【跑步姿势训练鞋】No.005-姿态识别和步频计算

sipower

【跑步姿势训练鞋】No.005-姿态识别和步频计算 [复制链接]

 

上一篇介绍了我自己设计的传感器制作过程和数据初级处理，这一篇介绍本次作品最烧脑的部分，也是核心算法部分：姿态识别和步频计算。

首先，介绍一下设计思路。我在足底设置了4个压力传感器，分别编号为：0,1,2,3的序号，如下图所示。在走路或跑步时，这四个点达到压力最大点的顺序是不一样的，而这个顺序，是代表了不同的脚部姿态的，比如内八字走路，0,1两点达到压力最大值要早于2，3两点；跑步时前脚掌先着地的就会是1,3先达到最大值，反之后脚跟先着地则0,2先达到最大值。只要算出这个顺序就能识别姿态。然后通过每个点的最大值的幅度，持续时间可以进一步分析姿态的合理程度。

图1，脚掌四个压力点坐标

从实采到的波形来看，整体比较有规律，到每一个波形细节又有小的波动，如下图所示。用眼睛看很容易识别最大值的位置，但是让单片机程序通过低功耗的简单算法来实现，还是有难度。

图2，采集到待分析的波形

经过反复试验，终于找到方法。测试的时候，发现总有一个通道波形比其他波形更具典型性，周期规律更明显，原因是每个人的脚掌总会有一个点是主要受力点，形态会凸显出来。我把这个通道定义为典型分析通道，做成可配置的，实际应用中可以更改。通过分析这个通道，来界定周期。我找到的另外一个规律就是我自制的这个传感器，负向波形比正向的规律性更好，后面计算均使用负向数据。

周期的获取方法如下：取3个采样点做连续滑窗比较，判断条件一，中间点的值比前后值都小，则认为是一个极值点；判断条件二，记录连续两个极值点，判断后一个是否达到前一个的60%（这个是实测获取的，可以更改），如果达到，则认为是有效最大点，反之不能达到，则认为是干扰值，舍弃丢掉。采用这两个判断条件，在第一、二个点的时候可能是干扰值，后面的则自动能识别正确。实测准确度很高，没有漏点。计算两个极值点之间的采样点数，乘以采样时间即为每步的周期，代码如下。

图3，求周期代码

有了这个周期，后面就好办了。第一个能获得的就是步频。用1分钟除以周期就是每分钟走了多少步。第二个能获取的就是压力顺序。这个详细说一下。

原始采样频率是100Hz，经过10点平均滤波后，每个采样点间隔是0.1秒，我使用一个32位变量计数滤波后的采样点序号，要是溢出需要16年还多，足够满足每次测试需要。从识别出典型通道第一个有效极值（最小值）开始，4个通道就分别不停地计算极值和出现极值的采样点序号，直到下一个典型通道的有效极值出现，将算出的数据转存，并初始化缓存，开始下一轮计算。转存的采样点序号是姿态的原始值，我需要转换成坐标点的顺序值，即为将4个数排序，排序后要得到每个数的角标顺序。此处费了不少脑细胞，最后从网上找到了解决方案。原理其实很简单，就是给数组排序前，做一个序号数组，用冒泡法对原数组排序，每一步排序，序号数组也同步跟着转换，排完后，序号数组的内容即为原数组角标序号，代码如下。

图4，姿态识别代码

如果直接用数组来表达姿态，操作起来太繁琐了，我对这个结果进行了抽象简化，用一个16位数，用16进制方式表达，可以达到简化目的。比如姿态顺序是：0->2->3->1，就用0x0231来表达。对于连续获取的姿态序列，0->2->3->1->0->2->3->1->0->2->3->1->0，其中任意连续4个都是代表相同的姿态，所以对于姿态数值：0x0231<=>0x2310<=>0x3102<=>0x1023这几个是等价的，可以定义成姿态‘a’，这样，每一个姿态，用一个字符就能表达了，在传输使用上简单很多了。

下面两张图片是实际运行后的效果，左边是实时波形，右边是计算结果。姿态识别，步频计算准确度和稳定度都还不错，基本满足实际要求。

图5，计算结果

图6，计算结果

 

综上，本设计最难的部分就完成了，后面研究蓝牙传输和自发电等功能。

dcexpert

自发电用什么方式？

w494143467

想法非常不错，自发电这个，是将势能转换为电能嘛？好奇怎么实现。

soso

楼主这个步态识别，跟跑步精灵有些像。不过这个自发电就厉害了，期待后续。