JP2014520605A - センサを利用したアスレチック活動測定方法 - Google Patents

Abstract

センサデータに基づいてペース又は速度を決定することが、ユーザの足が地面などの練習面と接する接触時間の量を決定することを含んでもよい。接触時間は、センサデータ内の、かかと着地、つま先離地、その後のかかと着地などの様々なイベントに対応するサンプルを識別することによって決定されてもよい。一例では、これらのイベントは、対応するしきい値を超える３サンプルシーケンス値（例えば、三重項）を決定することによって識別されてもよい。識別された三重項（例えば、かかと着地、つま先離地、及びかかと着地）の妥当性は、最終イベントサンプルと中間イベントサンプルとの差が、中間イベントサンプルと初期イベントサンプルとの差より大きいかどうかを判定することによって確認されてもよい。確認された後、接触時間は、三重項から決定されてもよい。次に、線形又は非線形関係を接触時間に適用して速度又はペースを決定してもよい。
【選択図】図５

Description

本発明は、一般に、運動能力監視装置に関し、より詳細には信号処理を使用するセンサ出力と足を基準にしたイベントの検出とに基づく運動情報の決定に関する。

最近、運動能力と健康に対する注目の高まりによって、アスレチック活動検出装置の人気が著しく高まっている。アスレチック活動センサを使用することにより、人は、行なったアスレチック活動の量を具体的に識別することができる。例えば、人は、ランニング、ジョギング、又はウォーキングの際に、歩数計又は加速度計を使用して、移動距離、歩数、燃焼カロリー量、走っているペースなどを測定することが多い。幾つかの現行システムでは、ユーザの足が地面と接触した接触時間の長さを測定してペースを求めるために加速度計が使用される。例えば、特許文献１は、接触時間に基づいてユーザのペースを決定するための幾つかのアルゴリズムと方法について述べている。しかしながら、接触時間とペースを決定する現在のアルゴリズム及び方法は、異なる環境間及び異なるユーザ間で精度が大きく変化する可能性がある。更に、加速度計を利用する幾つかのアスレチック活動測定システムは、ユーザが特定速度より速く走るか移動するときしかペースを測定できない。更に、現行システムの多くは、測定精度を維持するために頻繁な較正と再較正を必要とする。

米国特許第６，４９３，６５２号

この要約は、詳細な説明で後で更に詳しく述べる概念を単純化した形で紹介するために提供される。この要約は、請求された内容の重要な特徴又は本質的な特徴を識別するためのものでもなく、請求された内容の範囲を決定する支援として使用されるものでもない。

開示の態様は、ユーザの足が練習面と接触する接触時間の量を決定し、次にその量に基づいて、ペース、距離、速度及び／又は他のアスレチックメトリクスを計算する足基準センサデータの処理に関する。一例では、ユーザの接触時間の決定は、かかと着地やつま先離地などの特定のイベントが、センサ出力内のどこにあるかの決定を含むことがある。特定の例では、処理システムは、イベントの三重項を識別してもよく、各三重項は、第１のかかと着地、つま先離地、及びそれに続く第２のかかと着地を含む。三重項の連続した（例えば、介在イベントのない）性質は、処理システムが、ユーザがいつ一歩を踏んだかを識別することを可能にする。三重項の様々なイベントのタイミングに基づいて、足接触時間が計算されてもよい。追加又は代替として、接触時間及び対応する三重項は、接触時間が、平均から指定数の標準偏差だけ離れている場合に、フィルタリングされてもよい。フィルタリングにより、処理システムは、ペースや他のアスレチックメトリクスを計算する前に、潜在的外れ値又は欠陥のあるデータ点を除去することができる。

別の態様によれば、高速フーリエ変換法を使用して接触時間を決定してもよい。一例では、高速フーリエ変換は、センサ出力データに実行されてもよい。次に、高速フーリエ変換から得られる周波数ピークの１つは、接触時間に対応するものとして識別されてもよい。適切な周波数ピークの識別は、サンプル分析から得られた経験的データ及び／又は分析に基づいてもよい。

更に別の態様によれば、接触時間を決定しその後に速度及び／又はペースを決定するために、エフォートモデル（effort model）又はシステムが使用されてもよい。エフォートは、センサ出力信号の大きさに視覚的かつ数学的に関連付けられてもよい。したがって、信号が大きいほど、ユーザの速度又はペースが大きくなる。センサ出力信号の大きさと接触時間及び／又はペースとの間の一致を定義する式又はアルゴリズムが導出されてもよい。

本発明の他の特徴及び利点は、以下の図面と共に行われる明細書の以下の例から明白になるであろう。

本明細書で述べる１つ又は複数の態様によるアスレチック活動監視システムを示す図である。 本明細書で述べる１つ又は複数の態様が使用されることがある計算処理環境を示す図である。 本明細書で述べる１つ又は複数の態様による、センサから受け取った例示的なデータのグラフである。 本明細書で述べる１つ又は複数の態様による、センサ出力データに基づいて決定された例示的な標準偏差のグラフである。 本明細書で述べた１つ又は複数の態様による、センサ出力データを使用してアスレチックイベントを決定する例示的な方法を示すフローチャートである。 本明細書で述べる１つ又は複数の態様による、アスレチックイベントを識別するための様々なしきい値とウィンドウサイズを決定する例示的な方法を示すフローチャートである。 本明細書で述べる１つ又は複数の態様による、接触時間、ペース及び速度を決定する例示的な方法を示すフローチャートである。 本明細書で述べる１つ又は複数の態様による、１組のデータの例示的な標準偏差と平均を示す図である。 本明細書で述べる１つ又は複数の態様による、センサ出力データに高速フーリエ変換（ＦＦＴ）を実行するために使用されることがあるコンピュータアルゴリズムを示す図である。 本明細書で述べる１つ又は複数の態様による例示的なセンサ出力データを示す図である。 図１０Ａの例示的なセンサ出力データのサンプルウィンドウを示す図である。 ＦＦＴアルゴリズムによって処理された図１０Ｂのサンプルウィンドウのグラフである。 本明細書で述べる１つ又は複数の態様による、サンプルウィンドウとＦＦＴ処理サンプルウィンドウの例示的なセンサ出力データ及び対応するグラフを示す図である。 本明細書で述べる１つ又は複数の態様による、サンプルウィンドウとＦＦＴ処理サンプルウィンドウの例示的なセンサ出力データ及び対応するグラフを示す図である。 本明細書で述べる１つ又は複数の態様による、サンプルウィンドウとＦＦＴ処理サンプルウィンドウの例示的なセンサ出力データ及び対応するグラフを示す図である。 本明細書で述べる１つ又は複数の態様による、ユーザ運動の様々な速度の例示的なセンサ出力データグラフである。 本明細書で述べる１つ又は複数の態様による、ユーザ運動の様々な速度の例示的なセンサ出力データグラフである。 本明細書で述べる１つ又は複数の態様による、ユーザ運動の様々な速度の例示的なセンサ出力データグラフである。 図１３Ａ〜図１３Ｃにそれぞれ示されたセンサ出力の例示的な平均化データグラフである。 図１３Ａ〜図１３Ｃにそれぞれ示されたセンサ出力の例示的な平均化データグラフである。 図１３Ａ〜図１３Ｃにそれぞれ示されたセンサ出力の例示的な平均化データグラフである。 本明細書で述べる１つ又は複数の態様による、第１のタイプの運動のセンサ出力及び速度の平均値の間の関係を示すグラフである。 本明細書で述べる１つ又は複数の態様による、第２のタイプの運動のセンサ出力の平均値と速度との関係を示すグラフである。

本発明が、図面に示された様々な形態で実施することができ、本明細書で詳細に述べるが、本発明の好ましい実施形態は、本発明の原理の例示と見なされるべきであり、本発明の広義の態様を、図示し言及した実施形態に限定するものではないことを理解されたい。

図１は、足に取り付けられた加速度計センサ１０１と情報表示装置１０３とを含む例示的なアスレチック活動システムを示す。足取付け式センサ１０１は、例えば、靴や他のタイプの履物内に配置されてもよく、ユーザの足又は脚に取り付けられてもよく、履物（例えば、靴紐などの外部、又は靴１０５と一緒に示されたような底の内部）に取り付けられてもよい。センサ１０１は、複数の軸に沿った加速度を検出するように構成された固体加速度計を含む。例えば、センサ１０１は、６軸加速度計を含む。センサ１０１は、更に、センサ１０１が情報表示装置１０３にデータを無線で提供することを可能にする無線送信機及び／又はトランシーバ１０７を含んでもよい。トランシーバ１０７は、表示装置１０３に一体化されてもよく、脱着可能な装置でもよい。幾つかの構成では、センサ１０１は、追加又は代替として、無線送信機又はトランシーバ並びにデータを一時的又は永続的に記憶する記憶媒体（例えば、フラッシュメモリ）への有線コネクタ又は有線接続を含んでもよい。一例では、センサ１０１は、測定したデータを、計画伝送時間まで又は（例えば、情報表示装置１０３から）データのリクエストを受け取るまで記憶してもよい。追加又は代替として、センサ１０１は、感圧抵抗スイッチ、圧電変換器、接触スイッチ、水銀スイッチなどを含む他のタイプのセンサを含んでもよい。

情報表示装置１０３は、センサからデータを受信しかつ／又はセンサ１０１にデータを送信するために無線受信器及び／又はトランシーバを含んでもよい。例えば、情報表示装置１０３は、センサ１０１からセンサ測定値を受け取るか、センサ１０１にコマンドを送信してもよい（例えば、ユーザが手動で指示した際にセンサ１０１からのデータを要求する）。１つ又は複数の構成では、情報表示装置１０３は、時計や他の手首装着装置、アームバンド、胸ストラップ、メガネ類、かぶり物などのユーザ装着装置を含んでもよい。情報表示装置１０３は、更に、プロセッサと、メモリと、スピーカ、タッチスクリーン入力システム、マイクロフォン、触覚フィードバック装置、データポート、コネクタなどの他の入出力構成要素とを含んでもよい。メモリは、センサ１０１からのセンサデータを処理するプロセッサ及び装置１０３によって実行可能なコンピュータ可読命令を記憶してもよい。例えば、一構成では、情報表示装置１０３は、センサ１０１から受け取った信号とデータとに基づいてペース、距離及び／又は燃焼カロリーを計算するか又は別の方法で決定してもよい。そのような決定を行うアルゴリズム、方法及びシステムは、本明細書で更に詳しく言及される。

一例の動作方法では、ユーザは、ボタンを押すかコマンドを情報表示装置１０３に入力することによって、データ記録を開始してもよい。これに応じて、表示装置１０３は、次に、センサ１０１にポーリングして情報を探しデータを記憶機構に記録し始めてもよい。表示装置１０３は、更に、ペースや距離などの処理した情報が、ユーザの情報装置に実時間で表示されたように、データを動的（例えば、実時間で）に処理し始めてもよい。ユーザは、更に、表示装置１０３を使用して対応コマンドを入力することによって、記録及び／又は処理を停止してもよい。記録されたデータは、デフォルト設定又はユーザの好みに応じて所定の時間長さ又は無期限に、表示装置１０３によって自動的に記憶されてもよい。幾つかの構成では、データは、インターネットなどのコンピュータネットワークを介して、１つ又は複数のリモートデータベース、サーバ又は他のシステムに無線で送信されてもよい。例えば、装置１０３は、練習活動データをインターネット上のリモート運動能力追跡サイトに送信してもよい。

１つ又は複数の構成では、能力メトリクスを生成するデータ処理が、情報表示装置１０３とは別の装置（図示せず）によって行なわれてもよい。例えば、処理は、センサ１０１及び装置１０３の両方と接続しかつ、１つの特定の例では、センサ１０１と装置１０３の間の橋渡しとして働く個別の処理装置によって行なわれてもよい。そのような処理装置は、表示装置１０３が、センサ１０１からデータを直接受信するための適切な通信能力（例えば、ハードウェア、ソフトウェア、ファームウェア）を備えていない例で使用されてもよい。したがって、別個の処理装置は、センサデータを受け取り、センサ１０１と通信し、情報を表示装置１０３に互換式に提供するように構成されてもよい。処理装置は、表示装置１０３に物理的に直接接続されてもよい。あるいは、処理装置は、無線接続を介して表示装置１０３と通信してもよい。同様に、処理装置は、センサ１０１に物理的に接続されてもよく、近距離無線通信プロトコル及び技術、ローカルエリアネットワーク及び／又は広域ネットワークを使用して無線で接続されてもよい。幾つかの例では、処理装置は、広域ネットワーク又はローカルエリアネットワークを介してデータ処理を提供するリモート又はローカルサーバを含んでもよい。

一態様によれば、センサ１０１は、表示装置１０３又は別個の処理装置に情報を送信する前に、センサデータの少なくとも一部の処理を行うように構成されてもよい。例えば、センサ１０１は、測定電圧の変化により動きを検出してもよい。データを理解し易くするか処理し易くするために、センサ１０１は、電圧情報を、所定のスケールに従う値（例えば、０〜２５５の無符号デジタル値）に前処理してもよい。センサ１０１は、更に、センサデータを所定の時間長さにわたって記憶するためのフラッシュメモリ及び／又はハードディスクメモリなどの記憶システムを含んでもよい。センサデータは、例えば、１０日間、メモリが満杯になるまで、ユーザがメモリをクリアすることを選択するまで、センサ１０１に記憶されてもよい。

図２は、様々なデータを処理し、様々な関数を実行する働きをする計算処理装置を示す。例えば、計算処理装置２０１は、図１のセンサ１０１、処理装置又はシステム、及び／又は図１の装置１０３などの情報表示装置に対応してもよい。図２のブロック図では、計算処理システム２０１は、数学的な計算を実行し、計算処理システム２０１及びその関連構成要素、ランダムアクセスメモリ（ＲＡＭ）２０５、読み出し専用メモリ（ＲＯＭ）２０７、入出力（Ｉ／Ｏ）モジュール２０９、及びメモリ２１５の全体的な動作を制御するためのプロセッサ２０３を有してもよい。入出力２０９は、計算処理装置２０１のユーザが入力を提供するマイクロフォン、マウス、生体認証スキャナ又は識別装置、キーパッド、タッチスクリーン、スキャナ、光学式文字読取装置、及び／又はスタイラス（又は、他の入力装置）を含んでもよく、音声出力を提供するための１つ又は複数のスピーカ、並びに文字、視聴覚及び／又は図形出力を提供するための映像表示装置を含んでもよい。ソフトウェア（例えば、コンピュータ可読命令）は、装置２０１に種々の機能を実行させるための命令をプロセッサ２０３に提供するために、メモリ２１５及び／又は他の記憶装置内に記憶されてもよい。例えば、メモリ２１５は、オペレーティングシステム２１７、アプリケーションプログラム２１９、及び関連データベース２１１などの計算処理システム２０１によって使用されるソフトウェアを記憶してもよい。あるいは、計算処理装置２０１の幾つか又は全ては、ハードウェア又はファームウェア（図示せず）で実施されてもよい。１つ又は複数の構成では、計算処理装置２０１は、図１のセンサ１０１に関して述べたような加速度計、心拍数センサ、圧力センサなどの１つ又は複数の内蔵センサを含んでもよい。

計算処理装置２０１は、また、バッテリ、スピーカ、アンテナ（図示せず）などの様々な他の構成要素を含む移動通信装置又は端末装置（例えば、携帯電話、ＰＤＡ、ノートブックなど）として動作してもよい。追加又は代替として、計算処理装置２０１は、モデム２２１又はローカルエリアネットワーク（ＬＡＮ）インタフェース２１３を介して、１つ又は複数のネットワークに接続されてもよい。１つ又は複数の例では、計算処理装置２０１は、Ｂｌｕｅｔｏｏｔｈ（登録商標）接続、セルラ通信接続、衛星回線及び／又はこれらの組み合わせを含む１つ又は複数のネットワークに対する有線又は無線接続を有してもよい。

図３は、図１のセンサ１０１などのセンサによって出力されることがあるデータの例示的なグラフを示す。グラフ３００は、ユーザのランニング活動に対応し、毎秒４００サンプルのデータサンプリングレート（例えば、センサによって検出された電圧をサンプリングする）を０〜４の未処理信号目盛で表わす。ウォーキング、ジョギング又はランニングのユーザのストライドは、かかと着地（例えば、ユーザのかかとが地面に当たるとき）とその後のつま先離地（例えば、ユーザのつま先が地面から離れる）などの幾つかの既知のイベントを含むことがある。ユーザのかかと着地とつま先離地の間、ユーザの足は、一般に、地面に接している。足の接地時間を決定することによって、ユーザのペース又は速度を決定してもよい。しかしながら、ユーザのかかとが地面に当たる時間と、ユーザのつま先が地面から離れる時間の決定は、未処理信号出力だけを基準にしては難しいことがある。図示されたように、グラフ３００内のピークと谷の数が極めて多いので、特定のイベント（例えば、かかと着地とつま先離地）を識別することが難しい。未処理信号出力をより使い易い形に変換又は処理し、次に足接触時間の量、ユーザのペース及び／又は速度を決定するためのアルゴリズムが存在する。しかしながら、前述のように、現在のアルゴリズム及び方法は、ユーザが示す運動のタイプにより精度が大きく変化することがある。例えば、幾つかのアルゴリズムは、短距離走の練習の際（もっと遅いランニング又はウォーキングに対して）、接触時間が不正確になり、したがって速度と距離が不正確になることがある。他のアルゴリズムは、ウォーキング練習を処理して正確なペース、速度及び／又は距離の決定が難しいことがある。

本開示は、ローリング３点標準偏差式を使用する未処理信号の前処理を使用して、様々なステッピングイベント（即ち、かかと着地とつま先離地）をより正確に識別する。例えば、以下の式を使用して図３のグラフ３００に示されたような未処理信号出力を処理してもよい。

上記の式において、Ｎは、定数であり、標準偏差を決定するために使用されるサンプルの数を表わし、ｘは、未処理信号出力の値を表わす。上記の例では、サンプル数又は時間ｉごとに３つのサンプル（即ち、Ｎ＝３）が分析される。アルゴリズムは、直前、現在及び直後のサンプルを使用して、現行サンプルに対応する標準偏差を決定する。詳細には、アルゴリズムは、３つのサンプルのそれぞれと３つのサンプルの平均との自乗差を合算する。次に、合計をサンプル数Ｎで割る。次に、前の計算から得た値の平方根をとって標準偏差を計算する。各サンプルの３点標準偏差を計算し、その後でグラフ化してもよい。

図４は、図３の未処理信号データに適用されるように前述した３点標準偏差アルゴリズムに基づいて生成されたサンプル／時間に対する標準偏差の例示的なグラフである。未処理信号を前処理することによって（例えば、つま先離地イベント又はかかと着地イベントの信号を分析する前に）、かかと着地（ｈ．ｓ．）とつま先離地（ｔ．ｏ．）イベントの識別を容易にすることができる。例えば、ピーク４０１などのピークが、領域４０３ａ及び４０３ｂなどのグラフの非ピーク部分に対して、より目立つようになるか、大きさが顕著になることがある。したがって、かかと着地イベント又はつま先離地イベントに対応するピークを、それらのイベントに対応しないピークから容易に識別できるようになることがある。幾つかの構成では、特定の大きさ（例えば、標準偏差）に達するピークだけを分析して、それらのピークがかかと着地又はつま先離地イベントに対応するかどうかを判断してもよい。しきい値の大きさに適合しないピークは、フィルタリングされるか、分析中に無視されてもよい。

図５は、加速度計や他の足基準センサによって生成された信号などの入力信号に基づいて、かかと着地イベントとつま先離地イベントを識別する例示的な方法を示す。ステップ５００で、処理システムは、足基準センサから入力信号を受け取ってもよい。例えば、信号は、図３のグラフ３００に示された信号と類似する。処理システムは、足基準センサと一体形成されてもよく、センサに無線接続又は有線接続された物理的に別個の装置を含んでもよい。一例では、処理システムは、腕装着装置、胸装着装置、肩装着装置、又は他の身体装着装置の一部分として含まれてもよい。ステップ５０５で、処理システムは、信号データを前処理して、図３と図４に関して前述したような３点標準偏差値を生成してもよい。ステップ５１０で、処理システムは、次に、前処理したデータにおけるサンプルの平均値を決定してもよい。平均値は、サンプルセット内の全てのデータに関して計算されてもよく、全てのデータより少ないサブセット（例えば、データ内の特定ウィンドウのみ）に関して計算されてもよい。例えば、平均値は、直前のサンプル値、現行サンプル値、及び直後のサンプル値を含む１組、サンプルセット全体のうちの１つおきのサンプル値を含む１組などに関して決定されてもよい。次に、決定された平均値を使用して、処理システムは、ステップ５１５でピークしきい値と幅位置を決定してもよい。幅位置は、特定のピーク（例えば、つま先離地ピーク又はかかと着地ピーク）を探すときにシフトするサンプル数を指定することがある。他方、ピークしきい値は、サンプルをかかと着地イベント又はつま先離地イベントピークと見なすために適合しなければならない最小値を定義することがある。ピークしきい値と幅位置を決定する例示的なプロセスを、図６に関して後で更に詳しく述べる。

ステップ５２０で、処理システムは、ピークイベントを評価するサンプルを選択してもよい。例えば、処理を始める際、選択されたサンプルは、前処理されたデータセット内の最初のサンプルに対応してもよい。あるいは、処理が既に始まっている場合は、選択されたサンプルは、データセット内の次のサンプルでよい。ステップ５２５で、処理システムは、サンプルの値が、ステップ５１５で決定されたようなかかと着地しきい値以上かどうかを判断してもよい。そのような場合、処理システムは、ステップ５３０の第１ピークサンプルウィンドウ内のかかと着地イベントの最大値を探してもよい。例えば、処理システムは、現行サンプルのうちの４０〜６０個のサンプルの第１ピークサンプルウィンドウ内で最大値を有するサンプルを識別する。第１ピークウィンドウは、所定の時間の量又はサンプル数に関して、現行サンプルから始まって順方向に拡がるように定義されてもよい。最大値が見つかった後、ステップ５３５で、対応するサンプルを識別し、第１のかかと着地イベント又はピークとしてタグ付けしてもよい。しかしながら、現行サンプルの値が、かかと着地しきい値より小さい場合、処理システムは、ステップ５４０で１つ又は複数のサンプルを進め、ステップ５２５に戻ってもよい。一例では、処理システムは、現行サンプル値が、かかと着地しきい値より小さい場合に、単一サンプルをシフトしてもよい。他の例では、処理システムは、複数のサンプル（例えば、２、５、１０、１００個など）をシフトさせてもよい。

かかと着地イベントが、第１ピークサンプルウィンドウ内に見つかった後で、処理システムは、ステップ５４５で、第２ピークサンプルウィンドウ内の最大値を有するサンプルを探してもよい。第２ピークサンプルウィンドウのサイズは、第１ピークサンプルウィンドウのサイズと同じでも異なってもよく、また本明細書で述べるアルゴリズム及びプロセスにしたがって計算されてもよい。一例では、第２ピークサンプルウィンドウは、現行サンプルから５０〜２２０サンプルだけ離れた範囲でよい。したがって、処理システムは、５０〜２２０サンプルウィンドウ内に最大値を有するサンプルを識別してもよい。ステップ５５０で、処理システムは、第２ピークサンプルウィンドウ内の識別された最大値が、第２しきい値より大きいかどうかを判断してもよい。第２しきい値は、一例では、つま先離地イベントを識別するためのしきい値（例えば、つま先離地しきい値）に対応してもよい。対応しない場合、処理システムは、ステップ５５５で、幾つかのサンプルを順方向にシフトし、ステップ５２５に戻って新しい現行サンプルを使用する。処理システムが順方向にシフトさせるサンプルの数は、１つ又は複数の構成では、第１ピークウィンドウサイズ（例えば、４０〜６０サンプル）に対応してもよい。他の例では、シフトサイズは、第２ピークウィンドウサイズ（例えば、５０〜２２０サンプル）又は他のサイズ（例えば、１０サンプル、１サンプル、２５サンプル、５００サンプルなど）に対応してもよい。他方、第２ピークサンプルウィンドウ内に識別された最大値が、第２しきい値より大きい場合、処理システムは、ステップ５６０で、対応するサンプルを、つま先離地イベント及びピークとして識別しタグ付けしてもよい。更に、処理システムは、ステップ５６５で、つま先離地イベントサンプルから離れたサンプルの検索ウィンドウ内の第１しきい値より大きい値を有する後続サンプルを探してもよい。検索ウィンドウは、一例では、つま先離地イベントサンプルから６０〜３００サンプルでよい。そのような値が、ステップ５７０で決定されたような検索ウィンドウ内に見つからない場合、処理システムは、ステップ５７５で幾つかのサンプル（例えば、４０〜６０サンプル）を順方向にシフトし、ステップ５２５に戻ってもよい。更に、ステップ５５５及び５７５でシフトされたサンプルの数は、１つ又は複数の構成で同じもよい。

しかしながら、検索ウィンドウ内に第１しきい値より大きい値が見つかった場合、処理システムは、次に、ステップ５８０で、局所最大値ウィンドウ内の局所最大値を識別してもよい。例えば、処理システムは、サンプルの局所最大値ウィンドウ内の各サンプルの値を比較して最大値を識別してもよい。その場合、局所最大値ウィンドウ内の最大値に対応するサンプルが、ステップ５８５で、第２のかかと着地イベントとして識別されるか又はタグ付けされてもよい。したがって、処理システムは、ステップ５８５に達したときに、第１のかかと着地サンプル／イベント、つま先離地サンプル／イベント、及び第２のかかと着地サンプル／イベントを識別しタグ付けしてもよい。かかと着地イベントとつま先離地イベント識別の精度を確認し高めるために、処理システムは、ステップ５９０で、第２のかかと着地値とつま先離地値との差が、つま先離地値と第１のかかと着地値との差より大きいかどうかを判断してもよい。大きくない場合、処理システムは、ステップ５９３で、第２のかかと着地サンプルから幾つかのサンプルを順方向にシフトしてもよい。処理システムが順方向にシフトするサンプルの数は、例えば、第１ピークウィンドウのサイズによって定義された範囲内でもよく、別のサイズに対応してもよい。

他方、処理システムが、第２のかかと着地値とつま先離地値との差が、つま先離地値と第１のかかと着地値との差より大きいと判断した場合、処理システムは、ステップ５９５で、３つの値とサンプルを、かかと着地、つま先離地及びかかと着地イベントの有効な三重項として識別し記憶してもよい。一例では、処理システムは、サンプル数と値を三重項サンプルと値のリストに記憶してもよい。サンプル値が記憶された後、処理システムは、幾つかのサンプルを順方向にシフトし、引き続きかかと着地イベントとつま先離地イベントを識別してもよい（例えば、ステップ５２５に戻ることによって）。一例では、処理システムが、有効なかかと着地、つま先離地、かかと着地三重項を識別した後でシフトするサンプルの数は、５０〜２２０サンプルの範囲でよい。幾つかの構成では、有効な三重項を識別したときにシフトされたサンプルの数は、（例えば、ステップ５４０、５５５及び５７５で）かかと着地又はつま先離地しきい値に適合しなかったと判断されたときは、シフトされたサンプルの数と異なってもよい。

図６は、かかと着地及びつま先離地しきい値、サンプルウィンドウサイズ、及びシフト量を決定できる方法を示す。ステップ６００で、システムは、センサ信号に対応するサンプルレートを決定してもよい。例えば、センサ信号は、加速度計によって出力されたデータ、又は前述の標準偏差アルゴリズムを使用した前処理信号に対応してもよい。ステップ６０５で、システムは、更に、信号内のサンプルの平均値を計算してもよい。例えば、平均値は、図５のステップ５１０に示された方法と類似の方法で決定されてもよい。ステップ６１０で、システムは、デフォルトサンプルレート（例えば、４００Ｈｚ、２００Ｈｚ、３００Ｈｚ、５０Ｈｚ、１０００Ｈｚ）と実サンプルレートとの比率に基づいて第１ピークウィンドウサイズを決定してもよい。一例では、第１ピークウィンドウサイズは、以下の式にしたがって計算されてもよい。

“primary peak window size = round(z * Default Rate/Actual Rate)”
「ピークウィンドウサイズ＝ｒｏｕｎｄ（ｚ＊デフォルトレート／実レート）」

ここで、ｚは、定数（例えば、４０）に対応し、ｒｏｕｎｄ関数は、得た値を最も近い整数に丸めるために使用される。ステップ６１５で、システムは、更に、平均値に基づいてかかと着地及びつま先離地しきい値を決定してもよい。一例では、かかと着地しきい値は、次の通りである。

“heelstrike threshold = mean value + 0.05”
「かかと着地しきい値＝平均値＋０．０５」

一方、つま先離地しきい値は、次の式を使用して決定されてもよい。

toe-off threshold = 1.1 * mean value - 0.225
「つま先離地しきい値＝１．１＊平均値−０．２２５」

ステップ６２０で、システムは、デフォルトサンプルレートに対する実サンプルレートの比率並びに平均値に基づいて、つま先離地イベント又はサンプル（例えば、図５のステップ５３５で述べたような）を探すためにシフトするサンプルの数を決定してもよい。シフト量は、潜在的なかかと着地サンプル値が、対応するしきい値に適合しないとき（例えば、図５のステップ５２５及び５７５）及び／又は三重項を検証し記憶した後（例えば、図５のステップ５９３）で使用されてもよい。例えば、次の式を使用して、シフト量を計算することができる。

shift amount = round(round(-40 * mean value + 70) * (default rate/actual rate))
「シフト量＝ｒｏｕｎｄ（ｒｏｕｎｄ（−４０＊平均値＋７０）＊（デフォルトレート／実レート））

最後に、ステップ６２５で、システムは、つま先離地イベントを探すためのウィンドウの幅を決定してもよい（例えば、図５のステップ５４０で述べたような）。したがって、処理システムは、現行サンプルから決定シフト量だけ離れたサンプルで始まるウィンドウ内のつま先離地イベントを探してもよく、その場合、ウィンドウは、決定ウィンドウ幅と等しいサイズを有する。例えば、次の式を使用してウィンドウ幅を決定してもよい。

window width = round(round(-140*mean value + 195) * (default rate/actual rate))
「ウィンドウ幅＝ｒｏｕｎｄ（ｒｏｕｎｄ（−１４０＊平均値＋１９５）＊（デフォルトレート／実レート））」

様々なピークしきい値、シフト量及びウィンドウ幅を動的に決定する上記のプロセスは、センサから受け取る、またはセンサによってデータが生成されたときにその場で行なわれてもよい。例えば、平均値は、連続的に決定され、しきい値、シフト量、及びウィンドウ幅が、更新されてもよい。幾つかの例では、図６のプロセスは、３０秒毎、１０秒毎、数分毎、３０分毎、ユーザによって促されたとき、速度のシフト検出時、一定の時間又はペースなど、及び／又はこれらの組み合わせなど、周期的又は非周期的スケジュールで実行されてもよい。

つま先離地及びかかと着地イベントピークが、センサ出力信号から識別された後で、処理システムは、図７に示されたようにユーザの接触時間とペースを決定してもよい。ステップ７００で、例えば、処理システムは、各三重項のつま先離地イベントと第１のかかと着地イベントとの時間差を決定することによって、各三重項（例えば、かかと着地、つま先離地、及びかかと着地イベントの組）の接触時間（Ｔｃ）を計算してもよく、この時間差は、一般に、ユーザの足が地面と接触している時間の量に対応する。ステップ７０５で、処理システムは、更に、各三重項のステップ時間（Ｔ）を計算してもよい。ステップ時間は、ユーザが１歩進むのにかかる時間（例えば、各三重項のかかと着地からかかと着地イベントまで）の量に対応する。したがって、ステップ時間は、２つのかかと着地イベント間の時間差を測定することによって決定されてもよい。ステップ７１０で、処理システムは、接触時間とステップ時間をペースと距離に関連付ける式又はアルゴリズムを決定しかつ／又は選択してもよい。例えば、接触時間とペースの間の関係及び／又は接触時間とステップ時間の距離との相関関係を規定する一次方程式が作成されてもよい。１つ又は複数の構成では、式又は方程式は、経験的に生成されてもよい（例えば、サンプル研究及びデータにより）。

ステップ７１５で、処理システムは、平均接触時間値から所定数の標準偏差を超える接触時間を示す三重項を除去するフィルタリング動作を行なってもよい。三重項の対応する接触時間が、１組の計算された接触時間からフィルタリングされてもよい。処理システムは、データをフィルタリングして、ペース、速度、距離及び他のメトリクスの処理システムの決定を別の形で歪める潜在的な不正確データを除去してもよい。したがって、接触時間が、特定数の標準偏差（例えば、１、２、５など）の範囲外の場合は、対応する三重項が、データセットから除去されることがある。除去された三重項に対応する時間期間のペース、接触時間、速度などは、受け入れられるか又は除去されていない三重項の間の補間によって決定されてもよい。更に、処理システムは、運動選手が単に停止しなかったことを確認し保証することもできる。一例では、処理システムは、その時間中に加速が検出されたかどうかを判断してもよい。例えば、加速があった場合に、処理システムは、ユーザが停止しなかったと判断してもよい。加速がなかった場合、処理システムは、ユーザが停止したと判断してもよい。平均接触時間値は、利用可能な接触時間の組全体ではなく指定数のステップ又は接触時間にわたって決定されてもよい。例えば、平均は、最後の５〜１０ステップに基づいて計算されてもよい。同様に、標準偏差は、同じ範囲のステップ又は接触時間に基づいて計算されてもよい。

図８は、ステップ又は三重項数に対する接触時間の例示的なグラフを示す。グラフに示されたように、平均は、最初に、三重項の最後のＮ個のステップに関して決定される。次に、幾つかの標準偏差（例えば、１）の対応するしきい値が、決定されてもよく、また接触時間及び対応する三重項が、関連標準偏差に基づいてデータからフィルタリングされてもよい。

図７を再び参照すると、フィルタリングの完了後、処理システムは、次に、ステップ７２０で、残りの接触時間データを使用してペースを計算するか別の方法で決定してもよい。ペースは、接触時間との所定の線形関係に基づいて計算されてもよい。例えば、その関係は、次の式で決定されてもよい。

Pace = M * T_c + B
「ペース＝Ｍ＊Ｔｃ＋Ｂ」

ここで、ＭとＢは、線形関係の傾きとＹ切片を定義する定数である。ＭとＢは、一例ではサンプルデータによって、経験的に決定されてもよい。ＭとＢは、更に、ユーザによって行なわれる較正に基づいて調整されてもよい。様々なタイプのペースを計算することもできる。例えば、単一の接触時間に基づいて瞬間的ペースを決定してもよく、所定の量の時間又はステップに起因する接触時間に基づいて、所定量の時間又はステップにわたる平均ペースを決定してもよい。したがって、一例では、処理システムは、最後の瞬間における平均接触時間を計算して、その時間期間にわたる人の平均ペースを決定してもよい。更に、ステップ７２５で、ペースから距離を計算してもよい。例えば、ペースに時間の量を掛けて、ユーザが走り、歩き、又は別の方法で移動した全距離を決定してもよい。

１つ又は複数の態様によれば、ペースと接触時間との関係は、非線形でよい。したがって、そのような場合、関係を表すために非線形方程式を導出してもよい。例えば、接触時間からペースを分析するために二次関係を定義し使用してもよい。

本明細書に示したような三重項検出を使用して接触時間を決定する追加又は代替として、周波数及び経験的分析に基づいて接触時間を決定してもよい。詳細には、加速度計などのセンサから受け取った信号を、高速フーリエ変換（ＦＦＴ）を使用して処理して、信号内に表された周波数範囲及びそれらの周波数の強さを決定してもよい。

図９は、受信信号にＦＦＴプロセスを行なうために使用される例示的なコンピュータアルゴリズムを示す。この例示的なアルゴリズムは、ＤＦＴ／ＦＦＴ（ポール・バーク（Paul Bourke）http://paulbourke.net/miscellaneous/dft）によって記述された）から抽出された。示したように、このアルゴリズムは、最初に、アルゴリズム９００のセクション９０１に示されたように値ｍに基づいてサンプル点を計算する。値「ｍ」は、サンプルの数のｌｏｇ₂に対応し、ｘとｙはそれぞれ、サンプル点の実配列と虚配列を表わす。データ点の数を決定した後で、セクション９０３に示されたように、データ点ごとにビット逆転プロセスを行う。例えば、１の値は、４ビット２進表現「０００１」によって表わされてもよい。ビット逆転時、そのデータ点の値（元は０００１）が、「１０００」（８の値を表わす）に変換されてもよい。ｘ及びｙ配列内のサンプル点のそれぞれにビット逆転を行なった後、アルゴリズムは、例えばセクション９０５に示された式とプロセスを使用して、ＦＦＴを計算する。

図１０Ａは、短距離走セッションから生成された例示的なセンサ信号を示す。１つの構成では、センサ信号は、７５Ｈｚのサンプリングレートに対応してもよい。完全なセンサ信号から、図１０Ｂに示されたようなサンプルウィンドウ１００１を抽出してもよい。ピークとサンプルの数によって、抽出されたサンプルウィンドウは、接触時間を決定する際に分析するのが難しいこともある。したがって、サンプルウィンドウにＦＦＴが行なわれることがある。使用されるＦＦＴは、図９に関して前述したアルゴリズムを含んでもよい。

図１１は、データのサンプルウィンドウのＦＦＴに基づいて生成されることがあるＦＦＴ対周波数グラフ１１００を示す。このグラフ１１００から、接触時間に対応する周波数が決定されてもよい。一例では、周波数は、多重信号サンプルに基づいて経験的に決定されてもよい。特定の例では、サンプル信号出力の接触時間は、サンプル信号出力に対応するランニングのビデオを見て計時することによって決定されてもよい。接触時間を決定する際、ユーザは、決定された接触時間に対応する周波数を手動で識別してもよい。周波数は、加速度データが対応する波の周波数を含んでもよい。例えば、走者の足が地面と接触し、離れ、空中に浮き、地面に戻る動作が、適切なあてはめ関数（例えば、正弦波と余弦波）と適合できる加速度を生成してもよい。これらの波の周波数は、運動選手の足が活動状態か又は何か活動を行っていた固有時間に直接対応してもよい。

前述したプロセスを繰り返して、グラフ１１００などのＦＦＴグラフからの適切な周波数を識別するためにパターン又はルールが確立されたかどうかを決定してもよい。例えば、サンプル分析から、第３の最低周波数ピークがほぼ接触時間に対応することが分かる。したがって、処理システムは、ＦＦＴと周波数の関係を示すグラフ１１００の第３の最低周波数ピークを、接触時間に対応する周波数として自動的に識別してもよい。

図１２Ａ〜図１２Ｃは、接触時間に対応する周波数ピークを決定するセンサ出力信号のＦＦＴ処理を示す例示的なグラフである。詳細には、グラフ１２０１〜１２０５はそれぞれ、図１０Ａ、図１０Ｂ及び図１１に示された短距離走に対応するセンサ出力信号に対する中間ペースのランニング（例えば、指定されたペース又は速度しきい値より遅いランニング）の、センサ出力信号、サンプルウィンドウ、及びＦＦＴ周波数グラフに対応してもよい。

更に別の構成によれば、運動選手の速度は、センサ出力信号の移動平均に基づいて決定又は計算されてもよい。決定は、速度又はペースとセンサ出力信号の値との相関性又は関係に基づいてもよい。センサ出力信号は、運動選手によって定められたエフォートの量を表わしてもよい。

図１３Ａ〜図１３Ｃは、運動選手が異なる歩み又は速度で走っているか歩いているときに生成されたセンサ出力データの量の差を示すグラフである。例えば、図１３Ａは、運動選手が、遅い駆け足（例えば、５ｍｐｈ又は６ｍｐｈ）と考えられる第１のペース又は速度で動くグラフ１３０１を示す。視覚的に、グラフ１３０１は、かなりの量の非信号空間（例えば、信号出力を表わす黒い線と対照的に白色空間によって表わされた）を示す。図１３Ｂでは、グラフ１３０３は、第１のペースより速い第２のペースで動く運動選手の信号出力を示す。一例では、グラフ１３０３のセンサ出力信号は、速い駆け足（例えば、８ｍｐｈ、１０ｍｐｈ、１１ｍｐｈ）に対応してもよい。運動選手のより速い速度又はペースによって、運動選手の動きに基づいてより多くのデータが生成される。したがって、グラフ１３０３は、より少ない非信号空間（例えば、図１３Ａのグラフ１３０１の白色又は非信号空間の量と比べて少ない空間）を示す。図１３Ｃは、更に、より速いペースの信号出力データを示すグラフ１３０５を示す。このより速いペースは、一例では短距離走に対応することがあり、したがってセンサ出力の量が多くなることがある。したがって、ペースは、アスレチックセンサ（例えば、加速度計）から受け取った出力データの量又は大きさと、ペースとの間の線形相関を生成することによって決定されてもよい。例えば、サンプルウィンドウを超える高い平均センサ出力値は、より高い活動レベルと、したがってより速いペース又は速度を表わすことがある。

幾つかの構成では、処理システムは、事前にセンサ出力データを処理して平均化（mean-center）センサデータを生成してもよい。例えば、平均値は、センサ出力の所定のサンプル期間にわたって計算され、次にサンプル期間内の各データ点から減算されてもよい。図１４Ａ〜図１４Ｃは、それぞれ図１３Ａ〜図１３Ｃのセンサ出力グラフに対応する平均化センサデータを示すグラフである。平均化により、信号が負値から正値に変動することができる。これらの値の絶対値を使用すると、運動選手が生成している全体平均加速度を計算することができる。例えば、絶対値は、行っているエフォート又は加速の量を反映する。非平均化信号の平均が得られた場合、結果は、あらゆる異なるランニング速度でほぼ同じになる基準加速度値でよい。したがって、平均化を使用することによって、偽の低周波数成分を除去又は排除することができ、また運動選手のエフォートのレベルをより正確に決定することができる。１つの構成では、指定されたサンプルウィンドウの平均は、次の式に基づいて決定されてもよい。

ｔ_fとｔ₀はそれぞれ、サンプルウィンドウの上側と下側のサンプル境界を表わし、ｈは、１つのデータサンプルが示す時間の量（又は、最終サンプルからのタイムスパン）を表わし、ｆ（ｔ）は、特定のサンプルに対応するセンサ出力値を表わす。例えば、サンプルレートが１００Ｈｚの場合、ｈは、０．０１秒である。別の例で、サンプルレートが４００Ｈｚの場合、ｈは、０．００２５秒である。

元のセンサ出力又は平均化センサ出力のいずれか（又は、これらの両方）を使用することにより、エフォートとペースとの線形関係を適用して、特定の時点又は時間期間の瞬間的又は平均ペースを決定してもよい。本明細書に記載されたように、線形関係は、サンプルセンサ出力に基づいて経験的に事前に定義されてもよい。１つ又は複数の構成では、動きの様々な速度又はペースに関して異なる線形関係が定義されてもよい。例えば、第１の線形関係又は式をウォーキングに使用してもよい。処理システムは、センサ出力又はその一部分が、センサ出力のしきい値又は平均値に基づいてウォーキングを表すことを決定してもよい。したがって、様々なレベルのランニング又は動きのために異なる一次方程式又は関係が選択されてもよい。

図１５は、ランニング活動のサンプルセンサ値と既知の速度（例えば、６ｍｐｈ以上の移動速度）に対する関係を示すグラフである。サンプルデータに基づいて、線形関係が生成されてもよい（例えば、ｙ＝１３．８０１８５ｘ＋１．５６６４１）。次に、この線形関係は、処理システムによって使用されて、ユーザのアスレチック活動中にセンサ出力を受け取ったときに速度値がその場で決定されてもよい。

図１６は、ウォーキング活動のサンプルセンサ値と既知の速度（例えば、６ｍｐｈ未満の移動速度）に対する関係を示すグラフである。この例では、ウォーキング活動の速度とセンサ出力との線形関係が、ｙ＝１２．００１ｘ＋０．４３６３であると決定される。したがって、ユーザの動きがウォーキングに対応する場合、この線形関係は、図１５のデータを使用して定義された関係の代わりに使用されてもよい。幾つかの構成では、ペースとセンサ出力値は、非線形的に関連付けられてもよい。したがって、１つ又は複数の非線形方程式（例えば、二次）が、定義され代わりに使用されてもよい。

本明細書に示された様々な方法及びアルゴリズムは、一緒に又は別々に使用されてもよい。一例では、ユーザのペースと速度は、三重項法、ＦＦＴアルゴリズム並びにエフォートアルゴリズムを使用して決定されてもよい。ユーザの速度又はペースはそれぞれ、種々のアルゴリズムから決定されたペースと速度を平均することによって決定されてもよい。あるいは、第１のアルゴリズムを使用してペース又は速度を決定し、第２のアルゴリズムを適用してその決定を確認してもよい。例えば、決定されたペース又は速度は、第２のアルゴリズムが十分に類似した値を生成する限り確認される。十分な類似性は、最初に計算された値又は所定の量（例えば、０．５ｍｐｈ、０．２ｍｐｈ、０．３ｍｐｈなど）の１０％、２０％、５％などのパーセントしきい値に対応してもよい。

特定の実施形態を例示し説明したが、本発明の趣旨から逸脱することなく多くの改良が想起され、権利保護の範囲は、添付の特許請求の範囲によってのみ限定される。

１０１ センサ
１０３ 表示装置
１０５ 靴
１０７ トランシーバ

Claims (20)

1. ユーザが行なうアスレチック活動中にセンサによって生成された信号を決定するステップであって、前記信号が、複数のサンプルを含むステップと、
   前記信号を移動標準偏差に基づいて処理するステップと、
   前記処理した信号において、前記ユーザが行った物理的フットステップに対応する３サンプルシーケンスを識別するステップであって、前記３サンプルシーケンスが、初期サンプル、中間サンプル及び最終サンプルを含むステップと、
   前記初期サンプル、中間サンプル及び最終サンプルのうちの少なくとも２つの間の経過時間に基づいて前記ユーザのペースを決定するステップとを含む方法。
2. 前記最終サンプルの値と前記初期サンプルの値との間の第１の差を決定するステップと、
   前記中間サンプルの値と前記初期サンプルの値との間の第２の差を決定するステップと、
   前記第１の差が前記第２の差より大きいかどうかを判断するステップと、
   前記第１の差が前記第２の差より大きいという判断に応じて、前記３サンプルシーケンスをリストに追加するステップとを含む、請求項１に記載の方法。
3. 複数の３サンプルシーケンスをリストに追加するステップと、
   前記リスト内の前記複数の３サンプルシーケンスに基づいて前記ユーザの複数の接触時間を決定するステップとを含む、請求項２に記載の方法。
4. 前記複数の接触時間の平均接触時間を決定するステップと、
   前記複数の接触時間の間の標準偏差を決定するステップと、
   前記複数のペースのうち、前記平均接触時間からしきい値数の標準偏差を超える１つ又は複数の接触時間をフィルタリングするステップと、を含む請求項３に記載の方法。
5. 前記初期サンプル、中間サンプル及び最終サンプルのうちの少なくとも２つの間の経過時間に基づいて前記ユーザの前記ペースを決定するステップが、
   前記中間サンプルと前記初期サンプルとの差を決定することによって接触時間を決定するステップと、
   前記接触時間に所定の線形関係を適用して前記ユーザの前記ペースを計算するステップとを含む、請求項１に記載の方法。
6. 前記所定の線形関係を複数の線形関係から選択するステップを更に含み、前記複数の線形関係がそれぞれ、異なるタイプのアスレチック活動に対応する、請求項５に記載の方法。
7. 前記処理した信号において、前記ユーザが行った物理的フットステップに対応する前記３サンプルシーケンスを識別するステップが、
   前記複数のサンプルから第１のサンプルを選択するステップと、
   前記第１のサンプルの値が第１のしきいサンプル値に適合するかどうかを判定するステップと、
   前記第１のサンプルの前記値が、前記第１のしきいサンプル値に適合しないという判定に応じて、前記複数のサンプルにおける後続のサンプルを選択するステップと、
   前記第１のサンプルの値が、前記第１のしきいサンプル値に適合するという判定に応じて、
   所定のサイズの第１のサンプルウィンドウ内の最大サンプル値を決定するステップであって、前記第１のサンプルウィンドウの下限が、前記第１のサンプルに対応するステップと、
   前記最大サンプル値に対応するサンプルを前記初期サンプルとして識別するステップとを含む、請求項１に記載の方法。
8. 前記第１のサンプルの前記値が、前記しきいサンプル値に適合するという判定に応じて、
   第２のサンプルウィンドウ内の最大サンプル値を決定するステップと、
   前記第２のサンプルウィンドウの前記最大サンプル値が、第２のしきいサンプル値に適合するかどうかを判定するステップと、
   前記第２のサンプルウィンドウの前記最大サンプル値が、前記第２のしきいサンプル値に適合するという判定に応じて、前記第２のサンプルウィンドウの前記最大サンプル値に対応するサンプルを前記中間サンプルとして識別するステップとを含む、請求項７に記載の方法。
9. 少なくとも１つのプロセッサと、
   前記少なくとも１つのプロセッサに機能的に結合され、コンピュータ可読命令を記憶するメモリであって、前記コンピュータ可読命令が、実行されたときに、前記装置に、
   ユーザによって実行されたアスレチック活動中にセンサによって生成された信号を決定させ、前記信号が、複数のサンプルを含み、
   前記信号を移動標準偏差に基づいて処理させ、
   前記処理された信号において、前記ユーザが行った物理的フットステップに対応する３サンプルシーケンスを識別させ、３サンプルシーケンスが、初期サンプル、中間サンプル及び最終サンプルを含み、
   前記初期サンプル、中間サンプル及び最終サンプルのうちの少なくとも２つの間の経過時間に基づいてユーザのペースを決定させるメモリとを含む装置。
10. 前記装置が、センサを含む、請求項９に記載の装置。
11. 前記装置が、更に、別個の表示装置に接続するように構成されたインタフェースを有する、請求項９に記載の装置。
12. 前記コンピュータ可読命令が、実行されたとき、更に、前記装置に、
    前記最終サンプルの値と前記初期サンプルの値との間の第１の差を決定させ、
    前記中間サンプルの値と前記初期サンプルの値との間の第２の差を決定させ、
    前記第１の差が前記第２の差より大きいかどうかを判定させ、
    前記第１の差が、前記第２の差より大きいという判定に応じて、前記３サンプルシーケンスをリストに追加させる、請求項９に記載の装置。
13. 前記コンピュータ可読命令が、実行されたとき、更に、前記装置に、
    複数の３サンプルシーケンスをリストに追加させ、
    前記リスト内の前記複数の３サンプルシーケンスに基づいて前記ユーザの複数の接触時間を決定させる、請求項１２に記載の装置。
14. 前記コンピュータ可読命令が、実行されたとき、前記装置に、
    前記複数の接触時間の平均接触時間を決定させ、
    前記複数の接触時間の間の標準偏差を決定させ、
    前記複数の接触時間のうちの、前記平均接触時間からしきい値数の標準偏差を超える１つ又は複数の接触時間をフィルタリングさせる、請求項１３に記載の装置。
15. コンピュータ可読命令を記憶するための１つ又は複数の持続的コンピュータ可読媒体であって、前記コンピュータ可読命令が、実行されたときに、装置に、
    ユーザが実行したアスレチック活動中にセンサによって生成された信号を決定させ、前記信号が複数のサンプルを含み、
    移動標準偏差に基づいて信号を処理させ、
    前記処理された信号において、前記ユーザが行った物理的フットステップに対応する３サンプルシーケンスを識別させ、前記３サンプルシーケンスが、初期サンプル、中間サンプル及び最終サンプルを含み、
    前記初期サンプル、中間サンプル及び最終サンプルのうちの少なくとも２つの間の経過時間に基づいて前記ユーザのペースを決定させる、１つ又は複数の持続的コンピュータ可読媒体。
16. 前記初期サンプル、中間サンプル及び最終サンプルのうちの少なくとも２つのサンプル間の経過時間に基づいて前記ユーザのペースを決定することが、
    前記中間サンプルと前記初期サンプルとの間の差を決定することによって接触時間を決定することと、
    前記接触時間に所定の線形関係を適用して前記ユーザの前記ペースを計算することとを含む、請求項１５に記載の１つ又は複数のコンピュータ可読媒体。
17. 実行されたときに、前記装置に、複数の線形関係から前記所定の線形関係を選択させるコンピュータ可読命令を更に含み、前記複数の線形関係がそれぞれ、異なるタイプのアスレチック活動に対応する、請求項１６に記載の１つ又は複数のコンピュータ可読媒体。
18. 前記処理された信号において、前記ユーザが行った物理的フットステップに対応する前記３サンプルシーケンスを識別することが、
    前記複数のサンプルから第１のサンプルを選択することと、
    前記第１のサンプルの値が第１のしきいサンプル値に適合するかどうかを判定することであって、
    前記第１のサンプルの前記値が、前記第１のしきいサンプル値に適合しないという判定に応じて、前記複数のサンプルにおけるシーケンスサンプルを選択し、
    前記第１のサンプルの前記値が前記第１のしきいサンプル値に適合するという判定に応じて、
    所定のサイズの第１のサンプルウィンドウ内の最大サンプル値を決定することであって、前記第１のサンプルウィンドウの下限が、前記第１のサンプルに対応することと、
    前記最大サンプル値に対応するサンプルを前記初期サンプルとして識別することを含む、請求項１５に記載の１つ又は複数のコンピュータ可読媒体。
19. 実行されたときに、前記装置に、
    前記最終サンプルの値と前記初期サンプルの値との間の第１の差を決定させ、
    前記中間サンプルの値と前記初期サンプルの値との間の第２の差を決定させ、
    前記第１の差が前記第２の差より大きいかどうかを判定させ、
    前記第１の差が第２の差より大きいという判定に応じて、前記３サンプルシーケンスをリストに追加させるコンピュータ可読命令を更に含む、請求項１５に記載の１つ又は複数のコンピュータ可読媒体。
20. 実行されたときに、前記装置に、
    複数の３サンプルシーケンスをリストに追加させ、
    前記リスト内の前記複数の３サンプルシーケンスに基づいて前記ユーザの複数の接触時間を決定させるコンピュータ可読命令を更に含む、請求項１９に記載の１つ又は複数のコンピュータ可読媒体。