论文部分内容阅读
生命在于运动。随着社会的发展,人们对运动健身的需求也日益增加。采用智能手机来实时监测用户的运动情况,甚至指导其运动过程已经慢慢的成为了人们跑步过程时所青睐的健身方式。医学研究表明,人体在跑步时,呼吸和步伐两者节奏的稳定性在整个运动过程中起到了至关重要的作用。因此,能够实现一套对跑步运动状态进行有效监测的系统有着极其重要的现实意义。本文基于Android平台内嵌传感器,对人体跑步过程中步伐和呼吸的检测算法进行了研究和改进。针对上述存在的需求,本文就基于Android平台的步伐和呼吸检测进行了以下研究:(1)对现有的步伐检测算法进行分析和总结的基础上,设计并实现了一种基于位置无关性及对运动无干扰性等特点的有效算法。包括:首先运用了Butterworth滤波器消除了高频干扰,然后利用投影变换方法解决了智能手机的位置无关性问题,最后采用了平滑滤波手段剔除了伪峰谷,经计算得到步伐频率。该算法在Android平台上进行实验,结果表明算法在准确性上取得了较好的效果。(2)对呼吸信号的时域和频域特性进行分析研究,通过比较呼气和吸气阶段在短时能量、短时过零率、梅尔频率倒谱系数(MFCC)、线性预测编码(LPC)参数上所呈现出来的特征情况,选取了梅尔频率倒谱系数(MFCC)作为模型训练的参数。采用支持向量机(SVM)对呼气阶段和吸气阶段的MFCC特征参数进行模型训练,用于呼气和吸气两阶段的分类,从而计算出呼吸频率。为了提高算法的准确性,本文针对错误分类点和噪音干扰问题分别进行研究,并提出了基于聚类的错误分类点消除算法和基于周期的噪音消除算法。(3)在Android平台上,利用本文提出的算法,开发实现了一个跑步运动监测系统,该系统对用户在跑步过程中进行实时的步伐和呼吸频率监测。通过前期运动节奏的监测情况,结合呼吸频率,选择一首适当节奏的歌曲调节步伐,确保运动节奏稳定,从而达到跑步运动的高效性与延迟疲劳程度的效果。