一种基于Android平台的跑步健身数据系统及方法技术方案

本发明专利技术实施例提出了一种基于Android平台的跑步健身数据系统及方法，所述方法包括准备流程、计步流程、运动相关数据计算流程、状态识别流程、生理参数监测流程。所述系统包括可穿戴设备和智能终端，其中所述智能终端通过内置的应用程序实现所述准备流程、计步流程、运动相关数据计算流程、状态识别流程、生理参数监测流程。

A running fitness data system and method based on Android platform

An embodiment of the invention provides a running fitness data system and method based on the Android platform. The method includes the preparation process, the step flow process, the motion related data calculation process, the state identification process and the physiological parameter monitoring process. The system includes the wearable device and the intelligent terminal, in which the intelligent terminal implements the preparation process, the step flow, the motion related data calculation process, the state identification process, and the physiological parameter monitoring process through the built-in application.

【技术实现步骤摘要】
一种基于Android平台的跑步健身数据系统及方法
本专利技术属于电子
，尤其涉及一种配合智能手环或其他可穿戴设备仪器使用的基于Android平台的跑步健身数据系统及方法。
技术介绍
随着技术的发展，各种各样的可穿戴设备逐渐开始普及，其中智能手环一直是一种最常见的可穿戴设备。现有的可穿戴设备(例如智能手环)大多设有计步电路、蓝牙通讯电路，以通过蓝牙连接移动终端(可以为智能手机、平板电脑、PDA等基于Android操作系统的设备)，并通过移动终端对计步电路的输出信号进行统计以获取跑步健身数据。其中，跑步建设数据是指一切的运动相关的数据，例如步行、跑步、健身等。现有的智能终端在通过可穿戴设备的计步电路获取信号后，通常需要对信号进行相应处理以实现计步。但是消费者普遍会觉得计步数据并不准确，这主要是由于可穿戴设备为了确保低成本、小型化、长时间待机，需要牺牲各种硬件的性能。但是现有技术中又无法通过有效的方法在智能终端侧进行精细化计步计算，因此导致最终的跑步健身数据不准确。现有技术中最常见的一种计步算法就是如图1所示的，简单的利用事先确定好的阈值来确定。该算法利用事先划定的阀值空间(图中标为A)，将采集到的加速度波形分为运动区和非运动区两部分：对处于非运动区的数据将不做处理；对于处于运动区域的数据则进行波谷检测，并将检测到的波谷数(图中的黑色圆点)记作跑步累计步数。这种已有算法实现起来非常简单、计算量低；但是存在着识别率低、统计数据不准确、极易受外界不稳定因素影响等缺点。
技术实现思路
针对现有技术中存在的跑步健身数据不准确的问题，本专利技术要解决的技术问题是提供一种基于Android平台的跑步健身数据系统及方法，无需对可穿戴设备进行改造就可以通过移动终端侧的软件来提高计步精度。为了解决上述问题，基于Android平台的跑步健身数据系统及方法，所述方法包括准备流程、计步流程、运动相关数据计算流程、状态识别流程、生理参数监测流程。所述系统包括可穿戴设备和智能终端，其中所述智能终端通过内置的应用程序实现所述准备流程、计步流程、运动相关数据计算流程、状态识别流程、生理参数监测流程。本专利技术的上述技术方案的有益效果如下：本专利技术实施例提出了一种基于Android平台的跑步健身数据系统及方法，能够内置在移动终端内，配合可穿戴设备实现各种功能，且无需更改可穿戴设备就可以确保数据的准确性。附图说明图1为本专利技术实施例中计步的原理图；图2为本专利技术实施例中准备流程和计步流程的流程图；图3为计步流程中判断流程图；图4为记录计步数据的示意图；图5为本专利技术实施例中运动轨迹绘制流程的流程图；图6a和图6b为利用本专利技术实施例的运动能耗计算步骤计算得到的步行、跑步的结果与实际值的对比图；图7为静止状态下可穿戴设备的输出数据；图8为行走状态下可穿戴设备的输出数据；图9为跑步状态下可穿戴设备的输出数据；图10为滤波步骤的流程图；图11为QRS波检测步骤的流程图；图12为QRS波群位置确定的示意图；图13为R波波峰所在位置确定的示意图；图14为Q波波峰、S波波峰所在位置确定的示意图；图15为QRS波群的波峰位置确定的示意图；图16为心律失常诊断的流程图图17为温度值读取流程。具体实施方式为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。本专利技术实施例提出了一种配合智能手环使用以提高计步精度的基于Android平台的跑步健身数据系统及方法。其中，所述方法可以包括准备流程、计步流程、运动相关数据计算流程、状态识别流程、生理参数监测流程。(一)准备流程如图1所示的包括：步骤11、与可穿戴设备建立蓝牙连接；步骤1主要是用来为智能手环与智能终端之间的数据传输建立通道；其中，智能手环与智能终端这两个设备的连接需要首先开启一个BluetoothServerSocketserver，其中基于Android的智能终端中使用listenUsingRfcommWithServiceRecord(String,UUID)方法获取一个BluetoothServerSocket，而参数String为主机名称，UUID为通用唯一标识符，这两个设备就是通过该通用唯一标识符UUID来进行匹配)。其中主机名String和通用唯一标识符UUID这两个参数均由SDP(ServiceDiscoveryProtocol，蓝牙服务发现协议)记录。获取的BluetoothServerSocket用于监听其他蓝牙设备的接连请求，若是有其他设备接受了主机发送的连接请求，则建立一个可进行双向数据传输的BluetoothSocket，通讯方式为Notification。步骤12、数据接收步骤，该步骤用于实时接收从可穿戴设备发送过来的计步电路输出信号，在本专利技术的一个实施例中该计步电路输出信号数据为通过三轴加速度传感器测量得到的加速度值。在接收到该计步电路输出信号后，智能终端需要开启一个新的线程。可穿戴设备的蓝牙蓝牙数据通讯电路使用函数attmdb_att_set_value()更新attributedatabase中的值，使用prf_server_send_event()方法发送携带有特征值的Notification；而智能终端的计步程序则使用socket的getInputStream()方法获取持续的计步电路输出信号，最后通过计步算法来解析该持续的计步电路输出信号。步骤13、数据来源判断步骤，该步骤用于判断接收到的持续的计步电路输出信号是否为来自可穿戴设备的三轴加速度传感器输出的加速度值；本专利技术实施例中，可穿戴设备与智能终端之间传输数据所使用的数据帧的长度为18个字节：中前三个字节为数据来源表示码，若解析的数据中前三位为“acc”，则表示此段特征值是来自可穿戴设备的三轴加速度传感器输出的加速度值。在确定了数据来自可穿戴设备的三轴加速度传感器后，便可对持续的计步电路输出信号进行处理从而进行计步。(二)计步流程如图1所示的包括：步骤21、根据当前的海拔、地磁场强度，对对接收到的三轴加速度传感器发送来的持续的计步电路输出信号进行数据修正。由于使用者的跑步海拔、所处地方地磁强度的不同，会对加速度的测量造成一定的影响。为消除以上因素引起的误差，本专利技术实施例需要通过以下步骤进行数据修正：通过公式(1)对三轴加速度传感器发送来的持续的计步电路输出信号中X、Y、Z三个轴上的加速度值做了修正补偿，修正公式如下：Aacc＝Ccompsation+Vvalues×K(1)其中，Aacc为修正值，Ccompsation为加速度补偿量，Vvalues为某一方向上的加速度值，K为比例系数；其中Ccompsation由海拔高度决定，当海拔在2000米以下时设定补偿量为245；当海拔在2000米到4000米范围时设定补偿量为255；当海拔在4000米以上时设定补偿量为265；其中比例系数K为控制信号缩放比的关键量，可以通过以下的公式(2)计算：其中Mmax为地球表面最大磁场强度；由公式(2)可以看出比例系数K与加速度补偿量Ccompsation成正比。步骤22、通过以下的公式(3)计算加速度平均值mAvrmAvr＝(Aaccx+Aaccy+Aaccz)/3(3)其中Aaccx为X轴上的加速度分本文档来自技高网...

【技术保护点】
一种基于Android平台的跑步健身数据方法，其特征在于，包括准备流程、计步流程；其中所述准备流程包括：与可穿戴设备建立蓝牙连接，从所述可穿戴设备接收实时数据并对接收到的实时数据进行真实性验证；其中所述计步流程包括：步骤21、根据当前的海拔、地磁场强度，对接收到的三轴加速度传感器发送来的持续的计步电路输出信号进行数据修正；具体包括：通过公式(1)对三轴加速度传感器发送来的持续的计步电路输出信号中X、Y、Z三个轴上的加速度值做了修正补偿，修正公式如下：Aacc＝Ccompsation+Vvalues×K    (1)其中，Aacc为修正值，Ccompsation为加速度补偿量，Vvalues为一个方向上的加速度值，K为比例系数；其中Ccompsation由海拔高度决定，当海拔在2000米以下时设定补偿量为245；当海拔在2000米到4000米范围时设定补偿量为255；当海拔在4000米以上时设定补偿量为265；其中比例系数K用于控制信号缩放比，通过以下的公式(2)计算：

【技术特征摘要】
1.一种基于Android平台的跑步健身数据方法，其特征在于，包括准备流程、计步流程；其中所述准备流程包括：与可穿戴设备建立蓝牙连接，从所述可穿戴设备接收实时数据并对接收到的实时数据进行真实性验证；其中所述计步流程包括：步骤21、根据当前的海拔、地磁场强度，对接收到的三轴加速度传感器发送来的持续的计步电路输出信号进行数据修正；具体包括：通过公式(1)对三轴加速度传感器发送来的持续的计步电路输出信号中X、Y、Z三个轴上的加速度值做了修正补偿，修正公式如下：Aacc＝Ccompsation+Vvalues×K(1)其中，Aacc为修正值，Ccompsation为加速度补偿量，Vvalues为一个方向上的加速度值，K为比例系数；其中Ccompsation由海拔高度决定，当海拔在2000米以下时设定补偿量为245；当海拔在2000米到4000米范围时设定补偿量为255；当海拔在4000米以上时设定补偿量为265；其中比例系数K用于控制信号缩放比，通过以下的公式(2)计算：其中Mmax为地球表面最大磁场强度；其中公式(2)中比例系数K与加速度补偿量Ccompsation成正比；步骤22、通过以下的公式(3)计算加速度平均值mAvrmAvr＝(Aaccx+Aaccy+Aaccz)/3(3)其中Aaccx为X轴上的加速度分量，Aaccy为Y轴上的加速度分量，Aaccz为Z轴上的加速度分量；步骤23、将加速度平均值mAvr绘制的波形图记为函数F(t)，并将被测点记作F(t0)，将被测点的前两个值分别定义为F(t1)、F(t2)；然后计算F(t1)与F(t2)差值，记作Δ1；计算F(t1)与F(t0)差值，记作Δ2；如果Δ1、Δ2异号则认为F(t1)为拐点，否则认为F(t1)不为拐点；若为极值点则将极值点存入数组mExtremums[]中，并进入步骤24；步骤24、获取当前的极值点Ek以及前一极值点Ek-1，并计算相邻波峰波谷之间的差值绝对值|Δ||Δ|＝|Ek-Ek-1|(4)其中，|Δ|为相邻的两个极值点之间的差值的绝对值，也是识别运动步伐的判断依据，Ek为本次测量出的拐点，存储在数组mExtremums[k]中；Ek-1为记录的上一个极值点，存储在数组mExtremums[k-1]中；步骤25、根据步骤24获取的极值点之间的差值绝对值|Δ|，判断相邻的两个极值点之间的差值的绝对值|Δ|是否满足以下的五个计步条件，如果是则记一步：1、识别区间的确定条件；当前值|Δ|大于阀值的部分为运动识别区，小于阀值的部分为非识别区；阀值即为可穿戴设备的计步电路的灵敏度，灵敏度过高或高低均会给计步造成较大误差；2、判断上次计算值|Δ|1是否合理的判断条件；若上次计算值|Δ|1相比当前值|Δ|太小\，则认为上一次波动为高频干扰，上一步不记为一步；否则认为|Δ|1合理数据；其中|Δ|1为上一步的计算值；3、判断当前值|Δ|是否合理的判断条件；在通过第2个条件判定上一次的计算值|Δ|1有效的情况下，则判断当前|Δ|是否大于三分之二倍的|Δ|1时，如果则认为当前值|Δ|为合理数据；如果不是则认为当前值|Δ|过小，本次波动为抖动干扰，不计为一步；4、波谷判断；所以如果的满足条件的拐点为波峰数据，则舍弃；如果为波谷数据则进入下一个判断条件；5、时间间隔判断条件；判断当前值|Δ|与上一次的计算值|Δ|1之间的时间间隔小于0.2s，则该当前值|Δ|为高频噪声干扰，不计为一步；如果当前值|Δ|满足前述的五个条件时，当前值|Δ|可以记为一步；步骤26、根据运动过程中的定位信息绘制运动轨迹。2.根据权利要求1所述的基于Android平台的跑步健身数据方法，其特征在于，所述方法还包括运动相关数据计算流程；其中所述运动相关数据计算流程包括运动能耗计算步骤、运动距离计算步骤、实时速度计算步骤、平均速度计算步骤；其中所述运动能耗计算步骤采用以下公式(5)计算运动能耗其中，KEaee为人体运动能耗，k为修正参数，m为使用者身体质量，a为三轴加速度的几何平均值，t为运动持续时间，d为运动距离；其中三轴加速度的几何平均值a通过以下的公式(6)计算：其中，TAx为x轴方向上的加速度分量，TAy为轴方向上的加速度分量，TAz为Z轴方向上的加速度分量；其中所述运动距离计算步骤包括：步骤31、计算两次定位之间的距离，具体包括：设结束点M的坐标为(Mlng，Mlat)，起始点N的坐标为(Nlng，Nlat)；将结束点M与起始点N之间的经纬度转换为弧度；转换之后结束点M的坐标表示为(RMlng，RMlng)，起始点N的坐标表示为(RNlng，RNlat)；采用公式(7)计算起始点N与结束点M之间的距离，：其中，L为两点之间的距离；ER为地球半径；步骤32、根据每两次邻近的定位之间的距离，采用公式(8)获取整个运动轨迹中的运动距离：其中所述实时速度计算步骤包括：通过公式(9)确定两次定位之间的时间以得到该时间段的实时速度：Vrt＝L/t(9)其中平均速度计算步骤包括：通过公式(10)计算使用者在整个运动过程中的平均速度：V＝Ltot/T(10)其中，V为平均速度，Ltot为跑步距离，T为跑步持续时间。3.根据权利要求1所述的基于Android平台的跑步健身数据方法，其特征在于，所述状态识别流程包括：将使用者的状态分为：静止...

【专利技术属性】
技术研发人员：彭，吴兆强，
申请(专利权)人：四川理工学院，
类型：发明
国别省市：四川,51