CN113311184A - 一种基于无线信号的步态速度和步幅提取方法 - Google Patents
一种基于无线信号的步态速度和步幅提取方法 Download PDFInfo
- Publication number
- CN113311184A CN113311184A CN202110596748.2A CN202110596748A CN113311184A CN 113311184 A CN113311184 A CN 113311184A CN 202110596748 A CN202110596748 A CN 202110596748A CN 113311184 A CN113311184 A CN 113311184A
- Authority
- CN
- China
- Prior art keywords
- speed
- stride
- time period
- gait speed
- walking time
- 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.)
- Granted
Links
- 230000005021 gait Effects 0.000 title claims abstract description 33
- 238000000605 extraction Methods 0.000 title claims abstract description 9
- 230000033001 locomotion Effects 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000011065 in-situ storage Methods 0.000 claims abstract description 5
- 230000003068 static effect Effects 0.000 claims abstract description 4
- 230000006641 stabilisation Effects 0.000 claims description 11
- 238000011105 stabilization Methods 0.000 claims description 11
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 208000001647 Renal Insufficiency Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008717 functional decline Effects 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 201000006370 kidney failure Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/64—Devices characterised by the determination of the time taken to traverse a fixed distance
- G01P3/66—Devices characterised by the determination of the time taken to traverse a fixed distance using electric or magnetic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Discrete Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提出一种基于无线信号的步态速度和步幅提取方法，包括以下步骤，S100：采用无线电发射信号的原理，绘制出人员的位置流；S101：识别人员位置流中信息，去除静止和原地运动的时间段；S102：识别行走时间段；S103：在行走时间段中提取稳定阶段；S104：计算出步态速度；S105：依据步态速度以及步幅频率计算步幅长度。该方法可以监测人员的步态速度和步幅。
Description
技术领域
本发明涉及步态速度和步幅测量领域，具体涉及一种基于无线信号的步态速度和步幅提取方法。
背景技术
“步态速度”是指一个人在日常生活中采用的习惯性行走速度，可作为与各种慢性疾病(包括心力衰竭、慢性阻塞性肺病、肾衰竭、中风等)相关的退化和恶化事件的预测因子。
行走阶段由加速、稳定和减速三个阶段组成，在临床测试中，一个人的步态速度被定义为行走稳定阶段的速度。临床医生使用秒表测量时间，并计算人的步态速度。
步幅长度通常是通过计算特定距离的步数来测量的，该值与跌倒风险、虚弱和功能衰减相关。
开发一种自动测量、舒适，以便在家中连续检测步态速度和步幅长度的设计是一项挑战。
发明内容
为了克服现有技术中的不足，本发明提出一种基于无线信号的步态速度和步幅提取方法，可以在家中连续监测步态速度和步幅长度。
为了实现上述目的，本发明的一种基于无线信号的步态速度和步幅提取方法，包括以下步骤S100：采用无线电发射信号的原理，绘制出人员的位置流；S101：识别人员位置流中信息，去除静止和原地运动的时间段；S102：识别行走时间段；S103：在行走时间段中提取稳定阶段；S104：计算出步态速度；S105：依据步态速度以及步幅频率计算步幅长度。
进一步地，S100中，无线电发射信号的频率为每秒40-50次。
进一步地，S101中，通过判断活动范围直径来识别静止和原地运动的时间段，采用4秒观察窗口滑过数据流，计算包含所述窗口中的所有位置点最小圆的直径，当所述最小圆的直径小于1.6米时，则所述窗口段为静止或者原地移动。
进一步地，S102中，所述行走时间段满足两个条件，其中一个条件是，S101中，所述窗口中的所有位置点最小圆的直径大于4米；另一个条件是，根据位置流与时间的对应关系来获得速度流，再根据速度流中所展现的周期性的速度变化来确定行走时间段。
进一步地，S103中，采用迭代算法识别行走时间段内的稳定阶段，当速度处于Vs+dv与Vs-dv之间时，所述行走时间段为稳定阶段，其中，Vs为所述行走时间段的速度中值，dv为实验获得的误差经验值。
进一步地，S104中，所述步态速度的计算公式为：
其中，是对应于时间t的样本索引，是秒窗口中的样本数量，
是用户在第次采样的位置。
进一步地，S105中，对稳定阶段的速度和高度值进行快速傅立叶变换，获得组合频谱计算公式如下：
其中
和
分别是速度、高度和组合信号在频率f下的响应，在频率
时，的响应最大，设定此时的
为步幅频率，在估计步幅频率
之后，步幅长度可以通过将先前估计的步态速度除以步幅频率来计算，即
。
进一步地，所述迭代法包括以下步骤，
S1：获取整个行走时间段的速度中值V0，i=1；
S2：速度高于Vi-1-dv的连续段作为新的稳定阶段；
S3：在S2中新的稳定阶段中获取速度中值Vi，i++；
S4：判断Vi与Vi-1之间的差值是否小于误差δ；
S5：如果是，则输出稳定阶段；
S6：如果否，则返回S2。
有益效果：1、通过无线电可以在家监测步态速度和步幅长度；
2、无需给人员佩戴工具，使用方便；
3、采用稳定阶段时的步幅速度进行数据计算，并通过长期试验数据获得的1.6米最小圆直径；4米最小圆直径、4秒观察窗等，保证了参与步态速度和步幅长度计算的技术更加的合理。
4、考虑了速度与高度的同时在行走时的影响相关性，使得步幅频率的估算更加的合理。
附图说明
下面结合附图对本发明作进一步描写和阐述。
图1是本发明首选实施方式的整体的流程图；
图2是稳定阶段的获取示意图；
图3是稳定速度的迭代步骤图。
具体实施方式
下面将结合附图、通过对本发明的优选实施方式的描述，更加清楚、完整地阐述本发明的技术方案。
如图1所示，本发明首选实施方式的一种基于无线信号的步态速度和步幅提取方法，包括以下步骤，
S100：采用无线电发射信号的原理，绘制出人员的位置流。
无线电可以采用雷达，它发射低功率无线电信号，并接收在周围环境中的反射，当信号入射到人体时，会基于身体方向反射。在空间环境中，可以以无线电原点建立空间坐标系（x-y-z），根据反射点的位置，获得人员在空间的位置流。无线电设备每秒采样40-50次，优选为50次。
S101：识别人员位置流中信息，去除静止和原地运动的时间段。
主要通过位置流作为工具来判断静止和原地运动的时间段。具体的方式为，采用4秒观察窗口滑过数据流，用该窗口中所含有的所有位置点所能绘制最小圆的直径，此最小圆的直径也就代表着在此4秒内人员的位移直径。若最小圆直径小于1.6米时，则认为人员在该4秒内静止或者原地运动。
随着4秒观察窗口的移动，持续按照上述方法计算在该4秒观察窗口内的位置点的最小圆直径，直至判断整个数据流中位移直径。
实施例中使用的4秒观察窗，以及1.6米的最小位移直径作为判断标准，是经过长期数据实验获得的。
S102：识别行走时间段。
去除了S101中的静止以及原地运动的时间段后，原数据流被分割成若干个移动时间段。但是，移动时间段并不全是行走时间段，还有非行走造成的移动，故还需对移动时间段进一步区分。
区分行走时间段的条件有两个，如下：
第一个条件是，S101中所使用的4秒窗口所包含的所有的点的最小圆直径大于4米；为了获取的行走时间段的数据更加准确，所以将S101中所使用的位移直径扩大成4米，4秒内4米的位移符合大多数人员的移动速度，使得获取的数据更具合理性。
第二个条件是，鉴于行走时的特性，人员的步态速度必然是呈周期化的。正常行走过程中，人的脚会重复抬起和放下，所以如果人员持续行走，这种重复性变化对应到速度上则是呈周期性变化。
速度流的获取可以根据位置流与时间的对应关系来获得，再根据速度流中所展现的周期性的速度变化来确定行走时间段。
S103：在行走时间段中提取稳定阶段。
行走时间段中，如果去除忽然加速和忽然减速的情况，只保留人员正常速度行走的部分进行计算，可以使获得的数据更加准确，所谓的正常速度行走的部分就是稳定阶段。
稳定阶段是在稳定速度Vs的数值上来回振荡的，Vs为行走时间段的速度中值，采用以下迭代算法进行选择。
迭代步骤包括，
S1：获取整个行走时间段的速度中值V0，i=1；
S2：速度高于Vi-1-dv的连续段作为新的稳定阶段；
S3：在新的稳定阶段获取速度中值Vi，i++；
S4：判断Vi与Vi-1之间的差值是否小于误差δ；
S5：如果是，则输出稳定阶段；
S6：如果否，则返回S2。
误差δ代表着两段不同的稳定阶段中，人员的稳定速度很小，是可以被允许在δ以内的，只有满足了此误差δ条件的情况下，才能用于表示是人员的稳定速度。否则，则认为人员产生与稳定阶段不同速度在行走，将不会用于继续计算，通过上述迭代循环，寻找出所有的稳定阶段。
S104：计算出步态速度。
在寻找出所有的稳定阶段以后，在稳定阶段中计算步态速度，用户在时间的步态速度被定义为在秒窗口中位置样本的平均位移。
具体的公式如下：
其中，
是对应于时间t的样本索引，
是
秒窗口中的样本数量，
和
是用户在第
次采样的位置。
S105：计算步幅长度。
通过估计步幅频率来估计步幅长度。
人体在行走时每踏一步，速度先增加后减少，定位系统（无线电）返回的高度也是以相似的频率变化，速度和高度的变化相关联的。
因此为了估计步幅频率并用来计算步幅长度，考虑对稳定阶段的速度和高度值进行快速傅立叶变换（FFT），通过平均两个频谱，正确的频率被强调，而噪声被削弱。
组合频谱计算公式如下：
其中
和
分别是速度、高度和组合信号在频率f下的响应。然后选择响应中最强的周期分量作为步幅频率，即当
时，
值最大。
将前述
作为步幅频率，步幅长度为
。
V(t)为S104中计算的步态速度，
为S105中获取的步幅频率。L为步幅长度。
上述具体实施方式仅仅对本发明的优选实施方式进行描述，而并非对本发明的保护范围进行限定。在不脱离本发明设计构思和精神范畴的前提下，本领域的普通技术人员根据本发明所提供的文字描述、附图对本发明的技术方案所作出的各种变形、替代和改进，均应属于本发明的保护范畴。本发明的保护范围由权利要求确定。
Claims (8)
1.一种基于无线信号的步态速度和步幅提取方法，其特征在于，包括以下步骤，
S100：采用无线电发射信号的原理，绘制出人员的位置流；
S101：识别人员位置流中信息，去除静止和原地运动的时间段；
S102：识别行走时间段；
S103：在行走时间段中提取稳定阶段；
S104：计算出步态速度；
S105：依据步态速度以及步幅频率计算步幅长度。
2.根据权利要求1所述的一种基于无线信号的步态速度和步幅提取方法，其特征在于，S100中，无线电发射信号的频率为每秒40-50次。
3.根据权利要求1所述的一种基于无线信号的步态速度和步幅提取方法，其特征在于，S101中，通过判断活动范围直径来识别静止和原地运动的时间段，采用4秒观察窗口滑过数据流，计算包含所述窗口中的所有位置点最小圆的直径，当所述最小圆的直径小于1.6米时，则所述窗口段为静止或者原地移动。
4.根据权利要求3所述的一种基于无线信号的步态速度和步幅提取方法，其特征在于，S102中，所述行走时间段满足两个条件，其中一个条件是，S101中，所述窗口中的所有位置点最小圆的直径大于4米；另一个条件是，根据位置流与时间的对应关系来获得速度流，再根据速度流中所展现的周期性的速度变化来确定行走时间段。
5.根据权利要求3所述的一种基于无线信号的步态速度和步幅提取方法，其特征在于，S103中，采用迭代算法识别行走时间段内的稳定阶段，当速度处于Vs+dv与Vs-dv之间时，所述行走时间段为稳定阶段，其中，Vs为所述行走时间段的速度中值，dv为实验获得的误差经验值。
6.根据权利要求3所述的一种基于无线信号的步态速度和步幅提取方法，其特征在于，S104中，所述步态速度的计算公式为：
其中，是对应于时间t的样本索引，
是
秒窗口中的样本数量，
是用户在第
次采样的位置。
7.根据权利要求3所述的一种基于无线信号的步态速度和步幅提取方法，其特征在于，S105中，对稳定阶段的速度和高度值进行快速傅立叶变换，获得组合频谱计算公式如下：
其中
和
分别是速度、高度和组合信号在频率f下的响应，在频率
时，
的响应最大，设定此时的
为步幅频率，在估计步幅频率
之后，步幅长度
可以通过将先前估计的步态速度除以步幅频率来计算，即
。
8.根据权利要求5所述的一种基于无线信号的步态速度和步幅提取方法，其特征在于，所述迭代法包括以下步骤，
S1：获取整个行走时间段的速度中值V0，i=1；
S2：速度高于Vi-1-dv的连续段作为新的稳定阶段；
S3：在S2中新的稳定阶段中获取速度中值Vi，i++；
S4：判断Vi与Vi-1之间的差值是否小于误差δ；
S5：如果是，则输出稳定阶段；
S6：如果否，则返回S2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110596748.2A CN113311184B (zh) | 2021-05-31 | 2021-05-31 | 一种基于无线信号的步态速度和步幅提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110596748.2A CN113311184B (zh) | 2021-05-31 | 2021-05-31 | 一种基于无线信号的步态速度和步幅提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113311184A true CN113311184A (zh) | 2021-08-27 |
| CN113311184B CN113311184B (zh) | 2024-02-02 |
Family
ID=77376125
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110596748.2A Active CN113311184B (zh) | 2021-05-31 | 2021-05-31 | 一种基于无线信号的步态速度和步幅提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113311184B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW428080B (en) * | 1999-10-28 | 2001-04-01 | Knowmo Llc | Pedometer |
| CN108139423A (zh) * | 2014-09-18 | 2018-06-08 | 椎名博 | 记录装置、移动终端、分析装置、程序以及存储介质 |
| CN109766737A (zh) * | 2017-11-09 | 2019-05-17 | 南京理工大学 | 基于图像处理的室内人体姿态初步分类方法 |
| CN110852266A (zh) * | 2019-11-11 | 2020-02-28 | 重庆邮电大学 | 一种基于无线信号的步态特征提取方法 |
| CN111289967A (zh) * | 2020-03-31 | 2020-06-16 | 四川长虹电器股份有限公司 | 基于毫米波雷达的人员检测跟踪与计数算法 |
| CN112505673A (zh) * | 2020-12-11 | 2021-03-16 | 江苏中科西北星信息科技有限公司 | 一种老年人定位、跟踪、识别系统及方法 |
-
2021
- 2021-05-31 CN CN202110596748.2A patent/CN113311184B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW428080B (en) * | 1999-10-28 | 2001-04-01 | Knowmo Llc | Pedometer |
| CN108139423A (zh) * | 2014-09-18 | 2018-06-08 | 椎名博 | 记录装置、移动终端、分析装置、程序以及存储介质 |
| CN109766737A (zh) * | 2017-11-09 | 2019-05-17 | 南京理工大学 | 基于图像处理的室内人体姿态初步分类方法 |
| CN110852266A (zh) * | 2019-11-11 | 2020-02-28 | 重庆邮电大学 | 一种基于无线信号的步态特征提取方法 |
| CN111289967A (zh) * | 2020-03-31 | 2020-06-16 | 四川长虹电器股份有限公司 | 基于毫米波雷达的人员检测跟踪与计数算法 |
| CN112505673A (zh) * | 2020-12-11 | 2021-03-16 | 江苏中科西北星信息科技有限公司 | 一种老年人定位、跟踪、识别系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113311184B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2681362C2 (ru) | Способ и устройство для оценивания риска падения пользователя | |
| RU2681582C2 (ru) | Способ и устройство для идентификации переходов между положениями сидя и стоя | |
| Cho et al. | Autogait: A mobile platform that accurately estimates the distance walked | |
| US11175409B2 (en) | Real-time estimation of speed and gait characteristics using a custom estimator | |
| US20120283525A1 (en) | Biological information processing device | |
| CN102292025B (zh) | 确定用户的能量消耗 | |
| JP2017504440A (ja) | ユーザの動きの測定値における歩行の検出の改善 | |
| CN107966161B (zh) | 基于fft的步行检测方法 | |
| JP6951516B2 (ja) | 人の歩調を検出する方法及びシステム | |
| KR101995966B1 (ko) | 주파수 분석과 시간 분석을 결합한 호흡 측정 장치 및 방법 | |
| CN113311184B (zh) | 一种基于无线信号的步态速度和步幅提取方法 | |
| CN113693582A (zh) | 生命体征信息监测方法及装置、存储介质和处理器 | |
| CN112741617A (zh) | 一种基于csi的全方向步态检测算法 | |
| US20210128057A1 (en) | Method and device for measuring sleep efficiency by using radar | |
| EP3662824B1 (en) | Autonomous full spectrum biometric monitoring | |
| EP2458329A2 (en) | A system for constructing distance estimate models for personal navigation | |
| CN114929104A (zh) | 个体的最大摄氧量VO2max的估计 | |
| Muhsen et al. | Algorithm design for accurate steps counting based on smartphone sensors for indoor applications | |
| JP6036916B2 (ja) | 生体情報処理装置 | |
| KR102639232B1 (ko) | 가속도 센서를 이용한 정확도 높은 보행속도 측정 방법 및 시스템 | |
| Hölzke et al. | Step Detection through Ultra-Low Complexity Zero Crossing Analysis | |
| CN114279441B (zh) | 一种零速区间检测方法、行人导航系统及存储介质 | |
| AU2019251933B2 (en) | Exercise intensity estimation method, exercise intensity estimation device, and program | |
| US20210177329A1 (en) | Uroflowmetry Signal Artifact Detection and Removal Systems and Methods | |
| Jin et al. | Ccms: a calorie consumption monitoring system for exercising with least-squares calibration |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240613 Address after: Room 1508, Block C, Science and Technology Innovation Headquarters Building, No. 320 Pubin Road, Jiangpu Street, Pukou District, Nanjing City, Jiangsu Province, 211899 Patentee after: Nanjing runnan Medical Electronic Research Institute Co.,Ltd. Country or region after: China Address before: Room 1508, block C, Kechuang headquarters building, 320 pubin Road, Jiangpu street, Pukou District, Nanjing City, Jiangsu Province Patentee before: Nanjing runnan Medical Electronic Research Institute Co.,Ltd. Country or region before: China Patentee before: Feiyoutour Technology (Nanjing) Co.,Ltd. |