CN115989393A - 测量方法和设备 - Google Patents
测量方法和设备 Download PDFInfo
- Publication number
- CN115989393A CN115989393A CN202180042013.3A CN202180042013A CN115989393A CN 115989393 A CN115989393 A CN 115989393A CN 202180042013 A CN202180042013 A CN 202180042013A CN 115989393 A CN115989393 A CN 115989393A
- Authority
- CN
- China
- Prior art keywords
- user
- period
- accelerometer
- acceleration
- data
- 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.)
- Pending
Links
- 238000000691 measurement method Methods 0.000 title description 2
- 230000001133 acceleration Effects 0.000 claims abstract description 322
- 230000033001 locomotion Effects 0.000 claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000009466 transformation Effects 0.000 claims abstract description 32
- 238000005311 autocorrelation function Methods 0.000 claims description 132
- 230000008569 process Effects 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 16
- 230000002093 peripheral effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 description 29
- 238000005259 measurement Methods 0.000 description 20
- 230000000694 effects Effects 0.000 description 14
- 210000003423 ankle Anatomy 0.000 description 8
- 210000000707 wrist Anatomy 0.000 description 8
- 230000000737 periodic effect Effects 0.000 description 7
- 238000000513 principal component analysis Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000005021 gait Effects 0.000 description 6
- 230000036541 health Effects 0.000 description 6
- 238000011282 treatment Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 238000010420 art technique Methods 0.000 description 2
- 230000037147 athletic performance Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000003278 mimic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 201000006417 multiple sclerosis Diseases 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 201000005569 Gout Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 208000027530 Meniere disease Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 206010058907 Spinal deformity Diseases 0.000 description 1
- 208000020339 Spinal injury Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 206010003246 arthritis Diseases 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 208000034158 bleeding Diseases 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 208000015114 central nervous system disease Diseases 0.000 description 1
- 206010008129 cerebral palsy Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 201000006938 muscular dystrophy Diseases 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 230000036407 pain Effects 0.000 description 1
- 238000000554 physical therapy Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000276 sedentary effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012911 target assessment Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/14—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by recording the course traversed by the object
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1112—Global tracking of patients, e.g. by using GPS
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
- G01C22/006—Pedometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
- G06F2218/20—Classification; Matching by matching signal segments by applying autoregressive analysis
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Physiology (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Navigation (AREA)
- Diaphragms For Electromechanical Transducers (AREA)
Abstract
公开了一种装置和方法,用于确定携带加速度计的用户在运动时的运动信息。该装置从加速度计接收相对于加速度计的参照系定义的加速度数据。确定变换并对加速度数据或从加速度数据导出的数据应用该变换,以确定是用户的参照系的加速度数据,用户的参照系包括用户的行进方向和横向于用户的行进方向的左右方向。分析加速度数据或从加速度数据导出的数据,以确定对应于用户行走或跑步时该用户的步幅时段或步长时段的时间段;使用关于左右方向上的加速度的信息来确定所确定的时间段是对应于用户的步幅时段还是对应于用户的步长时段。
Description
技术领域
本发明涉及测量用户的运动的领域。具体地但不排他地,本发明涉及用于测量和/或分析用户的运动以确定用户的步长时段(step period)和步幅时段(stride period)的方法和设备。
背景技术
例如活动监测器或计步器的设备被用来测量用户的运动。这些设备可以用来确定用户何时在行走,并且还可以由此确定用户的步数。
现有的设备通常针对日常市场(leisure market)—在这种市场中,准确性没有重复性那么重要。这些设备可以是为监测用户的步伐而设计的专用设备,也可以是采取在用户设备上运行的软件应用程序的形式,用户设备例如移动(蜂窝)电话、智能手表、或类似设备。任何使用过这些设备的人都会意识到,即使行走的距离相同,不同的设备时常给出大相径庭的步数。
现有的方法和设备分析当用户行走时由安装在用户设备中的加速度计生成的数据的振幅(magnitude)。具体地,现有的方法和设备通常计算该振幅数据随时间段变化的自相关性,或者更粗略地检测对应于脚跟着地(heel strike)的振幅数据中的尖峰(spike),以计算出对应于用户步数的周期性运动,然后对用户步数进行计数。然而,这些分析也捕获其他周期性运动,例如用户的步幅时段(第一脚跟着地和该第一脚跟下一次着地之间的时段),该步幅时段应该是步长时段(第一脚跟着地和第二脚跟着地之间的时间间隔)的大约两倍。通常,用户行走时的步长时段小于约0.8秒,并且现有技术通常将确定的时段与该阈值进行比较,以尝试区分步长时段和步幅时段。然而,发明人已经意识到,包括该阈值的现有方法会导致所进行的计算中出现错误。
需要能够更准确地确定用户的运动的设备和方法。这样的设备和方法当然可以用于日常市场,日常市场上的用户将需要更准确的信息,也可以为这种分析帮助开辟新的市场。例如,运动员总是在寻找能够准确分析其运动的设备和方法,以使这些运动员能够提高技术并获得超越竞争对手的优势。能够跟踪和准确地监测用户运动的设备也可以用于医学领域,用于远程诊断目的或收集可能与临床研究相关的数据。例如,可能需要运动信息与其他传感器和特定时间测量的相关性,并且缺乏这样的数据可能对确定治疗的功效具有负面影响。对于医学应用,由于准确性可能会影响治疗决策和/或药物试验的结果,这可能会产生严重的健康后果,因此对于准确性的要求尤其重要。
一些医学状况(例如中枢神经系统疾病)可能导致受试者具有不正常的行走方式,因此针对普通(即健康)人群优化的设备和算法可能不适用。
一些受试者可能不能或不愿意在特定位置(例如脚踝)佩戴设备或者不能或不愿意佩戴特定设备(例如手表),因此设备和算法在理想情况下应该与佩戴位置无关,并且应该在各种硬件设备上都有效,以适应这些困难。
发明内容
本发明的各方面在独立权利要求中列出,优选特征在从属权利要求中列出。
根据第一方面,提供了一种用于确定携带加速度计的用户在运动时的运动信息的装置和方法。该装置从加速度计接收相对于加速度计的参照系定义的加速度数据。确定变换并对加速度数据或从加速度数据导出的数据应用该变换,以确定用户参照系中的加速度数据,该用户的参照系包括用户的行进方向和横向于用户行进方向的左右方向。分析加速度数据或从加速度数据导出的数据,以确定对应于用户行走或跑步时该用户的步幅时段或步长时段的时间段;使用关于左右方向上的加速度的信息来确定所确定的时间段是对应于用户的步幅时段还是对应于用户的步长时段。
在一些实施例中,处理器和存储器用于使用关于左右方向上和行进方向上的加速度的信息来确定所确定的时间段是对应于用户的步幅时段还是对应于用户的步长时段。
处理器和存储器可以确定第一自相关函数以确定对应于用户的步幅时段或步长时段的时间段,并且可以处理第一自相关函数以标识第一自相关函数中与用户的步幅时段或用户的步长时段对应的自相关滞后处的峰值。在一些实施例中,处理器和存储器处理第一自相关函数以标识第一自相关函数中在零滞后峰值之后的最高峰值,并将对应于用户的步幅时段或用户的步长时段的时间段确定为与标识的最高峰值相关联的自相关滞后。
通常,处理器和存储器确定左右方向上的加速度的第二自相关函数,并根据第二自相关函数是否包括对应于步长时段或步幅时段的自相关滞后周围的峰值来确定该时间段是对应于步长时段还是对应于步幅时段。
可以确定左右方向上的加速度的第二自相关函数和行进方向上的加速度的第三自相关函数,并根据第二自相关函数是否包括对应于步长时段或步幅时段的自相关滞后周围的峰值来确定该时间段是对应于步幅时段还是对应于步长时段。第一自相关函数、第二自相关函数、以及第三自相关函数也可以用于确认用户在行走或未在行走。
上述第一自相关函数根据加速度计数据或根据变换后的加速度计数据计算,该变换后的加速度计数定义用户的参照系中的加速度。
在一个实施例中,处理器和存储器用于确定并应用第一变换和第二变换,该第一变换将加速度计数据或从加速度计数据导出的数据的第一轴与垂直轴对齐,该第二变换将加速度计数据或从加速度计数据导出的数据的第二轴与行进方向对齐,并将加速度计数据或从加速度计数据导出的数据的第三轴与左右方向对齐。这些变换通常包括旋转(rotation)。
在一个实施例中,处理器和存储器用于:当关于左右方向上的加速度的信息与关于行进方向上的加速度的信息匹配时,确定所确定的时间段对应于用户的步幅时段;当关于左右方向上的加速度的信息与关于行进方向上的加速度的信息不匹配时,确定所确定的时间段对应于用户的步长时段。
用户的参照系通常包括横向于行进方向和左右方向的垂直方向。
在一个实施例中,处理器和存储器用于处理加速度数据以标识加速度数据内的行走时段,并且用于使用来自所标识的行走时段内的加速度数据来确定对应于用户的步幅时段或步长时段的时间段。
行进方向和左右方向可以被标识为水平面中在接收的加速度数据中具有最大可变性和最小可变性的方向。或者,安装在用户设备中的指南针或全球定位系统(例如GPS)可以提供行进方向的信息。
处理器和存储器可以用于使用确定的步长时段或步幅时段来确定用户对应于行走或跑步的运动的步数。该步数信息可被存储和/或输出给用户(例如,输出到用户设备的显示器上)。步数信息也可以发送到远程计算机。
本发明还提供了一种用于确定携带加速度计的用户在运动时的运动信息的装置,装置包括一个或多个处理器和存储器以:从加速度计接收加速度数据,加速度数据定义由用户的运动引起的加速度计所经历的加速度,加速度相对于与加速度计相关联的参照系定义;对加速度数据或从加速度数据导出的数据应用变换,以将参照系变换为用户的参照系,用户的参照系包括用户的行进方向和横向于用户的行进方向的左右方向;确定加速度数据或从加速度数据导出的数据的第一自相关函数;确定行进方向上的加速度的第二自相关函数;确定左右方向上的加速度的第三自相关函数;使用第一自相关函数、第二自相关函数、以及第三自相关函数确定用户是否在行走。
本发明还提供了一种用于确定携带加速度计的用户在运动时的运动信息的装置,装置包括一个或多个处理器和存储器以:从加速度计接收加速度数据,加速度数据包括对于多个时间点中的每个时间点的由加速度计的方位定义的第一多个正交方向上的加速度值,每个加速度值表示加速度计在给定时间点在第一多个正交方向中的一个正交方向上的加速度;将加速度数据变换成变换后的加速度数据,变换后的加速度数据包括对于多个时间点中的每个时间点的由用户的方位定义的第二多个正交方向上的加速度值,每个加速度值表示加速度计在第二多个正交方向中的一个正交方向上的加速度运动,第二多个正交方向包括用户的行进方向和横向于用户的行进方向的左右方向;分析加速度数据或变换后的加速度数据的至少一部分,以确定对应于用户的步幅时段或步长时段的时间段;使用与用户在至少左右方向上的运动相关的变换后的加速度数据来确定所确定的时间段是对应于用户的步幅时段还是对应于用户的步长时段。
上述装置可以形成由用户携带的用户设备(例如移动(蜂窝)电话、智能手表等)的一部分,加速度计可以形成用户设备的一部分或者可以在与用户设备通信的单独设备中。上述装置还可以形成中央服务器的一部分,该中央服务器从用户设备接收加速度数据,并处理接收到的加速度数据以确定运动信息。
本发明还提供了一种用于确定携带加速度计的用户在运动时的运动信息的方法,该方法包括:从加速度计接收加速度数据,加速度数据定义由用户的运动引起的加速度计所经历的加速度,加速度相对于与加速度计相关联的参照系定义;对加速度数据或从加速度数据导出的数据应用变换,以将参照系变换为用户的参照系,用户的参照系包括用户的行进方向和横向于用户的行进方向的左右方向;分析加速度数据或从加速度数据导出的数据,以确定对应于用户行走或跑步时该用户的步幅时段或步长时段的时间段;使用关于左右方向上的加速度的信息来确定所确定的时间段是对应于用户的步幅时段还是对应于用户的步长时段。
本发明还提供了一种计算机程序产品(该计算机程序产品可以是有形的计算机可读介质或载波信号),该计算机程序产品包括用于使可编程计算机设备用于上述装置的计算机可实现指令。
本发明还提供了一种临床试验系统,包括与多个用户设备通信的中央计算机,每个用户设备被布置为收集与用户设备关联的用户的运动相关的加速度数据;并且其中,中央计算机或至少一个用户设备包括如上所述的装置。
附图说明
现在将参照附图来描述本发明的示例性实施例,在附图中:
图1A示出了一项临床试验的示意图,其中,参加该试验的用户的运动由该用户所佩戴或携带的用户设备确定并报告给中央服务器以进行收集和分析;
图1B是示出图1A所示系统的主要电子部件的框图;
图2是示出图1B所示的用户设备的主要组件的框图;
图3是示出用于确定用户的步长时段或步幅时段的现有技术的流程图;
图4是示出根据用户行走时获得的加速度计数据计算的自相关函数的图;
图5是示出用于确定用户行走时的步长时段和步幅时段的优选技术的流程图;
图6是示出根据用户行走时获得的加速度计数据计算并用于确定是步长时段还是步幅时段的自相关的图;以及
图7示出了用于确定运动的时段是否对应于行走或未在行走的时段的优选方式的流程图。
在附图中,使用相同的附图标记指示相同的元件。
具体实施方式
概述
如上所述,本发明提供了分析用户运动的可替代方法。本发明所提供的方法和设备可以用在例如健身追踪器、表现管理等各种应用中。然而,本发明也可用于医学环境中,现在将对其进行描述。
更具体地,图1A和图1B示出了可以在临床试验系统10中如何使用本发明,在该系统10中多个受试者(下文中也称为用户)30a至30e使用相应的用户设备100a至100e监测对应的受试者30a至30e在行走时的运动。由用户设备100采集的信息经由通信网络120(在图1A中用虚线40a至40e表示)传输回中央服务器140,结果可以显示在门诊20内。
门诊20可以是例如医院或医生诊疗室的卫生服务中心。该门诊20可以包括单个中心或位于多个不同地理位置的多个中心。受试者30a至30e是门诊20的患者,在参加由门诊20组织的医学试验。将医学试验中的每个患者分组到具有相同医学状况的组。
为每个受试者30a至30e提供用户设备100,该用户设备100可以是门诊专用的并且在试验结束之后归还到门诊。可替代地,门诊可以为受试者提供可以在受试者自己的用户设备上运行的软件应用,该用户设备是例如蜂窝电话或智能手表等。在任一种情况下,要求每个受试者佩戴或携带他们的用户设备,以使得与用户设备关联的加速度计可以在临床试验期间记录到用户的运动。如图1B所示,一些用户设备100具有内置的加速度计102,但一些用户设备100(在这一示例中是用户设备100a)没有。在用户设备100不具有加速度计的情况下,提供单独的体动(actigraphy)测量设备101,体动测量设备101具有用于记录受试者30a的运动的加速度计102-a。用户设备或体动测量设备101由受试者佩戴或携带在例如受试者的手腕周围、脚踝周围、口袋中、皮带上、握在手中、放置在受试者佩戴的包中、或作为吊坠佩戴在受试者的例如脖子周围。
加速度计通常提供三个正交方向的加速度信息,该三个正交方向取决于加速度计的方位。通过分析加速度计数据,用户设备100可以确定有关受试者的运动信息,之后将该运动信息作为受试者数据传输到(无线或通过有线连接)到中央服务器140以作为医学试验的一部分进行进一步分析。
在一个示例中,提供给中央服务器140的受试者数据包括行走数据和标识数据,该标识数据标识出与行走数据相关的受试者。行走数据可以包括以下中的一项或多项:在由试验所指定的时段(例如,一天、一周、一个月、或一年)内的步数、行走或活动时段、行走距离、和燃烧的卡路里。可以在受试者到访门诊时从用户设备100中取回受试者数据,或者通过蜂窝电话、有线电话、或计算机网络(无线或通过有线连接)将受试者数据传输到门诊。可以用物理观察和测试补充在门诊收集的受试者数据,且这种物理观察和测试只能在门诊20进行而不能远程监测。对于确保医学试验接收到监测时段期间受试者活动的真实表示,提供给门诊20的有关受试者在门诊20之外和在家里的活动数据的准确性很重要。这可以帮助确定临床试验治疗的疗效。
在另一示例中,提供给中央服务器140的受试者数据包括受试者的标识数据和加速度计数据,以便于中央服务器140处理每个受试者的加速度计数据,中央服务器140从该加速度计数据中算出每个受试者的行走数据。虽然没有在图1B中示出,但在这一情况中,中央服务器140还包括用户界面和/或软件,该用户界面包括例如键盘的用户输入设备,该软件用于处理从系统的用户设备处收集的数据。
指示受试者活动的受试者数据(例如,行走数据)是衡量受试者健康或健壮水平的良好指标。例如,由于步数是衡量一般健康的指标,因此可以将受试者数据用作衡量康复的指标。步数增大体现运动能力提升,这可以指示患者的好转,而步数减少或停滞可能指示患者对于治疗没有反应或没有体现出改善,甚至体现出患者病情加重。与治疗效果逐渐消失时相比,在治疗效果最大的时间段期间步数的增大可以指示出治疗效果。在一些情况下,步数可以指示需要将患者召唤到门诊,或者可以指示患者可能需要在医院呆一小段时间。在一些示例中,门诊可以使用收集到的患者数据帮助患者预约与所需的预约医生或临床医生会见。
由用户设备提供的行走数据也可以用于为多个受试者30a至30e中的一个或多个提供个性化的锻炼计划,根据受试者的个人需求和/或数据所指示的能力进行定制。在受试者的步数太低时,可以向受试者发送提示以鼓励受试者积极活动。
对于具有一种或多种已知会影响行走能力的医学状况的患者,研究行走数据尤其有用。在一些情况下,暂时性步态或平衡并发症可能是由损伤、创伤、炎症、或疼痛引起的。在另一些情况下,例如步态、平衡、和协调等行走问题可能是由特定条件引起的。一些在测量行走活动方面可能尤其重要的条件包括但不限于:关节炎、多发性硬化症(multiplesclerosis,MS)、梅尼埃病(Meniere’s disease)、由例如出血或肿瘤引起的脑损伤、帕金森病(Parkinson’sdisease)、髋部或下肢的骨科手术、癌症和关联治疗、大脑性瘫痪、肥胖症、痛风、肌营养不良、脑卒中、脊柱损伤、畸形等。
步长和步幅计数数据也可以用于运动表现的测量和管理。可以向运动员或其训练员和教练提供运动活动的目标评估期间的步长和步幅计数的详细分析。这些数据可以用于指导训练方案,以改善运动表现。
步长和步幅计数数据还可以用于物理治疗的性能测量和管理。可以向患者或其治疗师和医生提供在有管理或无管理的治疗会诊活动期间的目标评估期间的步数和步幅计数的详细分析。这些数据可以用于指导治疗方案,以改善康复程序。
用户设备
图2是用于在上文描述的系统中使用的典型用户设备100的框图。如图所示,在这一情况中,用户设备100具有加速度计102,该加速度计102向至少一个中央处理单元(central processing unit,CPU)108提供加速度计数据。由存储在存储器106中的软件指令控制CPU 108的操作。如图所示,软件指令包括操作系统106-1和运动分析应用106-2。由运动分析应用106-2处理来自加速度计102的加速度计数据,以计算出受试者的行走数据。
用户设备100还包括通信接口110,用于将由运动分析应用106-2确定的受试者数据传送到中央服务器140;以及,包括键盘112-1和显示屏112-2的用户界面112,以允许受试者与用户设备100交互。显示屏112-2可以显示一个或多个图标,用于向用户提供信息和/或以下中的一个或多个:时间、日期、步数、特定活动图标(行走、跑步、骑行等)、活动时长、关于活动的提醒信息和/或指示、网络连接状态、电池剩余电量、以及其他任何要给用户显示的有用信息。
加速度计数据分析
在描述由运动分析应用106-2处理加速度计数据的方式之前,将参照图3描述由健康追踪器(fitness tracker)等处理加速度计数据以确定用户的步长的传统方式。
在步骤310中,从加速度计102接收数据。加速度计数据包括由时间索引的一系列数据点,在时间为t时,(读取自)加速度计的数据点包括三个正交方向(Ax、Ay、和Az)的加速度测量(AAx(t)、AAy(t)、AAz(t))。三个正交方向Ax、Ay、和Az与加速度计102的方位对齐或由加速度计102的方位定义,而不是与携带该加速度计的人的方位或其他任何地理坐标系对齐。加速度计102的读数通常以g为单位提供,其中g是由地球表面重力而来的加速度(9.8m/s2)。采样率(加速度计102提供加速度读数的速率)随加速度计不同而变化,并且通常是可配置的,但是对于分析行走,有用的采样率应该至少为20Hz,最好是更高的例如30Hz或100Hz。
在接收到加速度计数据时,传统设备对数据进行低通滤波,以移除加速度计数据中与用户的行走运动无关的高频变化。低通滤波器通常具有约10Hz的截止频率(cut-offfrequency)。在步骤320中,处理时间序列(time series)加速度计数据以标识有别于用户未在行走的其他时段的行走的时段。有各种方法可以进行这种确定。通常,分离行走时段与其他时段的传统方式是将加速度计数据的振幅与阈值进行比较,以标识可能对应于行走的活动的时段。在时间t提供的加速度数据的振幅可以如下计算:Amag(t)=sqrt(AAx(t)2+AAy(t)2+AAz(t)2)。然后分析标识的时段以确定这些时段的周期性模式(periodic pattern)是否对应于行走时段的周期性模式(即,与典型的步幅时段或步长时段一致)。
在步骤325中,执行自相关分析以检测在步骤320中计算的时间序列振幅数据中的周期性模式。具体地,自相关单元106-2-4计算在步骤320中标识的每个分离出的行走时段(或行走的区段(section))中获得的时间序列振幅数据M(t)的自相关。即,自相关单元106-2-4进行如下计算:
其中,AC(k)是在滞后k处的自相关;Amag(n)是分离出的行走时段(区段)内在时间n的加速度计振幅;并且T是分离出的行走时段内的振幅值的数量。计算每个行走时段的自相关函数。因此,如果步骤320分离出20个行走时段,则在步骤325中,自相关单元106-2-4计算20个自相关函数——每个分离出的行走时段一个自相关函数。
在步骤330中,分析在步骤325中计算的每个自相关函数,以确定将在自相关函数中找到的零滞后峰值(zero-lag peak)之后的最高峰值处的滞后。计算出的滞后对应于用户的步幅时段或用户的步长时段。为了示出这种分析,图4是表示在步骤325中针对分离出的行走时段(区段)之一确定的自相关函数的图。自相关函数是关于零滞后(k=0)对称的,并且图中仅示出了对应于非负滞后的部分。对应于步幅时段和步长时段的峰值分别用圆圈和方块标记。典型的步幅时段在1.0秒至1.2秒之间(每分钟100步-120步),典型的步长时段是该值的一半。
在零滞后和自相关函数小于零的第一点之间计算的自相关函数的部分被认为是零滞后峰值。自相关函数中在零滞后峰值之后的最高峰值的滞后被认为是步长时段或步幅时段。由于在多个定义的滞后处计算自相关函数,因此所计算的自相关值可能不包括恰好在峰值处的自相关值。可以使用插值来确定对与自相关函数中的峰值对应的滞后的潜在更准确的估计。这可以通过以下来实现:例如将二阶多项式拟合到计算的峰值及其相邻两侧的值,并将多项式函数的峰值作为自相关函数的峰值,以计算出对应于最高峰值的更准确的滞后值。
在步骤340中,确定对应于标识的最高峰值的滞后是否对应于用户的步长时段或步幅时段。取决于用户步态的对称程度以及加速度计的佩戴位置,在步骤330(或步骤335)中计算的滞后可以对应于步长时段或步幅时段。例如,假设受试者的步态是对称的,如果加速度计佩戴/固定在用户的身体的中央部位(例如,将电话固定在用户的胸前,或者将设备附接在用户的背部),则左步和右步将在加速度计处产生非常相似的加速度振幅,并且计算出的滞后可能对应于步长时段。另一方面,如果将加速度计附接在脚踝或手腕上,则左步和右步可能导致完全不同的加速度数据,并且计算出的滞后可能对应于步幅时段。
在图4所示的示例自相关函数中,该自相关函数中滞后为0.5秒处的峰值与该自相关函数中滞后为1.0秒处的峰值几乎一样高,并且加速度计数据中的微小变化可能决定哪个峰值是最高的,进而决定在步骤330中哪个峰值被标识为最高峰值。
为了确定在自相关函数中发现的最高峰值是对应于步幅时段还是步长时段,传统健康设备将确定的滞后与阈值进行比较。对于特定时刻的特定个体,步长时段将是步幅时段的一半(假设右步长时段和左步长时段相同)。因此,如果发现滞后低于阈值(例如0.8秒),则可以假设最高峰值对应于步长时段;如果发现滞后高于该阈值,则可以假设最高峰值对应于步幅时段。
然后,针对每个分离出的行走时段计算的确定的步长时段/步幅时段用于计算用户行走的各种特征——例如走的步数、用户行走的时长等,并且这样的信息被输出(通常显示)到用户和/或中央服务器。
然而,在给定人群中,步幅时段和步长时段之间会有重叠:一些个体的步长时段可能比其他人的步幅时段长。因此,使用阈值来尝试确定计算的滞后时段是对应于步长时段还是步幅时段是有缺陷的,并且将导致错误。将上述用户设备校准到携带设备的个体或提供关于该个体的附加信息(例如其身高)可能有助于减少这些错误。然而,取决于这些个体在任何时刻的步态(例如,跑步与行走),即使对于特定的个体,其步幅时段和步长时段之间也可能存在重叠。因此,在大多数情况下,使用阈值计算来确定计算的滞后时段是对应于步长时段还是步幅时段将导致结论错误,并且这将影响所获得的步数的准确性。例如,如果确定计算的滞后时段对应于步长时段,而实际上该滞后时段对应于步幅时段,那么计算的步数将是真实值的一半,这可能对其他参数(例如速度和行进距离)的估计产生连锁效应。相反,如果确定计算的滞后时段对应于步幅时段,而实际上该滞后时段对应于步长时段,那么计算的步数将是真实值的两倍。
测量分析应用
已经开发了测量分析应用程序106-2以至少减少传统系统的这些错误中的一些,并且根据加速度计数据确定更准确的步长和/或步幅信息。现在将详细描述测量分析应用106-2在本实施例中操作的方式。
参考图2和图5,在步骤505中,测量分析应用106-2从加速度计102接收时间序列测量数据。如上所述,在时间t来自加速度计的加速度数据被定义为(AAx(t)、AAy(t)、AAz(t)),其中,沿着由加速度计102的方位定义的三个正交方向(Ax、Ay和Az)计算加速度。因此,每个加速度数据点有效地定义了一个向量,该向量定义了加速度计102在测量时间t经历的加速度所获得的方向。在步骤510中,可选的低通滤波器106-2-1对从加速度计接收的时间序列测量数据点进行滤波,以移除加速度计测量中与用户的行走运动无关联的高频变化。低通滤波器的截止频率通常在8Hz到20Hz之间,最好是约为10Hz。
在步骤515中,行走时段检测单元106-2-2处理加速度计数据以检测用户在行走或跑步时的时段。如上所述,可以使用各种方法检测这些时段。在典型的情况下,一个分离出的行走时段大约是10秒到20秒。如果检测到时间较长的行走时段,这些较长的时段通常被分成几个区段,每个区段通常有10秒到20秒长。
然后,变换单元106-2-3处理加速度计数据,以将测量值投影到由用户行走的方位定义的坐标参照系中,具体地,使得z轴与垂直方向对齐,y轴与用户行进的方向对齐,x轴与横向于行进方向的水平方向对齐。在该实施例中,这通过以下方式实现::
1)在步骤520中确定一段时间(几秒钟)的平均加速度向量:
其中,A(n)是时间n的加速度计数据点;N由加速度计的采样率和计算该平均值的时间段定义。重力是由加速度计102测量的加速度的最大静态分量。加速度计所经历的其他加速度将包括前方向、后方向、以及左右方向的加速度,当对时间进行平均时,这些加速度在某种程度上相互抵消。作为结果,在步骤520中计算的平均向量标识垂直方向。
2)在步骤525中,变换单元106-2-3使用确定的平均向量来执行第一变换,该第一变换将来自加速度计的每个加速度数据点(A(t)——在进行低通滤波之后(如果执行低通滤波的话))投影到水平面上,如下所示:
Aproj(t)=A(t)–(A(t)·Amean U)Amean U
其中,Amean U是在步骤520中确定的平均加速度向量的单位向量。虽然所得到的投影后的数据点的z轴与垂直轴对齐,但是加速度计的投影后的y轴不太可能与行进方向(前方向和后方向)对齐,并且加速度计的投影后的x轴不太可能与横向于行进方向的方向(左右方向)对齐。
3)在步骤530中,变换单元106-2-3有效地计算出需要应用于投影后的加速度数据的旋转,以将加速度计的投影后的x轴和y轴分别与期望的左右方向和前/后方向对齐。可以用不同的方法获得旋转角度。在本实施例中,在将投影后的数据点中的z轴的值设置为零之后,变换单元106-2-3对投影后的数据执行主成分分析(principal component analysis,PCA)。PCA分析将确定水平面中可变性最大和可变性最小的两个正交方向。可变性最大的方向通常对应于前/后方向(y方向)的运动,可变性最小的方向通常对应于左右方向(x方向)的运动。通过PCA分析标识的正交方向有效地限定了需要应用于投影后的数据点的水平面内的旋转,以将加速度计的投影后的x轴和y轴分别与期望的左右方向以及前方向和后方向对齐。
4)在步骤535中,变换单元106-2-3将在步骤530中确定的旋转应用于在步骤525中获得的投影后的加速度计数据。对于时间t的加速度计数据,生成了变换后的加速度数据点:Arot proj(t),该加速度数据点标识垂直方向(z轴)上的加速度、前后方向(y轴)上的加速度、和左右方向(x轴)上的加速度。
在步骤540中,对于由行走时段确定单元106-2-1标识的每个分离出的行走时段,自相关单元106-2-4计算垂直的加速度数据(z轴数据)的自相关函数、前后的加速度数据(y轴数据)的自相关函数、以及左右的加速度数据(x轴数据)的自相关函数。即计算以下自相关函数:
应注意,上述处理可能导致x和y的数据互换——也就是说,y轴数据实际上可能对应于左右的加速度测量,而x轴数据可能对应于前/后的加速度测量。然而,从下面的讨论中可以明显看出,这并不重要。
图6示出了三个自相关函数的图,这些自相关函数针对滞后(k)在0秒到4秒之间的一个分离出的行走时段计算。z(垂直)方向(ACz)上的自相关函数通常比x(左右)方向(ACx)上的自相关函数和y(前/后)方向(ACy)上的自相关函数大得多,因此为了便于比较,图6所示的每个自相关函数在零滞后下都被缩放为统一尺度(uniity)。
如图6所示,z方向(ACz)的自相关函数的图与原始加速度数据振幅的自相关函数的图(如图4所示)相似,并且在0.5秒(步长时段)和1.0秒(步幅时段)处都具有强峰值。然而,同样,ACz中零滞后峰值之后的最高峰值可能对应于步长时段或步幅时段。x方向和y方向(ACx和ACy)的自相关函数在1.0秒(步幅时段)处也有明显的峰值。用于生成图6所示的示例自相关函数的数据从佩戴在手腕上的用户设备获得,并且步长时段处的自相关函数ACy的峰值存在,但是被抑制。对于佩戴在中央部位的设备,步长时段处的自相关函数ACy的峰值会更明显。然而,无论如何携带或佩戴用户设备,自相关函数ACx在0.5秒(步长时段)处缺少峰值。
下面的表1总结了对于用户设备/加速度计的不同佩戴位置,在垂直(ACz)方向、前后(ACy)方向、和左右(ACx)方向的自相关函数中在对应于步幅时段和步进时段的滞后处是否可能存在峰值。
ACx可能会在步长时段呈现波谷(trough)。ACx在步长时段不存在峰值可以用来区分ACz中在零滞后峰值之后的最高峰值是对应于步幅时段还是步长时段——而无需使用阈值。
具体地,在步骤545中,分析单元106-2-5处理针对垂直方向获得的自相关值ACz,以标识与零滞后峰值之后的最大峰值对应的滞后。如上所述,可选的插值单元106-2-6可以使用插值(该插值使用多项式函数)来确定对与该最大峰值对应的滞后的更准确的估计。然后,在步骤550中,步长/步幅确定单元106-2-7确定x方向和y方向(ACx和ACy)的自相关函数是否在步骤545中标识的滞后处也具有峰值。如果ACx和ACy都在该滞后处(或附近)也具有峰值,则步长/步幅确定单元106-2-7确定在步骤545中标识的滞后对应于用户的步幅时段。然而,如果ACx和ACy中只有一个在所标识的滞后处具有峰值(或者ACx和ACy在所标识的滞后处都不具有峰值),则步长/步幅确定单元106-2-7确定在步骤545标识的滞后对应于用户的步长时段。存在用于确定ACx或ACy是否呈现“峰值”的各种不同方式:通常,在步骤545中标识的滞后处或其附近将存在峰值(即,自相关函数中高于相邻两侧样本的样本)。在其他实施例中,如果在确定的滞后处的ACx或ACy高于阈值(该阈值可以是零或者可以相对于在零滞后处的自相关),则在确定的滞后处的ACx或ACy被认为是峰值。应注意,这种方法不依赖于以下假设:y对应于前后方向并且x对应于左右方向;如果x对应于前后方向,y对应于左右方向,则该方法仍然有效。
一旦步长/步幅确定单元106-2-7已经确定在步骤545中标识的滞后是对应于用户的步长时段还是对应于用户的步幅时段,则在步骤555中,运动分析应用106-2可以计算用户在行走时段期间所走的步数。然后在步骤560中,输出该信息。步数可以在显示器112-2上输出给用户,和/或该步数可以与其他相关的行走数据和标识与该数据相关的用户的标识符一起发送到中央服务器140以用于临床试验。
修改和变化
上文中已经描述了详细的实施例。可以对上述实施例进行各种修改和改变。现在将描述其中一些变化。
在上述实施例中,存在一个隐含的假设,即加速度计102的方位在步骤515中确定的每个分离出的行走时段内保持相同(恒定),并且计算该行走时段内的自相关函数。还假设行走的特征(特别是步长时段/步幅时段)在分离出的行走时段内相对恒定。特别是对于时间较长的分离出的行走时段,这些假设可能是不正确的。为了解决这个问题,分离出的行走时段可以被划分成更小的子区段或时期(epoch)(在时间上可以重叠或可以不重叠),然后对加速度计数据的每个更小的子区段执行步骤520的上述分析。每个子区段的持续时间应该至少有3秒长以包含一些步幅。对于子区段,当在步骤530中计算旋转时,从一个子区段到下一个子区段,PCA分析可以使确定的旋转突然改变。可以使用插值(例如,使用四元数表示(quaternion representation)或其他手段)来提供相邻子区段的旋转之间的平滑过渡。来自其他传感器(特别是也可以安装在用户设备中的陀螺仪)的数据也可以用于确定用户设备方位的变化,从而确定将加速度数据与用户的行进方向对齐所需的旋转变化。
在上述实施例中,来自加速度计的测量被解析为垂直方向(z)以及对应于用户行进方向和左右方向的x方向和y方向。然后计算x方向、y方向和z方向的测量的自相关函数。在替代实施例中,可以对(在变换之前或之后的)加速度计数据的幅值执行自相关,而不是确定加速度数据在z方向上的自相关函数。仍将像之前一样计算和使用x方向和y方向上的自相关函数,以确定振幅数据的自相关函数中在零滞后峰值之后的最高峰值是对应于用户的步幅时段还是对应于用户的步长时段。
在上述实施例中,分析单元106-2-5使用主成分分析来计算出将加速度计的投影后的x轴和y轴与用户的行走方向和左右方向对齐所需的旋转。代替使用PCA来确定此旋转,在用户设备中提供的卫星导航系统(例如全球定位系统(global positioning system,GPS))可以提供用户在行走的地理方向,并且用户设备中的指南针可以提供设备相对于地理轴(geographic axes)的方位,并且由此分析单元106-2-5可以计算出将来自加速度计的加速度数据映射到用户行走的参照系上所需的旋转(y对应于用户在行走的方向,其中,x在水平面中横向于y,z为垂直方向)。
或者,如果设备处于相对于用户行进方向的固定的、已知的方位(例如,如果该设备保持指向行进方向),则将来自加速度计的加速度数据映射到用户的参照系上所需的旋转可能已经是已知的。
在上述实施例中计算的x、y、z的自相关函数也可用于区分行走和其他活动。例如,行走检测算法可能会被摆动手臂的用户(用户设备佩戴在手腕处)误导——如果摆动时段类似于典型的步幅时段,那么手臂摆动可能会被错误地理解为行走。在x、y、z方向上确定的自相关数据可用于确认行走时段确实是行走时段,而不是用户使设备运动以试图模仿行走运动。
图7是示出系统可以更准确地确定运动的时段是对应于行走时段还是对应于试图模仿行走的一些其他用户运动的方式的流程图。
在步骤710中,设备确定ACz中在零滞后峰值之后的最高峰值(或振幅加速度计数据的自相关中的最高峰值)是对应于用户的步幅时段还是步长时段(这有效地对应于在图5的步骤550或步骤555中做出的确定)。如果最高峰值对应于用户的步幅时段,则过程进行到步骤715,如果最高峰值对应于步长时段,则过程进行到步骤740。
在步骤715中,行走确定单元106-2-2处理z(垂直)方向(ACz)的自相关函数,以确定该自相关函数中在对应于步幅时段的滞后的一半的滞后处是否具有峰值。在步骤720中,如果在ACz中在步幅时段的一半处发现峰值,则过程进行到步骤725。如果在ACz中在步幅时段的一半处未发现峰值,则在步骤735中行走确定单元106-2-2确定用户在该时段中实际上未在行走。
在步骤725中,行走确定单元106-2-2检查x方向和y方向(ACx和ACy)的自相关函数,以确定是否ACx和ACy中至多有一个在步幅时段的一半处也包含峰值。如果ACx和ACy在步幅时段的一半处都包含峰值,则处理进行到步骤735,其中,行走确定单元106-2-2再次确定当前时段中的运动实际上不是行走。如果ACx和ACy在步幅时段的一半处都不具有峰值或只有一个在步幅时段的一半处具有峰值,则处理继续到步骤730,在步骤730中,行走确定单元106-2-2确认用户在当前时段中实际上在行走。
如果ACz中在零滞后峰值之后的最高峰值对应于用户的步长时段,则在步骤740中,行走确定单元106-2-2处理z(垂直)方向(ACz)的自相关函数,以确定该自相关函数在步长时段的两倍处是否具有峰值。如果ACz中在步长时段的两倍处未发现峰值,则在步骤755中,行走确定单元106-2-2确定用户在该时段中实际上未在行走。
在步骤750中,行走确定单元106-2-2检查x方向和y方向(ACx和ACy)的自相关函数,以确定ACx和ACy在步长时段的两倍处是否都包含峰值。如果ACx和ACy在步长时段的两倍处都不包含峰值,则处理进行到步骤755,其中,行走确定单元106-2-2再次确定当前时段中的运动实际上不是行走。如果ACx和ACy在步长时段的两倍处都具有峰值,则处理继续到步骤760,其中,行走确定单元106-2-2确认用户在当前时段中在行走。
在上述实施例中,步长/步幅确定单元考虑了前/后方向(y方向)和左右方向(x方向)上是否存在峰值,以确定在零滞后峰值之后的最高峰值的滞后时段是对应于步长时段还是步幅时段。优选地,上述技术在同一滞后处对不同自相关函数中的峰值进行计数。这有助于避免任何将前/后方向与左右方向混淆的错误。在其他实施例中,分析加速度计数据的设备可以仅假设所确定的左右方向(x方向)是正确的,然后可以根据x方向的自相关函数在所标识的滞后处是否包括峰值来确定所标识的滞后是对应于步长时段还是步幅时段。如果包括峰值,则对应于步幅时段,如果不包括峰值,则对应于步长时段。
在上述实施例中,通过查看不同方向上的数据的自相关函数来分析从加速度计获得的加速度计数据。自相关分析擅长突出加速度数据中由行走和跑步等重复运动引起的周期性变化。可以执行其他类型的分析来标识这些周期性变化(及其时段)。例如,可以确定和分析傅立叶变换(或其他频率分析,例如离散余弦变换)以标识频域中表示步长时段或步幅时段的峰值。
类似地,在上述实施例中,将来自加速度计的加速度数据从加速度计的坐标参照系变换到用户的坐标参照系,然后对变换后的加速度数据执行自相关。在替代实施例中,坐标系统的这种变换可以在计算了自相关函数之后发生。因此,可以首先对定义加速度计在Ax、Ay、和Az方向上的加速度的原始加速度计数据进行自相关分析,然后对自相关进行变换以考虑参照系中的变化。
此外,在用户的设备中具有内置的多个加速度计的情况下,可以分析来自每个加速度计的数据并对结果进行组合(例如平均)以计算出更准确或噪声更少的步长时段和/或步幅时段。类似地,当用户携带多个设备(例如蜂窝电话)和体动设备时,其中,这些设备都具有加速度计,系统可以使用来自两个加速度计的数据来确定步长时段和/或步幅时段。然后可以再次对来自两个(或多于两个)加速度计的测量进行平均以提高信噪比,或者可以使用来自一个加速度计的测量来证实或验证由从另一个加速度计获得的加速度数据确定的步长时段和/或步幅时段。
如上所述,计算的自相关函数中的峰值取决于加速度计是被佩戴或携带在用户的中央部位,还是被佩戴或携带在用户的手腕或脚踝上。发明人已经意识到,通过比较自相关函数中在步长滞后和步幅滞后处的峰值的幅度(amplitude),可以确定用户如何握住或佩戴加速度计。具体地,用户的设备或中央服务器可以比较自相关函数中与步长时段和步幅时段对应的滞后(滞后可以使用上述发明或使用其他现有技术来确定)处的峰值,并且如果这两个峰值具有相同值或相似值,或者如果步长时段处的峰值大于步幅时段处的峰值,则用户的设备或中央服务器可以确定加速度计正被佩戴或携带在中央部位。发明人已经发现,在这种情况下,如果步长时段处的峰值和步幅时段处的峰值彼此差值在10%至15%(或更少)之内,则可以认为步长时段处的峰值和步幅时段处的峰值具有相似值。然而,如果步幅时段处的峰值比步长时段处的峰值大20%或更多,则用户设备或中央服务器可以确定加速度计可能被佩戴或携带在用户的外围部位(例如在用户的手中或在用户的手腕或脚踝上)。类似地,如果对加速度数据执行频率分析而不是自相关分析,则可以通过比较频率图中对应于步长频率和步幅频率的频率处的峰值的振幅来确定加速度计是被佩戴/携带在中央部位还是外围部位(例如在用户的手腕或脚踝上)。了解加速度计设备是被携带在中央部位还是被携带在外围部位非常有用,因为了解这些信息有助于理解加速度数据并调整所使用的阈值。例如,如果加速度数据被用于确定用户的活动水平,则可以根据设备是被携带在中央部位还是被携带在外围部位来使用不同的阈值。特别地,如果用户坐在办公桌前写字或打字,佩戴在手腕上的设备可能会比佩戴在腰带上的设备经历更多的运动,并且如果中央服务器试图确定用户有多活跃,则需要考虑这种差异。尽管佩戴位置可能改变,但合理的假设是:在同一天,当用户行走时确定的佩戴位置与用户在可能久坐时将是相同的。此外,用于确定行走距离和其他步态参数(例如表征帕金森病患者步态冻结(freezing-of-gait)的参数)的一些算法假设加速度计设备被佩戴在脚踝,并且如果设备被佩戴在中央部位,则该算法将不太准确或者将需要重新校准。因此,对加速度计设备的佩戴位置的了解允许进行这种重新校准,从而提高测量的一致性和准确性,否则允许数据将被认为不太准确。
可以使用原始加速度数据(或其分量)上或加速度数据的振幅上的自相关函数(或频率函数)来确定加速度计的佩戴位置。如果使用上述技术将加速度数据解析为用户的参照系(垂直、左右、前后),则也可以通过比较横向(左右)加速度的主导时段(dominantperiod)与加速度数据的垂直分量或加速度振幅的主导时段来确定加速度计的佩戴位置。如果主导时段相同(或者在彼此可接受的容差水平内),则用户的设备或中央服务器可以确定加速度计最有可能被佩戴/携带在用户的四肢上(例如,在用户的手腕或脚踝上)。发明人已经发现,在这种情况下,可接受的容差水平在彼此的10%至15%之内。主导时段是对应于自相关函数的最大峰值的滞后(在零滞后峰值之后),在这种情况下,该滞后将对应于步幅时段。可以对经解析的加速度数据的频率图执行类似的分析。
然而,如果横向加速度的主导时段是垂直加速度分量或加速度振幅的主导时段的大约两倍,并且横向加速度分量在垂直加速度分量或加速度振幅的主导时段具有很少能量或没有能量,则用户的设备或中央服务器可以确定加速度计最有可能被携带/佩戴在更中央的身体部位上,例如在用户的胸部或腰部上(在这种情况下,横向分量的主导时段将在步幅时段,而垂直/振幅的主导时段将在步长时段)。
在上述实施例中,在用户设备中提供了用于处理加速度计数据的软件应用。可以在中央服务器的计算机中提供相同或类似的软件,以便中央服务器执行上述步长/步幅分析。该软件应用可以被提供为载波信号上或有形计算机可读介质上的计算机可实现指令。可替代地,可以在硬件电路中(例如在现场可编程门阵列(field programmable gatearray,FPGA)或专用集成电路(ASIC,application specific integrated circuit)设备中)定义软件应用的功能。
从上文的描述中可以理解的是,不同示例的许多特征是可以互换和组合的。本公开的内容延伸到包括来自不同示例且可以以未明确提及的方式组合的特征的其他实施例。事实上,在上文的示例中提出了许多特征,对于技术人员来说,显然这些特征可以有利地相互组合。
在上述实施例中,计算了各种滞后或时段。如本领域技术人员将理解的,如果确定了对应的频率,则将确定这样的时段。具体地,在上述实施例中,确定了步长时段和步幅时段。显然,如果确定了步长频率或步幅频率,这也隐含地意味着也确定了相应的步长时段或步幅时段,并且权利要求旨在覆盖这些频率的确定和/或上述时段/滞后的确定。
本申请还包括定义本发明各个方面的下列编号条款:
1.一种用于确定携带加速度计的用户在运动时的运动信息的装置,所述装置包括一个或多个处理器和存储器以:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
对所述加速度数据或从所述加速度数据导出的数据应用变换,以将所述参照系变换为所述用户的参照系,所述用户的参照系包括所述用户的行进方向和横向于所述用户的所述行进方向的左右方向;
分析所述加速度数据或从所述加速度数据导出的数据,以确定对应于所述用户的步幅时段或步长时段的时间段;以及
使用关于所述左右方向上的加速度的信息来确定所确定的所述时间段是对应于所述用户的所述步幅时段还是对应于所述用户的所述步长时段。
2.根据条款1所述的装置,其中,所述处理器和存储器用于使用关于所述左右方向上和所述行进方向上的加速度的信息来确定所确定的所述时间段是对应于所述用户的所述步幅时段还是对应于所述用户的所述步长时段。
3.根据条款1或2所述的装置,其中,所述处理器和存储器用于确定第一自相关函数,以确定对应于所述用户的所述步幅时段或所述步长时段的所述时间段。
4.根据条款3所述的装置,其中,所述处理器和存储器用于处理所述第一自相关函数以标识所述第一自相关函数中与所述用户的所述步幅时段或所述用户的所述步长时段对应的自相关滞后处的峰值。
5.根据条款4所述的装置,其中,所述处理器和存储器用于处理所述第一自相关函数,以标识所述第一自相关函数中在零滞后峰值之后的最高峰值,并将对应于所述用户的所述步幅时段或所述用户的所述步长时段的所述时间段确定为与标识的所述最高峰值相关联的所述自相关滞后。
6.根据条款4或5所述的装置,其中,所述处理器和存储器用于确定所述左右方向上的所述加速度的第二自相关函数,并用于根据所述第二自相关函数是否包括对应于所述步幅时段或所述步长时段的所述自相关滞后周围的峰值来确定所述时间段是对应于所述步幅时段还是对应于所述步幅时段。
7.根据条款4、5或6所述的装置,其中,所述处理器和存储器用于确定所述左右方向上的所述加速度的第二自相关函数和所述行进方向上的所述加速度的第三自相关函数,并用于根据所述第二自相关函数是否包括对应于所述步幅时段或所述步长时段的所述自相关滞后周围的峰值来确定所述时间段是对应于所述步幅时段还是对应于所述步幅时段。
8.根据条款7所述的装置,其中,所述处理器和存储器用于使用所述第一自相关函数、所述第二自相关函数、以及所述第三自相关函数来确认所述用户在行走或跑步、或者未在行走或未在跑步。
9.根据条款3至8中任一项所述的装置,其中,所述第一自相关函数是根据所述加速度计数据或根据从所述加速度计数据导出的数据计算的。
10.根据条款3至9中任一项所述的装置,其中,所述第一自相关函数根据变换后的所述加速度计数据计算,所述变换后的所述加速度计数据定义所述用户的参照系中的加速度。
11.根据前条款中任一项所述的装置,其中,所述处理器和存储器用于确定并应用第一变换,所述第一变换将所述加速度计数据或从所述加速度计数据导出的数据的第一轴与垂直轴对齐。
12.根据条款11所述的装置,其中,所述处理器和存储器用于确定并应用第二变换,所述第二变换将所述加速度计数据或从所述加速度计数据导出的数据的第二轴与所述行进方向对齐,并将所述加速度计数据或从所述加速度计数据导出的数据的第三轴与所述左右方向对齐。
13.根据条款12所述的装置,其中,所述第二变换包括旋转。
14.根据前述条款中任一项所述的装置,其中,所述处理器和存储器用于:
当关于所述左右方向上的加速度的所述信息与关于行进方向上的加速度的所述信息匹配时,确定所确定的所述时间段对应于所述用户的步幅时段;以及
当关于所述左右方向上的加速度的所述信息与关于所述行进方向上的加速度的所述信息不匹配时,确定所确定的所述时间段对应于所述用户的步长时段。
15.根据前述条款中任一项所述的装置,其中,所述用户的所述参照系包括横向于所述行进方向和所述左右方向的垂直方向。
16.根据前述条款中任一项所述的装置,其中,所述处理器和存储器用于处理所述加速度数据以标识所述加速度数据内的行走时段或跑步时段,并且用于使用来自所标识的行走时段或跑步时段内的加速度数据来确定对应于所述用户的步幅时段或步长时段的所述时间段。
17.根据前述条款中任一项所述的装置,其中,所述行进方向和所述左右方向被标识为水平面中在接收的所述加速度数据中具有最大可变性和最小可变性的方向。
18.根据前述条款中任一项所述的装置,其中,所述处理器和存储器还用于使用确定的所述步长时段或所述步幅时段来确定所述用户对应于行走或跑步的运动的步数。
19.一种用于确定携带加速度计的用户在运动时的运动信息的装置,所述装置包括一个或多个处理器和存储器以用于:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
对所述加速度数据或从所述加速度数据导出的数据应用变换,以将所述参照系变换为所述用户的参照系,所述用户的参照系包括所述用户的行进方向和横向于所述用户的所述行进方向的左右方向;
确定所述加速度数据或从所述加速度数据导出的数据的第一自相关函数;
确定所述行进方向上的加速度的第二自相关函数;
确定所述左右方向上的加速度的第三自相关函数;以及
使用所述第一自相关函数、所述第二自相关函数、以及所述第三自相关函数确定用户在行走或未在行走、或者在跑步或未在跑步。
20.一种用于确定携带加速度计的用户在运动时的运动信息的装置,所述装置包括一个或多个处理器和存储器以:
从所述加速度计接收加速度数据,所述加速度数据包括对于多个时间点中的每个时间点的由所述加速度计的方位定义的第一多个正交方向上的加速度值,每个加速度值表示所述加速度计在给定时间点在所述第一多个正交方向中的一个正交方向上的加速度;
将所述加速度数据变换成变换后的加速度数据,所述变换后的加速度数据包括对于所述多个时间点中的每个时间点的由所述用户的方位定义的第二多个正交方向上的加速度值,每个加速度值表示所述加速度计在所述第二多个正交方向中的一个正交方向上的加速度运动,所述第二多个正交方向包括所述用户的行进方向和横向于所述用户的行进方向的左右方向;
分析所述加速度数据或所述变换后的加速度数据的至少一部分,以确定对应于所述用户的步幅时段或步长时段的时间段;以及
使用与用户在至少所述左右方向上的运动相关的变换后的加速度数据来确定所确定的时间段是对应于用户的步幅时段还是对应于所述用户的步长时段。
21.根据前述条款中任一项所述的装置,其中,所述装置形成由所述用户携带的用户设备的一部分,并且其中,所述加速度计形成所述用户设备的一部分或者用于与所述用户设备通信。
22.根据前述条款中任一项所述的装置,其中,所述至少一个处理器和存储器用于从所述用户在行走或跑步时携带的多个加速度计获得加速度数据,并且使用来自所述多个加速度计的加速度数据确定所述步长时段或所述步幅时段。
23.根据条款22所述的装置,其中,所述至少一个处理器和存储器用于使用来自每个加速度计的加速度数据确定相应的步长时段或步幅时段,并且用于:i)对获得的步长时段或步幅时段进行平均;或ii)使用从另一加速度计获得的加速度数据或从所述加速度数据导出的数据来验证根据一个加速度计的加速度数据确定的步长时段或步幅时段。
24.根据条款22或23所述的装置,其中,所述加速度计安装在所述用户携带的同一用户设备中,或者其中,所述加速度计安装在所述用户携带的不同用户设备中。
25.根据条款24所述的装置,其中,所述加速度计安装在用户携带的不同用户设备中,所述不同用户设备位于不同佩戴位置。
26.一种用于确定携带加速度计的用户在运动时的运动信息的装置,所述装置包括:
用于从所述加速度计接收加速度数据的装置,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
用于对所述加速度数据或从所述加速度数据导出的数据应用变换以将所述参照系变换为所述用户的参照系的装置,所述用户的参照系包括所述用户的行进方向和横向于所述用户的所述行进方向的左右方向;
用于分析所述加速度数据或从所述加速度数据导出的数据以确定对应于所述用户行走或跑步时所述用户的步幅时段或步长时段的时间段的装置;以及
用于使用关于所述左右方向上的加速度的信息来确定所确定的所述时间段是对应于所述用户的所述步幅时段还是对应于所述用户的所述步长时段的装置。
27.一种用于确定携带加速度计的用户在运动时的运动信息的方法,所述方法包括:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
对所述加速度数据或从所述加速度数据导出的数据应用变换,以将所述参照系变换为所述用户的参照系,所述用户的参照系包括所述用户的行进方向和横向于所述用户的所述行进方向的左右方向;
分析所述加速度数据或从所述加速度数据导出的数据,以确定对应于所述用户行走或跑步时所述用户的步幅时段或步长时段的时间段;以及
使用关于所述左右方向上的加速度的信息来确定所确定的所述时间段是对应于所述用户的所述步幅时段还是对应于所述用户的所述步长时段。
28.一种有形计算机可读介质,包括计算机可实现指令,所述计算机可实现指令用于将可编程计算机设备配置为根据条款1至26中任一项所述的装置。
29.一种临床试验系统,包括与多个用户设备通信的中央计算机,每个用户设备被布置为收集与所述用户设备关联的所述用户的运动相关的加速度数据;并且其中,所述中央计算机或至少一个用户设备包括根据条款1至26中任一项所述的装置以分析加速度数据。
30.一种用于确定携带加速度计的用户在运动时的运动信息的装置,所述装置包括一个或多个处理器和存储器以:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
对所述加速度数据或从所述加速度数据导出的数据应用变换,以将所述参照系变换为所述用户的参照系以提供变换后的加速度数据或变换后的从加速度数据导出的数据,所述用户的参照系包括所述用户的行进方向和横向于所述用户的所述行进方向的左右方向;
处理所述变换后的加速度数据或变换后的从所述加速度数据导出的数据,以确定关于所述左右方向上的加速度的所述信息;
分析所述加速度数据或从所述加速度数据导出的数据,以确定与所述加速度数据或从所述加速度数据导出的数据的自相关函数或频率函数中的最大峰值对应的时间段,其中,确定的所述时间段对应于所述用户的步幅时段或步长时段;以及
使用关于所述左右方向上的加速度的所述信息来确定所确定的所述时间段是对应于所述用户的所述步幅时段还是对应于所述用户的所述步长时段。
31.一种用于确定携带加速度计的用户在运动时的运动信息的装置,所述装置包括一个或多个处理器和存储器以:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
对所述加速度数据或从所述加速度数据导出的数据应用变换,以将所述参照系变换为所述用户的参照系以提供变换后的加速度数据或变换后的从加速度数据导出的数据,所述用户的参照系包括所述用户的行进方向和横向于所述用户的所述行进方向的左右方向,所述加速度数据包括i)所述行进方向上的加速度的加速度数据,以及ii)所述左右方向上的加速度的加速度数据;
确定所述加速度数据或从所述加速度数据导出的数据的第一自相关函数;
确定所述变换后的加速度数据或所述变换后的从所述加速度数据导出的数据中包括的所述行进方向上的加速度的所述加速度数据的第二自相关函数;
确定所述变换后的加速度数据或所述变换后的从所述加速度数据导出的数据中包括的所述左右方向上的加速度的所述加速度数据的第三自相关函数;以及
使用所述第一自相关函数、所述第二自相关函数、以及所述第三自相关函数确定用户在行走或跑步、或者未在行走或未在跑步。
32.一种用于确定携带加速度计的用户在运动时的运动信息的方法,所述方法包括:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
对所述加速度数据或从所述加速度数据导出的数据应用变换,以将所述参照系变换为所述用户的参照系以提供变换后的加速度数据或变换后的从加速度数据导出的数据,所述用户的参照系包括所述用户的行进方向和横向于所述用户的所述行进方向的左右方向;
处理所述变换后的加速度数据或变换后的从所述加速度数据导出的数据,以确定关于所述左右方向上的加速度的所述信息;
分析所述加速度数据或从所述加速度数据导出的数据,以确定与所述加速度数据或从所述加速度数据导出的数据的自相关函数或频率函数中的最大峰值对应的时间段,其中,确定的所述时间段对应于所述用户的步幅时段或步长时段;以及
使用关于所述左右方向上的加速度的所述信息来确定所确定的所述时间段是对应于所述用户的所述步幅时段还是对应于所述用户的所述步长时段。
Claims (28)
1.一种用于确定携带加速度计的用户在运动时的运动信息的装置,所述装置包括一个或多个处理器和存储器以用于:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
对所述加速度数据或从所述加速度数据导出的数据应用变换,以将所述参照系变换为所述用户的参照系,所述用户的参照系包括所述用户的行进方向和横向于所述用户的所述行进方向的左右方向;
分析所述加速度数据或从所述加速度数据导出的数据,以确定对应于所述用户的步幅时段或步长时段的时间段;以及
使用关于所述左右方向上的加速度的信息来确定所确定的所述时间段是对应于所述用户的所述步幅时段还是对应于所述用户的所述步长时段。
2.根据权利要求1所述的装置,其中,所述处理器和存储器用于使用关于所述左右方向上和所述行进方向上的加速度的信息来确定所确定的所述时间段是对应于所述用户的所述步幅时段还是对应于所述用户的所述步长时段。
3.根据权利要求1或2所述的装置,其中,所述处理器和存储器用于确定第一自相关函数,以确定对应于所述用户的所述步幅时段或所述步长时段的所述时间段。
4.根据权利要求3所述的装置,其中,所述处理器和存储器用于处理所述第一自相关函数以标识所述第一自相关函数中与所述用户的所述步幅时段或所述用户的所述步长时段对应的自相关滞后处的峰值。
5.根据权利要求4所述的装置,其中,所述处理器和存储器用于处理所述第一自相关函数,以标识所述第一自相关函数中在零滞后峰值之后的最高峰值,并将对应于所述用户的所述步幅时段或所述用户的所述步长时段的所述时间段确定为与标识的所述最高峰值相关联的所述自相关滞后。
6.根据权利要求4或5所述的装置,其中,所述处理器和存储器用于确定所述左右方向上的所述加速度的第二自相关函数,并用于根据所述第二自相关函数是否包括对应于所述步幅时段或所述步长时段的所述自相关滞后周围的峰值来确定所述时间段是对应于所述步幅时段还是对应于所述步长时段。
7.根据权利要求4、5或6所述的装置,其中,所述处理器和存储器用于确定所述左右方向上的所述加速度的第二自相关函数和所述行进方向上的所述加速度的第三自相关函数,并用于根据所述第二自相关函数是否包括对应于所述步幅时段或所述步长时段的所述自相关滞后周围的峰值来确定所述时间段是对应于所述步幅时段还是对应于所述步幅时段。
8.根据权利要求7所述的装置,其中,所述处理器和存储器用于使用所述第一自相关函数、所述第二自相关函数、以及所述第三自相关函数来确认所述用户在行走或跑步、或者未在行走或未在跑步。
9.根据权利要求3至8中任一项所述的装置,其中,所述第一自相关函数是根据所述加速度计数据或根据从所述加速度计数据导出的数据计算的。
10.根据前述权利要求中任一项所述的装置,其中,所述处理器和存储器用于确定并应用第一变换,所述第一变换将所述加速度计数据或从所述加速度计数据导出的数据的第一轴与垂直轴对齐。
11.根据权利要求10所述的装置,其中,所述处理器和存储器用于确定并应用第二变换,所述第二变换将所述加速度计数据或从所述加速度计数据导出的数据的第二轴与所述行进方向对齐,并将所述加速度计数据或从所述加速度计数据导出的数据的第三轴与所述左右方向对齐。
12.根据前述权利要求中任一项所述的装置,其中,所述处理器和存储器用于:
当关于所述左右方向上的加速度的所述信息与关于行进方向上的加速度的所述信息匹配时,确定所确定的所述时间段对应于所述用户的步幅时段;以及
当关于所述左右方向上的加速度的所述信息与关于所述行进方向上的加速度的所述信息不匹配时,确定所确定的所述时间段对应于所述用户的步长时段。
13.根据前述权利要求中任一项所述的装置,其中,所述用户的参照系包括横向于所述行进方向和所述左右方向的垂直方向。
14.根据前述权利要求中任一项所述的装置,其中,所述处理器和存储器用于处理所述加速度数据以标识所述加速度数据内的行走时段或跑步时段,并且用于使用来自所标识的行走时段或跑步时段内的加速度数据来确定对应于所述用户的步幅时段或步长时段的所述时间段。
15.根据前述权利要求中任一项所述的装置,其中,所述行进方向和所述左右方向被标识为水平面中在接收的所述加速度数据中具有最大可变性和最小可变性的方向。
16.根据前述权利要求中任一项所述的装置,其中,所述处理器和存储器还用于使用确定的所述步长时段或所述步幅时段来确定所述用户对应于行走或跑步的运动的步数。
17.一种用于确定携带加速度计的用户在运动时的运动信息的装置,所述装置包括一个或多个处理器和存储器以用于:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
对所述加速度数据或从所述加速度数据导出的数据应用变换,以将所述参照系变换为所述用户的参照系,所述用户的参照系包括所述用户的行进方向和横向于所述用户的所述行进方向的左右方向;
确定所述加速度数据或从所述加速度数据导出的数据的第一自相关函数;
确定所述行进方向上的加速度的第二自相关函数;
确定所述左右方向上的加速度的第三自相关函数;以及
使用所述第一自相关函数、所述第二自相关函数、以及所述第三自相关函数确定用户在行走或未在行走、或者在跑步或未在跑步。
18.根据权利要求1至17中任一项所述的装置,其中,所述装置形成所述用户携带的用户设备的一部分,并且其中,所述加速度计形成所述用户设备的一部分或者用于与所述用户设备通信。
19.一种用于确定携带加速度计的用户在运动时的运动信息的方法,所述方法包括:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
对所述加速度数据或从所述加速度数据导出的数据应用变换,以将所述参照系变换为所述用户的参照系,所述用户的参照系包括所述用户的行进方向和横向于所述用户的所述行进方向的左右方向;
分析所述加速度数据或从所述加速度数据导出的数据,以确定对应于所述用户行走或跑步时所述用户的步幅时段或步长时段的时间段;以及
使用关于所述左右方向上的加速度的信息来确定所确定的所述时间段是对应于所述用户的所述步幅时段还是对应于所述用户的所述步长时段。
20.根据权利要求1至18中任一项所述的装置,所述装置形成临床试验系统的一部分,所述临床试验系统包括与多个用户设备通信的中央计算机,每个用户设备被布置为收集与所述用户设备关联的所述用户的运动相关的运动数据;并且其中,所述中央计算机或至少一个用户设备包括根据权利要求1所述的装置以分析加速度数据。
21.一种用于确定携带加速度计的用户在运动时的运动信息的装置,所述装置包括一个或多个处理器和存储器以用于:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度;
处理所述加速度数据或从所述加速度数据导出的数据,以确定所述用户的步长时段和步幅时段;
计算所述加速度计数据或从所述加速度计数据导出的数据的自相关函数或频率函数在确定的所述步长时段和步幅时段的峰值;
将计算的在所述步长时段的所述峰值与计算的在所述步幅时段的所述峰值进行比较,以确定所述加速度计是否被所述用户携带在所述用户的身体的中央部位,或者所述加速度计是否被所述用户携带在所述用户的身体的外围部位。
22.根据权利要求21所述的装置,其中,所述一个或多个处理器和存储器用于:如果计算的在所述步长时段的所述峰值大于计算的在所述步幅时段的所述峰值,则确定所述加速度计被携带在所述用户的身体的中央部位。
23.根据权利要求21或22所述的装置,其中,所述一个或多个处理器和存储器用于:如果计算的在所述步幅时段的所述峰值大于计算的在所述步长时段的所述峰值,则确定所述加速度计被携带在所述用户的身体的外围部位。
24.一种确定携带加速度计的用户在运动时的运动信息的方法,所述方法包括使用一个或多个处理器和存储器以:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度;
处理所述加速度数据或从所述加速度数据导出的数据,以确定所述用户的步长时段和步幅时段;
计算所述加速度计数据或从所述加速度计数据导出的数据的自相关函数或频率函数在确定的所述步长时段和步幅时段的峰值;
将计算的在所述步长时段的所述峰值与计算的在所述步幅时段的所述峰值进行比较,以确定所述加速度计是否被所述用户携带在所述用户的身体的中央部位,或者所述加速度计是否被所述用户携带在所述用户的身体的外围部位。
25.一种用于确定携带加速度计的用户在运动时的运动信息的装置,所述装置包括一个或多个处理器和存储器以:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
对所述加速度数据或从所述加速度数据导出的数据应用变换,以将所述参照系变换为所述用户的参照系,所述用户的参照系包括垂直方向、所述用户的行进方向、以及横向于所述用户的所述行进方向的左右方向;
确定对应于所述左右方向上的加速度数据的自相关函数或频率函数的最大峰值的时段;
确定对应于在所述垂直方向上的加速度数据或加速度振幅数据的自相关函数或频率函数的最大峰值的时段;以及
使用确定的所述时段确定所述加速度计是否被所述用户携带在所述用户的身体的中央部位,或者所述加速度计是否被所述用户携带在所述用户的身体的外围部位。
26.根据权利要求25所述的装置,其中,所述一个或多个处理器和存储器用于:如果对应于所述左右方向上的加速度数据的自相关函数或频率函数的最大峰值的所述时段是对应于在所述垂直方向上的加速度数据或加速度振幅数据的自相关函数或频率函数的最大峰值的所述时段的接近两倍,则确定所述加速度计被携带在所述用户的身体的中央部位。
27.根据权利要求25或26所述的装置,其中,所述一个或多个处理器和存储器用于:如果对应于所述左右方向上的加速度数据的自相关函数或频率函数的最大峰值的所述时段与对应于在所述垂直方向上的加速度数据或加速度振幅数据的自相关函数或频率函数的最大峰值的所述时段接近相同,则确定所述加速度计被携带在所述用户的身体的外围部位。
28.一种确定携带加速度计的用户在运动时的运动信息的方法,所述方法包括使用一个或多个处理器和存储器以:
从所述加速度计接收加速度数据,所述加速度数据定义由所述用户的运动引起的所述加速度计所经历的加速度,所述加速度相对于与所述加速度计相关联的参照系定义;
对所述加速度数据或从所述加速度数据导出的数据应用变换,以将所述参照系变换为所述用户的参照系,所述用户的参照系包括垂直方向、所述用户的行进方向、以及横向于所述用户的所述行进方向的左右方向;
确定对应于所述左右方向上的加速度数据的自相关函数或频率函数的最大峰值的时段;
确定对应于在所述垂直方向上的加速度数据或加速度振幅数据的自相关函数或频率函数的最大峰值的时段;以及
使用确定的所述时段确定所述加速度计是否被所述用户携带在所述用户的身体的中央部位,或者所述加速度计是否被所述用户携带在所述用户的身体的外围部位。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/900,618 US11307050B2 (en) | 2020-06-12 | 2020-06-12 | Measuring method and device |
US16/900,618 | 2020-06-12 | ||
PCT/GB2021/051468 WO2021250431A1 (en) | 2020-06-12 | 2021-06-11 | Measuring method and device |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115989393A true CN115989393A (zh) | 2023-04-18 |
Family
ID=77300920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180042013.3A Pending CN115989393A (zh) | 2020-06-12 | 2021-06-11 | 测量方法和设备 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11307050B2 (zh) |
EP (2) | EP4220085A1 (zh) |
JP (1) | JP2023534785A (zh) |
CN (1) | CN115989393A (zh) |
CA (1) | CA3183093A1 (zh) |
IL (1) | IL299013A (zh) |
WO (1) | WO2021250431A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11397193B2 (en) | 2020-06-12 | 2022-07-26 | Koneksa Health Inc. | Movement analysis method and apparatus |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2804596B1 (fr) | 2000-02-04 | 2002-10-04 | Agronomique Inst Nat Rech | Procede d'analyse d'irregularites de locomotion humaine |
JP5028751B2 (ja) | 2005-06-09 | 2012-09-19 | ソニー株式会社 | 行動認識装置 |
US9767257B2 (en) | 2011-03-31 | 2017-09-19 | Adidas Ag | Group performance monitoring system and method |
US10330491B2 (en) | 2011-10-10 | 2019-06-25 | Texas Instruments Incorporated | Robust step detection using low cost MEMS accelerometer in mobile applications, and processing methods, apparatus and systems |
US11928894B2 (en) | 2012-09-18 | 2024-03-12 | Origin Wireless, Inc. | Method, apparatus, and system for wireless gait recognition |
US20140088996A1 (en) | 2012-09-21 | 2014-03-27 | Md Revolution, Inc. | Systems and methods for developing and implementing personalized health and wellness programs |
WO2014089238A1 (en) * | 2012-12-04 | 2014-06-12 | Mapmyfitness, Inc. | Gait analysis system and method |
US8951165B2 (en) | 2013-03-05 | 2015-02-10 | Microsoft Corporation | Personal training with physical activity monitoring device |
US10561321B2 (en) | 2013-12-12 | 2020-02-18 | Alivecor, Inc. | Continuous monitoring of a user's health with a mobile device |
CN105992932B (zh) | 2014-01-30 | 2019-07-02 | 皇家飞利浦有限公司 | 对在用户运动的测量结果中检测步行的改进 |
CN105934654B (zh) * | 2014-05-09 | 2017-09-26 | 皇家飞利浦有限公司 | 用于确定加速度计的取向的方法和装置 |
US10314520B2 (en) * | 2015-10-02 | 2019-06-11 | Seismic Holdings, Inc. | System and method for characterizing biomechanical activity |
US11255664B2 (en) * | 2016-03-17 | 2022-02-22 | Gipstech S.R.L. | Method for estimating the direction of motion of an individual |
JP6724984B2 (ja) | 2016-05-16 | 2020-07-15 | 富士通株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
WO2018170017A1 (en) * | 2017-03-14 | 2018-09-20 | Lumo Bodytech, Inc. | System and method for automatic location detection for wearable sensors |
US11015954B2 (en) * | 2017-10-16 | 2021-05-25 | Uti Limited Partnership | Step detection using IMU and magnetometer data fusion |
FR3082722B1 (fr) | 2018-06-21 | 2020-09-25 | Sysnav | Procede d'analyse de foulee d'un pieton en marche |
US11397193B2 (en) | 2020-06-12 | 2022-07-26 | Koneksa Health Inc. | Movement analysis method and apparatus |
-
2020
- 2020-06-12 US US16/900,618 patent/US11307050B2/en active Active
-
2021
- 2021-06-11 EP EP23161080.9A patent/EP4220085A1/en active Pending
- 2021-06-11 JP JP2022574158A patent/JP2023534785A/ja active Pending
- 2021-06-11 CN CN202180042013.3A patent/CN115989393A/zh active Pending
- 2021-06-11 CA CA3183093A patent/CA3183093A1/en active Pending
- 2021-06-11 IL IL299013A patent/IL299013A/en unknown
- 2021-06-11 WO PCT/GB2021/051468 patent/WO2021250431A1/en active Application Filing
- 2021-06-11 EP EP21752716.7A patent/EP4165371A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US11307050B2 (en) | 2022-04-19 |
US20210389159A1 (en) | 2021-12-16 |
EP4220085A1 (en) | 2023-08-02 |
JP2023534785A (ja) | 2023-08-14 |
WO2021250431A1 (en) | 2021-12-16 |
CA3183093A1 (en) | 2021-12-16 |
IL299013A (en) | 2023-02-01 |
EP4165371A1 (en) | 2023-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Iosa et al. | Wearable inertial sensors for human movement analysis | |
Albinali et al. | Using wearable activity type detection to improve physical activity energy expenditure estimation | |
Wong et al. | Clinical applications of sensors for human posture and movement analysis: a review | |
US10959649B2 (en) | Systems and methods for stride length calibration | |
Olivares et al. | Wagyromag: Wireless sensor network for monitoring and processing human body movement in healthcare applications | |
US10335080B2 (en) | Biomechanical activity monitoring | |
US20080288200A1 (en) | Newtonian physical activity monitor | |
KR20190014641A (ko) | 관성센서를 이용한 보행 분석 시스템 및 방법 | |
Milosevic et al. | Wearable inertial sensor for jump performance analysis | |
CN115802939A (zh) | 运动分析方法和装置 | |
CN115989393A (zh) | 测量方法和设备 | |
Junior et al. | Use of wearable inertial sensors for the assessment of spatiotemporal gait variables in children: A systematic review | |
Tsukamoto et al. | Diagnostic accuracy of the mobile assessment of varus thrust using nine-axis inertial measurement units | |
Tokmak et al. | Unveiling the relationships between seismocardiogram signals, physical activity types and metabolic equivalent of task scores | |
Chen | Gait feature extraction from inertial body sensor networks for medical applications | |
US20230181060A1 (en) | Measuring method and device | |
RU222339U1 (ru) | Устройство для анализа движений нижних конечностей человека | |
US20230335294A1 (en) | System and method for detecting and monitoring medical condition and impairment | |
Akbari et al. | Validation of a new model-free signal processing method for gait feature extraction using inertial measurement units to diagnose and quantify the severity of Parkinson's disease | |
Noriega et al. | A Wireless, Modular and Wearable System for the Recognition and Assessment of Foot Drop Pathology | |
Schönberg et al. | Technologies for the management of hyperkinetic movement disorders | |
MUSTAFAOĞLU | WEaraBLE tEChNoLoGIEs IN rEhaBILItatIoN | |
Levschuk | A wearable inertial sensor system for gait and balance monitoring | |
Nguyen | Objective assessment of movement disabilities using wearable sensors | |
Madhushri | A Model Based Framework for Mobility Assessment of Older Adults using Wearable Systems |
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 |