本發(fā)明屬于測(cè)量車(chē)輛、人員、動(dòng)物或其他運(yùn)動(dòng)的固態(tài)物體在地面行駛的距離，例如，應(yīng)用里程計(jì)或應(yīng)用計(jì)步器的技術(shù)領(lǐng)域，具體是涉及一種基于模糊邏輯的跑步狀態(tài)識(shí)別方法。

背景技術(shù)：

跑步是目前最為廣泛的群眾運(yùn)動(dòng)之一，包括人們?nèi)粘５呐懿藉憻?、朋友間的跑步競(jìng)賽和一些官方的跑步競(jìng)技，其中運(yùn)動(dòng)狀態(tài)有快跑、慢跑、快走、慢走、變速跑、變速走、不規(guī)則運(yùn)動(dòng)和靜止，對(duì)于運(yùn)動(dòng)量的計(jì)算、卡路里消耗、跑步距離計(jì)算和運(yùn)動(dòng)員生理指標(biāo)監(jiān)測(cè)都有重要意義，同時(shí)在跑步軌跡呈現(xiàn)時(shí)，分析跑步過(guò)程的運(yùn)動(dòng)狀態(tài)變化可以進(jìn)一步指導(dǎo)用戶(hù)科學(xué)的進(jìn)行跑步鍛煉；對(duì)于跑步狀態(tài)的識(shí)別，傳統(tǒng)的方法均是通過(guò)單位時(shí)間內(nèi)的速度或步頻進(jìn)行判斷，設(shè)定閾值簡(jiǎn)單識(shí)別，這樣的問(wèn)題在于：

1)快和慢是相對(duì)概念，不同的人對(duì)快慢的判斷并不相同；

2)快走的速度可能大于慢跑的速度，因此簡(jiǎn)單的以速度或步頻無(wú)法有效的分辨出快走和慢跑的狀態(tài)；因此，運(yùn)動(dòng)狀態(tài)是一個(gè)模糊的概念，無(wú)法設(shè)定確切的界限區(qū)分不同狀態(tài)。

中國(guó)發(fā)明專(zhuān)利cn104977006說(shuō)明書(shū)中公開(kāi)了一種基于模糊邏輯進(jìn)行運(yùn)動(dòng)狀態(tài)識(shí)別的方法，可以根據(jù)當(dāng)前時(shí)刻的步頻和合加速度方差做模糊推理，得到慢走、走、快走、慢跑、跑、快跑等狀態(tài)，這種方法的缺點(diǎn)在于：

1)這是基于單步數(shù)據(jù)進(jìn)行的模糊推理，但推理結(jié)果可能出現(xiàn)不符合人類(lèi)跑步或行走連續(xù)特征的情形，例如在多步慢走時(shí)間出現(xiàn)的一步快跑，或在一個(gè)時(shí)間窗口內(nèi)出現(xiàn)步幅忽大忽??；

2)運(yùn)動(dòng)狀態(tài)的識(shí)別取決于計(jì)步的結(jié)果，若當(dāng)前時(shí)刻沒(méi)有計(jì)步，則沒(méi)有運(yùn)動(dòng)狀態(tài)輸出，但在實(shí)際應(yīng)用中，受限于傳感器的采樣率等因素，部分運(yùn)動(dòng)信息無(wú)法感應(yīng)，計(jì)步算法可能出現(xiàn)誤差。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種基于模糊邏輯的跑步狀態(tài)識(shí)別方法，該一種基于模糊邏輯的跑步狀態(tài)識(shí)別方法基于模糊邏輯理論，對(duì)一個(gè)窗口時(shí)間內(nèi)的加速度計(jì)數(shù)據(jù)分析，利用窗口時(shí)間內(nèi)的步頻、步幅整體情況進(jìn)行模糊推理，在保證實(shí)時(shí)性的同時(shí)，得到當(dāng)前的運(yùn)動(dòng)狀態(tài)并輸出，為卡路里計(jì)算、跑步距離計(jì)算提供更準(zhǔn)確的數(shù)據(jù)。

為了達(dá)到上述目的，本發(fā)明一種基于模糊邏輯的跑步狀態(tài)識(shí)別方法的控制方法，其步驟如下：

1)以25hz采樣加速度計(jì)數(shù)據(jù)：采用25hz采樣頻率充分考慮對(duì)運(yùn)動(dòng)的捕捉精細(xì)度和計(jì)算量之間的平衡，采集三軸加速度數(shù)據(jù)ax、ay、az；

2)根據(jù)三軸加速度數(shù)據(jù)計(jì)算合加速度：

3)對(duì)合加速度數(shù)據(jù)進(jìn)行野值處理及濾波：判斷野值的方法為：

其中a(i)為i時(shí)刻的合加速度，為當(dāng)前時(shí)刻之前4個(gè)數(shù)的合加速度均值；

若上述野值判斷成立，則對(duì)當(dāng)前時(shí)刻的值采用線(xiàn)性外推：

野值處理后，將外推估計(jì)的數(shù)據(jù)加入傳感器序列中，再進(jìn)行低通濾波以減小高頻噪聲：

其中，ak均為低通濾波器的參數(shù)，低通濾波器為基于漢明窗的fir(finiteimpulseresponse)濾波器，截止頻率為10hz，-3db頻率為5hz，階數(shù)為25階；

4)存儲(chǔ)l長(zhǎng)度的數(shù)據(jù)，差分，找到波峰和波谷：對(duì)l長(zhǎng)度的所有數(shù)據(jù)分別求差分：

{adiff(i)}＝{a(i+1)-a(i)}

根據(jù)差分序列{adiff}，查找波峰和波谷：

若adiff(i)＝0，則當(dāng)前時(shí)刻的值與上一個(gè)時(shí)刻相同，故既不是波峰也不是波谷；

若adiff(i)與adiff(i-1)符號(hào)不同，adiff(i)＞0，則i時(shí)刻為波峰；adiff(i)＜0，則i時(shí)刻為波谷；

5)去除偽波峰、偽波谷，得到波峰序列{apeak}、波谷序列{avalley}：判斷偽波峰偽波谷的原理如下：

若當(dāng)前波峰p1與其前面最近的波谷v1之間的幅度小于閾值t，則判斷波峰為偽波峰，同時(shí)比較下一個(gè)波谷v2與v1的大小，v1與v2之間較大者為偽波谷；

若p1與之后的最近的波谷v2之間的幅度小于閾值t，則判斷v2必然為偽波谷，比較下一個(gè)波峰p2，p1和p2較小者為偽波峰；

6)計(jì)算平均幅度幅度方差平均偽步頻偽步頻變化斜率kf：

的計(jì)算：

{d(i)}＝{apeak(i)-avalley(i)}

m為波峰的數(shù)量；

計(jì)算：

計(jì)算：

ti和ti-1為apeak(i)和apeak(i-1)對(duì)應(yīng)的時(shí)間；

kf計(jì)算：

采用最小二乘原理，計(jì)算{f}的斜率：

7)各參數(shù)歸一化：

其中，y表示和的值，ymax、ymin分別表示和可能出現(xiàn)的最大、最小值；

8)計(jì)算各參數(shù)隸屬度：

和為模糊系統(tǒng)的輸入?yún)?shù)，和的模糊集合分別為{l,m,h}，表示低、中和高；的模糊集合為{s,ns}，表示平穩(wěn)和不平穩(wěn)；根據(jù)各參數(shù)值和隸屬度函數(shù)計(jì)算模糊值對(duì)應(yīng)的隸屬度；

的隸屬度函數(shù)分別為：

的隸屬度函數(shù)分別為：

的隸屬度函數(shù)分別為：

的隸屬度函數(shù)分別為：

其中，

9)模糊推理，得到當(dāng)前運(yùn)動(dòng)狀態(tài)。

進(jìn)一步，在步驟8)和9)中，根據(jù)最大最小合成法則，即可得到當(dāng)前的運(yùn)動(dòng)狀態(tài)及其隸屬度。

本發(fā)明的有益效果在于：

本發(fā)明一種基于模糊邏輯的跑步狀態(tài)識(shí)別方法基于模糊邏輯理論，對(duì)一個(gè)窗口時(shí)間內(nèi)的加速度計(jì)數(shù)據(jù)分析，利用窗口時(shí)間內(nèi)的步頻、步幅整體情況進(jìn)行模糊推理，在保證實(shí)時(shí)性的同時(shí)，得到當(dāng)前的運(yùn)動(dòng)狀態(tài)并輸出，為卡路里計(jì)算、跑步距離計(jì)算提供更準(zhǔn)確的數(shù)據(jù)。

附圖說(shuō)明

為了使本發(fā)明的目的、技術(shù)方案和有益效果更加清楚，本發(fā)明提供如下附圖進(jìn)行說(shuō)明：

圖1為本發(fā)明一種基于模糊邏輯的跑步狀態(tài)識(shí)別方法的控制原理圖；

圖2為本發(fā)明一種基于模糊邏輯的跑步狀態(tài)識(shí)別方法中模糊邏輯推理規(guī)則表。

具體實(shí)施方式

下面將結(jié)合附圖，對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)的描述。

如圖1所示為本發(fā)明一種基于模糊邏輯的跑步狀態(tài)識(shí)別方法的控制原理圖；如圖2為本發(fā)明一種基于模糊邏輯的跑步狀態(tài)識(shí)別方法中模糊邏輯推理規(guī)則表；本發(fā)明一種基于模糊邏輯的跑步狀態(tài)識(shí)別方法，其步驟如下：

1)以25hz采樣加速度計(jì)數(shù)據(jù)：采樣可以基于智能終端或穿戴式設(shè)備，采用25hz采樣頻率充分考慮對(duì)運(yùn)動(dòng)的捕捉精細(xì)度和計(jì)算量之間的平衡，采集三軸加速度數(shù)據(jù)ax、ay、az。

2)根據(jù)三軸加速度數(shù)據(jù)計(jì)算合加速度：

3)對(duì)合加速度數(shù)據(jù)進(jìn)行野值處理及濾波：判斷野值的方法為：

野值處理的目的在于剔除明顯異常的野值，判斷野值的方法為：

其中a(i)為i時(shí)刻的合加速度，為當(dāng)前時(shí)刻之前4個(gè)數(shù)的合加速度均值；

若上述野值判斷成立，則對(duì)當(dāng)前時(shí)刻的值采用線(xiàn)性外推：

野值處理后，將外推估計(jì)的數(shù)據(jù)加入傳感器序列中，再進(jìn)行低通濾波以減小高頻噪聲：

其中，ak均為低通濾波器的參數(shù)，低通濾波器為基于漢明窗的fir(finiteimpulseresponse)濾波器，截止頻率為10hz，-3db頻率為5hz，階數(shù)為25階。

4)存儲(chǔ)l長(zhǎng)度的數(shù)據(jù)，差分，找到波峰和波谷：

對(duì)l長(zhǎng)度的所有數(shù)據(jù)分別求差分：

{adiff(i)}＝{a(i+1)-a(i)}

根據(jù)差分序列{adiff}，查找波峰和波谷：

若adiff(i)＝0，則當(dāng)前時(shí)刻的值與上一個(gè)時(shí)刻相同，故既不是波峰也不是波谷；

若adiff(i)與adiff(i-1)符號(hào)不同，adiff(i)＞0，則i時(shí)刻為波峰；adiff(i)＜0，則i時(shí)刻為波谷。

5)去除偽波峰、偽波谷，得到波峰序列{apeak}、波谷序列{avalley}：

判斷偽波峰偽波谷的原理是：

若當(dāng)前波峰p1與其前面最近的波谷v1之間的幅度小于閾值t，則判斷波峰為偽波峰，同時(shí)比較下一個(gè)波谷v2與v1的大小，v1與v2之間較大者為偽波谷；

若p1與之后的最近的波谷v2之間的幅度小于閾值t，則判斷v2必然為偽波谷，比較下一個(gè)波峰p2，p1和p2較小者為偽波峰。

6)計(jì)算平均幅度幅度方差平均偽步頻偽步頻變化斜率kf：

的計(jì)算：

{d(i)}＝{apeak(i)-avalley(i)}

m為波峰的數(shù)量(同時(shí)也是波谷的數(shù)量，因?yàn)椴ǚ搴筒ü缺厝皇墙惶娉霈F(xiàn)的)；

計(jì)算：

計(jì)算：

ti和ti-1為apeak(i)和apeak(i-1)對(duì)應(yīng)的時(shí)間；

kf計(jì)算：

采用最小二乘原理，計(jì)算{f}的斜率：

7)各參數(shù)歸一化

其中，y表示和的值，ymax、ymin分別表示和可能出現(xiàn)的最大、最小值。

8)計(jì)算各參數(shù)隸屬度

和為模糊系統(tǒng)的輸入?yún)?shù)，和的模糊集合分別為{l,m,h}，表示低、中和高；的模糊集合為{s,ns}，表示平穩(wěn)和不平穩(wěn)。根據(jù)各參數(shù)值和隸屬度函數(shù)計(jì)算模糊值對(duì)應(yīng)的隸屬度。

的隸屬度函數(shù)分別為：

的隸屬度函數(shù)分別為：

的隸屬度函數(shù)分別為：

的隸屬度函數(shù)分別為：

其中，

9)模糊推理，得到當(dāng)前運(yùn)動(dòng)狀態(tài)：

輸出為運(yùn)動(dòng)狀態(tài)，模糊集合為{st,sw,w,qw,vw,sr,r,qr,vr,im}，分別表示靜止、慢走、走、快走、變速走、慢跑、跑、快跑、變速跑，不規(guī)則運(yùn)動(dòng)。

進(jìn)一步，根據(jù)最大最小合成法則，即可得到當(dāng)前的運(yùn)動(dòng)狀態(tài)及其隸屬度。

最后說(shuō)明的是，以上優(yōu)選實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管通過(guò)上述優(yōu)選實(shí)施例已經(jīng)對(duì)本發(fā)明進(jìn)行了詳細(xì)的描述，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，可以在形式上和細(xì)節(jié)上對(duì)其作出各種各樣的改變，而不偏離本發(fā)明權(quán)利要求書(shū)所限定的范圍。