智能鞋垫计步算法优化和实验验证

报告者:
参加人员:
教师:安宁、杨矫云、阙夏。
学生:丁会通、景波、刘杰、唐晨、殷越、段优、王雨婷、程光洋、刘超、张永、贵芳、姚小慧、滕越。
请假人员:江思源、陈绪。

 

报告内容:本次报告主要介绍了智能鞋垫计步算法的优化以及实验验证                                 1:计步算法的优化                                                                                                                           (1)初始算法:算法分为三个模块:统计峰值、统计谷值、统计穿越数、最终将三者的数据几种进行混合判断。

混合判断     如上图所示,峰值和谷值判断可以比较容易理解,穿越计步指的是先向上穿越中阈值(高阈值和低阈值平均值),再向下穿越低阈值,最后向上穿越中阈值的完整过程,表示计了完整的一步 ,其中峰值和谷值的判断,只有在样本幅值剧烈变化的时候丢步明显。而穿越计法无论运动剧烈与否,样本质量好坏,均有持续性的丢步现象,具体发生在时间窗的交界处:                                                                                                                                                                          QQ截图20161126190549                                                                       在此,上图两条红线内的时间所走的步数被丢弃了,所以在之前的算法上,要想提高精度,就只能增加时间窗的长度,但是增加时间窗的长度会带来两种不好的后果:第一,降低用户体验,计步刷新率低;第二,加长的时间窗对于运动状态突变的运动状态识别率差,过于平均的阈值也不能有效的过滤无效的峰值和谷值,如下图所示:                                                     QQ截图20161126192204                                                                 选取一整段时间窗来做分析,图示的b部分是完整计出来的4步,a+c这两个时间段在算法中为无效时间段,这时候加一个判断丢步的情况会有效的减少实验中的丢步情况。在这里感谢杨老师的建议,让算法得到进一步优化,即:丢失的步数=(a+c)/(b/n),得到的结果累加,最后得到的结果向下取整。                                                                                                              在这里,本人混淆了一个概念,跟大家分享下,关于底层硬件浮点数计算的问题:浮点运算就是实数运算,因为计算机只能存储整数,所以实数都是约数,这样浮点运算是很慢的而且会有误差。x86架构的计算机尚且如此,体积更小,性能更差的arm芯片更是如此。之前根延锐讨论的,不采取浮点运算,指的是针对原始数据这种样本量巨大的数据,不考虑采用浮点计算,但是,每五秒钟一次的计步计算结果在实践中是可以采用浮点计算的,对功耗和时延的增加量都不明显,而且可以明显提升试验准确率。

2:实验验证:

QQ截图20161126194927                                  这里感谢安老师给的建议,实验报告不仅仅是一张表格那么简单,需要严谨的记录完整的实验信息,这样的话追溯起来会有理有据(完整的实验报告格式和内容已经和刘杰商量并拟定,下次的数据会严格按照实验报告一条一条按步骤进行),本次的实验选取了佩戴在左手的小米手环做对比,分析结果如下:                                                                                                                                                                                                                                                                  1:所有计步加在一起计算(总数3368步):小米手环(85.59%)  智能鞋垫(90.13%)

2:在每一项平均的计步来看小米手环和智能鞋垫不相上下,但是在长距离的压力测试下智能鞋垫还是有相当大的优势的,其关键在于鞋垫可以取指定通道的数据

3:优缺点分析

小米手环:                                                                                                                                                优点:在温和的环境下计步很准确                                                                                                      缺点:在xyz轴反复剧烈变化下计步不准确。

智能鞋垫:                                                                                                                                                优点:在长距离 轴向变化剧烈的环境下依旧准确                                                                                缺点:在z轴变化剧烈的方向上(上下楼,跑步)判断失误相对多,究其原因,因为选择了y通道进一步优化办法:在跑步时候和上下楼识别步态,调用z轴数据作为辅助。

后记:经过进一步改进的算法,精确度达到91.42%,后期优化工作主要在于跑步和上下楼。

anyShare分享到:
This entry was posted in 例会. Bookmark the permalink.

发表评论