研究目的:通过手机加速度检测软件对收集的数据进行分析处理,以收集的三轴加速度信号为研究对象,利用巴特沃斯低通滤波算法分析数据,再利用波峰检测法计算滤波后的步数,分析行人不同运动状态下的数据包括直线行走、转弯检测,与实际步数做对比得出误差范围,判断由算法得出的数据的精度,从多组实验中得出巴特沃斯低通滤波的适用范围。研究方法:现如今大部分的智能手机都带有加速度传感器,很多手机软件均可实现加速度信号分析;而当今人们的生活均离不开手机,手机可以很方便地携带在身上,对比一些数据采集工具有着方便携带的优势,并且行人使用手机的频率高、适用范围广。基于此,本文主要通过研究智能手机加速度传感器APP与行人行走的对应关系,分析步态加速度的自相关系数,提取步态加速度信号;运用不同的滤波分析方法进行差异性对比,选取一种合适的滤波分析方法进行步态参数如步长步幅、波峰波谷的分析,最后根据实验结果,检验步态检测算法的计步精度,以及是否适合不同状态下的步态检测。本次研究利用安卓手机的加速度传感器软件-科学日志APP进行数据采集,通过对比众多采集数据软件发现,软件可以采集多种传感器数据,并且可以将数据文件导出,有利于后期进行数据分析,由此选择此软件作为本次研究的数据采集软件。1.巴特沃斯低通滤波巴特沃斯滤波器的特点是通频带内的频率响应曲线最大限度平坦,没有起伏,而在阻频带则逐渐下降为零。在振幅的对数对角频率的波特图上,从某一边界角频率开始,振幅随着角频率的增加而逐步减少,趋向负无穷大。2.波峰检测算法人在步行正常使用手机时,手机的放置位置是随意不定的,加速度传感器的三轴有可能不与既定的三轴完全重合。所以为了充分利用加速度传感器导出的三轴加速度信号,将三轴加速度信号用来计步计算,如果连续检测到一个波峰波谷就记为一步。检测到一步后,相邻两个波峰之间的时间差即为这一步的时间。通过研究数据处理的结果,采用波峰检测法进行计步检测。波峰检测的特性是算法复杂度低,实现简单,可以很方便的做检测。3.实验方案实验方案一:实验对象利用电脑节拍器音频判断行走的速度频率,分别进行慢走、正常走和快走的测试,一共进行6组实验,分别为将手机拿在手中用三种不同的行走状态分别步行50步、将手机放在裤子口袋用三种不同的行走状态分别步行50步,最后使用Matlab对采集的数据进行分析,判断巴特沃斯低通滤波与波峰检测算法结合是否能够区分行人的运动状态以及检测得到的误差结果。实验方案二:实验对象进行12组实验,每位实验对象将手机放入口袋在正常放松状态下分别直行15米、30米、50米,数据采集完成后利用Matlab经过巴特沃斯低通滤波算法后的数据对检测结果进行误差计算,判断巴特沃斯低通滤波与波峰检测算法结合是否适用于直线行走。实验方案三:实验过程中对实验对象用手机进行跟拍,将全景录入手机中,确保时间的准确性以及场地的准确性,实验场地为在平地中,以米为单位围绕正方形区域行走,围绕正方形行走一圈的周长为20米,4位身高体重均不相同的实验对象进行12组实验,每位实验对象将手机放入口袋在正常放松状态下分别行走一圈、三圈、五圈,数据采集完成后利用Matlab经过巴特沃斯低通滤波与波峰检测算法结合后的数据对检测结果进行误差计算,判断巴特沃斯低通滤波与波峰检测算法结合是否适用于转弯行走。研究结果:经过巴特沃斯低通滤波与波峰检测算法处理后的数据结果误差较小,区分运动状态的平均误差为2.00%,直线行走的平均误差为2.08%,转弯行走的平均误差为0.9642%。研究结论:本文以手机APP自带的三轴加速度信号为研究对象,利用巴特沃斯低通滤波算法对收集的数据进行分析处理,再利用波峰检测算法得出经过滤波分析之后的步数,在不同场景下对多组实验进行检测,由此得出步数检测的误差范围并区分行人运动状态,分析实验数据可以得到以下结论:1)巴特沃斯低通滤波与波峰检测算法结合可以有效区分行人的慢走、正常走和快走三种运动状态,误差为2.00%;2)分析经过滤波算法处理后的数据得到行人的步数,在直线行走的情况下记错步数出现在启动段,之后连续行走阶段的计步误差较小,平均误差为2.08%;但是巴特沃斯低通滤波与波峰检测算法结合不适用于时走时停的状态,误差高达29.41%;3)巴特沃斯低通滤波与波峰检测算法结合也适用于转弯行走的状态,误差较小,经过滤波处理后的转弯行走的平均误差为0.9642%。