解用户正在进行的泳姿阶段不仅有助于识别泳姿样式，而且还可用于通过将用户的泳姿与理想的阶段参数集进行比较来进行转身检测、圈计数、划水计数、游泳与不游泳检测以及指导/测量“泳姿优良度”。因此，希望提供确定泳姿阶段的方法和系统。

当用户游泳时，通常需要确定用户的手臂动作或轨迹的一致性。要跟踪的运动的示例是用户的泳姿。例如，在理想的情况下，个体自由泳应表现出几乎精确的泳姿复制。但在实践中，个体精确重复泳姿的能力可受到许多因素的影响。因此，测量用户的泳姿轨迹的一致性可暗示用户的技能、效率、疲劳度和/或健康度(例如，不能重复运动可能是疾病或受伤的迹象)。因此，希望提供确定用户游泳时的泳姿轨迹的一致性的方法和系统。

发明内容

本公开涉及一种用于在确定用户的手臂动作时提高可穿戴设备的准确性的方法。在一些实施方案中，该方法包括：由可穿戴设备的处理器电路从可穿戴设备的一个或多个运动传感器接收运动数据，其中该一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；由处理器电路使用运动数据来确定在第一参照系中基于运动数据表示的旋转数据；由处理器电路基于旋转数据来确定力矩臂长度；由处理器电路将力矩臂长度与阈值长度进行比较；由处理器电路基于将力矩臂长度与阈值长度进行比较来确定用户的摆臂是真正的泳姿；响应于确定用户的摆臂是泳姿而由处理器电路计算用户的游泳度量或能量消耗中的至少一者，其中游泳度量包括以下中的至少一者：转身、呼吸、圈数、泳姿或泳姿样式；以及由处理器电路输出用户的游泳度量或能量消耗中的至少一者。在一些实施方案中，第一参照系可为相对于用户设备的体固定参照系。在一些实施方案中，该方法可包括求解最小二乘方程。

本公开涉及一种用于在确定用户正在游泳时提高可穿戴设备的准确性的方法。在一些实施方案中，该方法可包括：由可穿戴设备的处理器电路接收用户的一组训练数据；由处理器电路从可穿戴设备的一个或多个运动传感器接收运动数据，其中一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；由处理器电路基于运动数据来确定用户的偏航角；由处理器电路检索与偏航角对应的似然比值；以及由处理器电路将似然比值与阈值进行比较；由处理器电路基于将似然比值与阈值进行比较来确定用户正在游泳；响应于确定用户正在游泳而由处理器电路计算用户的游泳度量或能量消耗中的至少一者，其中游泳度量包括以下中的至少一者转身、呼吸、圈数、泳姿或泳姿样式；以及由处理器电路输出用户的游泳度量或能量消耗中的至少一者。

本公开涉及一种用于在对用户的泳姿样式进行分类时提高可穿戴设备的准确性的方法。在一些实施方案中，方法可包括：由可穿戴设备的处理器电路从可穿戴设备的一个或多个运动传感器接收运动数据，其中该一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；由处理器电路基于所接收到的运动数据来计算基本周期；由处理器电路确定可穿戴设备的旋转数据，其中旋转数据在参照系中表示；由处理器电路从旋转数据提取一个或多个特征；由处理器电路基于该一个或多个特征来确定用户的泳姿样式；以及由处理器电路输出所确定的泳姿样式。在一些实施方案中，参照系可为相对于可穿戴设备的体固定参照系。在一些实施方案中，参照系可为惯性参照系。

在一些实施方案中，一个或多个特征包括以下中的至少一者：可穿戴设备的平均冠部取向、用户的臂和腕部旋转的相关性或围绕可穿戴设备的冠部的旋转对总角速度的贡献。在一些实施方案中，一个或多个特征包括以下中的至少一者：在划水阶段期间围绕可穿戴设备的带的相对手臂旋转、用户的力矩臂、加速度z与旋转y的比率、由加速度加权的重力冠部、可穿戴设备的带的顶部的取向与围绕可穿戴设备的带的旋转之间的相关性、冠部旋转的均方根(RMS)、围绕可穿戴设备的冠部的最小旋转、围绕可穿戴设备的带的最大旋转或y上的最大旋转x。

本公开涉及一种用于在确定用户泳姿的阶段时提高可穿戴设备的准确性的方法。在一些实施方案中，方法可包括：由可穿戴设备的处理器电路从可穿戴设备的一个或多个运动传感器接收运动数据，其中一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；由处理器电路使用运动数据确定可穿戴设备的第一组旋转数据，其中第一组旋转数据在第一参照系中表示；由处理器电路将可穿戴设备的第一组旋转数据转换为在第二参照系中表示的第二组旋转数据；由处理器电路基于第二组旋转数据来确定用户的泳姿的滑行阶段；由处理器电路基于第二组旋转数据来确定用户的泳姿的转向阶段；由处理器电路基于所确定的滑行阶段和转向阶段来确定用户的泳姿的划水阶段和收臂阶段；由处理器电路基于用户的泳姿的所确定的滑行、转向、划水和收臂阶段来计算用户的一个或多个游泳度量，其中一个或多个游泳度量包括以下中的至少一者：转身、呼吸、圈数、泳姿或泳姿样式；以及输出所计算的用户的一个或多个游泳度量。在一些实施方案中，第一参照系可为相对于可穿戴设备的体固定参照系。在一些实施方案中，第二参照系可为惯性参照系。

本公开涉及一种用于在确定用户的泳姿轨迹一致性时提高可穿戴设备的准确性的方法。在一些实施方案中，方法可包括：由可穿戴设备的处理器电路从可穿戴设备的一个或多个运动传感器接收运动数据，其中一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；由处理器电路使用运动数据确定用户设备的旋转数据，其中旋转数据在参照系中表示；由处理器电路确定旋转数据在第一经过的时间段中沿其具有最小方差的第一方向；由处理器电路确定旋转数据在第二经过的时间段中沿其具有最小方差的第二方向；由处理器电路确定第一方向和第二方向之间的差异；由处理器电路基于第一方向和第二方向之间的差异确定用户的泳姿轨迹一致性；以及由处理器电路输出所确定的泳姿轨迹一致性。在一些实施方案中，参照系可为相对于用户设备的体固定参照系。在一些实施方案中，参照系可为惯性参照系。

在一些实施方案中，该方法可包括确定旋转轴。在一些实施方案中，第一经过的时间段可为基本上10秒。在一些实施方案中，第二经过的时间段可为基本上3分钟。

本公开涉及一种用于在确定用户的泳姿轨迹一致性时提高可穿戴设备的准确性的方法。在一些实施方案中，方法可包括：由可穿戴设备的处理器电路从可穿戴设备的一个或多个运动传感器接收运动数据，其中一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；由处理器电路使用运动数据确定在参照系中表示的旋转数据；由处理器电路使用旋转数据来确定用户的泳姿轨迹的柱状图；由处理器基于柱状图确定熵的水平；由处理器电路基于所确定的熵水平来确定用户的轨迹一致性水平；以及由处理器电路输出所确定的用户的轨迹一致性水平。在一些实施方案中，参照系可为相对于用户设备的体固定参照系。在一些实施方案中，参照系可为惯性参照系。

通过以下具体实施方式和附图，其他特征和优点将变得显而易见。

附图说明

当结合本公开的以下附图考虑时，结合以下附图可更全面地理解本公开的各种目的、特征和优点，在附图中类似的附图标记标识类似的元件。

图1示出了根据本公开的一些实施方案的可穿戴设备(或“用户设备”)。

图2示出了根据本公开的一些实施方案的可穿戴设备的框图。

图3示出了根据本公开的一些实施方案的配套设备。

图4A-图4D示出了根据本公开的一些实施方案的体固定参照系的示例。

图5示出了根据本公开的一些实施方案的体固定参照系中的可穿戴设备的一组旋转数据。

图6示出了根据本公开的一些实施方案的惯性参照系的示例。

图7A-图7D示出了根据本公开的一些实施方案的惯性参照系的示例。

图8示出了根据本公开的一些实施方案的惯性参照系中的可穿戴设备的一组旋转数据。

图9示出了根据本公开的一些实施方案的确定重力方向的方法。

图10示出了根据本公开的一些实施方案的确定重力方向的方法。

图11示出了根据本公开的一些实施方案的确定用户的力矩臂的方法。

图12示出了根据本公开的一些实施方案的力矩臂长度的示例。

图13示出了根据本公开的一些实施方案的体固定参照系中的可穿戴设备的运动数据。

图14A-图14B示出了根据本公开的一些实施方案的例示性力矩臂计算。

图15示出了根据本公开的一些实施方案的在游泳时对用户的运动类型进行分类的方法。

图16A和图16B示出了根据本公开的一些实施方案的对用户的运动类型进行分类的示例。

图17示出了根据本公开的一些实施方案的从可穿戴设备的一个或多个传感器接收运动信息的方法。

图18示出了根据本公开的一些实施方案的在游泳时的用户的偏航角。

图19示出了根据本公开的一些实施方案的在游泳时对用户的泳姿样式进行分类的方法。

图20示出了根据本公开的一些实施方案的对用户的泳姿样式进行分类的示例。

图21示出了根据本公开的一些实施方案的对用户的泳姿样式进行分类的示例。

图22示出了根据本公开的一些实施方案的对用户的泳姿样式进行分类的示例。

图23示出了根据本公开的一些实施方案的对用户的泳姿样式进行分类的示例。

图24示出了根据本公开的一些实施方案的对用户的泳姿样式进行分类的示例。

图25示出了根据本公开的一些实施例的对用户的泳姿样式进行分类的示例。

图26示出了根据本公开的一些实施方案的对用户的泳姿样式进行分类的示例。

图27示出了根据本公开的一些实施方案的对用户的泳姿样式进行分类的示例。

图28示出了根据本公开的一些实施方案的对用户的泳姿样式进行分类的示例。

图29A-图29B示出了根据本公开的一些实施方案的不同泳姿样式的泳姿阶段。

图30示出了根据本公开的一些实施方案的确定用户的泳姿阶段的方法。

图31A-图31D示出了根据本公开的一些实施方案的标识不同泳姿阶段的图表。

图32A和图32B示出了根据本公开的一些实施方案的对用户的运动类型进行分类的示例。

图33示出了根据本公开的一些实施方案的在游泳课程期间确定用户的泳姿轨迹一致性的过程，其示出了根据本公开的一些实施方案的可穿戴设备的腕部角度。

图34示出了根据本公开的一些实施方案的用户泳姿的轨迹。

图35示出了根据本公开的一些实施方案的用户泳姿的轨迹。

图36示出了根据本公开的一些实施方案的在不同采样点处的用户的短程泳姿轨迹的旋转轴的方向与用户的远程/平均泳姿轨迹的旋转轴的方向之间的连续差异。

图37示出了根据本公开的一些实施方案的在游泳课程期间确定用户的泳姿轨迹一致性的过程。

图38示出了根据本公开的一些实施方案的用户泳姿轨迹的热图。

具体实施方式

在以下描述中，阐述了关于本公开的系统、方法和介质以及此类系统、方法和介质可操作的环境等的许多具体细节，以便提供对本公开的彻底理解。然而，对于本领域的技术人员将显而易见的是，本公开可在没有此类具体细节的情况下实践，并且不详细描述本领域熟知的某些特征，以避免本公开的复杂化。此外，应当理解，下面提供的示例是示例性的，并且预期存在本公开范围内的其他系统、方法和介质。

本公开描述了可被配置为在用户的活动期间确定用户的臂伸展的可穿戴设备。可穿戴设备可包括一个或多个运动传感器以收集关于可穿戴设备在空间中的位置和取向的数据并且跟踪可穿戴设备随时间推移的位置和取向的改变。由于用户可穿戴可穿戴设备，因此运动信息可提供关于用户动作的信息。例如，当用户游泳时，用户的臂通常沿特定路径并以特定频率摆动。如果用户将可穿戴设备穿戴在用户的腕部上时，则可穿戴设备可通过感测用户的手臂沿特定路径移动的方式来推断用户正在以某种样式游泳。当用户游泳时，存在可由可穿戴设备跟踪的用户的手臂/腕部的相当周期性的运动。

图1示出了根据本公开的一些实施方案的可穿戴设备(或“用户设备”)100的示例。在一些实施方案中，可穿戴设备100可为任何合适的可穿戴设备，诸如被配置为围绕个体的腕部穿戴的手表和/或健身带。

图2示出了根据本公开的一些实施方案的可存在于可穿戴设备100内的示例性部件的框图。在一些实施方案中，可穿戴设备100可包括主处理器210(或“应用处理器”)、运动协处理器215、存储器220、一个或多个运动传感器240、显示器270、接口280和心率传感器290。可穿戴设备100可包括附加模块、较少的模块或执行任何合适的操作或操作组合的任何其他合适的模块组合。

在一些实施方案中，主处理器210可包括一个或多个内核并且可容纳用于运行各种应用程序和模块的一个或多个线程。软件可在能够执行计算机指令或计算机代码的主处理器210上运行。还可使用专用集成电路(ASIC)、可编程逻辑阵列(PLA)、现场可编程门阵列(FPGA)或任何其他集成电路在硬件中实现主处理器210。

在一些实施方案中，可穿戴设备100还包括可汲取与主处理器210相比较少的功率的运动协处理器215。虽然主处理器210可被配置用于通用计算和通信，但运动协处理器215可被配置为执行相对有限的一组任务，诸如从运动传感器240、心率传感器290和可穿戴设备100内的其他模块接收和处理数据。在许多实施方案中，主处理器210可在某些时间被断电以节省功率，同时运动协处理器215保持上电。因此，运动协处理器215有时被称为“始终开启”处理器(AOP)。运动协处理器215可控制主处理器210何时通电或关机。

存储器220可以是非暂态计算机可读介质、闪存存储器、磁盘驱动器、光盘驱动器、可编程只读存储器(PROM)、只读存储器(ROM)或任何其他存储器或存储器的组合。存储器220可包括一个或多个模块230。

主处理器210或运动协处理器215可被配置为运行存储在存储器220中的模块230，其被配置为使处理器210或运动协处理器215执行在整个本公开中讨论的各个步骤，诸如例如结合图4、图11和图12所述的方法。

在一些实施方案中，可穿戴设备100可包括一个或多个运动传感器240。例如，运动传感器240可包括陀螺仪250和加速度计260。在一些实施方案中，加速度计260可以是测量至多三个维度(例如x轴、y轴和z轴)的线性加速度的三轴加速度计。在一些实施方案中，陀螺仪250可为三轴陀螺仪，其测量至多三个维度(例如偏航、俯仰和滚动))的旋转数据，诸如旋转运动和/或角速度。在一些实施方案中，加速度计260可以是微机电系统(MEMS)加速度计，并且陀螺仪250可以是MEMS陀螺仪。可穿戴设备100的主处理器210或运动协处理器215可从一个或多个运动传感器240接收运动信息，以通过三维空间来跟踪可穿戴设备100在六自由度上的加速度信息、旋转信息、位置信息或取向信息。

在一些实施方案中，除了加速度计260和陀螺仪250之外，可穿戴设备100还可包括其他类型的传感器。例如，可穿戴设备100可包括测高计或气压计或其他类型的位置传感器，诸如GPS传感器。

可穿戴设备100还可包括显示器270。显示器270可以是被配置为向用户提供输出以及通过触摸接收来自用户的输入的屏幕，诸如晶体(例如蓝宝石)或玻璃触摸屏。例如，显示器270可被配置为显示当前心率或每日平均能量消耗。显示器270可接收来自用户的输入以选择例如应当显示哪些信息，或用户是否正在开始物理活动(例如，启动课程)或结束物理活动(例如，结束课程)，诸如游泳课程、跑步课程、举重课程、步行课程或骑行课程。在一些实施方案中，可穿戴设备100可以其他方式向用户呈现输出，诸如通过用扬声器(未示出)产生声音，并且可穿戴设备100可以其他方式接收来自用户的输入，诸如通过经由麦克风(未示出)接收语音命令。

在一些实施方案中，可穿戴设备100可经由接口280与外部设备通信，包括用于向用户呈现输出或从用户接收输入的配置。接口280可为无线接口。无线接口可以是标准蓝牙(IEEE 802.15)接口，诸如蓝牙v4.0，也称为“蓝牙低能量”。在其他实施方案中，接口可根据手机网络协议诸如长期演进(LTE)或Wi-Fi(IEEE 802.11)协议进行操作。在其他实施方案中，接口280可包括有线接口，诸如耳机接口或总线连接器(例如，Lightning、Thunderbolt、USB等)。

可穿戴设备100可从心率传感器290测量个体的当前心率。心率传感器290还可被配置为确定指示给定心率测量的准确度的相对可能性的置信水平。在其他实施方案中，可使用传统心率监视器，并且可通过近场通信方法(例如，蓝牙)来与可穿戴设备100通信。

可穿戴设备100可被配置为与配套设备300(图3)诸如智能电话通信，如本文更详细所述。在一些实施方案中，可穿戴设备100可被配置为与其他外部设备诸如笔记本或台式计算机、平板电脑、耳机、蓝牙耳机等进行通信。

上述模块为示例，并且可穿戴设备100的实施方案可包括未示出的其他模块。例如，可穿戴设备100的一些实施方案可包括可再充电电池(例如，锂离子电池)、麦克风或麦克风阵列、一个或多个相机、一个或多个扬声器、表带、防水壳体或涂层等。在一些实施方案中，可穿戴设备100内的所有模块可电连接和/或机械联接在一起。在一些实施方案中，主处理器210可协调每个模块之间的通信。

图3示出了根据本公开的实施方案的配套设备300的示例。可穿戴设备100可被配置为经由有线或无线通信信道(例如，蓝牙、Wi-Fi等)与配套设备300通信。在一些实施方案中，配套设备300可为智能电话、平板电脑或类似的便携式计算设备。配套设备300可由用户携带，存储在用户的口袋中，用臂带或类似装置捆扎到用户的手臂上，放置在安装设备中，或以其他方式定位在可穿戴设备100的可传达范围内。

在一些实施方案中，配套设备300可包括多种传感器，诸如位置传感器和运动传感器(未示出)。当配套设备300可用于与可穿戴设备100通信时，可穿戴设备100可从配套设备300接收附加数据以改进或补充其校准或热量测量过程。例如，在一些实施方案中，与可穿戴设备100可包括GPS传感器的另选实施方案相反，可穿戴设备100可不包括GPS传感器。在可穿戴设备100可不包括GPS传感器的情况下，配套设备300的GPS传感器可收集GPS位置信息，并且可穿戴设备100可经由接口280(图2)从配套设备300接收GPS位置信息。

又如，与可穿戴设备100可包括测高计或气压计的另选实施方案相反，可穿戴设备100可不包括测高计或气压计。在可穿戴设备100可不包括测高计或气压计的情况下，配套设备300的测高计或气压计可收集高度或相对高度信息，并且可穿戴设备100可经由接口280(图2)从配套设备300接收高度或相对高度信息。

又如，可穿戴设备100可从配套设备300接收运动信息。可穿戴设备100可将来自配套设备300的运动信息与来自可穿戴设备100的一个或多个运动传感器240的运动信息进行比较。可过滤运动信息诸如来自加速度计260和/或陀螺仪250的数据(例如，通过高通、低通、带通或带阻滤波器)，以便提高运动信息的质量。例如，低通滤波器可用于去除一些环境噪声。

可穿戴设备100可使用感测的和收集的运动信息来预测用户的活动。活动的示例可包括但不限于步行、跑步、骑行、游泳、举重等。可穿戴设备100还可预测或以其他方式检测用户何时静止(例如，睡觉、坐下、站立、驾驶或以其他方式控制车辆等)。可穿戴设备100可使用多种运动信息，在一些实施方案中包括来自配套设备的运动信息。

可穿戴设备100可使用多种启发法、算法或其他技术来预测用户的活动。可穿戴设备100还可估计与特定预测(例如，用户游泳的可能性为90％)或预测(例如，用户正在游泳的可能性为60％并且用户正在进行非游泳活动的可能性为40％)相关联的置信水平(例如，百分比可能性、准确度等)。

具有在表征设备的运动时有用的多个参照系，例如，体固定参照系和惯性参照系。这些参照系之间的切换可通过执行旋转或一系列旋转来完成。由于运动传感器正在收集的大部分数据位于体固定参考系中，为了使用数据来对泳姿进行计数，首先将数据从体固定参考系转换到惯性系。

图4A示出了根据本公开的一些实施方案的体固定参照系400的示例。在图4A中，体固定参照系400的旋转轴相对于可穿戴设备100。例如，z轴垂直于可穿戴设备100的显示表面160。x轴和y轴可相对任意地选择，只要三个轴线相互垂直。在图4A中，x轴平行于可穿戴设备100的冠部120所指向的方向，并且y轴平行于可穿戴设备100的带140的方向(假设可穿戴设备100的冠部120所指向的方向垂直于可穿戴设备100的带140的方向)。

图4B-图4D示出了根据本公开的一些实施方案的表示体固定参照系400中的一个或多个取向的示例。在图4B中，取向/方向410具有相对于正x轴的角度(φ)402、相对于正y轴的角度(θ)404和相对于正z轴的角度(ψ)406。方向410可在体固定参照系400中表示为为[cos(φ),cos(θ),cos(ψ)]，其为第一组三维旋转数据的非限制性示例/格式。例如，图4B中的方向420平行于并指向正x轴，因此方向420和正x轴之间的角度(φ)为0度；方向420和正y轴之间的角度(θ)为90度；方向420和正z轴之间的角度(ψ)为90度。因此，方向420可表示为[cos(0),cos(90),cos(90)]，其为[1,0,0]。又如，图4B中的方向430平行于并指向正z轴，因此方向430和正x轴之间的角度(φ)为90度；方向430和正y轴之间的角度(θ)为90度；方向430和正z轴之间的角度(ψ)为0度。因此，方向430可表示为[cos(90),cos(90),cos(0)]，其为[0,0,1]。又如，方向440表示图4B中的重力方向且平行于并指向负y轴，因此方向440和正x轴之间的角度(φ)为90度；方向440和正y轴之间的角度(θ)为180度；方向440和正z轴之间的角度(ψ)为90度。因此，方向440可表示为[cos(90),cos(180),cos(90)]，其为[0,-1,0]。

在图4C中，可穿戴设备100被竖直地保持。如前所述，x轴平行于由冠部120指向的方向，y轴平行于带140，并且z轴垂直于显示表面160。图4C中的方向450表示由冠部120指向的方向，因此方向450和正x轴之间的角度(φ)为0度；方向450和正y轴之间的角度(θ)为90度；方向450和正z轴之间的角度(ψ)为90度。因此，方向450可被表示为[cos(0),cos(90),cos(90)]，其为[1,0,0]。又如，方向440表示图4C中的重力方向且平行于并指向负y轴，因此方向440和正x轴之间的角度(φ)为90度；方向440和正y轴之间的角度(θ)为180度；方向440和正z轴之间的角度(ψ)为90度。因此，图4C中的方向440可表示为[cos(90),cos(180),cos(90)]，其为[0,-1,0]。

在图4D中，可穿戴设备100与图4C相比顺时针旋转45度。如前所述，x轴平行于由冠部120指向的方向，y轴平行于带140，并且z轴垂直于显示表面160。图4D中的方向450表示由冠部120指向的方向，因此方向450和正x轴之间的角度(φ)为0度；方向450和正y轴之间的角度(θ)为90度；方向450和正z轴之间的角度(ψ)为90度。因此，方向450可表示为为[cos(0),cos(90),cos(90)]，其为[1,0,0]。又如，方向440表示图4D中的重力方向。方向440和正x轴之间的角度(φ)为45度；方向440和正y轴之间的角度(θ)为135度；方向440和正z轴之间的角度(ψ)为90度。因此，图5D中的方向440可表示为[cos(45),cos(135),cos(0)]，其为[0.707,-0.707,0]。

应当指出的是方向450的表示与图4C和图4D中的一致，即使可穿戴设备100已旋转。这是因为体固定参照系400总是相对于可穿戴设备100固定。因此，当可穿戴设备100的位置改变时，体固定参照系400中的三个轴以及方向450也发生变化，而方向450和三个轴之间的相对位置保持相同。另一方面，尽管重力方向440在“绝对”意义上不改变，但当可穿戴设备100改变位置时，重力方向确实相对于可穿戴设备100的位置改变其位置。因此，当可穿戴设备100改变位置时，重力方向440的表示不会在体固定参照系400中保持固定。

图5示出了根据本公开的一些实施方案的可穿戴设备100的第一组旋转数据。具体地，图5示出了对体固定参照系400中的重力的估计。x轴示出cos(φ)，其中φ是重力与体固定参照系400中的正x轴之间的角度。y轴示出cos(θ)，其中θ是重力与体固定参照系400中的正y轴之间的角度。y轴示出cos(ψ)，其中ψ是重力与体固定参照系400中的正z轴之间的角度。例如，如果此时可穿戴设备100面向天空，并且显示表面平行于地面，则重力方向可表示为[0,0,-1]。又如，如果冠部指向地面，则重力方向可表示为[1,0,0]。体固定参照系中的重力估计可有助于指示可穿戴设备100何时进行俯仰和/或滚动运动。例如，如上所述，当用户的腕部处于使得冠部指向地面的位置时，重力方向为[1,0,0]。如果用户随后向上滚动其腕部90度，则可穿戴设备100面向天空，并且显示表面平行于地面，则重力方向表示为[0,0,-1]。如果用户随后将其腕部俯仰90度，则可穿戴设备100的冠部面向天空，并且重力方向被表示为[-1,0,0]。这些示例示出了体固定参照系400中的重力方向可响应于俯仰和/或滚动运动而变化。在一些实施方案中，体固定参照系400中的重力估计可与加速度计260一起使用以估计重力。然而，体固定参照系400中的重力方向不响应于偏航运动而变化。例如，如果可穿戴设备100面向天空，并且显示表面与地面平行，则重力方向表示为[0，0，-1]；然后，如果用户沿地平线进行偏航运动，则重力方向保持为[0,0,-1]。另外，如上所述，由于可穿戴设备100与体固定参照系400同样旋转，因此可穿戴设备100及其部件的方向是固定的。例如，无论冠部朝上、平直或朝下，冠部方向在体固定参照系400中总是表示为[1，0，0]。因此，在一些实施方案中，更适合将可穿戴设备100的位置在未被体固定的参照系中表示，以便更容易地指示可穿戴设备100相对于外部参照的移动。

图6示出了根据本公开的一些实施方案的惯性参照系600。在图6中，z轴(或偏航轴)基于重力方向。x轴(或滚动轴)和y轴可相对任意地选择，只要三个轴线相互垂直。

图7A-图7D示出了根据本公开的一些实施方案的惯性参照系700的示例。图7A示出了在用户游泳的环境中的惯性参照系700。在图7A中，用户穿戴可穿戴设备100。但是惯性参照系中的z轴(或偏航轴)基于重力方向而不是可穿戴设备本身。另外，假设用户在游泳，则x轴(或滚动轴)基本上平行于圈的方向，并且y轴(或俯仰轴)垂直于其他两个轴。在一些实施方案中，x轴(或滚动轴)和y轴可相对任意地选择，只要三个轴线相互垂直。在图7A中，z轴也被称为偏航轴，因为任何偏航运动围绕z轴旋转。类似地，x轴也被称为滚动轴，因为任何滚动运动围绕x轴旋转。并且y轴也被称为俯仰轴，因为任何俯仰运动围绕y轴旋转。通过了解体固定参照系400中的三个轴与惯性参照系700中的三个轴之间的差异，在体固定参照系400中表示的旋转数据可使用本领域的技术人员已知的技术诸如在Sabatini中所讨论的技术被转换为惯性参照系700中所表示的旋转数据。

图7B示出了可穿戴设备100可相对于惯性参照系700作旋转运动。在图7B中，取向/方向710具有相对于正x轴的角度(φ)702、相对于正y轴的角度(θ)704和相对于正z轴的角度(ψ)706。方向710可在体固定参照系700中表示为为[cos(φ),cos(θ),cos(ψ)]，其为第二组旋转数据的非限制性示例/格式。

图7C和图7D示出了图4C和4D中的相同取向可在惯性参照系700中以不同方式表示。在图7C中，可穿戴设备100被竖直保持，其与图4C相同。如前所述，z轴基于惯性参照系700中的重力。在图7C中，选择正z轴作为重力的截然相反的位置，x轴垂直于z轴并且水平向右指向，并且y轴垂直于x轴和y轴并且从图7C指“出去”。图7C中的方向450表示由冠部120指向的方向，因此方向450和正x轴之间的角度(φ)为0度；方向450和正y轴之间的角度(θ)为90度；并且方向450和正z轴之间的角度(ψ)为90度。因此，方向450可表示为[cos(0),cos(90),cos(90)]，其为[1,0,0]。又如，方向440表示图7C中的重力方向且平行于并指向负z轴，因此方向440和正x轴之间的角度(φ)为90度；方向440和正y轴之间的角度(θ)为90度；并且方向440和正z轴之间的角度(ψ)为180度。因此，图7C中的方向440可表示为[cos(90),cos(90),cos(180)]，其为[0,0,-1]。

在图7D中，可穿戴设备100与图7C相比顺时针旋转45度。由于三个轴基于重力，因此它们可保持与图7C相同。图7D中的方向450表示由冠部120指向的方向，并且方向450和正x轴之间的角度(φ)为45度；方向450和正y轴之间的角度(θ)为90度；并且方向450和正z轴之间的角度(ψ)为135度。因此，方向450可表示为[cos(45),cos(90),cos(135)]，其为[0.707,0,-0.707]。又如，方向440表示图7D中的重力方向。方向440和正x轴之间的角度(φ)为90度；方向440和正y轴之间的角度(θ)为90度；并且方向440和正z轴之间的角度(ψ)为180度。因此，图7D中的方向440可表示为[cos(90),cos(90),cos(180)]，其为[0,0,-1]。

应当指出的是重力方向440的表示与图7C和图7D中的一致，即使可穿戴设备100已旋转。这是因为惯性参照系700总是相对于重力固定。因此，当可穿戴设备100的位置变化，惯性参照系700中的三个轴不移动。另一方面，方向450确实相对于三个轴移动，因此可在惯性参照系400中改变方向450的表示，即使其固定在体固定参照系400中。

图8示出了根据本公开的一些实施方案的可穿戴设备100的第一组旋转数据。具体地，图8示出了在用户游泳时在惯性参照系700中的冠部方向的估计。x轴示出cos(φ)，其中φ是冠部方向与惯性参照系700中的正x轴之间的角度。y轴示出cos(θ)，其中θ是冠部方向与惯性参照系700中的正y轴之间的角度。y轴示出cos(ψ)，其中ψ是冠部方向与惯性参照系700中的正z轴之间的角度。例如，如果此时可穿戴设备100面向天空，显示表面平行于地面，并且冠部朝向正x轴，则冠部方向可表示为[1,0,0]。如果可穿戴设备100正在进行偏航运动，并且冠部朝向负x轴，则冠部方向可表示为[-1,0,0]等。又如，如果冠部指向地面，则冠部方向可表示为[0,0,1]。图8中的旋转数据主要分成两个集群，802和804，因为每次用户转身，冠部方向与惯性参照系700中的正x轴之间的角度φ基本上改变约180度。因此，图8中表示的旋转数据可指示当数据从集群802切换到集群804时，可穿戴设备100经历前进方向的稳态变化，或者反之亦然。

图9示出了根据本公开的一些实施方案的确定重力方向的方法900。了解重力方向对于确定可穿戴设备100的运动信息诸如旋转数据的参照系是重要的。在一些实施方案中，方法900可通过例如将步骤组合、划分、重新排列、改变、添加和/或移除来修改。重力确定方法900可在步骤910处开始。

在步骤910处，可从用户的可穿戴设备(例如，可穿戴设备100)上的一个或多个运动传感器240接收运动信息。在一些实施方案中，运动信息可包括来自一个或多个传感器240诸如陀螺仪250的三维旋转信息和来自一个或多个传感器240诸如加速度计260的三维加速度信息。

在步骤920处，可穿戴设备100的角速度可相对于参照系诸如体固定参照系或惯性参照系来确定。

在步骤930处，重力确定方法900可确定在步骤920处确定的可穿戴设备100的角速度是否低于阈值。例如，阈值可为大约0.05弧度/秒、0.2弧度/秒或0.5弧度/秒等。如果角速度超过阈值(例如，当用户正在做运动时)，则重力确定方法900可返回至步骤910。在一些实施方案中，在步骤910处前进之前，重力确定方法900可暂停或等待一段时间(例如，1秒、5秒、1分钟等)。

如果角速度低于阈值(例如，当用户相对静止时)，则重力确定方法900可前进至步骤940。在一些实施方案中，在步骤930处，可穿戴设备100还在前进至步骤940之前确定作用于可穿戴设备100上的力的量值是否约等于重力的法向力(1G)。如果量值不是约为法向量值，则重力确定方法900还可返回到框910。当角速度低于阈值时(例如，当用户相对静止时)估计重力方向是重要的，因为这样可穿戴设备100将不会因其他移动而被加速度干扰或混淆。理论上，如果可穿戴设备100沿x轴具有lg加速度，则可穿戴设备100可能已弄错了重力方向。

在步骤940处，可估计相对于可穿戴设备100的重力方向。例如，在一些实施方案中，当可穿戴设备100被相对静止地保持时，可穿戴设备100内的加速度计260可提供关于作用在可穿戴设备100上的力的方向的数据，这可主要归因于重力。在一些实施方案中，重力确定方法900还可确定穿戴可穿戴设备100的用户是否正在加速(例如，加速或减速)或以大约恒定的速度行进，以便进一步改善对重力方向的估计。

在一些实施方案中，重力确定方法900可在输出所估计的重力方向之后结束。在其他实施方案中，重力确定方法900可返回到步骤910以优化或以其他方式重复估计相对于可穿戴设备的重力方向的方法。

图10示出了根据本公开的一些实施方案的确定重力方向的方法1000。在一些实施方案中，方法1000可通过例如将步骤组合、划分、重新排列、改变、添加和/或移除来修改。重力确定方法1000可在用户具有配套设备300时使用并且可在步骤1010处开始。

在步骤1010处，重力确定方法1000可周期性地或连续地检查配套设备(例如，配套设备300)的存在。例如，在一些实施方案中，可穿戴设备100可确定连接(例如，蓝牙、IEEE802.11、Wi-Fi或其他无线或有线通信信道)是否已建立或是否可与配套设备300建立。如果存在配套设备300，则重力确定方法1000可前进至步骤1020。

在步骤1020处，可估计相对于配套设备300的重力方向。在一些实施方案中，与重力确定方法1000相比，可能不需要检查配套设备300的角速度是否低于阈值，因为配套设备300的角速度的大部分或全部旋转可正交于重力方向。

在步骤1030处，可输出相对于配套设备300的重力方向。在一些实施方案中，相对于配套设备300的重力方向可与相对于可穿戴设备100的重力方向组合或以其他方式进行比较。在一些实施方案中，配套设备300还可确定围绕相对于配套设备的重力方向的旋转速率，并且代替相对于配套设备300的重力方向或除此之外输出该旋转速率。

在一些实施方案中，重力确定方法1000可在输出所估计的重力方向之后结束。在其他实施方案中，重力确定方法1000可返回到步骤1010以优化或以其他方式重复估计相对于可穿戴设备的重力方向的方法。

确定摆臂运动

图11示出了根据本公开的一些实施方案的流程图，该流程图示出了确定用户的摆臂运动是真正的泳姿还是偶然运动的过程1100。在一些实施方案中，该方法包括从一个或多个运动传感器240接收运动信息的步骤(步骤1110)。在一些实施方案中，过程1100可通过例如将步骤组合、划分、重新排列、改变、添加和/或移除来修改。

在步骤1110处，可穿戴设备100从运动传感器240接收三维运动信息。在步骤1120处，可穿戴设备100确定可穿戴设备100的第一组三维旋转数据。旋转数据可包括角速度和角加速度。

角速度可由以下等式1表示：

ω＝[rad/s] 等式1

角加速度可由以下等式2表示：

α＝Δω/Δt 等式2

在一些实施方案中，旋转数据从陀螺仪250接收并且相对于可穿戴设备100在体固定参照系中表示。

运动信息还可包括可穿戴设备100在至多三个维度上的加速度测量。加速度测量可以是径向加速度和切向加速度的组合，并且可由以下等式3表示：

a＝ω×(ω×r)+(α×r) 等式3

r＝力矩臂

在一些实施方案中，加速度测量从加速度计260接收并且相对于可穿戴设备100在体固定参照系中表示。

在步骤1130处，基于从陀螺仪接收的旋转数据和从加速度计接收的加速度测量，可计算力矩臂。在一些实施方案中，例如如图12中所示，由可穿戴设备1225计算的力矩臂1215表示从肩关节1210的臂伸展。如图12所示，力矩臂1215为肩关节1210和肩关节的力线1220之间的垂直距离。力线1220与围绕肩关节的用户摆臂相切，并且不断改变方向。

在一个实施方案中，力矩臂通过取等式3所示的a＝ω×(ω×r)+(α×r)的叉积的矩阵表示来计算。以下是用于查找力矩臂的加速度(a)的叉积的计算，r：

a＝WWr(其中Wr表示(ω×r)的叉积)+Ur(其中Ur表示(α×r)的

叉积)；

a＝(WW+U)r

可通过求解r的最小二乘方程例如通过使用Moore Penrose伪逆矩阵来求解r。

力矩臂可通过取加速度计测量和陀螺仪测量的若干样本来归一化(N)，其可由以下等式来表示：

a_N＝(WW+U)_N r

r_N＝(WW+U)_N\a_N

力矩臂的计算长度表示用户的臂伸展，并且可用于确定游泳者的摆臂运动是偶然的还是真正的泳姿。例如，用户的偶然摆臂通常围绕用户的肘关节或腕部旋转，而用户的真正泳姿通常围绕用户的肩部旋转。因此，偶然摆臂将具有比真正泳姿更短的力矩臂长度。因此，力矩臂长度越大，用户的摆臂运动就越可能是真正的泳姿。

在步骤1140处，基于计算的力矩臂，可穿戴设备可确定游泳者的摆臂运动是否为真正的泳姿和/或将摆臂运动分类为特定类型的泳姿。泳姿类型可包括自由泳、蝶泳、仰泳和蛙泳。在一个实施方案中，可穿戴设备存储将力矩臂长度最小阈值与真正泳姿相关联的训练数据。可穿戴设备可将计算的力矩臂长度与存储的阈值进行比较，并且如果计算的臂长度大于所存储的阈值，则用户的摆臂运动被确定为真正泳姿。可基于性别、年龄或游泳水平和/或其他合适的特征为特定游泳者定制训练数据。在一些实施方案中，从游泳者的训练课程观察该组训练数据。

例如，小于5cm的力矩臂很可能不是泳姿，而大于25cm的力矩臂很可能是泳姿。然而，在5cm-25cm之间，摆臂很可能是泳姿，但不同的置信水平将与每个长度相关联。

图13示出了根据本公开的一些实施方案的在合适的时间段例如60s内的可穿戴设备100的第一组旋转数据，包括加速度数据。具体地，图13示出了在游泳课程期间穿戴在用户的腕部上的可穿戴设备100的第一组旋转数据，并且第一组旋转数据在体固定参照系中表示，如结合图4A-图4D所述。x轴表示WW+u并且以rad²/s²为单位测量，并且y轴表示通过重力归一化的加速度并且以m/s²为单位测量。

时间段可由用户设置，或者该时间段可为固定的。在一些实施方案中，时间段与用户需要完成若干泳姿的时间段成比例。可穿戴设备100可基于由可穿戴设备100检测到的用户泳姿的平均持续时间来动态设置时间段。例如，如果用户需要三秒钟完成泳姿，则该时间段可被设定为九秒。在一些实施方案中，可穿戴设备100可进行子泳姿测量(例如，250ms)或多泳姿测量(例如，6秒-9秒)。子泳姿测量趋于提供近乎实时的测量，但可为噪声估计。而多泳姿测量提供力矩臂的“平均”估计。

在图13所示的实施方案中，旋转数据，包括加速度数据，通过两轮摆臂来测量：一轮摆臂围绕肩关节旋转，如由出现在图的顶部处的点1310的集群所示，并且另一轮摆臂围绕肘关节旋转，如由出现在图的底部处的点1320的集群所示。从围绕肩关节的摆臂测量的数据的斜率比从围绕肘关节的摆臂测量的数据的斜率更陡。在该实施方案中，斜率的倾斜度对应于力矩臂的长度。换句话讲，斜率越陡，力矩臂的长度就越大。通常，对于泳姿而言，与从肘关节相比，从肩关节的力矩臂长度(如图13中由点集群1310的更陡斜率所示)较长。如果摆臂的旋转仅围绕肩部发生，则从腕部到肩部来计算力矩臂。如果摆臂的旋转仅围绕肘部发生，则从腕部到肘部来计算力矩臂。然而，如果摆臂运动是肩部旋转和腕部旋转的组合，则组合运动可提供该组合运动的力矩臂的近似值。

在一个实施方案中，可穿戴设备100存储将力矩臂长度值相关联的训练数据，该力矩臂长度值是不同泳姿类型中的每个泳姿类型的特征。可穿戴设备可将计算的力矩臂长度与特征力矩臂长度值进行比较，以确定泳姿的类型。可基于性别、年龄、游泳级别和/或其他合适特征来为特定游泳者定制不同泳姿类型中的每个泳姿类型的特征力矩臂长度值。在一些实施方案中，从游泳者的训练课程观察该组训练数据。图14A示出了蛙泳的示例性力矩臂测量，并且图14B示出了自由泳的示例性力矩臂测量。

在一些实施方案中，可穿戴设备100将来自运动传感器的第一组运动数据(包括来自陀螺仪的旋转数据和来自加速度计的加速度测量)转换成第二组运动信息。然而，在体固定参照系中表示的运动信息的一个缺点是，体固定参照系不易于指示用户的手臂/腕部的运动和/或位置，因为体固定参照系相对于可穿戴设备100，并且可穿戴设备100在游泳时也在变化。

为了解决该问题，可穿戴设备100使用本领域技术人员已知的技术将体固定参照系中的运动数据转换为惯性参照系中的旋转数据，诸如“Kalman-filter-basedorientation determination using inertial/magnetic sensors:observabilityanalysis and performance evaluation”(Angelo Maria Sabatini，2011年9月27日公布，传感器2011,11,9182-9206)中所讨论的技术。

使用似然比的运动确定

在进行用于测试的许多运动/健身实验中，监督员可标记用户正在进行的运动的类型并记录与运动的类型相关联的一个或多个特征。当用户改变运动的类型时，监督员也可标记运动类型的变化。

例如，当用户来回游泳时，监督员可标记用户何时实际上向前游泳以及用户何时转身。监督员还可记录与用户游泳或转身相关联的一个或多个特征，诸如速度和偏航角。经过大量实验后，将会有大量数据详细描述游泳行为与转身行为。如下文更详细地讨论，这些训练数据随后可与由用户穿戴的可穿戴设备感测到的用户运动信息一起使用，以实时确定用户的运动类型。

图15示出了根据本公开的一些实施方案的流程图，该流程图示出了确定用户在游泳课程期间是在游泳还是转身的过程1500。在一些实施方案中，过程1500可通过例如将步骤组合、划分、重新排列、改变、添加和/或移除来修改。如下文更详细地描述，在一些实施方案中，过程1500可包括五个步骤。在步骤1510处，可穿戴设备100接收用户的一组训练数据。在步骤1520处，基于用户的一组训练数据，可穿戴设备100确定多个偏航角LR(偏航)的多个似然比。在步骤1530处，可穿戴设备100基于从可穿戴设备100的一个或多个传感器240接收的运动信息来确定用户的偏航角。在步骤1540处，可穿戴设备100检索与偏航角对应的LR(偏航)的值。在步骤1550处，可穿戴设备100通过将LR(偏航)的值与阈值进行比较来确定用户是否正在游泳或转身。

在步骤1510处，可穿戴设备100接收用户的一组训练数据。在一些实施方案中，从用户的训练课程观察该组训练数据。如上所述，在这些训练课程期间，监督员可监视用户并指定用户是在游泳还是转身。监督员还可在游泳时记录用户的某些特征。例如，监督员可记录用户的速度和/或偏航角。在一些实施方案中不需要监督员。相反，通过分析来自加速度计和/或陀螺仪的原始数据，可确定用户何时在游泳和转身。因此，在一些实施方案中，可在训练后分析和标记学习数据。

偏航角可指示用户的瞬时游泳方向和用户的稳态游泳方向之间的角度。例如，图18示出了根据本公开的一些实施方案的用户在游泳时的偏航角。在图18中，用户正从泳池的南端1810向北端1820游泳。方向1830指示用户的稳态游泳方向。方向1840、1850、1860和1870指示用户的瞬时游泳方向的四个场景。如果用户的瞬时游泳方向为1840，则方向1840和方向1830之间存在0度，并且用户的偏航角可被指示为0度。如果用户的瞬时游泳方向为1850，则从方向1830至方向1850顺时针方向为90度，并且用户的偏航角可被指示为90度。如果用户的瞬时游泳方向为1860，则从方向1830至方向1860顺时针方向为180度，并且用户的偏航角可被指示为180度。如果用户的瞬时游泳方向为1870，则从方向1830至方向1870顺时针方向为270度，并且用户的偏航角可被指示为270度。也可使用指示偏航角的其他合适的方式。例如，在一些实施方案中，当用户的瞬时游泳方向为1870，偏航角可被标注为90度而非270度以指示从方向1830至方向1870存在90度逆时针差值。

在一些实施方案中，可由监督员在训练课程期间直接观察用户的运动特征，诸如偏航角和/或速度。在一些实施方案中，用户的运动特征由可穿戴设备100的运动传感器240观察，如下文更详细所述。由于监督员还指定了用户的运动类型(例如游泳与转身)，因此在一个或多个训练课程之后，可获得详细描述游泳行为与转身行为的大量的原始数据。在一些实施方案中，训练课程可为三至五分钟。在一些实施方案中，训练课程可以是更长的持续时间，诸如10分钟至20分钟。在一些实施方案中，训练课程可具有任何合适的持续时间。原始数据可指示用户在给定时刻的偏航角和由监督员指定的对应运动类型。例如，原始数据的格式可以是{时间标记，偏航角，运动类型}。原始数据还可包括其他合适的信息，并且可以是任何其他合适的格式。在一些实施方案中不需要监督员。相反，通过分析来自加速度计和/或陀螺仪的原始数据，可确定用户何时在游泳和转身。因此，在一些实施方案中，可在训练后分析和标记学习数据。

然后可基于原始数据来统计地确定该组训练数据。在一个实施方案中，该组训练数据包括当用户正在转身时用户的多个偏航角的第一概率分布，P(偏航|转身)、当用户正在游泳时的用户的多个偏航角的第二概率分布P(偏航|游泳)和因子K，其指示用于指示用户正在转身的第一可能性与用于指示用户正在游泳的第二可能性的比率。在一些实施方案中，该组训练数据还可包括任何其他合适的信息。

图16A示出了根据本公开的一些实施方案的在用户正在游泳和转身时用户的多个偏航角的概率分布。x轴是以度为单位的偏航，并且y轴是指示用户正在游泳并且用户正在转身的概率质量函数(PMF)。在图16A中，曲线1610指示用户游泳时用户的多个偏航角的第二概率分布，P(偏航|游泳)。同样在图16A中，曲线1620指示用户转身时用户的多个偏航角的第一概率分布，P(偏航|转身)。在图16A中，当偏航角小于约75度时，P(偏航|游泳)>P(偏航|转身)。这表明当用户游泳时，偏航角更可能小于约75度，并且当用户转身时，偏航角更可能大于约75度。同样在图16A中，P(偏航|游泳)具有大约0度的最大值，并且P(偏航|转身)具有大约180度的最大值。这表明当用户游泳时，偏航角最可能为约0度，并且当用户转身时，偏航角最可能为约180度。

在一些实施方案中，因子K可指示用于指示用户正在游泳的第一可能性P(转身)与用于指示用户正在转身的第二可能性P(游泳)的比率，并且可由等式4表示。

K＝P(转身)/P(游泳) 等式4

在一些实施方案中，K可基于来自用户的训练课程的观察来估计。例如，当用户在100m泳池中游泳时，用户可游50秒，并且仅转身5秒。在该示例中，在任何随机时间，用户游泳的可能性比转身高10倍，并且K可等于0.1。

重新参见图15，在步骤1520处，根据包括P(偏航|游泳)、P(偏航|转身)和K的一组训练数据，可计算多个似然比LR(偏航)。在一个实施方案中，LR(偏航)可以等式5表示。

LR(偏航)＝P(转身|偏航)/P(游泳|偏航) 等式5

在等式5中，P(游泳|偏航)指示多个偏航角处的用户正在游泳的概率分布。同样，P(转身|偏航)指示多个偏航角处的用户正在转身的概率分布。P(游泳|偏航)和P(转身|偏航)可进一步分别以等式6和7表示。

P(游泳|偏航)＝P(盘航|游泳)*P(游泳)/P(偏航) 等式6

P(转身|偏航)＝P(偏航|转身)*P(转身)/P(偏航) 等式7

根据等式4、5、6和7，LR(偏航)可进一步以等式8表示。

LR(偏航)＝P(转身|偏航)/P(游泳|偏航)

＝(P(偏航|转身)*P(转身)/P(偏航))/P(偏航|游泳)*P(游泳)/P(偏航))

＝P(偏航|转身)/P(偏航|游泳)*(P(转身)/P(游泳))

＝K*P(偏航|转身)/P(偏航|游泳) 等式8

等式8示出了LR(偏航)可由K、P(偏航|游泳)和P(偏航|转身)确定，其被包括在一组训练数据中，并且可全部从来自训练课程的原始数据获得。

另选地，在一些实施方案中，LR(偏航)可以对数标度表示，如等式9和10所示。

LR(偏航)＝log₁₀(P(转身|偏航)/P(游泳|偏航)) 等式9

＝对数₁₀(K*P(偏航|转身)/P(偏航|游泳)) 等式10

当LR(偏航)表示为P(转身|偏航)/P(游泳|偏航)时，如等式5所示，如果偏航角使LR(偏航)的值大于1，则用户更有可能在该偏航角转身；如果偏航角使LR(偏航)的值小于1，则用户更有可能在该偏航角游泳。

类似地，当LR(偏航)表示为log10P(转身|偏航)/P(游泳|偏航)时，如等式10所示，如果偏航角使LR(偏航)的值大于0，则用户更有可能在该偏航角转身；并且如果偏航角使LR(偏航)的值小于0，则用户更有可能在该偏航角游泳。

图16B示出了当LR(偏航)在等式10中表示时在多个偏航角处的LR(偏航)的值。x轴是以度为单位的偏航，并且y轴是似然比。在图16B中，曲线1630指示LR(偏航)等于0的位置。在图16B中，曲线1640表明当偏航角大于大约75度时，LR(偏航)通常大于0，并且意味着用户更有可能正在转身；并且当偏航角小于约75度时，LR(偏航)通常小于0，并且意味着用户更有可能正在游泳。

如上文关于图15所述，在步骤1510和1520处，可基于一组训练数据来确定用户在多个偏航角(LR(偏航))处的运动的似然比。在一些实施方案中，LR(偏航)的查找表可被确定以显示每个偏航角处的LR(偏转)的值。当用户在未来的游泳课程中时，一旦接收到用户的偏航角，便可从查找表检索对应的LR(偏航)值，并且可确定用户是正实时游泳还是转身。查找表可总是可基于来自附加训练课程的数据进行微调和/或更新。

参考图15，在步骤1530处，可穿戴设备100可基于从可穿戴设备100的一个或多个传感器240接收的运动信息来确定用户的实时偏航角。步骤1530在图17中进一步解释。图17示出了根据本公开的一些实施方案的流程图，该流程图示出了确定用户在游泳时的偏航角的过程1700。在一些实施方案中，过程1700可通过例如将步骤组合、划分、重新排列、改变、添加和/或移除来修改。如下文更详细地描述，在一些实施方案中，过程1700可包括三个步骤。在步骤1710处，可穿戴设备100从一个或多个运动传感器240接收运动信息。在步骤1720处，可穿戴设备100确定可穿戴设备100的第一组旋转数据。在步骤1730处，可穿戴设备100将第一组旋转数据转换为包括用户的偏航角的第二组旋转数据。

在步骤1710处，可从可穿戴设备100上的一个或多个运动传感器240接收运动信息。在一些实施方案中，运动信息可包括来自陀螺仪250的可穿戴设备100的三维旋转数据。在一些实施方案中，运动信息可包括来自加速度计260的可穿戴设备100的三维加速度。

在步骤1720处，可穿戴设备100基于从一个或多个运动传感器240接收的运动信息来确定可穿戴设备100的第一组旋转数据。在一些实施方案中，可穿戴设备100的旋转数据包括可穿戴设备100旋转的方式，诸如可穿戴设备100相对于参照系的角位置、角速度和/或角加速度。在一些实施方案中，如果可穿戴设备100的旋转数据为角加速度，则角速度和/或角位置可通过将随时间推移的角加速度求和来获得。同样，如果可穿戴设备100的旋转数据为角速度，则可通过将随时间推移的角速度求和来获得。在一些实施方案中，第一组旋转数据从陀螺仪250接收并且相对于可穿戴设备100在体固定参照系中表示。

在步骤1730处，可穿戴设备100将第一组旋转数据转换为第二组旋转数据。如上文所述，体固定参照系中的旋转数据无法容易地指示可穿戴设备100是否发生相对于外部参照的运动。为了解决该问题，可穿戴设备100使用本领域技术人员已知的技术将体固定参照系中的旋转数据转换为惯性参照系中的旋转数据，诸如“Kalman-filter-basedorientation determination using inertial/magnetic sensors:observabilityanalysis and performance evaluation”(Angelo Maria Sabatini，2011年9月27日公布，传感器2011,11,9182-9206)中所讨论的技术。

重新参见图15，在步骤1540处，可穿戴设备100可使用在步骤1530处获得的偏航角来检索对应的LR(偏航)的值。例如，LR(偏航)的值可从LR(偏航)的查找表中检索。

在步骤1550处，基于所检索的LR(偏航)的值，可穿戴设备100可通过将检索到的值LR(偏航)与阈值进行比较来确定用户是否正在游泳或转身。具体地，如果LR(偏航)如等式5中所表示，则阈值可设定为1：如果检索到的LR(偏航)的值大于1，则用户更可能正在游泳；并且如果检索到的值LR(偏航)小于1，则用户更可能正在转身。类似地，如果LR(偏航)如等式10中所表示，则阈值可设定为0：如果检索到的LR(偏航)的值大于0，则用户更可能正在游泳；并且如果检索到的值LR(偏航)小于0，则用户更可能正在转身。

对泳姿进行分类

在一些实施方案中，本公开描述了可穿戴设备，该可穿戴设备可被配置为将用户的泳姿分类为四种常见样式中的一种，包括自由泳、仰泳、蛙泳和蝶泳。

图19示出了流程图，该流程图示出了根据本公开的一些实施方案的对用户的泳姿样式进行分类的过程1900。在一些实施方案中，该方法可包括以下步骤：从运动传感器接收信息并计算基本周期(步骤1910)，确定可穿戴设备100的一组旋转数据(步骤1920)，从该组旋转数据中提取第一组特征以执行第一级分析以对仰泳和蛙泳进行分类并将这些泳姿样式与自由泳和蝶泳区分开(步骤1930)，以及从该组旋转数据提取第二组特征以执行第二级分析以将自由泳与蝶泳区分开(步骤1940)。在一些实施方案中，过程1900可通过例如将步骤组合、划分、重新排列、改变、添加和/或移除来修改。

在步骤1910处，可穿戴设备100对来自一个或多个运动传感器240的输出信息进行采样。在一些实施方案中，信息可包括重力、加速度、旋转或姿态的任何组合。基于从运动传感器240输出的采样信息，可计算基本周期。例如，来自一个或多个运动传感器240的信息可在14Hz下采样。基于从泳姿计数器获得的泳姿速率，可穿戴设备100在等于两次泳姿的时间段内对运动信息进行采样。在一些实施方案中，如果采样数据不表现出足够周期性信号，则可穿戴设备100对运动传感器信息进行重新采样，直至其接收足够周期性信号。用于对用户的泳姿进行分类的过程1900可在每泳姿基础上执行，但可在用户完成一圈或用于报告数据的某个其他限定周期之后向用户报告。

在步骤1920处，可穿戴设备100基于从一个或多个运动传感器240接收的信息来确定可穿戴设备100在至多三个维度上的一组旋转数据，包括加速度数据。在一些实施方案中，可穿戴设备100的旋转数据包括可穿戴设备100旋转的方式，诸如可穿戴设备100相对于参照系的角位置、角速度和/或角加速度。在一些实施方案中，如果可穿戴设备100的旋转数据为角加速度，则角速度和/或角位置可通过将随时间推移的角加速度求和来获得。同样，如果可穿戴设备100的旋转数据为角速度，则可通过将随时间推移的角速度求和来获得。在一些实施方案中，一组旋转数据从陀螺仪250接收并且相对于可穿戴设备100在体固定参照系中表示。在一些实施方案中，加速度数据从加速度计260接收，并且还在相对于可穿戴设备100的体固定参照系中表示。

图20示出了一系列图表2000、2010、2020、2030，其描绘了用户在游泳课程期间穿戴的可穿戴设备100的示例性3D路径。具体地，每个图表对应于四个泳姿样式中的一种(即，图表2000对应于自由泳，图表2010对应于仰泳，图表2020对应于蛙泳，并且图表730对应于蝶泳)，并且描绘了针对该泳姿样式的30个泳姿的可穿戴设备100的3D路径。每个图表包括三个轴：表示可穿戴设备的面部的取向的轴、表示可穿戴设备的冠部的取向的轴和表示可穿戴设备的带的取向的轴。每个轴的范围从1(表示向下指向地面)到-1(表示向上指向天空)。如图表2000、2010、2020和2030所示，蛙泳(图表2020)和仰泳(图表2010)两者均表现出独特的轨迹，该轨迹使它们很容易与自由泳(图表2000)和蝶泳(图表2030)区分开。然而，自由泳和蝶泳表现出类似的3D路径，使得它们更难以彼此区分。因此，在所公开的主题的一些实施方案中，可进行两级分析。在第一级分析期间，如下结合步骤1930所述，从一组旋转数据中提取特征以识别蛙泳和仰泳，并且将这些泳姿样式与蝶泳和自由泳区分开。如果泳姿被识别为蛙泳或仰泳，则无需执行第二级分析。否则，如果排除了蛙泳和仰泳，则可对该组旋转数据执行第二级分析，如下文结合步骤440所述，以识别该泳姿是自由泳还是蝶泳。在一些实施方案中，不论第一级分析的结果如何，都可执行第二级分析。

在步骤1930处，可通过分析该组旋转数据中的某些特征来执行第一级分析，以识别仰泳和蛙泳并且将这些泳姿样式与蝶泳和自由泳区分开。根据所公开的主题的一些实施方案，可使用至少三个特征来识别仰泳和蛙泳，并且将这些泳姿样式与蝶泳和自由泳区分开。这三个特征可包括(1)在用户泳姿的最快部分期间的平均冠部取向；(2)用户的手臂和腕部旋转的相关性；以及(3)围绕冠部的旋转程度对总角速度的贡献。上述特征并不旨在将自由泳与蝶泳区分开。

根据一些实施方案，如图21中的图表2100所示，针对不同游泳样式中的每一种绘制了第一级分析的三个特征中的两个。具体地，y轴表示在泳姿的最快部分期间手臂和腕部旋转的相关性，范围为从-1(负相关性，其中腕部和手臂在不同方向上旋转)，0(没有相关性)到1(正相关性，其中腕部和手臂在相同方向上旋转)。如图表的左上部分所示，仰泳表现出手臂和腕部旋转的正相关性(即，腕部向内旋转，随后手臂向下旋转)，而蛙泳表现出手臂和腕部旋转的负相关性(即，腕部向外旋转，随后手臂向上旋转)。此外，图表2100的x轴表示在泳姿的最快部分期间可穿戴设备100的平均冠部取向(其为用户指尖的取向的指标)，范围为从-1(其中用户的指尖(或冠部)向上朝向天空)到1(其中用户的指尖(或冠部)向下取向，面向大地)。如图表2100所示，在仰泳2110的最快部分期间(即，当手离开水面并向天空形成弧度时的收臂阶段期间)，用户的指尖向上朝向天空，而在蛙泳2140期间，当手移动得最快时，用户的指尖向下朝向大地。

同样如图2100中所示，在图21中，蝶泳2130和自由泳2120表现出手臂旋转和腕部旋转之间的类似的相关性(即，两者均表现出手臂旋转和腕部旋转的正相关性)，以及在泳姿的最快部分(即，指尖向下朝下大地)的类似冠部取向，使得这些泳姿难以基于这两个特征彼此区分。相比之下，基于在泳姿的最快部分期间的(1)手臂-腕部负相关性和(2)向上朝向天空的平均冠部取向，可容易地区分仰泳。基于在泳姿的最快部分期间的(1)手臂-腕部正相关性和(2)向下的平均冠部取向，可容易地区分蛙泳。

图22中示出的下一系列图表聚焦于上文结合图21讨论的平均冠部取向特征。具体地，图22中所示的一系列图表22示出了相对于重力的平均冠部取向，其由泳姿的较快部分加权。该特征为当用户的手臂移动最快时用户的指尖所指方向的指标。平均冠部取向特征可由以下等式表示：

mean_gx_w1＝sum(gravity_x*total_user_acceleration)/

sum(total_user_acceleration) 等式11

图22中所示的一系列图表22对应于不同泳姿样式中的每一种的冠部取向(即，图表2200对应于自由泳，图表2210对应于蛙泳，图表2220对应于仰泳，并且图表2230对应于蝶泳)。图表中的每个图表的y轴表示冠部取向z，其中-1＝冠部向上朝向天空，0＝冠部平行于水平面，并且1＝冠部向下朝向大地。图表中的每个图表的x轴表示单位为秒的时间。

冠部取向特征可用于识别仰泳和蛙泳，并且将这些泳姿样式与其他泳姿样式区分开。如图表2220所示，当用户的手臂离开水面并快速移动时，仰泳时用户的指尖从水平面至天空划出弧形并回到水平面。与其他泳姿样式不同的是，仰泳中的冠部取向在一半泳姿时位于水平面上方，并且在高加速度点期间面向天空。

对于蛙泳而言，如图表2210中所示，在泳姿的静止部分期间，冠部位于水平面上方并且在泳姿的最快部分期间面朝下。对于自由泳(图表2200)和蝶泳(图表2230)，在这些泳姿的最快部分期间，冠部很少位于水平面上方并平行于水平面，使得这些泳姿难以基于该特征彼此区分。

根据所公开的主题的一些实施方案，图23为以图形示出不同泳姿样式的冠部取向特征的另一种方法。在该实施方案中，图表2300的x轴表示在泳姿的最快部分期间的冠部取向(-1＝冠部向上面向天空，0＝冠部平行于水平面，1＝冠部向下面向大地)，并且y轴表示在具有不同技能的一大群游泳者身上拍摄的泳姿数。具体地，图表2300示出了针对不同泳姿样式的冠部取向分布：仰泳(通过由三角形组成的曲线2310示出)、蝶泳(通过由圆形组成的曲线2320示出)、自由泳(通过由正方形组成的曲线2330示出)和蛙泳(通过由星形组成的曲线2340示出)。如图表2300所示，使用冠部取向特征，仰泳最容易与其他泳姿样式区分开。

图24中示出的下一系列图表聚焦于上文结合图21讨论的腕部-手臂相关性特征。每个图表对应于不同的泳姿样式(即，图表2400对应于蝶泳，图表2410对应于仰泳，图表2420对应于蛙泳，并且图表2430对应于自由泳)。具体地，图24所示的一系列图表描绘了带(重力_y)的顶部的位置相对于前臂的旋转围绕垂直于前臂(旋转_y)的轴线旋转的方式。该特征可由以下等式表示：

grav_rotation_norm_cfpy_w1＝重力_y和旋转_y之间的加权皮尔逊相关性

等式12

如下所示，可通过每个点处的总角速度来对相关性进行加权，以忽略在泳姿的较慢部分期间出现的集群：

加权平均：

加权协方差：

加权相关性：

图24中的一系列图表包括x轴，其表示14Hz的采样速率下的样本的数量，并且y轴表示顺时针运动(2.5)或逆时针运动(-2.5)中的运动。图24中所示的一系列图表被归一化，使得它们在相同的标度上。具体地，为了可视化的目的，每个信号被除以其标准偏差以归一化其相应的量值。每个图表示出两条曲线：一条曲线由虚线指示，表示腕部旋转(即，带的顶部的取向(重力_y)，其围绕垂直于前臂的轴线旋转)，并且另一条曲线由实线指示，表示前臂旋转(旋转_y)。

通过分析每一个泳姿样式的腕部-前臂相关性，示出了除了蛙泳之外的所有泳姿样式的腕部-前臂正相关性。蛙泳表现出腕部-前臂负相关性。具体地，对于蛙泳而言(图表2420)，腕部向外旋转，然后手臂向下旋转。对于所有其他泳姿而言，如图表2400(蝶泳)、2410(仰泳)和2430(自由泳)所示，腕部向内旋转，然后手臂向下旋转(即，正相关性)。因此，该腕部-前臂相关性特征可用于识别蛙泳，并且使其与其它泳姿样式区分开。

图25中的图表2500示出了以图形示出手臂和腕部旋转特征的相关性的另一种方式。x轴表示手臂和腕部旋转的相关性，其中-1表示负相关性，0表示无相关性，并且-1表示正相关性。y轴表示来自具有不同能力的一大群游泳者的泳姿的数量。具体地，图表2500示出了针对不同泳姿样式的手臂和腕部旋转的相关性的分布：蛙泳(通过由星形组成的曲线2510示出)、自由泳(通过由正方形组成的曲线2520示出)、仰泳(通过由三角形组成的曲线2530示出)和蝶泳(通过由圆形组成的曲线2540示出)。如图表2500所示，使用手臂和腕部旋转特征的相关性，很容易将蛙泳与其他泳姿样式区分开。

根据所公开的主题的一些实施方案，图26中所示的一系列图表聚焦于可在第一级分析中使用的第三特征，以将仰泳和蛙泳与自由泳和蝶泳识别并区分开。具体地，该特征分析围绕冠部的旋转对总角速度(和标志)的贡献。

图26中所示的一系列图表包括y轴和x轴，y轴表示围绕冠部的归一化角速度，并且x轴表示14Hz的采样速率下的样本数量。针对自由泳(2600)和蝶泳(2620)的图表示出了用于等式3的负旋转平均值，该平均值捕获当用户的手臂离开水面时在自由泳和蝶泳期间的快速向内旋转。另一方面，针对蛙泳(2610)和仰泳(2630)的图表示出了正旋转平均值。

图27中的图表2700示出了以图形示出围绕冠部特征的相对角速度的另一种方式。x轴表示围绕冠部的相对角速度。y轴表示来自具有不同技能水平的一大群游泳者的泳姿的数量。该图表示出了针对不同泳姿样式的围绕冠部的相对角速度的分布。如图表2700所示，使用围绕冠部特征的相对角速度，很容易将仰泳(通过由三角形组成的曲线2710示出)和蛙泳(通过由星形构成的曲线2720示出)与自由泳(通过由正方形组成的曲线2730示出)和蝶泳(通过由圆形组成的曲线2740示出)区分开。

上文详述的用于第一级分析的三个特征可用于三向逻辑回归，并通过它们在对泳姿样式进行分类中的有效性来加权。应当理解，本公开不限于三路逻辑回归，并且任何分类器可在此处使用，例如线性判别分析(LDA)、支持向量机(SVM)、神经网络等以产生类似的结果。在一些实施方案中，手臂-腕部相关性特征和平均冠部取向特征被赋予比围绕冠部特征的旋转更大的权重。应当理解，上述三个特征是示例性的，并且也可使用其他合适的特征。

在步骤1940处，在一组旋转数据上执行第一级分析之后，可执行第二级分析，并且可检查该组旋转数据的某些特征以将自由泳与蝶泳区分开。在一些实施方案中，可在第二级分析期间使用九个特征来区分蝶泳和自由泳。

可使用的第一特征是在划水阶段期间围绕带的相对手臂旋转，其可由以下等式表示：

RMS(划水阶段期间的旋转y)/RMS(整个泳姿期间的旋转y)，其中RMS为均方根等式13

相对手臂旋转的比率对于蝶泳而言往往较高，因为与自由泳相比，蝶泳在划水阶段往往具有围绕可穿戴设备100的带的更大(更强)的旋转，但是在收臂阶段具有围绕带的类似或更小的旋转。与自由泳期间相比，在蝶泳的收臂阶段期间，手掌往往更平行于水平面，这导致在收臂期间具有围绕带的较少的旋转。由于在蝶泳的收臂期间双手更平行，因此旋转往往围绕面部(围绕带的旋转较少)。对于自由泳而言，双手较不平行，因此具有围绕带的更多的旋转。

可使用的第二特征为力矩臂特征范围(uxz)/范围(wy)，其中：

uxz＝sqrt(sum(user_x2+user_z2),wy＝abs(rotation_y),range(x)＝max(x)-min(x)

等式14

与自由泳相比，力矩臂特征在蝶泳期间捕获较长的力矩臂(即，臂伸展)。该特征在垂直于带的平面中将围绕带的旋转(即，轴y)与线性加速度进行比较。力矩臂越长，则将具有相对于旋转的更多线性加速度。

图28中所示的图表2800示出了上述第一特征和第二特征。具体地，图表2800包括表示力矩臂特征的x轴和表示划水阶段期间的相对手臂旋转量值的y轴。如图表1500所示，这两个特征对于区分蝶泳与自由泳是重要的。

可用于区分蝶泳(2810)和自由泳(2820)的第三特征为加速度z与旋转y的比率。这是力矩臂的另一种型式，并且可由uz/wy表示，其中

uz＝sum(abs(rotation_y)),uz+sum(abs(user_z)) 等式15

可用于区分蝶泳与自由泳的第四特征是通过加速度加权的平均重力冠部，类似于上文结合图21-23讨论的在第一级分析期间所使用的特征。该特征测量冠部的取向(其为泳姿期间用户的指尖取向的指标)。其由泳姿的较快部分加权，以赋予泳姿的收臂阶段更大的权重。在蝶泳中，相对于重力的冠部取向接近零，这捕获到与自由泳相比用户的双手在蝶泳期间更平行于水平面。

可用于区分蝶泳与自由泳的第五特征是重力_y(带顶部取向)和旋转_y(围绕带的旋转)之间的相关性，并且可由以下等式测量：

具体地，该特征测量腕部和手臂在泳姿期间如何一起旋转。与自由泳相比，腕部和手臂相关性对于蝶泳而言较低，指示在蝶泳期间手臂旋转但腕部不旋转的次数更多。该特征还捕获到与自由泳相比，双手在蝶泳期间更平行于水平面(即，双臂摆动，腕部旋转较小)。

可用于区分蝶泳与自由泳的第六特征是冠部旋转的RMS，其可由以下等式表示：

RMS(旋转_x) 等式17

该特征捕获了与自由泳相比由蝶泳表现出的更强的旋转能量。

可用于区分蝶泳与自由泳的第七特征是围绕冠部的最小旋转，其可由以下等式表示：

min(旋转_x) 等式18

该特征还捕获了与自由泳相比由蝶泳表现出的更强的旋转能量。

可用于区分蝶泳与自由泳的第八特征是围绕带的最大旋转，其可由以下等式表示：

max(旋转_y) 等式19

该特征还捕获了与自由泳相比由蝶泳表现出的更强的旋转能量。

可用于区分蝶泳与自由泳的第九特征是在y上的最大旋转x，其可由以下等式表示：

max(abs(旋转_x)/max(abs(旋转_y)) 等式20

该特征还捕获了与自由泳相比由蝶泳表现出的更强的旋转能量。

这九个特征可在双向逻辑回归中一起使用以区分蝶泳与自由泳，并且可基于它们在区分蝶泳与自由泳方面的有效性来加权。应当理解，大多数分类器(SVM、LDA等)将与该相同的特征集类似地执行。还应当理解，上述三个特征是示例性的，并且也可使用其他合适的特征。在一些实施方案中，第二级分析的九个特征具有以下从最大到最小的有效性顺序：

等级	特征
		1	划水阶段期间的相对手臂旋转
2	ZX加速度与旋转y的范围比率
		3	加速度z与旋转y的比率
4	围绕带的最大旋转
		5	在Y上的最大旋转X
6	通过加速度加权的平均重力冠部
		7	重力_y(带取向的顶部)与旋转_y(围绕带的旋转)之间的相关性
8	冠部旋转的RMS
		9	围绕冠部的最小旋转

确定泳姿阶段

本公开描述了可被配置为确定用户的泳姿阶段的可穿戴设备。如图29A-29B所示，泳姿(例如，蝶泳2925、自由泳2930、仰泳2935和蛙泳2940)可分解为四个阶段：滑行2905、划水2910、转向2915和收臂2920。每个阶段表现出该阶段特有的某些特性。例如，滑行阶段2905—当用户的手臂在其前方沿行进方向伸展时—通常是泳姿的最静止部分。与泳姿的其他三个阶段相比，该阶段表现出最少量的用户加速度和最稳定的腕部取向。当用户的手在水下并且向前推动游泳者时，发生下一阶段(即，拉相划水阶段2910)。该阶段显示出从滑行阶段2905的增强的加速度和游泳者的指尖的取向变化。对于蝶泳、自由泳和仰泳而言，指尖往往在该阶段期间朝下。对于仰泳而言，在划水阶段期间指尖将更平行于水平面。图29A-图29B中所示的第三阶段是转向阶段2915，即位于划水阶段2910和收臂阶段2920之间的阶段。在转向阶段2915中，游泳者的指尖取向与行进方向相反，并且将表现出行进方向与用户指尖的当前取向之间的最大角度。此阶段通常具有最短持续时间。最后，当游泳者将其手拉回至行进方向周围时，收臂阶段2920通常将表现出最大加速度。对于蝶泳、自由泳和仰泳而言，手在收臂阶段露出水面。对于蛙泳而言，手保持在水中。收臂阶段通常将在所有泳姿样式中表现出最大的加速度，但对于蛙泳而言而言，差异将较不明显。应当理解，上文提供的泳姿是示例性的，并且预期可将其他泳姿分解成类似的阶段。

图30为示出了根据本公开的一些实施方案的确定用户的泳姿阶段的过程3000的流程图。在一些实施方案中，该方法可包括以下步骤：从运动传感器接收信息(步骤3010)，确定可穿戴设备100的第一组旋转数据，包括加速度数据(步骤3020)，将第一组旋转数据转换为第二组旋转数据(步骤3030)，基于第二组数据确定某些阶段(步骤3040,3050)，以及分析阶段特征(步骤3060)。在一些实施方案中，过程3000可通过例如将步骤组合、划分、重新排列、改变、添加和/或移除来修改。

在步骤3010处，可穿戴设备100从一个或多个运动传感器340接收信息。在一些实施方案中，信息可包括重力、加速度、旋转或姿态的任何组合。基于从运动传感器240输出的信息，可计算基本周期。如果确定用户不在游泳，则在一些实施方案中，可穿戴设备100将不确定泳姿阶段。

可使用低通滤波器来过滤从一个或多个运动传感器240输出的信息，该低通滤波器具有基于时间常数的截止频率，该时间常数与略大于用户完成泳姿所需的时间段的时间段成比例。

时间段可由用户设置，或者该时间段可为固定的。在一些实施方案中，时间段与大于普通用户需要完成单个泳姿所需的时间段的时间段成比例。在一些实施方案中，可穿戴设备100可基于由可穿戴设备100检测到的用户泳姿的平均持续时间来动态设置时间段。例如，如果用户需要三秒钟完成泳姿，则该时间段可被设定为六秒。

在步骤3020处，可穿戴设备100基于从一个或多个运动传感器240接收的信息来确定可穿戴设备100在至多三个维度上的第一组旋转数据，包括加速度数据。在一些实施方案中，可穿戴设备100的旋转数据包括可穿戴设备100旋转的方式，诸如可穿戴设备100相对于参照系的角位置、角速度和/或角加速度。在一些实施方案中，如果可穿戴设备100的旋转数据为角加速度，则角速度和/或角位置可通过将随时间推移的角加速度求和来获得。同样，如果可穿戴设备100的旋转数据为角速度，则可通过将随时间推移的角速度求和来获得。在一些实施方案中，第一组旋转数据从陀螺仪250接收并且相对于可穿戴设备100在体固定参照系中表示。在一些实施方案中，加速度数据从加速度计260接收，并且还在相对于可穿戴设备100的体固定参照系中表示。

在步骤3030处，可穿戴设备100将包括加速度数据的第一组旋转数据转换为第二组旋转数据。如上文所述，体固定参照系中的旋转数据无法容易地指示可穿戴设备100是否发生相对于外部参照的运动。为了解决该问题，可穿戴设备100使用本领域技术人员已知的技术将体固定参照系中的包括加速度数据的旋转数据转换为惯性参照系中的旋转数据，诸如“Kalman-filter-based orientation determination using inertial/magneticsensors:observability analysis and performance evaluation”(Angelo MariaSabatini，2011年9月27日公布，传感器2011,11,9182-9206)中所讨论的技术。

图31A-图31D示出了根据本公开的一些实施方案的可穿戴设备100在一段时间内在惯性参照系中的包括加速度数据的旋转数据。具体地，图31A-图31D示出了在游泳课程期间穿着在游泳者的腕部上的可穿戴设备100的一组旋转数据，包括加速度数据，该组数据已从体固定参照系转换为惯性参照系。x轴表示从一个或多个运动传感器240接收的信号的时间段，并且以一秒的1/100为单位测量，并且y轴表示通过重力归一化的加速度并且以m/s²为单位测量。用户加速度由曲线3110表示，并且偏航角由曲线3120表示。偏航角对应于可穿戴设备100的冠部取向(即用户指尖的方向)。

在一些实施方案中，由曲线3145(以黄色示出)表示的俯仰角也可用于确定不同阶段。例如，俯仰角将显示从接近0(滑行)到大于0的角度(划水)并且随后回到零(收臂)的过渡。例如，可以推断，当俯仰与加速度一起接近零时，手通过跟踪如下状态而为相反的：

状态#1(滑行)：俯仰接近零且加速度最小

状态#2(划水)：俯仰从接近零过渡到非零并返回到接近零＝

状态#3(转向)：俯仰再次接近零

状态#4(收臂)：此处俯仰可为非零或为零(取决于泳姿类型和用户)，但加速度一般应高于其他3个阶段。

图31A-31D中的每一个基于旋转数据来突出显示用户泳姿的不同阶段。在步骤3040处，根据一些实施方案，泳姿的滑行阶段可通过在一个泳姿期间发现用户加速度的最小L2标准来确定，如图31A所示。沿加速度曲线3110的最低点(其对应于最少量的加速度)由3130指示并且表示滑行阶段的中点。滑行阶段的开始可被定义为中点之前的最大加速度的10％，并且滑行阶段的结束可被定义为中点之后的最大加速度的10％(例如加速度曲线3110在点A和B之间的长度)。一旦确定最小加速度，就相对于最小加速度点来确定参考偏航角3140(即，当偏航角为0°时)。参考偏航角3140是沿偏航角曲线3120的位于最低加速度点正下方的点。

在另一个实施方案中，滑行的持续时间基于加速度曲线在偏航参考角的10度内的部分来计算。

在步骤3040处，根据相对于参考偏航角3140的最大偏航角3150来确定转向阶段，如图31B所示。转向阶段的持续时间(即，曲线在点C和D之间的部分)在最大偏航角的10度内。最大偏航角3150表示当游泳者的指尖与行进方向最相反时的取向。换句话讲，沿着曲线的点示出了行进方向与游泳者指尖的当前取向之间的最大角度。

一旦识别出泳姿的滑行和转向阶段，则可基于滑行和转向阶段的开始和结束来确定收臂和划水阶段(步骤3050)。例如，如图31C中所示，在点B和C以及B’和C’之间的划水阶段只是在滑行阶段结束和转向开始之间的加速度曲线3110和偏航角曲线3120的部分。并且如图31D中所示，在点D和E以及D’和E’之间的收臂阶段是转向阶段结束和新的滑行阶段(即，旧的滑行阶段加上一个时间段)开始之间的加速度曲线3110和偏航角曲线3120的部分。收臂时间段通常显示最大加速度。

在步骤3060处，一旦识别出泳姿的不同阶段，就可识别并分析各个阶段的特征。在一些实施方案中，在泳姿类型间不同的特定阶段的特征可用于对泳姿进行分类。例如，与自由泳相比，在收臂阶段期间较长的摆臂通常与蝶泳相关联。因此，在收臂阶段期间所测量的摆臂可用于区分蝶泳和自由泳。又如，与蝶泳相比，较长的转向阶段通常与自由泳相关联，因此可用于识别自由泳。在另一个示例中，蝶泳可相对于所有阶段期间的所有旋转y轴能量基于在划水阶段期间围绕y轴的旋转能量区别于自由泳。这可通过下等式计算：

相对划水旋转Y＝RMS(划水期间的旋转y)/RMS(所有阶段期间的旋转y)

RMS：均方根

与自由泳相比，蝶泳的该比率往往更高。与自由泳相比，在划水阶段，蝶泳往往具有围绕带的更多(更强)的旋转，但在收臂期间具有围绕带的类似或较少的旋转(当臂在整个收臂期间趋于更平行于水平面时的阶段)。这些只是几个示例，并且应当理解，可使用其他区分阶段特性来对泳姿进行分类。

图32A以曲线图方式显示针对蝶泳的四个阶段的加速度数据和偏航数据，并且图32B以曲线图示出了自由泳的四个阶段。x轴表示从一个或多个运动传感器240接收的信号的时间段，并且以秒为单位测量，并且y轴表示通过重力归一化的加速度并且以m/s²测量。用户加速度数据由曲线图的灰色阴影部分表示，并且偏航角数据由深曲线表示。

在图32A和32B两者中，滑行、划水、转向和收臂阶段被标记。将图32A中所示的蝶泳阶段与图32B中所示的自由泳的类似阶段进行比较，类似阶段之间的以下差异是显而易见的：

上文所示的表示出了自由泳和蝶泳的相似阶段之间的一些示例性差异。本领域的技术人员将理解，自由泳和蝶泳的相似阶段之间存在其他差异，并且这些差异可用于区分两种泳姿。

在本主题发明的另一个应用中，确定特定阶段可有助于在转身检测/圈计数期间抑制误报。例如，为了检测转向，仅可考虑滑行阶段期间的偏航角。这将确保考虑用于转身检测的角度是当手主要面向行进方向时，并且因此有助于减小由于泳姿内动态导致的任何偏航变化的影响。换句话讲，如果在整个泳姿期间跟踪偏航角，则在滑行阶段至转向阶段之间将介于0度和180度之间，这可被误认为转身，除非泳姿动态被过滤掉。然而，如果仅在滑行阶段期间跟踪偏航，则两个连续泳姿之间的滑行阶段期间的偏航的180度变化更可能是真正的转身。

在另一个应用中，阶段确定可帮助确定真正泳姿。例如，可将用户的泳姿阶段的持续时间与示范泳姿阶段的持续时间进行比较，以确定用户是否做出了实际泳姿。类似地，用于特定阶段的其他特征(包括加速度和腕部取向)可用于与示范泳姿的类似特征进行比较，以确定用户是否做出了实际泳姿。又如，可检查用户的泳姿以确定该泳姿的所有四个阶段是否以正确的顺序执行，以确定用户是否做出了实际泳姿。

可基于性别、年龄或游泳水平和/或其他合适的特征为特定游泳者定制示范泳姿。在一些实施方案中，从游泳者的训练课程观察示范泳姿。

确定轨迹一致性

本公开描述了在用户游泳时确定用户的泳姿轨迹的一致性的若干方式。例如，图33示出了根据本公开的一些实施方案的流程图，该流程图示出了确定用户在游泳课程期间用户的泳姿轨迹一致性的过程3300。在一些实施方案中，过程3300可通过例如将步骤组合、划分、重新排列、改变、添加和/或移除来修改。如下文更详细地描述，在一些实施方案中，过程3300可包括五个步骤。在步骤3310处，可穿戴设备100从一个或多个运动传感器240接收运动信息。在步骤3320处，可穿戴设备100确定可穿戴设备100的一组旋转数据。在步骤3330处，可穿戴设备100确定所述一组旋转数据在第一经过的时间段中沿其具有最小方差的第一方向。在步骤3340处，可穿戴设备100确定所述一组旋转数据在第二经过的时间段中沿其具有最小方差的第二方向。在步骤3350处，可穿戴设备100确定第一方向和第二方向之间的差异以确定用户的泳姿轨迹的一致性。

在步骤3330处，可穿戴设备100确定所述一组旋转数据在第一经过的时间段中沿其具有最小方差的第一方向。在一些实施方案中，第一经过的时间段可相对较短。作为非限制性示例，第一经过的时间段可为10秒，并且步骤3330可每10秒执行一次。在一些实施方案中，可使用本领域技术人员已知的主分量分析来确定一组旋转数据沿其具有最小方差的方向。例如，参考图34，图34示出了具有三个轴x、y和z的三维空间中的用户泳姿的轨迹3410。在图34中，轨迹3410具有椭圆形形状并且沿着x-y平面。沿着轨迹3410的位置沿x轴和y轴具有方差，但它们不具有沿z轴的任何方差，因为轨迹3410的每个位置沿z轴具有零分量。利用主分量分析，轨迹3410的第三主分量将为方向3420，该方向与z轴平行并且垂直于x-y外延。第三主分量3420的一个物理外延是其指示轨迹3410的旋转轴。在本示例中，如果轨迹3410是一组旋转数据在第一经过的时间段内的轨迹，则方向3420为在步骤3330处确定的第一方向。如果第一经过的时间段设为10秒，则每经过10秒将具有针对一组旋转数据的轨迹的新的第一方向。在用户完美地重复泳姿的理想场景中，每隔10秒确定的第一方向将是相同的，因为一组旋转数据的轨迹将随时间推移而重叠。然而，在真正的游泳课程中，用户不太可能保持泳姿的完美重复，并且在每个第一经过的时间段中确定的方向将会改变。指示用户的泳姿运动的一致性的一种方法是测量较长的经过的时间段(例如，3分钟或任何合适的时间段)内的当前第一方向和平均第一方向之间的偏差。

重新参见图33，在步骤3340处，可穿戴设备100确定所述一组旋转数据在第二经过的时间段中沿其具有最小方差的第二方向。在一些实施方案中，第二方向可通过与在步骤3330处确定第一方向相同的方式来确定。如上所述，在一些实施方案中，第二经过的时间段长于在步骤3330处使用的第一经过的时间段。例如，如果第一经过的时间段为10秒，则在一些实施方案中，第二经过的时间段可为3分钟。由于3分钟是180秒，则每3分钟可确定一个第二方向和18个第一方向，并且第二方向为在过去的3分钟内确定的平均第一方向。

图35示出了根据本公开的一些实施方案的用户泳姿的轨迹。在图35中，3510指示针对特定游泳课程的用户的泳姿轨迹。与图34中的轨迹3410不同，轨迹3510未被完全重复，并且表示用户在游泳时更现实的泳姿运动。在图35中，线3520表示在相对较短的时间段内轨迹3510的第三主分量的方向，并且虚线3530表示在相对较长的时间段内的轨迹3510的第三主分量的方向。例如，轨迹3510可为用户在3分钟内游泳时的一组旋转数据。然后在一个实施方案中，图33中所述的步骤3330可每10秒执行一次，以在每10秒内确定轨迹3510的各部分的第三主分量。结果可以是线3520，其为每10秒内轨迹3510的各部分沿其具有最小方差的方向。并且图33中所述的步骤3340可被执行以在整个3分钟内确定轨迹3510的第三主分量。结果可以是虚线3530，其为每3分钟内轨迹3510沿其具有最小方差的方向。如果轨迹3510每10秒被完全重复，则线3520将与虚线3530精确对齐。从图35中，线3520和虚线3530之间的偏差提供了轨迹3510如何随时间推移摆动的视觉指示，这提供了对用户泳姿的一致性的测量。

重新参见图33，在步骤3350处，可穿戴设备100确定第一方向和第二方向之间的差异。在一些实施方案中，第二经过的时间段长于第一经过的时间段，并且第二方向可被视为过去的多个第一方向的平均值。在那些实施方案中，在步骤3350处获得的差异指示用户的短程泳姿的旋转轴的方向如何偏离用户的远程/平均泳姿轨迹的旋转轴的方向。在一些实施方案中，较小量级的差异指示用户在第一经过的时间段期间的较高的轨迹一致性水平，并且较大量级的差异指示用户在第一经过的时间段期间的较低的轨迹一致性水平。较高的轨迹一致性水平可指示用户具有较高的游泳技能、更高的效率和/或较少的疲劳。较低的轨迹一致性水平可指示相反情况。

图36示出了根据本公开的一些实施方案的在不同采样点处的用户的短程泳姿轨迹的旋转轴的方向与用户的远程/平均泳姿轨迹的旋转轴的方向之间的连续差异。图36示出了由不同滤波器处理的数据，其中3601表示扩展卡尔曼滤波器，并且3602表示互补滤波器。在图36中，x轴指示采样点，其每0.01秒被采样一次。y轴表示针对泳姿的每个轨迹的平均旋转轴与瞬时旋转轴之间的角度。尽管图36中的采样周期为0.1秒，在其他情况下，采样周期可为任何其他合适的值，诸如介于0.002和0.1秒之间。如上所述，在一些实施方案中，瞬时旋转轴可通过在相对较短的时间段内确定用户的泳姿轨迹的第三主分量来获得。在一些实施方案中，此较短的时间段可以是获得至少一至两个轨迹的足够时间。例如，较短的时间段可为五至十秒。在其他实施方案中，可使用其他合适的值。平均旋转轴可通过在相对较长的时间段内确定用户的泳姿轨迹的第三主分量来获得。在图36中，如果角度为0度，则平均旋转轴和瞬时旋转轴之间不存在变化，这意味着用户泳姿轨迹的一致性水平较高。角度距离0度越远，用户的泳姿就越不一致。在一些实施方案中，用户泳姿的较低一致性水平可指示用户具有较低的游泳技能、较低的游泳效率、疲劳的和/或具有与健康相关的问题。

在一些实施方案中，除了使用主分量分析之外或代替主分量分析，用户的泳姿一致性可使用空间熵分析来确定。例如，图37示出了根据本公开的一些实施方案的流程图，该流程图示出了确定用户在游泳课程期间用户的泳姿轨迹一致性的过程3700。在一些实施方案中，过程3700可通过例如将步骤组合、划分、重新排列、改变、添加和/或移除来修改。如下文更详细地描述，在一些实施方案中，过程3700可包括四个步骤。在步骤3710处，可穿戴设备100从一个或多个运动传感器240接收运动信息。在步骤3720处，可穿戴设备100确定可穿戴设备100的一组旋转数据。在步骤3730处，可穿戴设备100基于该组旋转数据来确定用户的泳姿轨迹的柱状图。在步骤3740处，可穿戴设备100确定柱状图的熵的水平。

在步骤3730处，可穿戴设备100基于该组旋转数据来确定用户的泳姿轨迹的柱状图。在一个实施方案中，柱状图可以是用户的泳姿轨迹的热图。例如，图38示出了根据本公开的一些实施方案的用户泳姿轨迹的热图。在图38中，热图以二维柱状图3800表示，该二维柱状图表示本领域的技术人员应当理解的水平坐标系。柱状图3800的水平轴为水平坐标系的方位坐标，其中方位坐标可被标注为0度到360度的φ。柱状图3800的垂直轴是水平坐标系的高程坐标，其中高程坐标可被标注为0度到180度的Θ，其中在一个实施方案中，0度对应于水平坐标系的最高点，并且180度对应于水平坐标系的最低点。柱状图3800示出了用户的泳姿轨迹如何对应于多个φ-Θ箱：每个φ-Θ箱可具有指示该箱对应于用户的泳姿轨迹的可能性的泳姿可能性。如果用户的泳姿轨迹经常对应于箱，则该箱可具有较高的泳姿可能性值，这对应于图38中的较浅的颜色，诸如箱3810和3820；如果用户的泳姿轨迹不经常对应于箱，则该箱可具有较低的泳姿可能性值，这对应于图38中的较深的颜色。

在步骤3740处，可穿戴设备100确定柱状图的熵的水平。在一个实施方案中，熵的水平可被计算为如等式21中所表示的每个φ-Θ箱的泳姿可能性的总和的绝对值。

在等式1中，P指示在φ-Θ箱中具有点的轨迹的经验概率测量，并且E指出示熵水平。在一些实施方案中，熵指示将轨迹的概率测量分布在不同的φ-Θ箱上的程度。在图38中，完全一致的泳姿将具有被占用的最小数量的φ-Θ箱，并且因此具有较低的熵水平。另一方面，非常不一致的泳姿将会占用许多φ-Θ箱，因此具有较高的熵水平。例如，在所有φ-Θ箱上均匀随机的过程将是最不一致的泳姿轨迹，并且将产生最大的熵。因此，用户的泳姿轨迹的一致性水平可通过熵水平来表征：熵水平越低，用户的泳姿轨迹就越一致。在一些实施方案中，柱状图的熵水平是指柱状图的方差水平。如果柱状图集中在较少数量的φ-Θ箱上，则方差水平较低。如果柱状图分布在较大数量的φ-Θ箱上，则方差水平较高。在一些实施方案中，图38可被视为按样本总数来归一化2-D柱状图。

应当理解本发明在其应用中不限于说明书中所述或附图中所示的构造细节和部件的布置方式。本公开能够具有其他实施方案并且能够以各种方式实践和执行。此外，应当理解，本文所用的措辞和术语是为了描述的目的，并且不应被认为是限制性的。例如，在本公开中所述的技术并不限于识别真正的泳姿或基于臂伸展的量对泳姿类型进行分类。其他应用包括使用臂伸展的量来进行行人活动的步态分析或为重量训练活动重复计数。

这样，本领域的技术人员将会理解，本公开所依据的概念可易于用作其他结构、系统、方法和介质的设计基础，以用于执行本公开的若干目的。因此，重要的是，在不脱离本公开的实质和范围的前提下，权利要求应被视为包括此类等同构造。

虽然在上述示例性实施方案中已经描述和示出了本公开，但应当理解，本公开仅以举例的方式进行，并且在不脱离仅受以下权利要求书限定的本公开的实质和范围的情况下，可对本发明的具体实施方式进行许多改变。

Claims (21)

1.一种用于在确定用户的手臂运动时提高可穿戴设备的准确性的方法，所述方法包括：

由可穿戴设备的处理器电路从所述可穿戴设备的一个或多个运动传感器接收运动数据，其中所述一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；

由所述处理器电路使用所述运动数据来确定在参照系中基于所述运动数据来表示的旋转数据；

由所述处理器电路基于所述旋转数据来计算力矩臂长度；

由所述处理器电路将所述力矩臂长度与阈值长度进行比较；

由所述处理器电路基于将所述力矩臂长度与所述阈值长度进行比较来确定所述用户的摆臂是泳姿；

响应于确定所述用户的摆臂是泳姿来由所述处理器电路计算所述用户的游泳度量或能量消耗中的至少一者，其中所述游泳度量包括以下中的至少一者：转身、呼吸、圈数、泳姿或泳姿样式；以及

由所述处理器电路输出所述用户的所述游泳度量或所述能量消耗中的所述至少一者。

2.根据权利要求1所述的方法，其中所述参照系为相对于所述用户设备的体固定参照系。

3.根据权利要求1所述的方法，其中计算所述力矩臂长度包括求解最小二乘方程。

4.一种用于在确定用户正在游泳时提高可穿戴设备的准确性的方法，所述方法包括：

由可穿戴设备的处理器电路接收所述用户的训练数据；

由所述处理器电路从所述可穿戴设备的一个或多个运动传感器接收运动数据，其中所述一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；

由所述处理器电路基于所述运动数据来确定所述用户的偏航角；

由所述处理器电路基于所述训练数据来确定与所述偏航角对应的似然比值；

由所述处理器电路将所述似然比值与阈值进行比较；

由所述处理器电路基于将所述似然比值与所述阈值进行比较来确定所述用户正在游泳；

响应于确定所述用户正在游泳来由所述处理器电路计算所述用户的游泳度量或能量消耗中的至少一者，其中所述游泳度量包括以下中的至少一者：转身、呼吸、圈数、泳姿或泳姿样式；以及

由所述处理器电路输出所述用户的所述游泳度量或所述能量消耗中的所述至少一者。

5.一种用于在对用户的泳姿样式进行分类时提高可穿戴设备的准确性的方法，所述方法包括：

由可穿戴设备的处理器电路从所述可穿戴设备的一个或多个运动传感器接收运动数据，其中所述一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；

由所述处理器电路基于所接收到的运动数据来计算基本周期；

由所述处理器电路确定所述可穿戴设备的旋转数据，其中所述旋转数据在参照系中表示；

由所述处理器电路从所述旋转数据提取一个或多个特征；

由所述处理器电路基于所述一个或多个特征来确定所述用户的泳姿样式；以及

由所述处理器电路输出所确定的泳姿样式。

6.根据权利要求5所述的方法，其中所述参照系为相对于所述可穿戴设备的体固定参照系。

7.根据权利要求5所述的方法，其中所述参照系为惯性参照系。

8.根据权利要求5所述的方法，其中所述一个或多个特征包括以下中的至少一者：

所述可穿戴设备的平均冠部取向，

用户的手臂和腕部旋转的相关性，或

围绕所述可穿戴设备的冠部的旋转对总角速度的贡献。

9.根据权利要求5所述的方法，其中所述一个或多个特征包括以下中的至少一者：

在划水阶段围绕所述可穿戴设备的带的相对手臂旋转，

所述用户的力矩臂，

加速度z与旋转y的比率，

通过加速度加权的平均重力冠部，

所述可穿戴设备的带的顶部的取向与围绕所述可穿戴设备的带的旋转之间的相关性，

冠部旋转的均方根(RMS)，

围绕所述可穿戴设备的冠部的最小旋转，

围绕所述可穿戴设备的带的最大旋转，或

y上的最大旋转x。

10.一种用于在确定用户的泳姿的阶段时提高可穿戴设备的准确性的方法，所述方法包括：

由可穿戴设备的处理器电路从所述可穿戴设备的一个或多个运动传感器接收运动数据，其中所述一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；

由所述处理器电路使用所述运动数据来确定所述可穿戴设备的第一组旋转数据，其中所述第一组旋转数据在第一参照系中表示；

由所述处理器电路将所述可穿戴设备的所述第一组旋转数据转换为在第二参照系中表示的第二组旋转数据；

由所述处理器电路基于所述第二组旋转数据来确定用户的泳姿的滑行阶段；

由所述处理器电路基于所述第二组旋转数据来确定所述用户的泳姿的转向阶段；

由所述处理器电路基于所确定的滑行阶段和转向阶段来确定用户的泳姿的划水阶段和收臂阶段；

由所述处理器电路基于所述用户的泳姿的所确定的滑行、转向、划水和收臂阶段来计算所述用户的一个或多个游泳度量，其中所述一个或多个游泳度量包括以下中的至少一者：转身、呼吸、圈数、泳姿或泳姿样式；以及

由所述处理器电路输出所计算的所述用户的一个或多个游泳度量。

11.根据权利要求10所述的方法，其中所述第一参照系为相对于所述可穿戴设备的体固定参照系。

12.根据权利要求10所述的方法，其中所述第二参照系为惯性参照系。

13.一种用于在确定用户的泳姿轨迹一致性时提高可穿戴设备的准确性的方法，所述方法包括：

由可穿戴设备的处理器电路从所述可穿戴设备的一个或多个运动传感器接收运动数据，其中所述一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；

由所述处理器电路使用所述运动数据来确定所述用户设备的旋转数据，其中所述旋转数据在参照系中表示；

由所述处理器电路确定所述旋转数据在第一经过的时间段中沿其具有最小方差的第一方向；

由所述处理器电路确定所述旋转数据在第二经过的时间段中沿其具有最小方差的第二方向；

由所述处理器电路确定所述第一方向和所述第二方向之间的差异；

由所述处理器电路基于所述第一方向和所述第二方向之间的差异来确定所述用户的泳姿轨迹一致性；以及

由所述处理器电路输出所确定的所述用户的泳姿轨迹一致性。

14.根据权利要求13所述的方法，其中所述参照系为相对于所述用户设备的体固定参照系。

15.根据权利要求13所述的方法，其中所述参照系为惯性参照系。

16.根据权利要求13所述的方法，其中确定所述第一方向和所述第二方向包括确定旋转轴。

17.根据权利要求13所述的方法，其中所述第一经过的时间段为基本上10秒。

18.根据权利要求13所述的方法，其中所述第二经过的时间段为基本上3分钟。

19.一种用于在确定用户的泳姿轨迹一致性时提高可穿戴设备的准确性的方法，所述方法包括：

由可穿戴设备的处理器电路从所述可穿戴设备的一个或多个运动传感器接收运动数据，其中所述一个或多个运动传感器包括加速度计或陀螺仪中的至少一者；

由所述处理器电路使用所述运动数据来确定在参照系中表示的旋转数据；

由所述处理器电路使用所述旋转数据来确定所述用户的泳姿轨迹的柱状图；

由所述处理器基于所述柱状图来确定熵的水平；

由所述处理器电路基于所确定的熵水平来确定所述用户的轨迹一致性水平；以及

由所述处理器电路输出所确定的所述用户的轨道一致性水平。

20.根据权利要求19所述的方法，其中所述参照系为相对于所述用户设备的体固定参照系。

21.根据权利要求19所述的方法，其中所述参照系为惯性参照系。