CN114298105A - 一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法 - Google Patents

Abstract

本发明公开了一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，该方法包括以下步骤：首先，在三轴加速度信号中筛选出最能反映跑步过程中抬腕动作的两轴加速度信号并合成得到合成加速度信号，同时利用所筛选出的两轴加速度信号计算跑步过程中的偏转角信号；随后，对合成加速度信号及偏转角信号进行滤波处理，得到合成加速度滤波信号及偏转角滤波信号；接着，分析合成加速度信号滤波前后的波形变化以识别跑步状态；然后，在跑步状态下分析偏转角滤波信号的瞬时变化以识别抬腕动作；最后，在识别为抬腕动作后做出亮屏响应。本发明由于减少了计算量，可以快速识别使用者的运动状态和抬腕动作，同时本发明中减少了信号干扰，并减少的误判，从而可以提高信号响应的准确性。

Description

一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法

技术领域：

本发明涉及智能穿戴设备技术领域，特指一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法。

背景技术：

随着智能穿戴设备的发展，智能手表、智能手环得到快速的发展。这些智能穿戴设备集成了很多的传感器，可以用来记录用户日常生活中的锻炼、睡眠等相关数据，并且还可以检测用户的身体机能信息。但是由于这类智能设备的体积较小，可设置的电池空间有效，所以导致其电池容量不大，待机工作时间不长。为了提高其待机工作时间，就需要减少智能手表产品中的耗电。其中智能手表最大的耗电量来源于显示屏工作时产生的功耗。为了降低显示屏的功耗，目前所有的智能手表均进行了如下设置：在常规情况下，智能手表的屏幕并没有开启，只有在触发后，屏幕才点亮，供使用者查看。这个触发可通过触摸等方式。但是为了便于使用者，这种触发是通过使用者抬起手腕的动作进行触发(简称抬腕)。由于使用者在抬腕过程中，智能手表随着手部开始运行，将产生一个运动加速度，此时只需要检测到该加速度，智能手表就可以被触发，从而令屏幕点亮。

见专利申请号为：201610411516.4中国发明专利申请，其公开了“智能手表及其表体朝向判断方法、系统和显示屏点亮系统和输入装置启动/唤醒系统”，其采用的技术方案为：通过分析用户动作(抬腕、旋转手腕、落腕)判断智能手表的表体是否处于朝向用户面部的状态，以减少智能手表上不必要的电量消耗。具体而言，其首先通过动作模块检测用户是否存在抬腕动作、旋转手腕动作、落腕动作，然后当动作检测模块检测到的抬腕动作参数变化达到抬腕动作阈值，且旋转手腕动作参数变化达到表体朝向用户面部的旋转手腕动作阈值时，则判断表体处于朝向用户面部的状态，屏幕点亮；当动作检测模块检测到的落腕动作参数变化达到落腕动作阈值时，则判断表体不处于朝向用户面部的状态，屏幕熄灭。

目前的相关技术方案中，用于检测用户动作的动作模块检测一般都是通过运动检测模块进行识别。这种运动检测模块的工作原理就是利用三轴加速度信号的绝对变化量和变化速率，进行分析，从而判断用户是否处于行走、跑步，以及是否存在抬腕、旋转手腕、落腕等动作。根据判断，当运动检测模块检测到用户具有抬腕的动作时，会立即识别，并预判用户将会观察智能手表、智能手环等电子设备的屏幕，从而自动点亮屏幕。

虽然采用三轴加速度信号对用户状态进行判断具有相当高的准确性，但是在特定环境中也存在不足。例如，在跑步过程中三轴加速度信号变化剧烈、波形复杂，传统方案难以快速识别跑步状态下的抬腕动作，从而导致当用户在跑步状态时有了抬腕动作，此时智能手表、智能手环等电子设备的屏幕确没有及时亮屏，或者亮屏速度变慢。本发明人就是针对上述问题，提出以下技术方案。

发明内容：

本发明所要解决的技术问题就在于克服现有技术的不足，提供一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法。

为了解决上述技术问题，本发明采用了下述技术方案：一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，该方法是利用智能电子设备中的三轴加速度信号，对其进行筛选、合成后、分析后，对智能电子设备用户当前是否处于跑步状态，及是否抬腕进行识别，，并做出亮屏响应，该方法包括以下步骤：首先，在三轴加速度信号中筛选出最能反映跑步过程中抬腕动作的两轴加速度信号并合成得到合成加速度信号，同时利用所筛选出的两轴加速度信号计算跑步过程中的偏转角信号；随后，对合成加速度信号及偏转角信号进行滤波处理，得到合成加速度滤波信号及偏转角滤波信号；接着，分析合成加速度信号滤波前后的波形变化以识别跑步状态；然后，在跑步状态下分析偏转角滤波信号的瞬时变化以识别抬腕动作；最后，在识别为抬腕动作后做出亮屏响应。

进一步而言，上述技术方案中，该方法具体包括以下步骤：步骤1：采集三轴加速度信号中最能反映跑步过程中抬腕动作的两轴加速度信号xACC、zACC，进行矢量合成操作，得到合成加速度信号sACC，记作S1；同时利用所筛选出的加速度信号xACC和合成加速度信号sACC计算跑步过程中的偏转角信号；步骤2：对合成加速度信号S1进行滤波，得到合成加速度滤波信号S2；对偏转角度信号进行滤波，得到偏转角度滤波信号S3；步骤3：实时分析S1与S2波形的变化，进行上升沿及下降沿交叉点检测，得到上升沿交叉点及下降沿交叉点时间间隔，计算上升沿交叉点及下降沿交叉点之间两组信号最大幅度差；基于交叉点时间间隔与最大幅度差进行跑步状态的判定，当时间间隔与最大幅度差同时满足预设的阈值，则判定当前为跑步状态，否则为非跑步状态；步骤4：在跑步状态下分析偏转角滤波信号S3的瞬时变化以识别抬腕动作，即在偏转角度滤波信号S3中检测波形上升沿，计算窗口内波形上升沿的相对变化量A2，在合成加速度滤波信号S2中检测波形下降沿，计算窗口内波形下降沿的相对变化量A1，当A1与A2均大于预设的阈值时，认为是抬腕状态，否则为非抬腕状态；步骤5：当被认定为抬腕动作状态后，输出亮屏消息。

进一步而言，上述技术方案中，对合成加速度信号S1进行卡尔曼滤波，得到合成加速度滤波信号S2；对偏转角度信号进行卡尔曼滤波，得到偏转角度滤波信号S3。

进一步而言，上述技术方案中，所述的合成加速度信号sACC采用绝对值合成法计算合成加速度，即，sACC＝|xACC|+|zACC|。

进一步而言，上述技术方案中，所述的偏转角定义为xACC与sACC的夹角，即，偏转角angleX＝arccos(xACC/sACC)。

进一步而言，上述技术方案中，所述的步骤3中，基于交叉点时间间隔与最大幅度差进行跑步状态的判定时，需统计连续N个交叉点时间间隔及相应的最大幅度差，其中N为自然数。

进一步而言，上述技术方案中，所述的N大于等于3，即当统计的连续至少3个交叉点时间间隔及相应的最大幅度差均满足预设的阈值，则判定当前为跑步状态，否则为非跑步状态。

进一步而言，上述技术方案中，统计连续N个交叉点时间间隔及相应的最大幅度差后，计算平均时间间隔。

进一步而言，上述技术方案中，所述的步骤4中，当A1与A2均大于预设的阈值时，同时由步骤3中获得当前交叉点时间间隔与平均时间间隔进行比较，若当前交叉点时间间隔大于平均时间间隔，则认定为抬腕状态。

采用上述技术方案后，本发明具有以下优点：

1、本发明在三轴加速度信号中筛选出两轴加速度信号xACC、zACC，将其合成。由于本发明的技术方案仅是针对使用者跑步状态的识别，所以采用两轴加速度信号是完全可以进行识别的，这样就减少了计算量。同时，本发明中采用绝对值合成法而非欧式距离合成法，也是在不影响算法性能的情况下进一步减小计算量。

2、根据加速度传感器信号产生原理，跑步过程中伴随挥臂及跨步动作，S1信号将呈现大幅度、高频率的准周期波形。滤波后的S2信号用于反映S1信号的基线变化过程。从频率及幅度特征出发，本方案提出了两个量化指标：交叉点时间间隔和最大幅度差，其中交叉点时间间隔为S1信号围绕基线信号S2上下波动的1/2周期，从信号上反映了跑步时的步频；最大幅度差为交叉点时间间隔内S1信号偏离基线信号S2的最大幅度，从信号上反映了跑步时的挥臂及跨步力度。通过对不同测试者跑步数据的分析，对上述两个指标设置合适的固定阈值，即可有效地识别出跑步状态。

本发明由于减少了计算量，可以快速识别使用者的运动状态和抬腕动作，同时本发明中减少了信号干扰，并减少的误判，从而可以提高信号响应的准确性。

附图说明：

图1是本发明中对跑步状态识别的流程图；

图2是本发明中对跑步状态下抬腕动作识别的流程图；

图3是本发明中S1、S2、S3信号波形图；

图4是本发明中跑步状态下，S1与S2波形上升沿与下降沿交叉点波形图；

图5是本发明中跑步状态下，5点滑动窗中A1及A2的幅度变化波形图；

图6是本发明中跑步状态下，两次抬腕动作的波形图。

具体实施方式：

下面结合具体实施例和附图对本发明进一步说明。

本发明为一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，该方法是利用智能电子设备中加速度传感器中所生成的三轴加速度信号，对其进行筛选、合成后、分析后，对智能手表、智能手环等电子设备的用户当前是否处于跑步状态，及是否抬腕进行识别，并做出亮屏响应。

具体而言本发明的信号处理方法包括以下步骤：

步骤1:在三轴加速度信号中筛选出最能反映跑步过程中抬腕动作的两轴加速度信号并合成得到合成加速度信号，同时利用所筛选出的两轴加速度信号计算跑步过程中的偏转角信号。

智能手表、智能手环等电子设备中加速度传感器在X/Y/Z三轴上的加速度数据信号xACC、yACC、zACC。为了减小运算量，需要在在三轴加速度信号中筛选出最能反映跑步过程中抬腕动作的两轴加速度信号。信号筛选过程是首先从原理上分析不同场景(如坐立、站立、平躺、走路、跑步)的三轴加速度数据的变化情况，再经过大量不同场景的三轴加速度数据进行确认，得到能够有效区分出跑步抬腕状态的两轴加速度信号：X轴加速度信号xACC与Z轴的加速度信号zACC。利用X轴加速度信号的幅度变化及频率特征来识别使用者跑步时来回摆臂的动作，利用Z轴加速度信号的幅度变化及频率特征来识别使用者翻腕的动作。

本发明仅考虑了两轴加速度信号进行合成，主要是为了剔除第3个轴(Y轴)可能带来的干扰，以便准确地识别出跑步状态。这是因为：在走路状态下，快速甩臂时Y轴加速度信号也会快速波动，与跑步状态下X轴加速度信号的波动极其相似，因此采用两轴加速度信号是完全足够的。利用三轴加速度信号进行合成会混淆不同的运动场景，也会增加额外的计算量。所以剔除Y轴加速度信号不仅可以减少误判，并且还可以减少运算量。

本步骤1中采集两轴加速度信号xACC、zACC，进行矢量合成操作，得到合成加速度信号sACC，记作S1。同时利用加速度信号xACC和合成加速度信号sACC计算跑步过程中的偏转角信号。

所述的合成加速度信号sACC采用绝对值合成法计算合成加速度，即，sACC＝|xACC|+|zACC|。本发明采用绝对值合成法而非欧式距离合成法，也是在不影响算法性能的情况下进一步减小计算量。

所述的偏转角定义为xACC与sACC的夹角，其计算公式如下：

偏转角angleX＝arccos(xACC/sACC)。

步骤2：对合成加速度信号及偏转角信号进行滤波处理，得到合成加速度滤波信号及偏转角滤波信号。

具体而言，对合成加速度信号S1进行卡尔曼滤波，得到合成加速度滤波信号S2；对偏转角度信号进行卡尔曼滤波，得到偏转角度滤波信号S3。如图3所示，这是本发明在测试跑步过程中进行抬腕动作获得的S1、S2、S3信号波形图。可以看出跑步过程中伴随挥臂及跨步动作，S1信号将呈现大幅度、高频率的准周期波形。滤波后的S2信号用于反映S1信号的基线变化过程。

步骤3：分析合成加速度信号滤波前后的波形变化以识别跑步状态。

见图1、图4所示，判断使用者当前是否处于跑步状态需要实时分析S1与S2波形的变化。首先对合成加速度信号S1及合成加速度滤波信号S2进行分析，对两个信号波形中上升沿及下降沿交叉点检测，得到上升沿交叉点及下降沿交叉点时间间隔T，同时，计算上升沿交叉点及下降沿交叉点之间两组信号最大幅度差Amp。统计连续N(N为自然数)个交叉点时间间隔T_i(i＝1,2,...,N)及相应的最大幅度差Amp_i(i＝1,2,...,N)，并计算平均间隔T_mean。本发明在进行跑步识别逻辑中，若至少连续3个T_i及Amp_i均满足所设阈值，则判定当前为跑步状态，否则为非跑步状态。

之所以采用上述识别逻辑，从频率及幅度特征出发，本方案提出了两个量化指标：交叉点时间间隔T和最大幅度差Amp。其中，交叉点时间间隔T为S1信号围绕基线信号S2上下波动的1/2周期，从信号上反映了跑步时的步频。最大幅度差Amp为交叉点时间间隔T内S1信号偏离基线信号S2的最大幅度，从信号上反映了跑步时的挥臂及跨步力度。通过对不同测试者跑步数据的分析，对上述两个指标设置合适的固定阈值，即可有效地识别出跑步状态。

另外，本发明之所以要求上述指标的至少连续3个计算值均满足阈值，是为了尽可能准确地识别为跑步状态。一般地，使用者跑步时动作是持续的，从加速度信号中至少可以检测出至少连续3个周期波形。如果认定单次满足阈值即有效，那么在非跑步场景或者跑步场景下，使用者手臂有意或无意的一到两次的晃动便有可能造成跑步误判。另外，为了提高响应速度，本发明在实际中一般连续3个T_i及Amp_i均满足所设阈值，则判定当前为跑步状态。

步骤4：在跑步状态下分析偏转角滤波信号的瞬时变化以识别抬腕动作。

见图2、图5所示，判断当使用者处于跑步状态下是否具有抬腕动作时，需要在跑步状态下分析偏转角滤波信号S3的瞬时变化以识别抬腕动作。

首先，当通过步骤3识别当前状态为跑步状态时，启动抬腕检测。

其次，由步骤3中获得当前的交叉点时间间隔T_c，及平均交叉点时间间隔T_mean；

接着，偏转角度滤波信号S3中检测波形上升沿，计算5点滑动窗口内波形上升沿的相对变化量A2，在合成加速度滤波信号S2中检测波形下降沿，计算5点滑动窗口内波形下降沿的相对变化量A1。之所以计算5点滑动窗口波形是为了采集足够的数据，避免出现误判。

最后，在抬腕识别逻辑中，当A1与A2均大于所设阈值时，认为是疑似抬腕状态。此时，若T_c大于T_mean，则认为当前为抬腕状态，否则为非抬腕状态。

对于抬腕状态的检测，本发明采用了三个指标：上升沿的相对变化量A2、下降沿的相对变化量A1、以及当前的交叉点时间间隔T_c。在翻腕亮屏判断时，上升沿的相对变化量A2是基于xACC及sACC的偏转角度滤波信号S3的变化，下降沿的相对变化量A1考察了合成加速度信号S2的变化。之所以采用这两个指标，是因为：从原理上来说，翻腕过程中偏转角度变化最为明显。但是在实测数据分析中，合成加速度滤波信号抗噪性能更好，所以同时监测两类信号的变化有利于更快地捕获翻腕动作。

对于引入Tc指标，是考虑到合成加速度信号S2可能会存在干扰。T_mean本质上是平均后的1/2跑步周期。正常的跑步翻腕状态下，Tc均是大于1/2跑步周期的。增加T_c>T_mean，是为了防止跑步波形受到干扰，避免出现A1，A2恰好满足阈值而导致跑步时屏幕误亮。

步骤5：最后，在识别为抬腕动作后做出亮屏响应。即，当被认定为抬腕动作状态后，输出亮屏消息。

本发明采用上述技术方案后，由于减少了计算量，可以快速识别使用者的运动状态和抬腕动作，同时本发明中减少了信号干扰，并减少的误判，从而可以提高信号响应的准确性。

见图6所示，这是利用本发明的技术方案，对使用者在跑步状态下，两次抬腕动作的波形图，从波形图中可以看出两次亮屏的信号位置。

当然，以上所述仅为本发明的具体实施例而已，并非来限制本发明实施范围，凡依本发明申请专利范围所述构造、特征及原理所做的等效变化或修饰，均应包括于本发明申请专利范围内。

Claims (9)

1.一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，该方法是利用智能电子设备中的三轴加速度信号，对其进行筛选、合成后、分析后，对智能电子设备用户当前是否处于跑步状态，及是否抬腕进行识别，并做出亮屏响应，其特征在于：该方法包括以下步骤：

首先，在三轴加速度信号中筛选出最能反映跑步过程中抬腕动作的两轴加速度信号并合成得到合成加速度信号，同时利用所筛选出的两轴加速度信号计算跑步过程中的偏转角信号；随后，对合成加速度信号及偏转角信号进行滤波处理，得到合成加速度滤波信号及偏转角滤波信号；接着，分析合成加速度信号滤波前后的波形变化以识别跑步状态；然后，在跑步状态下分析偏转角滤波信号的瞬时变化以识别抬腕动作；最后，在识别为抬腕动作后做出亮屏响应。

2.根据权利要求1所述的一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，其特征在于：该方法具体包括以下步骤：

步骤1：采集三轴加速度信号中最能反映跑步过程中抬腕动作的两轴加速度信号xACC、zACC，进行矢量合成操作，得到合成加速度信号sACC，记作S1；同时利用所筛选出的加速度信号xACC和合成加速度信号sACC计算跑步过程中的偏转角信号；

步骤2：对合成加速度信号S1进行滤波，得到合成加速度滤波信号S2；对偏转角度信号进行滤波，得到偏转角度滤波信号S3；

步骤3：实时分析S1与S2波形的变化，进行上升沿及下降沿交叉点检测，得到上升沿交叉点及下降沿交叉点时间间隔，计算上升沿交叉点及下降沿交叉点之间两组信号最大幅度差；基于交叉点时间间隔与最大幅度差进行跑步状态的判定，当时间间隔与最大幅度差同时满足预设的阈值，则判定当前为跑步状态，否则为非跑步状态；

步骤4：在跑步状态下分析偏转角滤波信号S3的瞬时变化以识别抬腕动作，即在偏转角度滤波信号S3中检测波形上升沿，计算窗口内波形上升沿的相对变化量A2；在合成加速度滤波信号S2中检测波形下降沿，计算窗口内波形下降沿的相对变化量A1；当A1与A2均大于预设的阈值时，认为是抬腕状态，否则为非抬腕状态；

步骤5：当被认定为抬腕动作状态后，输出亮屏消息。

3.根据权利要求2所述的一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，其特征在于：对合成加速度信号S1进行卡尔曼滤波，得到合成加速度滤波信号S2；对偏转角度信号进行卡尔曼滤波，得到偏转角度滤波信号S3。

4.根据权利要求2所述的一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，其特征在于：所述的合成加速度信号sACC采用绝对值合成法计算合成加速度，即，sACC＝|xACC|+|zACC|。

5.根据权利要求2所述的一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，其特征在于：所述的偏转角定义为xACC与sACC的夹角，即，

偏转角angleX＝arccos(xACC/sACC)。

6.根据权利要求2所述的一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，其特征在于：所述的步骤3中，基于交叉点时间间隔与最大幅度差进行跑步状态的判定时，需统计连续N个交叉点时间间隔及相应的最大幅度差，其中N为自然数。

7.根据权利要求6所述的一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，其特征在于：所述的N大于等于3，即当统计的连续至少3个交叉点时间间隔及相应的最大幅度差均满足预设的阈值，则判定当前为跑步状态，否则为非跑步状态。

8.根据权利要求6所述的一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，其特征在于：统计连续N个交叉点时间间隔及相应的最大幅度差后，计算平均时间间隔。

9.根据权利要求8所述的一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法，其特征在于：所述的步骤4中，当A1与A2均大于预设的阈值时，同时由步骤3中获得当前交叉点时间间隔与平均时间间隔进行比较，若当前交叉点时间间隔大于平均时间间隔，则认定为抬腕状态。

Images