TW201833762A - 資料處理裝置及資料量減少方法 - Google Patents

資料處理裝置及資料量減少方法 Download PDF

Info

Publication number
TW201833762A
TW201833762A TW107107131A TW107107131A TW201833762A TW 201833762 A TW201833762 A TW 201833762A TW 107107131 A TW107107131 A TW 107107131A TW 107107131 A TW107107131 A TW 107107131A TW 201833762 A TW201833762 A TW 201833762A
Authority
TW
Taiwan
Prior art keywords
data
amount
item
original detection
patent application
Prior art date
Application number
TW107107131A
Other languages
English (en)
Inventor
陸一平
Original Assignee
大陸商清遠廣碩技硏服務有限公司
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 大陸商清遠廣碩技硏服務有限公司 filed Critical 大陸商清遠廣碩技硏服務有限公司
Publication of TW201833762A publication Critical patent/TW201833762A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3013—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is an embedded system, i.e. a combination of hardware and software dedicated to perform a certain function in mobile devices, printers, automotive or aircraft systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
    • G06F11/3082—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting the data filtering being achieved by aggregating or compressing the monitored data
    • A—HUMAN NECESSITIES
    • A43—FOOTWEAR
    • A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
    • A43B17/00—Insoles for insertion, e.g. footbeds or inlays, for attachment to the shoe after the upper has been joined
    • A—HUMAN NECESSITIES
    • A43—FOOTWEAR
    • A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
    • A43B3/00—Footwear characterised by the shape or the use
    • A43B3/34—Footwear characterised by the shape or the use with electrical or electronic arrangements
    • 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
    • A61B5/1036—Measuring load distribution, e.g. podologic studies
    • A61B5/1038—Measuring plantar pressure during gait
    • 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
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A61B5/6807—Footwear
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
    • G06F11/3093—Configuration details thereof, e.g. installation, enabling, spatial arrangement of the probes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/0416—Control or interface arrangements specially adapted for digitisers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/044—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means by capacitive means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/044—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means by capacitive means
    • G06F3/0447—Position sensing using the local deformation of sensor cells

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Force Measurement Appropriate To Specific Purposes (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)
  • Footwear And Its Accessory, Manufacturing Method And Apparatuses (AREA)

Abstract

本發明揭露一種資料處理裝置及資料量減少方法。資料處理裝置包含一接收單元及一數值轉換單元。接收單元用以接收M個原始偵測資料，其中M為正整數。數值轉換單元耦接接收單元，用以對M個原始偵測資料進行一數值轉換程序，以產生K個數值轉換後資料，其中K為正整數且K小於M，致使K個數值轉換後資料之資料量小於M個原始偵測資料之資料量，以達到減少資料量之功效。

Description

資料處理裝置及資料量減少方法
本發明係與減少資料量有關，尤其是關於一種資料處理裝置及資料量減少方法。
隨著資料處理技術不斷的演進，為了能夠應用於各種可攜式裝置與穿戴式裝置上，資料處理裝置(例如微處理器或運算晶片)的體積設計得愈來愈小，而相對地其能夠儲存與處理的資料量亦有一定的限度。
由於目前許多的可攜式裝置與穿戴式裝置均提供各種不同的偵測功能，為了能夠達到更準確的偵測結果，可攜式裝置與穿戴式裝置往往設置有相當多的偵測單元分別進行偵測，並將偵測到的原始偵測資料均傳送至資料處理裝置(例如微處理器或運算晶片)。
然而，由於偵測單元的數量過多並且每個偵測單元均會有偵測到的數據資料要傳送至資料處理裝置，導致資料處理裝置所接收到的數據資料量相當龐大，遠超過資料處理裝置所能儲存與處理之上限，使得資料處理裝置無法完成儲存與資料處理之程序。
有鑑於此，本發明提出一種資料處理裝置及資料量減少 方法，以有效解決先前技術所遭遇到之上述種種問題。
根據本發明之一具體實施例為一種資料處理裝置。於此實施例中，資料處理裝置包含一接收單元及一數值轉換單元。接收單元用以接收M個原始偵測資料，其中M為正整數。數值轉換單元耦接接收單元，用以對M個原始偵測資料進行一數值轉換程序，以產生K個數值轉換後資料，其中K為正整數且K小於M，致使K個數值轉換後資料之資料量小於M個原始偵測資料之資料量，以達到減少資料量之功效。
於一實施例中，數值轉換單元係採用一數值轉換機制對該M個原始偵測資料進行數值轉換程序。
於一實施例中，數值轉換機制係為一傅立葉轉換(Fourier transform)機制或一拉普拉斯轉換(Laplace transform)機制。
於一實施例中，資料處理裝置係為一藍芽晶片或一物聯網(Internet of Thing,IoT)晶片並可透過一網路連結一雲端資料庫或一行動通訊裝置。
於一實施例中，數值轉換單元還比較該M個原始偵測資料與一預設值，並根據該M個原始偵測資料中之大於預設值的K個原始偵測資料產生該K個數值轉換後資料。
於一實施例中，M個原始偵測資料係為一電容壓力偵測鞋墊之M個電容感測節點所分別感測到之M個電容變化量，並且該M個電容變化量分別對應於一足部之M個偵測位置。
於一實施例中，電容壓力偵測鞋墊之該M個電容感測節點係位於電容紗線與導電紗線彼此交錯處，並且電容紗線之表面係形成有 兩個可帶電塗層。
根據本發明之另一具體實施例為一種資料量減少方法，包含下列步驟：(a)提供M個原始偵測資料，其中M為正整數；以及(b)對該M個原始偵測資料進行一數值轉換程序，以產生K個數值轉換後資料；其中，K為正整數且K小於M，致使該K個數值轉換後資料之資料量小於該M個原始偵測資料之資料量。
相較於先前技術，根據本發明之資料處理裝置及資料量減少方法係採用傅立葉轉換或拉普拉斯轉換等數值轉換機制或是透過與預設值進行比較之篩選機制來對接收到之龐大資料量進行處理，藉以大幅減少其資料量，以使得資料處理裝置能夠儲存並即時處理經數值轉換後之資料，故能有效避免先前技術中由於資料量過大而無法儲存與資料處理之缺點。
關於本發明之優點與精神可以藉由以下的發明詳述及所附圖式得到進一步的瞭解。
1‧‧‧鞋子
2‧‧‧電容壓力偵測鞋墊
N、N1~N3、N1~NM‧‧‧電容感測節點
TP‧‧‧熱塑性聚酯彈性體層
CH‧‧‧運算晶片
FT‧‧‧足部
P1~P3‧‧‧偵測位置
NET‧‧‧網路
DB‧‧‧雲端資料庫
MB‧‧‧行動通訊裝置
CS、CS1~CSM‧‧‧電容變化量
CT1~CTK‧‧‧數值轉換後資料
50‧‧‧接收單元
52‧‧‧數值轉換單元
54‧‧‧輸出單元
L1‧‧‧電容紗線
L2‧‧‧導電紗線
S10~S18‧‧‧步驟
圖1係繪示本發明之電容壓力偵測鞋墊2設置於鞋子1內之示意圖。
圖2係繪示本發明之電容壓力偵測鞋墊2具有複數個電容感測節點N之示意圖。
圖3係繪示本發明之電容壓力偵測鞋墊2中之複數個電容感測節點N係位於熱塑性聚酯彈性體(TPEE)層TP下方並且運算晶片CH係嵌於電容壓力偵測鞋墊2內之示意圖。
圖4係繪示當電容壓力偵測鞋墊2受到使用者之足部FT所施加的壓力時，運算晶片CH接收該複數個電容感測節點N1,N2,N3,…分別感測到對應於足部FT之複數個偵測位置P1,P2,P3,…的複數個電容變化量並可透過網路NET與雲端資料庫DB或行動通訊裝置MB連結的示意圖。
圖5係繪示電容紗線L1與導電紗線L2彼此捻合在一起的示意圖。
圖6係繪示本發明之資料處理裝置的功能方塊圖。
圖7係繪示本發明之資料量減少方法應用於電容壓力偵測鞋墊之流程圖。
根據本發明之一具體實施例為一種資料處理裝置。於此實施例中，資料處理裝置可以是一微處理器、一藍芽晶片或一物聯網晶片，並可嵌設於一電容壓力偵測鞋墊內，但不以此為限。當資料處理裝置接收到M個原始偵測資料時，資料處理裝置會對M個原始偵測資料進行一數值轉換程序以產生K個數值轉換後資料，其中M與K均為正整數且K小於M，致使K個數值轉換後資料之資料量會小於M個原始偵測資料之資料量，以達到減少資料量之功效。
假設資料處理裝置是嵌設於電容壓力偵測鞋墊內之一運算晶片，則資料處理裝置所接收到的M個原始偵測資料可以是電容壓力偵測鞋墊之M個電容感測節點所分別感測到之M個電容變化量，並且該M個電容變化量分別對應於使用者之足部的M個偵測位置。請參照圖1及圖 2，圖1係繪示電容壓力偵測鞋墊2設置於鞋子1內，而圖2係繪示電容壓力偵測鞋墊2具有複數個電容感測節點N。
接著，請參照圖3及圖4，圖3係繪示電容壓力偵測鞋墊2尚未受到使用者之足部所施加的壓力之示意圖；圖4係繪示電容壓力偵測鞋墊2受到使用者之足部FT所施加的壓力之示意圖。
如圖3及圖4所示，電容壓力偵測鞋墊2包含熱塑性聚酯彈性體(TPEE)層TP、複數個電容感測節點N及運算晶片CH。其中，該複數個電容感測節點N係位於熱塑性聚酯彈性體層TP下方並且運算晶片CH係嵌於電容壓力偵測鞋墊2內。
於實際應用中，如圖5所示，電容壓力偵測鞋墊2可採用電容紗線L1與導電紗線L2彼此捻合於熱塑性聚酯彈性體層TP之下方而成，並且該複數個電容感測節點N可位於電容紗線L1與導電紗線L2彼此交錯處，但不以此為限。
需說明的是，電容紗線L1之表面係形成兩個有可帶電塗層，並且在兩個可帶電塗層之間有電荷分佈時而形成一電容。當電容壓力偵測鞋墊2尚未受到使用者之足部FT所施加的壓力時，位於兩個有可帶電塗層之間的電荷分佈較為密集，亦即電荷密度較高；當電容壓力偵測鞋墊2受到使用者之足部FT所施加的壓力時，電容紗線L1會被壓力壓扁而導致位於兩個有可帶電塗層之間的電荷分佈變得較為分散，在兩個可帶電塗層之間的距離不變之情況下由於電荷密度變小而造成其電容值的變化，並由位於電容紗線L1與導電紗線L2交錯處的複數個電容感測節點N分別感測到複數個電容變化量。
舉例而言，如圖4所示，當使用者之足部FT踩在電容壓力偵測鞋墊2上時，由於電容壓力偵測鞋墊2之複數個電容感測節點N1,N2,N3,…的位置分別對應於足部FT之複數個偵測位置P1,P2,P3,…，因此，電容壓力偵測鞋墊2之複數個電容感測節點N1,N2,N3,…會相對應地感測對應於足部FT之複數個偵測位置P1,P2,P3,…的複數個電容變化量並將電容變化量CS傳送至運算晶片CH。運算晶片CH亦可連線至網路NET並可透過網路NET連結至雲端資料庫DB或行動通訊裝置MB。
請參照圖6，運算晶片CH至少包含有接收單元50、數值轉換單元52及輸出單元54。其中，數值轉換單元52係耦接於接收單元50與輸出單元54之間。當接收單元50從M個電容感測節點N1~NM分別接收到M個電容變化量CS1~CSM時，接收單元50會將M個電容變化量CS1~CSM傳送至數值轉換單元52，並由數值轉換單元52採用一數值轉換機制對M個電容變化量CS1~CSM進行一數值轉換程序，以產生K個數值轉換後資料CT1~CTK，其中M與K均為正整數且K小於M，致使數值轉換單元52所產生的K個數值轉換後資料之資料量會小於數值轉換單元52所接收的M個電容變化量之資料量，以達到減少資料量之功效。
需說明的是，數值轉換單元52所採用的數值轉換機制可以是傅立葉轉換(Fourier transform)機制或拉普拉斯轉換(Laplace transform)機制，但不以此為限。接下來，將分別就傅立葉轉換與拉普拉斯轉換進行說明：
傅立葉轉換是一種線性的積分轉換，常應用於物理學與工程學等領域，用以將信號在時域(或空域)與頻域之間進行轉換。舉例 而言，在信號處理中，傅立葉轉換的典型用途是將信號分解成振幅分量與頻率分量。由於其基本思想是由法國學者約瑟夫傅立葉首先有系統地提出，故以其名字來命名以示紀念。
拉普拉斯轉換是應用數學中常用的一種線性的積分轉換，用以將一個有引數實數(大於或等於0)的函數轉換為一個引數為複數的函數。由於是法國天文學家暨數學家皮埃爾-西蒙．拉普拉斯在機率論的研究中首先使用，故以其名字來命名以示紀念。
拉普拉斯轉換與傅立葉轉換有關，但兩者不同之處在於：傅立葉轉換是將一個函數或信號表示為許多弦波的疊加，而拉普拉斯轉換則是將一個函數表示為許多矩陣的疊加。在物理學及工程學中，拉普拉斯轉換常被用來分析線性非時變系統並可進行時域與頻域之間的轉換，其中在時域中輸入及輸出均為時間的函數(單位為秒)，而在頻域中輸入及輸出則均為複變角頻率的函數(單位為弧度/秒)。
舉例而言，假設M為1000，亦即數值轉換單元52係接收到分別對應於足部FT之1000個偵測位置P1~P1000之1000個電容變化量CS1~CS1000，數值轉換單元52即可透過傅立葉轉換機制或拉普拉斯轉換機制對1000個電容變化量CS1~CS1000進行一取樣程序，每隔10個偵測位置取樣一電容變化量以產生100個數值轉換後資料CT1~CT100(亦即K為100)。由於經上述數值轉換處理後之資料數量僅為原來的1/10，故可有效減少總資料量，使得運算晶片CH有能力進行儲存與處理之程序。
除此之外，運算晶片CH亦可透過篩選之方式來減少資料量。舉例而言，當運算晶片CH接收到分別對應於足部FT之1000個偵測位 置P1~P1000之1000個電容變化量CS1~CS1000時(亦即M為1000)，運算晶片CH可比較1000個電容變化量CS1~CS1000與一預設值，若1000個電容變化量CS1~CS1000當中僅有200個電容變化量大於預設值，代表其他800個電容變化量相當小應可忽略不計，運算晶片CH即會根據這200個大於預設值的電容變化量產生數值轉換後資料CT1~CT200(亦即K為200)。
需說明的是，此一作法之優點在於能夠有效減少資料量，並且該些未被保留的電容變化量相當小，代表其相對應的足部FT之偵測位置的壓力分佈並無明顯的變化，故可忽略不計，亦不會影響到後續對於足部的運動生理狀況資訊之判斷。
當數值轉換單元52產生K個數值轉換後資料CT1~CTK後，運算晶片CH可儲存K個數值轉換後資料CT1~CTK或根據K個數值轉換後資料CT1~CTK分析研判出關於使用者之足部的運動生理狀況資訊。
需說明的是，當數值轉換單元52產生數值轉換後資料後，於後續的應用程序中可先將數值轉換後資料進行逆轉換還原為原始偵測資料後再進行資料處理，或是利用查找表比對出K個數值轉換後資料CT1~CTK所分別對應的原始資料為何，並無特定之限制。
於實際應用中，如圖6所示，運算晶片CH亦可透過輸出單元54連線至網路NET並將K個數值轉換後資料CT1~CTK輸出至網路NET。如圖4所示，運算晶片CH可透過網路NET連線至雲端資料庫DB，並可將對應於足部FT之複數個偵測位置P1,P2,P3,…的壓力分佈資訊及/或使用者之足部FT的運動生理狀況資訊等數據上傳至雲端資料庫DB，以供後續進行其他應用時之參考。
舉例而言，鞋墊業者可透過雲端資料庫DB得到使用者A之足部FT的運動生理狀況資訊並據以研判出使用者A的足部問題。接著，鞋墊業者即可替使用者A量身訂做客製化的矯正用鞋墊並設置於鞋子內，當使用者A穿著設有客製化的矯正用鞋墊的鞋子走路及運動一段時間後，使用者之足部問題應能獲得明顯的改善。
此外，使用者A亦可操作其行動通訊裝置(例如智慧型手機)MB之應用程式(APP)透過網路NET連線至運算晶片CH或雲端資料庫DB，藉以隨時掌握關於使用者A本身之足部FT的運動生理狀況資訊。
根據本發明之另一具體實施例為一種資料量減少方法，可包含下列步驟：提供M個原始偵測資料，其中M為正整數；以及對該M個原始偵測資料進行一數值轉換程序，以產生K個數值轉換後資料；其中，K為正整數且K小於M，致使該K個數值轉換後資料之資料量小於該M個原始偵測資料之資料量。
請參照圖7，圖7係繪示本發明之資料量減少方法應用於電容壓力偵測鞋墊之流程圖。如圖7所示，該方法可包含下列步驟：
步驟S10：當電容壓力偵測鞋墊受到使用者之足部所施加的壓力時，表面形成有兩個可帶電塗層的電容紗線被壓力壓扁而導致電荷分散，在該兩個可帶電塗層之間的距離不變的情況下由於電荷密度變小而造成電容改變。
步驟S12：電容壓力偵測鞋墊透過複數個電容感測節點分別感測對應於足部之複數個偵測位置的複數個電容變化量。
步驟S14：運算晶片自複數個電容感測節點接收複數個電 容變化量並透過篩選轉換機制縮減資料量後研判出使用者之足部的運動生理狀況資訊。
需說明的是，運算晶片可採用例如傅立葉轉換或拉普拉斯轉換等數值轉換程序，或是透過與預設值比較之方式進行篩選來達到縮減資料量之功效，但不以此為限。
步驟S16：運算晶片可透過網路將使用者之足部的運動生理狀況資訊上傳至雲端資料庫。
步驟S18：使用者可操作行動通訊裝置透過網路連線至運算晶片或雲端資料庫，以取得使用者之足部的運動生理狀況資訊。
於一實施例中，本發明之資料量減少方法係透過壓力感測紗線在鞋墊上建立複數個網格點上的壓力。當消費者在運動的過程之中，這些感測點會感測到足墊上的壓力相對於時間的函數，然後以取樣的方式去記錄壓力對時間的函數曲線。
假設鞋墊上有10,000個不同的壓力感測點，每個感測點為每0.1秒取樣一次並連續取樣8小時，則鞋墊上在8小時內取樣得到的壓力量測值共有10,000 x 10 x 60 x 60 x 8=2,880,000,000，亦即28億8,000萬筆資料。這數量表面上看起來相當驚人，但實際上可透過秩序化的模型去加以大幅簡化，並以簡單的模型記錄下來。
於此實施例中，本發明提出關於鞋墊上可抓取的有用資訊至少包括下列幾項：
(1)可設定站立/坐下、慢走/快走、慢跑/快跑、下坡/平地/上坡/畸形地面等四個模式。於每個模式中，當使用者在學習的初期，也 就是第一階段模型，分別把資料的查找表分成2,2,2,4等四個選項值，並據以產生出32種不同的模式(Patterns)。
(2)針對標準的動作(也就是標準的腳型，標準的動作，標準的身高體重<體型>)去測試這32種模式約30秒左右的取樣。也就是說每個取樣大約耗費10,000 x 10 x 30=3,000,000(亦即300萬筆的取樣資料)。整體而言，所有32個模式可以建立出來約9,600萬筆的取樣資料。
(3)將每個300萬點的資料中的每一個點的300個取樣點去進行10,000次快速傅立葉分析(FFT)，以找出兩組重要的數值(A,F)：
F：Peak Frequency(找出DB值最高，前三大不同Base Frequency的頻率)
A：Amplitude of Peak Frequency(找出對應這些頻率的振幅DB數值)
(4)若上述第三點中之Peak Frequency是另一個Peak Frequency的整數倍時，則該最低頻率即稱為Base Frequency。其他整數倍的Frequency則為針對Base Frequency的泛頻率，用以決定每一個週期運動的大致波型。
(5)至今為止總共取得6組數據，分成3個主要頻率，每組數據各有以下2組數據：
甲、(基礎頻率，振幅)；(第一泛頻倍數，振幅)；(第二泛頻倍數，振幅)…
乙、針對32種組合式的運動模式，分別訂出約10種指標型的運動模式並測出壓力對時間波形後，做出快速傅立葉分析(FFT)與上述 甲數據中的波形進行比較，以計算出32組各10種指標型運動模式的轉換後頻率與振幅差異。
Delta[(基礎頻率，振幅)；(第一泛頻倍數，振幅)；(第二泛頻倍數，振幅)…]
(6)於上述第5點中的數據中，甲的部份是參考數據，屬於正確運動姿態的數據模型。而乙的部份則是10種偏離標準姿態的錯誤模式所產生出來的偏移量。假設針對10,000個量測點中，有500個量測點大量偏移標準姿態的數值，則可針對這500個點進行下列分析：
甲、找出32個模式中是哪幾個模式在這500個點上面是最明顯偏離標準值的。選出其中最多到主要的三個模式。
Point(N)偏離1=模式M1(Delta F,Delta A,Delta F1,Delta A1,….)
Point(N)偏離2=模式M2(Delta F,Delta A,Delta F1,Delta A1,….)
Point(N)偏離3=模式M3(Delta F,Delta A,Delta F1,Delta A1,….)
需說明的是，上述之所以可判斷出是哪個模式的偏離，是因為當初建立的標準錯誤模式偏離Delta的數值偏移向量與目前這個數據所算出來的偏移向量均朝向相同的方向。而Point(N)偏離則是這個偏移向量長度與標準偏移向量長度的比值，可代表偏移程度的大小(成正比)。
乙、在每一段30秒的時間之內，紀錄最多3個泛頻，3個模 式(偏離)中的各兩筆資料。所以每30秒鐘內，最多有500個點要記錄到最多6筆數據。所以是每30秒鐘3,000筆數據。
丙、將500個異常點分成最多10個區域，分別在各區域之內找出特定模式下，偏離程度最高的點。這樣最多也只會有10個點的數據被記錄下來。因此每30秒鐘記錄下來的數據最多只有60筆。
丁、8個小時內有2 x 60 x 8=960個30秒的時間段，所以8小時的運動紀錄在這10,000個量測點上，最多可產生60 x 960 x 2=115,200Bytes的資料。因此，總資料量(也就是IoT記憶體容量)只需約120KB即可，不需佔用大量記憶體空間，故可大幅簡化資料量M，有效節省運算及記憶體空間。
(7)為了簡化量測點資料蒐集的複雜度，本發明亦可在鞋墊的橫向與縱向各製作100條網格線。每一條網格線的端點(共400個端點)上分別架設25條量測接頭，以耦接電壓訊號感測器。
相較於先前技術，根據本發明之資料處理裝置及資料量減少方法係採用傅立葉轉換或拉普拉斯轉換等數值轉換機制或是透過與預設值進行比較之篩選機制來對接收到之龐大資料量進行處理，藉以大幅減少其資料量，以使得資料處理裝置能夠儲存並即時處理經數值轉換後之資料，故能有效避免先前技術中由於資料量過大而無法儲存與資料處理之缺點。
由以上較佳具體實施例之詳述，係希望能更加清楚描述本發明之特徵與精神，而並非以上述所揭露的較佳具體實施例來對本發明之範疇加以限制。相反地，其目的是希望能涵蓋各種改變及具相等性 的安排於本發明所欲申請之專利範圍的範疇內。藉由以上較佳具體實施例之詳述，係希望能更加清楚描述本發明之特徵與精神，而並非以上述所揭露的較佳具體實施例來對本發明之範疇加以限制。相反地，其目的是希望能涵蓋各種改變及具相等性的安排於本發明所欲申請之專利範圍的範疇內。

Claims (14)

  1. 一種資料處理裝置，包含：一接收單元，用以接收M個原始偵測資料，其中M為正整數；以及一數值轉換單元，耦接該接收單元，用以對該M個原始偵測資料進行一數值轉換程序，以產生K個數值轉換後資料，其中K為正整數且K小於M，致使該K個數值轉換後資料之資料量小於該M個原始偵測資料之資料量。
  2. 如申請專利範圍第1項所述之資料處理裝置，其中該數值轉換單元係採用一數值轉換機制對該M個原始偵測資料進行該數值轉換程序。
  3. 如申請專利範圍第2項所述之資料處理裝置，其中該數值轉換機制係為一傅立葉轉換(Fourier transform)機制或一拉普拉斯轉換(Laplace transform)機制。
  4. 如申請專利範圍第1項所述之資料處理裝置，係為一藍芽晶片或一物聯網(Internet of Thing,IoT)晶片並可透過一網路連結一雲端資料庫或一行動通訊裝置。
  5. 如申請專利範圍第1項所述之資料處理裝置，其中該數值轉換單元還比較該M個原始偵測資料與一預設值，並根據該M個原始偵測資料中之大於該預設值的K個原始偵測資料產生該K個數值轉換後資料。
  6. 如申請專利範圍第1項所述之資料處理裝置，其中該M個原始偵測資料係為一電容壓力偵測鞋墊之M個電容感測節點所分別感測到之M個電容變化量，並且該M個電容變化量分別對應於一足部之M個偵測位置。
  7. 如申請專利範圍第6項所述之資料處理裝置，其中該電容壓力偵測鞋墊之該M個電容感測節點係位於電容紗線與導電紗線彼此交錯處，並且該電容紗線之表面係形成有兩個可帶電塗層。
  8. 一種資料量減少方法，包含下列步驟：(a)提供M個原始偵測資料，其中M為正整數；以及(b)對該M個原始偵測資料進行一數值轉換程序，以產生K個數值轉換後資料；其中，K為正整數且K小於M，致使該K個數值轉換後資料之資料量小於該M個原始偵測資料之資料量。
  9. 如申請專利範圍第8項所述之資料量減少方法，其中步驟(b)係採用一數值轉換機制對該M個原始偵測資料進行該數值轉換程序。
  10. 如申請專利範圍第9項所述之資料量減少方法，其中該數值轉換機制係為一傅立葉轉換機制或一拉普拉斯轉換機制。
  11. 如申請專利範圍第8項所述之資料量減少方法，進一步包含下列步驟：將該K個數值轉換後資料輸出至一網路；以及透過該網路連結一雲端資料庫或一行動通訊裝置。
  12. 如申請專利範圍第8項所述之資料量減少方法，進一步包含下列步驟：比較該M個原始偵測資料與一預設值，並根據該M個原始偵測資料中之大於該預設值的K個原始偵測資料產生該K個數值轉換後資料。
  13. 如申請專利範圍第8項所述之資料量減少方法，其中該M個原始偵測資料係為一電容壓力偵測鞋墊之M個電容感測節點所分別感測到之M個電容變化量，並且該M個電容變化量分別對應於一足部之 M個偵測位置。
  14. 如申請專利範圍第12項所述之資料量減少方法，其中該電容壓力偵測鞋墊之該M個電容感測節點係位於電容紗線與導電紗線彼此交錯處，並且該電容紗線之表面係形成有兩個可帶電塗層。
TW107107131A 2017-03-09 2018-03-02 資料處理裝置及資料量減少方法 TW201833762A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710136368.4A CN108572899A (zh) 2017-03-09 2017-03-09 数据处理装置及数据量减少方法
??201710136368.4 2017-03-09

Publications (1)

Publication Number Publication Date
TW201833762A true TW201833762A (zh) 2018-09-16

Family

ID=63447316

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107107131A TW201833762A (zh) 2017-03-09 2018-03-02 資料處理裝置及資料量減少方法

Country Status (5)

Country Link
US (1) US20200046288A1 (zh)
EP (1) EP3594816A4 (zh)
CN (1) CN108572899A (zh)
TW (1) TW201833762A (zh)
WO (1) WO2018161861A1 (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100466544C (zh) * 2006-03-22 2009-03-04 中兴通讯股份有限公司 一种设备单板性能数据上报的方法
CN101267644B (zh) * 2008-04-22 2010-11-17 广东高新兴通信股份有限公司 一种对监控数据的存储方法
CN102781319B (zh) * 2009-09-03 2015-06-03 杨章民 织品感测器的步态分析系统及方法
CN103309873B (zh) * 2012-03-09 2018-06-12 阿里巴巴集团控股有限公司 数据的处理方法、装置及系统
CN104199927B (zh) * 2014-09-03 2016-11-30 腾讯科技（深圳）有限公司 数据处理方法及数据处理装置
CN106156169B (zh) * 2015-04-16 2019-12-06 深圳市腾讯计算机系统有限公司 离散数据的处理方法和装置

Also Published As

Publication number Publication date
EP3594816A1 (en) 2020-01-15
US20200046288A1 (en) 2020-02-13
WO2018161861A1 (zh) 2018-09-13
EP3594816A4 (en) 2021-03-10
CN108572899A (zh) 2018-09-25

Similar Documents

Publication Publication Date Title
US20200065616A1 (en) Unsupervised exception access detection method and apparatus based on one-hot encoding mechanism
CN107278285B (zh) 压力检测方法及其装置以及电子终端
JP6640109B2 (ja) 光ファイバセンシング層及びその監視システム
CN109389224A (zh) 基于机器学习技术来检测机器的错误数据的算法和方法
TWI651061B (zh) 依壓力偵測結果客製化產品之方法
CN108073153A (zh) 传感器接口装置、测量信息通信系统及方法、存储介质
CN105094494A (zh) 指纹识别方法、装置及电子设备
CN108090659A (zh) 房源分配方法以及装置
CN109738220A (zh) 一种基于多荷载工况结构响应关联的传感器优化布置方法
TW201833762A (zh) 資料處理裝置及資料量減少方法
CN110325111B (zh) 心率测量方法、装置及计算机可读存储介质
CN116681186B (zh) 一种基于智能终端的用电质量分析方法及装置
CN106598234A (zh) 基于惯性传感的手势识别方法
CN205924026U (zh) 一种人体活动量检测系统
CN108567196A (zh) 电容压力侦测鞋垫及其运作方法
CN106971361A (zh) 一种专业能力远程测试系统及专业能力远程测试方法
CN115879031A (zh) 可调节负荷区域负荷分类方法及相关设备
Rus et al. Design factors for flexible capacitive sensors in ambient intelligence
CN113301673B (zh) 无线传感网络的分布式滤波方法、装置、设备及存储介质
Belhaj Mohamed et al. Efficient data aggregation technique for medical wireless body sensor networks
CN104008261B (zh) 信息处理的方法及电子设备
Öztekin et al. Determining the most relevant frequency bands in motion identification by accelerometer sensors
Essahlaoui et al. Modeling design and implementation of an embeds system real time over a network of wireless sensors to environmental monitoring
CN107968817A (zh) 一种普通设备与人工智能设备交互方法和系统
Kang et al. Time series clustering based on polynomial fitting and multi-order trend features