[发明专利]一种基于神经网络的智能手环准确计步方法

权利要求书

1.一种基于神经网络的智能手环准确计步方法，其特征在于，包括：

分别提取手环加速度传感器中x轴、y轴、z轴运动数据曲线图，通过x轴、y轴、z轴运动数据曲线图获取加速度传感器的真实加速度a曲线图；利用真实加速度a曲线图中的极值将真实加速度a曲线图进行分段，删除因非跨步造成的误差数据，并对删除误差数据后的真实加速度a曲线图按照步频进行分节；

获取真实加速度a曲线的拟合曲线，将拟合曲线与拟合前的曲线进行对比，将对比后的重复点按照高频、中频和低频进行标记；

将分节后的真实加速度a曲线图的步频节对应到加速传感器的x轴、y轴、z轴运动数据曲线图中，对加速传感器的x轴、y轴、z轴进行分节，分别获取加速传感器的x轴、y轴、z轴每小节的振幅-频率曲线；

在加速传感器的x轴、y轴、z轴的振幅-频率曲线上选取与标记的高频、中频和低频对应的点，根据选取的点得到拟合后的加速度曲线-拟合a序列；

提取加速度传感器中x轴、y轴、z轴运动数据曲线图中的波峰，获取当前波峰的尺度；

按照获取的波峰尺度对加速度传感器中x轴、y轴、z轴上的波峰宽度进行分段；

获取每段中的成分向量，利用该获取每段的成分向量得到加速度传感器中x轴、y轴、z轴中每一轴上相邻两段的相似度和加速度传感器中x轴、y轴、z轴同一位置中两段之间的相似度，并将获取的相似度与设定的阈值进行对比，当该相似度大于阈值时，在x轴、y轴、z轴的投影轴上在分段对应的位置上进行数字标记，得到热度轴；

将该热度轴按照加速度曲线-拟合a序列中的波峰进行分段，确认当前段代表真实运动数据的可能性；

选择出真实运动段和可能运动段，利用选取的可能运动段和真实运动段获取手环的真实步数。

2.根据权利要求1所述的基于神经网络的智能手环准确计步方法，其特征在于，所述加速度传感器的真实加速度a曲线图是通过加速度传感器中x轴、y轴、z轴运动数据曲线图中数据的矢量和得到的。

3.根据权利要求1或2所述的基于神经网络的智能手环准确计步方法，其特征在于，所述删除因非跨步造成的误差数据包括：

不符合走步规律的数据和不符合走步时间的数据；

所述不符合走步规律的数据是按照如下方法确认：计算真实加速度a曲线图中极值分段后的每段中通过波峰分节的节数n，若n6，对该段数据进行删除；

所述不符合走步时间的数据按照如下方法确认：计算每段中两个极值点的时间差dt，若dt0.1s，将该段数据进行删除。

4.根据权利要求1所述的基于神经网络的智能手环准确计步方法，其特征在于，所述真实加速度a曲线的拟合曲线是按照如下方法拟合的：

将分节后每一节的真实加速度a曲线图按照波峰进行分块；

获取每一节中每个块同一位置的数据的均值得到平均块，求取该平均块内数据的均值，利用平均块内数据与均值的差值做傅里叶变换得到真实加速度a曲线的振幅-频率曲线；

基于指数函数对该真实加速度a曲线的振幅-频率曲线进行拟合，获得真实加速度a曲线的拟合曲线；

对比真实加速度a曲线的拟合曲线和真实加速度a曲线的振幅-频率曲线，标记该两条曲线的重合点的频率，在将标记的频率分为高频、中频和低频三部分。