一种简易的便携式可穿戴设备状态判别方案制造技术

本发明专利技术公开了一种简易的便携式可穿戴设备状态判别方案，该方案包含：确定当前模式状态，利用三轴加速度按传感器采集人体不同活动状态的加速度信号，对信号进行数据预处理并提取相应特征，利用不同状态下特征矢量的差异进行辨别，分为未佩戴状态，运动状态和非运动状态。其中，运动状态包含走路模式和跑步模式。运动状态和非运动状态可能有相似的波形，利用连续时间段内，检测的运动步数是否大于一定阈值，进行进一步判别。本发明专利技术方案，逻辑清晰，运算开销小，功耗低，适合运算和存储能力有限的小型系统。

A simple state discrimination scheme for portable wearable devices

The invention discloses a simple portable program for discriminating wearable devices, the scheme includes: determining the current mode, acceleration signal using three axis acceleration sensor according to different acquisition human activity state, data preprocessing of signal and extract the corresponding feature, feature vector identification using the difference under different conditions, divided for not wearing state, state of motion and non motion. Among them, the movement state includes walking mode and running mode. The motion state and the non motion state may have similar waveforms, and the further analysis is made by using the number of moving steps detected in the continuous time interval is greater than a certain threshold. The scheme of the invention has the advantages of clear logic, small calculation cost, low power consumption, small system suitable for operation and limited storage capacity.

【技术实现步骤摘要】
一种简易的便携式可穿戴设备状态判别方案
本专利技术涉及智能设备
，特别是涉及便携式可穿戴设备进行活动状态判别的方法及便携式可穿戴设备。
技术介绍
随着互联网技术的不断更新与迭代，各种便携式可穿戴设备走进人们的工作生活之中。便携式可穿戴设备主要依据自身所集成的各种传感器，通过采集人们日常活动状态的信号信息，进行处理分析，计算出人体活动特征睡眠，运动等等。生活工作中，常用的便携式可穿戴设备主要包含运动与睡眠两种状态的检测。一部分产品采取两种状态模式并行的方式进行，同时进行运动步数检测和统计睡眠数据，这种方式极大地增加了数据的运算量和产品功耗；另一部分产品采用半自动切换状态方案，依据一段时间内，对运动步数进行累计，当累计大于一定阈值，则切换到运动状态，否则切换到睡眠状态，这种方式下，当睡眠状态下翻身或抖动状态过于频繁，容易产生误判。综上所述，现有便携式可穿戴设备主要存在功耗过大和判别准确率低的缺陷。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供了一种简易的便携式可穿戴设备状态判别方案，该方案在提高状态判别准确度的基础上同时降低了设备功耗。本专利技术所采用的技术方案是：根据三轴加速度传感器的采样频率，采集人体在不同活动状态下的加速度信号。根据采集所产生的加速度信号，利用x，y，z三轴原始数据的1范数作为基本数据，相比使用三轴加速度矢量和作为基本数据，减少计算量，降低功耗。对得到的基本数据，进行平滑处理，根据三轴加速度传感器的采样频率决定滑动窗的大小，将滑动平均值作为新的基本数据，降低设备内部噪声对加速度信号的影响。对处理后的基本数据进行特征提取，提取一定时间段内的加速度信号在时域波形上的多个特征值，包含：一定时间段内加速度信号的最大差分值，表明信号的最大波动情况；一定时间段内加速度信号的平均值，表明信号的相对波动范围；一定时间段内加速度的平均差分值，表明信号的相对波动幅度；一定时间段内加速度的差分值大于一定阈值的百分比，表明信号的整体波动情况。特征选择部分，相比传统均值，方差等特征，仅仅使用一些加减法和几次简单的乘除法，减少计算量，降低功耗。根据提取的多个特征，首先进行特征阈值判断，检测是否属于未佩戴状态，当未检测到未佩戴状态，进行运动状态检测，利用不同运动状态下的多个特征作为一组矢量，选取输入特征矢量与参考特征矢量之间的最小距离，并且满足一定的阈值要求，作为判定的运动状态，否则判定为非运动状态。不同运动状态下的参考特征矢量，是利用一种聚类算法，将大量不同运动状态下的多个特征作为一组矢量输入，找出不同状态下多个特征的质心，作为参考特征矢量。主要训练过程都在线下进行，线上只需计算输入特征矢量和参考特征矢量的相对距离，来判断不同的状态，这种方式不仅降低了运算量，而且提高了算法的精确度。根据上述得出的活动判别状态，分别调用不同的响应事件，如：走路，跑步，或者睡眠。响应事件依据判别的状态决定是否执行，减少了计算量，降低功耗。运动状态和非运动状态可能有相似的波形，当产生误判，利用连续时间段内检测的运动步数是否大于一定阈值，进行进一步判别。连续时间段内步数的检测，可以有效克服非运动状态下的大间隔频繁运动产生的判决误差，进一步提高判别状态的准确度。与现有技术相比，本专利技术的有益效果是：本专利技术提供了一种简易的便携式可穿戴设备状态判别方案，该方案在提高状态判别准确度的基础上同时降低了设备功耗。附图说明图1为：本专利技术方案进行状态判别的示意性流程图；图2为：本专利技术进行状态判别过程流程图实例；图3为：本专利技术在走路状态下进行聚类算法得到的聚类图实例。图4为：本专利技术在跑步状态下进行聚类算法得到的聚类图实例。具体实施方式为了更加清晰地阐明该技术方案的目的以及优点，下面结合附图，对本专利技术进一步说明。当前，便携式可穿戴设备在处理运动和睡眠监测的问题上，主要存在两个问题：一是采取运动与睡眠状态同时进行监测，虽然提高了计算的准确率，却极大地增加了产品的功耗；二是采取半自动切换状态，通过一定时间内对运动步数的累计进行判决，在降低功耗的同时，也降低了准确率。为了解决当前问题，本方案首先对三轴加速段传感器采样到的原始数据进行预处理操作，提取相对简单而有效的特征，根据不同状态下，特征之间的差异，进行不同活动状态的判别，调用相应的状态事件，运动状态和非运动状态可能有相似的波形，当产生误判，利用连续时间段内运动步数是否大于一定阈值，进行进一步判别。方案不仅降低了功耗，而且提高了判别计算的准确率，弥补了当前便携式可穿戴设备的不足。参见图1，为本专利技术方案进行状态判别的示意性流程图，具体包含以下步骤：S101、根据三轴加速度传感器的采样频率，采集人体在不同活动状态下的加速度信号，本专利技术中采取50Hz的采样频率，满足人体不同活动状态的检测；S102、根据步骤S101所产生的加速度信号，利用x，y，z三轴原始数据的1范数：asum＝|ax|+|ay|+|az|作为接下来数据处理的基本数据；S103、对步骤S102得到的基本数据，进行平滑处理，根据步骤S101中设定的三轴加速度传感器的50Hz采样频率，滑动窗的大小设为n＝7，将滑动平均值：asum＝(asum1+asum2+asum3+asum4+asum5+asum6+asum7)/n作为新的基本数据；S104、对步骤S103处理后的基本数据进行特征提取，提取一定时间段内的加速度信号在时域波形上的多个特征值。本专利技术方案采取动态滑动窗的办法，每当采样达到100个点(即：2s)进行1次特征提取与判别，并以50个点(即：1s)重叠地向前滑动。计算数据统计特征主要包括：2s时间内加速度信号的最大差分值Feature1，表明信号的最大波动情况；2s时间内加速度信号的平均值Feature2，表明信号的相对波动范围；2s时间内加速度的平均差分值Feature3，表明信号的相对波动幅度；2s时间内加速度的差分值大于一定阈值的百分比Feature4，表明信号的整体波动情况；S105、根据人体在不同活动状态下特征值之间差异，首先进行特征阈值判断，检测是否属于未佩戴状态，当未检测到未佩戴状态，进行运动状态检测，利用不同运动状态下的多个特征作为一组矢量，选取输入特征矢量与参考特征矢量之间的最小距离，并且满足一定的阈值要求，作为判定的运动状态，否则判定为非运动状态。S106、基于步骤S105的判别状态，调用不同状态响应事件。参见图2，为本专利技术进行状态判别过程流程图实例。具体执行步骤如下：首先，根据Feature1最大差分值和Feature2平均差分值是否小于Threshold1阈值1和Threshold2阈值2，判断设备是否穿戴，其中Threshold1和Threshold2的设定为：当设备静放在桌子上，加速度传感器采集到的一些设备内部噪声的最大值。如果没有检测到未佩戴状态，进行下一步检测，根据Feature2平均差分值，Feature3幅度平均值和Feature4差分值大于一定阈值的百分比，利用输入特征矢量和参考特征矢量之间的距离，选择最小距离，并且最小距离满足Threshold3或Threshold4，则判断为走路或者跑步状态，否则判定为非运动状态。参见图3和图4，本专利技术在走路和跑步两种状态下进行一种聚类方法后得到的聚类图，本文档来自技高网...

【技术保护点】
一种简易的便携式可穿戴设备状态判别方案，其特征在于，对人体不同活动状态下加速度信号进行解析，预处理，并进行特征提取，提取一定时间段内的加速度信号在时域波形上的多个特征值。根据人体在不同活动状态下特征值之间差异，将满足判决条件的活动状态，作为判决的活动状态。

【技术特征摘要】
1.一种简易的便携式可穿戴设备状态判别方案，其特征在于，对人体不同活动状态下加速度信号进行解析，预处理，并进行特征提取，提取一定时间段内的加速度信号在时域波形上的多个特征值。根据人体在不同活动状态下特征值之间差异，将满足判决条件的活动状态，作为判决的活动状态。2.根据权利要求1所述的一种简易的便携式可穿戴设备状态判别方案，其特征在于，对进行预处理操作后得到的加速度信号，计算数据统计特征主要包括：一定时间段内加速度信号的最大差分值；一定时间段内加速度信号的平均值；一定时间段内加速度的平均差分值；一定时间段内加速度的差分值大于一定阈值的百分比。3.根据权利要求2所述的一种简易的便携式可穿戴设备状态判别方案，其特征在于，根据权利要求2中提取的多个特征，首先进行特征阈值判断，检测是否属于未佩戴状态，当未检测到未佩戴状态，进行运动状态检测，利用不同运动状态下的多个特征作为一组矢量，选取输入特征矢量与参考特征矢量之间的...

【专利技术属性】
技术研发人员：蒋挺，张浩，谢轩，薛文玲，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11