CN113577747B - 一种心率带设备及其步长解算方法 - Google Patents

一种心率带设备及其步长解算方法 Download PDF

Info

Publication number
CN113577747B
CN113577747B CN202110902546.6A CN202110902546A CN113577747B CN 113577747 B CN113577747 B CN 113577747B CN 202110902546 A CN202110902546 A CN 202110902546A CN 113577747 B CN113577747 B CN 113577747B
Authority
CN
China
Prior art keywords
model
acceleration
step size
heart rate
fre
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.)
Active
Application number
CN202110902546.6A
Other languages
English (en)
Other versions
CN113577747A (zh
Inventor
冯茗杨
于鉴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Magene Intelligence Technology Co Ltd
Original Assignee
Qingdao Magene Intelligence Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Magene Intelligence Technology Co Ltd filed Critical Qingdao Magene Intelligence Technology Co Ltd
Priority to CN202110902546.6A priority Critical patent/CN113577747B/zh
Publication of CN113577747A publication Critical patent/CN113577747A/zh
Application granted granted Critical
Publication of CN113577747B publication Critical patent/CN113577747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B22/00—Exercising apparatus specially adapted for conditioning the cardio-vascular system, for training agility or co-ordination of movements
    • A63B22/02—Exercising apparatus specially adapted for conditioning the cardio-vascular system, for training agility or co-ordination of movements with movable endless bands, e.g. treadmills
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/30—Speed
    • A63B2220/36—Speed measurement by electric or magnetic parameters
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/40—Acceleration
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/04—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations
    • A63B2230/06—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations heartbeat rate only

Abstract

本发明属于跑步设备检测方法技术领域，具体公开一种心率带设备及其步长解算方法，包括获取并基于跑步机的履带速度和心率带的加速度数据，构建步长解算模型并存储为默认步长解算模型；实时获取加速度数据，并带入存储的默认步长解算模型中求解步长；实时获取用户输入的操作信号，当收到校准信号时，优化调整参数对默认步长解算模型进行更新并存储。本申请利用较短的时间，获取用户在跑步机上的加速度以及跑步机履带速度信息，得到用户的运动习惯，构建步长解算模型，并基于此对步长解算模型参数进行优化，使模型更加适用于用户本人，模型构建成功后仅需调整参数就能实现设备的普适性，参数更新过程操作简单，花费时间短。

Description

一种心率带设备及其步长解算方法
技术领域
本发明属于跑步设备检测方法技术领域，具体地说涉及一种心率带设备及其步长解算方法。
背景技术
现如今，通过穿戴设备，解算并记录运动状态，已经较为普遍，其中，胸戴式设备因其便携、低功耗等优势受到广大关注。然而胸戴式设备采集到的数据特征大多为躯干部位的特征数据，依靠此类数据解算步长具有较大的挑战。由于不同用户的跑步习惯差异性较大，因此在利用固定步长模型估计不同用户群体时，收敛情况可能有较大的差异，步长计算模型也会有较大的差异，定常参数(固定模型)的步长解算模型的局限性较大。
因此，现有技术还有待于进一步发展和改进。
发明内容
针对现有技术的种种不足，为了解决上述问题，现提出一种心率带设备及其步长解算方法。本发明提供如下技术方案：
一种心率带设备步长解算方法，包括：
获取并基于跑步机的履带速度和心率带的加速度数据，构建步长解算模型并存储为默认步长解算模型；
实时获取加速度数据，并带入存储的默认步长解算模型中求解步长；
实时获取用户输入的操作信号，当收到校准信号时，优化调整参数对默认步长解算模型进行更新并存储。
进一步的，基于履带速度和加速度数据，构建步长解算模型的方法包括：
基于加速度数据提取步频特征和加速度特征；
基于履带速度和步进起止时间计算每个步进的步长标注值；
将获取的步长标注值与对应的步频特征和加速度特征进行数据拟合，构建步长解算模型。
进一步的，基于加速度数据提取步频特征和加速度特征的方法包括：利用峰值检测法求出每个步进周期的起止时间点和每个周期的加速度极差，从而提取得到步频特征和加速度特征
Figure BDA0003200509240000021
其中，Δt为每个步进区间的时间间隔，ΔAcc为步进区间的加速度极差，fre为步频特征，Acc为加速度特征。
进一步的，基于履带速度和步进起止时间计算每个步进的步长标注值len＝v*Δt。
进一步的，将获取的步长标注值与对应的步频特征和加速度特征进行数据拟合，构建步长解算模型为Dstep＝k1·Acc+k2·fre+k3·fre·Acc+k4·fre2+bias，其中，ki表示权重系数，bias表示偏置项，均为通过数据拟合后得到的常数项。
进一步的，优化调整参数对默认步长解算模型进行更新的方法包括：
基于实时获取的加速度数据解算步进起止时间Δt'；
基于当前获取的履带配速Vtm以及步进起止时间Δt'，求解每次步进时间内履带的运行距离Dtm＝Vtm*Δt；
利用默认步长解算模型求解步长：
Dstep＝Relu(k1·Acc+k2·fre+k3·fre·Acc+k4·fre2+bias)；
计算偏差值e＝|Dtm-Dstep|，通过限制偏差值的范围对参数进行反馈优化，优化后得到的Dstep＝Relu(k1·Acc+k2·fre+k3·fre·Acc+k4·fre2+bias)即为更新的步长解算模型。
进一步的，对参数进行反馈优化的方法包括利用梯度下降进行优化调参：
Figure BDA0003200509240000031
其中，a为学习率，利用非线性激活函数Relu(·)。
进一步的，基于加速度数据，解算步频和步进起止时间的方法包括：
获取长度为d的窗口中连续时间历元的加速度数据曲线，当加速度特征Acc满足
Figure BDA0003200509240000032
条件时，缓存当前时间t(i)；
获取相邻两个连续的时间点之间的间隔即为步进起止时间，即Δt＝t(i)-t(i-1)；
基于求解的步进起止时间Δt解算步频
Figure BDA0003200509240000033
一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现一种心率带设备步长解算方法。
一种心率带设备，包括：传感器、心率计、处理器及存储器，所述传感器与处理器通过通讯协议信号连接，所述心率计与处理器通过串口信号连接，所述存储器与处理器通过SPI信号连接；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行一种心率带设备步长解算方法。
有益效果：
1、通过对加速度数据进行特征提取，并将提取的步频特征和加速度特征用于求解步长解算模型中，方法简单有效；
2、仅通过获取加速度数据和跑步机履带速度数据就能更准确的输出用户的步长数据，数据获取量少，对应设备配置成本低，降低设备的生产成本，怎加设备的复合功能；
3、利用跑步机稳定的速度输出以及加速度数据对构建的模型进行优化更新，适应不同设备佩戴者的不同需求，提升设备输出数据的准确性；
4、本申请利用较短的时间，获取用户在跑步机上的加速度和跑步机履带速度信息，得到用户的运动习惯，并基于此对步长解算模型参数进行优化，使模型更加适用于用户本人，模型构建成功后仅需调整参数就能实现设备的普适性，参数更新过程操作简单，花费时间短。
附图说明
图1是本发明具体实施例中一种心率带设备步长解算方法流程示意图；
图2是本发明具体实施例中一个窗口内连续时间历元的加速度数据曲线图；
图3是本发明具体实施例中加速度特征与步长数据散点图；
图4是本发明具体实施例中步频特征与步幅数据散点图；
图5是本发明具体实施例中一种心率带设备步长解算方法流程示意图；
图6是本发明具体实施例中步长训练模型的网络结构图；
图7是本发明具体实施例中一种心率带设备组成部分示意图。
具体实施方式
为了使本领域的人员更好地理解本发明的技术方案，下面结合本发明的附图，对本发明的技术方案进行清楚、完整的描述，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它类同实施例，都应当属于本申请保护的范围。此外，以下实施例中提到的方向用词，例如“上”“下”“左”“右”等仅是参考附图的方向，因此，使用的方向用词是用来说明而非限制本发明创造。
一种心率带设备步长解算方法，包括：
S100、获取并基于跑步机的履带速度和心率带的加速度数据，构建步长解算模型并存储为默认步长解算模型；
S200、实时获取加速度数据，并带入存储的默认步长解算模型中求解步长；
S300、实时获取用户输入的操作信号，当收到校准信号时，优化调整参数对默认步长解算模型进行更新并存储。
如图1所示，用户如果不进行校准，加速度直接输入到默认步长解算模型中，通过默认步长解算模型解算步长；默认步长解算模型与更新的步长解算模型框架一样，但是其中的参数不一样；跑步机履带相当于给了一个准确的对照值，默认步长解算模型得到模型解算值与对照值的差，可以当做默认步长解算模型的解算误差，再利用更新的步长解算模型公式，对默认步长解算模型中的参数(ki和bias)进行梯度下降，得到训练校准模型，训练校准后的步长解算模型覆盖原来的默认步长解算模型，完成步长解算模型的更新，从而使步长输出数据更加准确。
进一步的，基于加速度数据，解算步频和步进起止时间的方法包括：
获取长度为d的窗口中连续时间历元的加速度数据曲线，当加速度特征Acc满足
Figure BDA0003200509240000061
条件时，缓存当前时间t(i)；
获取相邻两个连续的时间点之间的间隔即为步进起止时间，即Δt＝t(i)-t(i-1)；
基于求解的步进起止时间Δt解算步频
Figure BDA0003200509240000062
如图2所示为长度为d的窗口中连续时间历元的加速度数据曲线图，因步频呈现周期性，查找每个步进的起止时间也就相当于查找每个周期的起止时间，即检测每一个峰值的时间点。每两个连续的时间点之间的间隔，便为每一个步进的持续时间。
进一步的，基于履带速度和加速度数据，构建步长解算模型的方法包括：
基于加速度数据提取步频特征和加速度特征；
基于履带速度和步进起止时间计算每个步进的步长标注值；
将获取的步长标注值与对应的步频特征和加速度特征进行数据拟合，构建步长解算模型。
进一步的，基于加速度数据提取步频特征和加速度特征的方法包括：利用峰值检测法求出每个步进周期的起止时间点和每个周期的加速度极差，从而提取得到步频特征和加速度特征
Figure BDA0003200509240000071
其中，Δt为每个步进区间的时间间隔，ΔAcc为步进区间的加速度极差，fre为步频特征，Acc为加速度特征。
进一步的，基于履带速度v和步进起止时间Δt计算每个步进的步长标注值len＝v*Δt。
进一步的，将获取的步长标注值与对应的步频特征和加速度特征进行数据拟合，构建步长解算模型为Dstep＝k1·Acc+k2·fre+k3·fre·Acc+k4·fre2+bias，其中，ki表示权重系数，bias表示偏置项，均为通过数据拟合后得到的常数项。
将与步长标注值len对应的步频特征和加速度特征进行一一对应存储，得到数据集合：data＝{(fre,acc,len)i|i＝1,......n}，通过大量测试，得到两特征值与步长的关系如图3-4所示，由图中可以看出，步长与加速度特征呈线性关系，步频与步幅呈二次关系，因此，可以根据拟合关系来建立步长解算多项式，其中自变量为fre和Acc，所建立的步长解算模型为：
Dstep＝k1·Acc+k2·fre+k3·fre·Acc+k4·fre2+bias。
进一步的，优化调整参数对默认步长解算模型进行更新的方法包括：
基于实时获取的加速度数据解算步进起止时间Δt'；
基于当前获取的履带配速Vtm以及步进起止时间Δt'，求解每次步进时间内履带的运行距离Dtm＝Vtm*Δt'；
利用默认步长解算模型求解步长：
Dstep＝Relu(k1·Acc+k2·fre+k3·fre·Acc+k4·fre2+bias)；
计算偏差值e＝|Dtm-Dstep|，通过限制偏差值的范围对参数进行反馈优化，优化后得到的Dstep＝Relu(k1·Acc+k2·fre+k3·fre·Acc+k4·fre2+bias)即为更新的步长解算模型。
由于已经获取到了履带的配速Vtm，也得到了每一次步进的起止时间Δt'，便可以解算每次步进时间内履带的运行距离Dtm，利用步长解算默认模型可以求出每次步进的模型结算步长Dstep，并根据二者的差，对参数进行反馈优化：
Figure BDA0003200509240000081
进一步的，对参数进行反馈优化的方法包括利用梯度下降进行优化调参：
Figure BDA0003200509240000091
其中，a为学习率，利用非线性激活函数Relu(·)。
e为预测值与真实值的偏差，用来衡量训练模型参数的可靠性，e也是进行误差负反馈的损失值，影响到后续求解每个函数分支的梯度。实质上是通过e对ki和bias进行优化调参，可以利用梯度下降来实现，由于步长没有负值，因此非线性激活函数选用Relu(·)。:＝为梯度下降调参公式，指的是原先的权重或偏置参数减去学习率*梯度，并替代原始值。学习率a尽量设置成较小的值，比如0.001，学习率不能设置的过大，通常a<0.01，否则极易发散，通常训练次数越多，学习率便可以设置的越小。具体正向和反向的流程图如图5所示，输入元素为步进区间的加速度特征Acc以及步频特征fre，元素输入后，进行特征工程，将特征从二维扩展为四维，分别为Acc、fre、fre·Acc、fre2，每个元素的通过线性全连接求解得到一个输出值z进入到下一层，因为步长需大于0，因此此处利用Relu(·)函数进行非线性激活，最终进行输出，输出值即为模型解算的步长。
用户在跑步机履带上进行测试，跑步机履带的速度持续稳定，因此跑步机履带速度*步进时间≈一步步进，因此可以利用跑步机作为对比。本发明的步长模型通过短时间训练后，可以通过加速度信息和步频信息代入模型中解算步长，如果该步长与跑步机解算的步长相近，则证明模型构建成功。分别以8km/h、10km/h、12km/h的速度在跑步机上进行测试，校准模型输出的步长与跑步机对比如图6所示，由图可看出，跑步机履带转动距离与校准模型解算步长拟合度很好。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现一种心率带设备步长解算方法。
如图7所示，一种心率带设备，包括：传感器、心率计、处理器及存储器，所述传感器与处理器通过通讯协议信号连接，所述心率计与处理器通过串口信号连接，所述存储器与处理器通过SPI信号连接；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行一种心率带设备步长解算方法。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
以上已将本发明做一详细说明，以上所述，仅为本发明之较佳实施例而已，当不能限定本发明实施范围，即凡依本申请范围所作均等变化与修饰，皆应仍属本发明涵盖范围内。

Claims (9)

1.一种心率带设备步长解算方法，其特征在于，包括：
获取并基于跑步机的履带速度和心率带的加速度数据，构建步长解算模型并存储为默认步长解算模型；
实时获取加速度数据，并带入存储的默认步长解算模型中求解步长；
实时获取用户输入的操作信号，当收到校准信号时，优化调整参数对默认步长解算模型进行更新并存储；
其中，基于履带速度和加速度数据，构建步长解算模型的方法包括：
基于加速度数据提取步频特征和加速度特征；
基于履带速度和步进起止时间计算每个步进的步长标注值；
将获取的步长标注值与对应的步频特征和加速度特征进行数据拟合，构建步长解算模型。
2.根据权利要求1所述的一种心率带设备步长解算方法，其特征在于，基于加速度数据提取步频特征和加速度特征的方法包括：利用峰值检测法求出每个步进周期的起止时间点和每个周期的加速度极差，从而提取得到步频特征和加速度特征
Figure FDA0003634241970000011
其中，Δt为每个步进区间的时间间隔，ΔAcc为步进区间的加速度极差，fre为步频特征，Acc为加速度特征。
3.根据权利要求1所述的一种心率带设备步长解算方法，其特征在于，基于履带速度和步进起止时间计算每个步进的步长标注值len＝v*Δt。
4.根据权利要求1所述的一种心率带设备步长解算方法，其特征在于，将获取的步长标注值与对应的步频特征和加速度特征进行数据拟合，构建步长解算模型为Dstep＝k1·Acc+k2·fre+k3·fre·Acc+k4·fre2+bias，其中，ki表示权重系数，bias表示偏置项，均为通过数据拟合后得到的常数项。
5.根据权利要求1所述的一种心率带设备步长解算方法，其特征在于，优化调整参数对默认步长解算模型进行更新的方法包括：
基于实时获取的加速度数据解算步进起止时间Δt'；
基于当前获取的履带配速Vtm以及步进起止时间Δt'，求解每次步进时间内履带的运行距离Dtm＝Vtm*Δt；
利用默认步长解算模型求解步长：
Dstep＝Relu(k1·Acc+k2·fre+k3·fre·Acc+k4·fre2+bias)；
计算偏差值e＝|Dtm-Dstep|，通过限制偏差值的范围对参数进行反馈优化，优化后得到的Dstep＝Relu(k1·Acc+k2·fre+k3·fre·Acc+k4·fre2+bias)即为更新的步长解算模型。
6.根据权利要求5所述的一种心率带设备步长解算方法，其特征在于，对参数进行反馈优化的方法包括利用梯度下降进行优化调参：
Figure FDA0003634241970000021
其中，a为学习率，利用非线性激活函数Relu(·)。
7.根据权利要求1所述的一种心率带设备步长解算方法，其特征在于，基于加速度数据，解算步频和步进起止时间的方法包括：
获取长度为d的窗口中连续时间历元的加速度数据曲线，当加速度特征Acc满足
Figure FDA0003634241970000031
条件时，缓存当前时间t(i)；
获取相邻两个连续的时间点之间的间隔即为步进起止时间，即Δt＝t(i)-t(i-1)；
基于求解的步进起止时间Δt解算步频
Figure FDA0003634241970000032
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1至7中任一项所述的方法。
9.一种心率带设备，其特征在于，包括：传感器、心率计、处理器及存储器，所述传感器与处理器通过通讯协议信号连接，所述心率计与处理器通过串口信号连接，所述存储器与处理器通过SPI信号连接；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述处理器执行如权利要求1至7中任一项所述的方法。
CN202110902546.6A 2021-08-06 2021-08-06 一种心率带设备及其步长解算方法 Active CN113577747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110902546.6A CN113577747B (zh) 2021-08-06 2021-08-06 一种心率带设备及其步长解算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110902546.6A CN113577747B (zh) 2021-08-06 2021-08-06 一种心率带设备及其步长解算方法

Publications (2)

Publication Number Publication Date
CN113577747A CN113577747A (zh) 2021-11-02
CN113577747B true CN113577747B (zh) 2022-07-19

Family

ID=78255869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110902546.6A Active CN113577747B (zh) 2021-08-06 2021-08-06 一种心率带设备及其步长解算方法

Country Status (1)

Country Link
CN (1) CN113577747B (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10285625B2 (en) * 2013-10-07 2019-05-14 Wahoo Fitness Llc Activity monitoring computing device and system
CN106422172B (zh) * 2016-11-22 2018-10-30 西安交通大学 基于肌电的下肢康复训练系统跑步机速度自适应控制方法
CN107515004B (zh) * 2017-07-27 2020-12-15 台州市吉吉知识产权运营有限公司 步长计算装置及方法
TWI688423B (zh) * 2019-05-30 2020-03-21 華勛股份有限公司 應用於跑步機之跑步參數偵測系統及其偵測方法

Also Published As

Publication number Publication date
CN113577747A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
Klein et al. StepNet—Deep learning approaches for step length estimation
US10687752B2 (en) Detecting unmeasurable loads using heart rate and work rate
WO2019061949A1 (zh) 一种运动行为辅助的室内融合定位方法及装置、存储介质
WO2021012879A1 (zh) 轨迹重建方法、装置、计算机设备和存储介质
CN107462260A (zh) 一种运动轨迹生成方法、装置及可穿戴设备
CN107515004B (zh) 步长计算装置及方法
CN107607105B (zh) 基于分数阶微分的光纤陀螺温度非线性误差补偿方法
WO2015018780A2 (en) Method, device and system for annotated capture of sensor data and crowd modelling of activities
CN109844460A (zh) 一种步幅校准方法、相关设备及系统
CN105530581A (zh) 一种基于声音识别的智能穿戴设备和控制方法
Jamil et al. Enhanced Kalman filter algorithm using fuzzy inference for improving position estimation in indoor navigation
US20170272902A1 (en) Handling sensor information
WO2017185222A1 (zh) 一种基于球类运动的运动轨迹采集和分析的系统与方法
CN111513723A (zh) 运动姿态监测方法、调整方法、装置和终端
CN113577747B (zh) 一种心率带设备及其步长解算方法
CN104056442A (zh) 一种实现健身设备智能化的方法、装置和系统
CN105589977A (zh) 一种运动次数监测方法及装置
CN108981686B (zh) 一种p2p室内导航系统及p2p室内导航方法
CN112135345A (zh) 基于蓝牙信号单步抗差滤波与逼近判别的定位校正方法
WO2016165333A1 (zh) 一种实现计步的方法及装置
CN114732373A (zh) 基于步态检测的步行活动卡路里消耗计算方法及装置
CN113093255B (zh) 一种多信号真融合定位计算方法、装置、设备及存储介质
CN115390659A (zh) 数据手套动态校准装置与方法
CN113449265A (zh) 一种基于堆叠lstm的腰载式航向角计算方法
Li et al. An indoor positioning approach using smartphone based on PDR and EKF

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 266000 Room 302, building a 3, 328 Chengkang Road, Xiazhuang street, Chengyang District, Qingdao City, Shandong Province

Patentee after: Qingdao maijin Intelligent Technology Co.,Ltd.

Address before: 266000 Room 302, building a 3, 328 Chengkang Road, Xiazhuang street, Chengyang District, Qingdao City, Shandong Province

Patentee before: QINGDAO MAGENE INTELLIGENCE TECHNOLOGY Co.,Ltd.