一种基于传感器的移动终端运动识别装置及方法
【专利摘要】本发明涉及一种基于传感器的移动终端运动识别装置及方法，利用收集至少两个加速度数据和磁场数据，并且对加速度数据进行噪声过滤。根据移动终端的当前运行状态来确定使用状态。利用二级分类器单元根据磁场数据和经过噪声过滤的至少两个加速度数据，确定所述移动终端的运动类型。利用热量消耗计算单元根据移动终端的运动类型和使用状态确定运动信息，并且将所述运动信息转换为相应的卡路里消耗量。以及，利用电量优化单元根据移动终端的运动类型和使用状态来减少识别移动终端运动时的电量消耗。
【专利说明】—种基于传感器的移动终端运动识别装置及方法
【技术领域】
[0001]本发明涉及运动识别技术和模式识别【技术领域】，并且更具体地，涉及一种基于传感器的移动终端运动识别装置及方法。
【背景技术】
[0002]在日常生活中，人们对于与运动相关的信息技术的要求越来越多。运动识别技术可以用来识别用户的运动状态。目前，针对运动识别，一些已经存在的应用，例如，ActiGraph和Polar Activity Watch,可以进行运动识别。然而,为了获得用户的运动数据，它们都需要一个额外的数据收集组件，对于普通的用户这是非常不方便的。
[0003]在运动识别技术发展初期，Ling Bao等人在Pervasive Computing 2004期刊上发表的 “Activity Recognition from User-Annotated Acceleration Data，，中弓I进了一种可穿戴的套装，里面装有传感器，可以识别简单的步行、跑、静止，并且能够获得很高的准确度。但是，事实上，识别更复杂的活动需要的装备更昂贵、复杂，而且它需要额外的设备，其限制了这种活动识别技术广泛使用。
[0004]随着智能手机的发展，T.Brezmes等人在IWANN2009上发表的“Activityrecognition from accelerometer data on a mobile phone”中利用智能手机内置传感器作为一种识别活动的替代，而且使用智能手机收集数据对用户日常生活基本没有影响。然而，它仅仅将智能手机当做传感器数据的搜集工具，并且所有的数据处理过程都在后台服务中进行，这样，系统可能出现较长时间的延迟。
[0005]随着活动识别的发展，Y.Hong等人在SMPT2010上发表的“Mobile healthmonitoring system based on activity recognition using accelerometer，，中试图实现基于活动识别的手机健康监测系统。通过寻找传感器数据和能量消耗之间的关联，他们不需要增添其他电子设备就能够计算进行锻炼时候的卡路里消耗。然而，他们没有使用智能手机，而是采用在使用者的手腕、腰部、大腿安装传感器和RFID传感器来识别活动。
[0006]由此可知，可以通过识别便携式移动设备的运动来识别用户的运动。因此，现有技术中存在利用传感器来识别便携式移动设备的活动，从而识别便携式移动设备的用户的活动的需要。
【发明内容】
[0007]有鉴于此，本发明的目的在于克服现有技术的不足，提供一种基于传感器的移动终端运动识别装置及方法，通过利用移动终端内置的传感器和相关的计算组件，实现更高精度的活动识别。
[0008]根据本发明的第一方面，提供一种基于传感器的移动终端运动识别装置，其特征在于，所述装置包括:数据收集单元，所述数据收集单元包括加速度传感器和磁场传感器，所述加速度传感器用于收集至少两个加速度数据，所述磁场传感器用于收集磁场数据；静噪滤波器，用于对所述加速度传感器收集的至少两个加速度数据进行噪声过滤，从而降低所述加速度传感器的测量误差；状态监听单元，用于根据移动终端的当前运行状态来确定使用状态，所述使用状态包括通话状态、浏览状态和待机状态；二级分类器单元，用于根据磁场数据和经过噪声过滤的至少两个加速度数据，确定所述移动终端的运动类型；热量消耗计算单元，用于根据移动终端的运动类型和使用状态确定运动信息，并且将所述运动信息转换为相应的卡路里消耗量；以及电量优化单元，用于根据移动终端的运动类型和使用状态来减少识别移动终端运动时的电量消耗。
[0009]优选地，所述通话状态包括接听电话的状态和拔打电话的状态；所述浏览状态为用户在移动终端的屏幕显示内容的情况下除接听电话和拨打电话以外的其他所有活动的状态；所述待机状态为移动终端的屏幕不显示内容的状态。
[0010]优选地,其中所述二级分类器单元进一步包括:决策树策略子单元、自适应成中贞策略子单元、活动特征向量策略子单元和概率神经网络PNN(ProbabiIiStic NeuralNetwork)策略子单元；其中所述二级分类器单元用于根据磁场数据和经过噪声过滤的至少两个加速度数据，确定所述移动终端的运动类型包括:
[0011]将过滤后的至少两个加速度数据作为决策树策略子单元的输入，通过计算所述过滤后的至少两个加速度数据的标准差来确定移动终端的运动是否为非周期运动；
[0012]决策树策略子单元将过滤后的至少两个加速度数据与垂直升降电梯运动的加速度特征曲线数据进行比较，确定移动终端的运动是否为垂直升降电梯运动。例如，当比较结果表示过滤后的至少两个加速度数据与垂直升降电梯运动的加速度特征曲线数据相似时确定移动终端的运动是否为垂直升降电梯运动，所述相似的程度可以是60%80%90% ；以及
[0013]决策树策略子单元将磁场数据与自动扶梯运动的磁场特征曲线数据进行比较，确定移动终端的运动是否为自动扶梯运动。例如，当比较结果表示过滤后的至少两个加速度数据与自动扶梯运动的磁场特征曲线数据相似时确定移动终端的运动是否为自动扶梯运动，所述相似的程度可以是60 %、80 %、90 %。
[0014]优选地，其中所述自适应成帧子单元用于用于检测疑似周期活动的周期，对所述至少两个加速度数据进行识别，确定所述至少两个加速度数据中包含的周期数量和每个周期的位置，当检测到疑似周期活动包括至少三个周期时，确定所述疑似周期活动为周期活动，并且利用所检测的周期组成自适应帧。
[0015]优选地，其中所述活动特征向量子单元用于对自适应帧进行特征值提取以组成特征向量，所述特征值包括:平均周期长度、所述至少两个加速度数据中各个加速度数据的X轴之间、Y轴之间和Z轴之间的标准差、所述至少两个加速度数据中各个加速度数据的X轴、Y轴和Z轴的分组Binned分布、以及所述至少两个加速度数据中各个加速度数据的Y轴和Z轴相关性和所述至少两个加速度数据中各个加速度数据的X轴、Y轴和Z轴中每个轴的平均能量。
[0016]优选地，其中所述PNN子单元，用于根据活动特征向量子单元提取的特征向量，执行PNN分类算法，确定周期活动的运动类型。
[0017]根据本发明的另一方面，提供一种基于传感器的移动终端运动识别方法，其特征在于，所述方法包括以下步骤:利用移动终端内置的加速度传感器收集至少两个加速度数据；利用静噪滤波器对所述加速度传感器收集的至少两个加速度数据进行噪声过滤，从而降低所述加速度传感器的测量误差；利用移动终端内置的磁场传感器收集磁场数据；移动终端内置的二级分类器单元根据磁场数据和经过噪声过滤的至少两个加速度数据，确定所述移动终端的运动类型；移动终端内置的状态监听单元根据移动终端的当前运行状态来确定使用状态，所述使用状态包括通话状态、浏览状态和待机状态；移动终端内置的热量消耗计算单元根据移动终端的运动类型和使用状态确定运动信息，并且将所述运动信息转换为相应的卡路里消耗量；以及移动终端内置的电量优化单元根据移动终端的运动类型和使用状态来减少识别移动终端运动时的电量消耗。
[0018]优选地，所述通话状态包括接听电话的状态和拔打电话的状态；所述浏览状态为用户在移动终端的屏幕显示内容的情况下除接听电话和拨打电话以外的其他所有活动的状态；所述待机状态为移动终端的屏幕不显示内容的状态。
[0019]优选地，所述根据磁场数据和经过噪声过滤的至少两个加速度数据，确定所述移动终端的运动类型具体包括:(I)通过计算经过噪声过滤的至少两个加速度数据的标准差来确定移动终端的运动是否为非周期运动，当确定所述移动终端的运动是非周期活动时，进行步骤(2);否则，所述移动终端的运动是疑似周期活动，进行步骤￠) ；(2)将过滤后的至少两个加速度信息与垂直升降电梯运动的加速度特征曲线数据进行比较，从而确定移动终端的运动是否为垂直升降电梯运动；(3)当确定移动终端的运动是垂直升降电梯运动时，则结束；否则，进行步骤(4) ；(4)当确定移动终端的运动不是垂直升降电梯运动时，则将磁场数据与自动扶梯运动的磁场特征曲线数据进行比较，确定移动终端的运动是否为自动扶梯运动；(5)当确定移动终端的运动是自动扶梯运动时，则结束；否则，确定移动终端的运动是静止，则结束；(6)进一步确定所述疑似周期活动是否为周期活动。
[0020]优选地，其中进一步确定所述疑似周期运动是否为周期活动包括:利用自适应成帧子单元检测疑似周期活动的周期，对所述至少两个加速度数据构成的加速度特征曲线进行识别，确定所述加速度特征曲线中包含的周期数量和每个周期的位置；(例如，周期的开始位置和结束位置)，当检测到疑似周期活动包括至少三个周期时，确定所述疑似活动为周期活动，并且利用所检测的周期组成自适应帧。优选地，将所检测的周期中的三个周期组成一个自适应帧；对自适应帧进行特征值提取以组成特征向量，所述特征值包括:平均周期长度、每个轴(加速度数 据包括X轴、Y轴和Z轴的分量)的标准方差、每个轴的Binned分布、Y轴和Z轴相关性和每个轴的平均能量。优选地，在立体空间中，三维坐标系有三个轴:X轴、Y轴和Z轴。加速度传感器在测量上述移动终端的加速度数据时，采集的是移动终端3轴加速度的合成加速度。执行PNN分类算法，确定确定周期运动的确定周期活动的运动类型。
[0021]优选地，本发明的移动终端的运动包括周期运动和非周期运动。所述周期运动的具体类型为走路、慢跑、骑自行车、上楼梯、下楼梯等。所述非周期运动的具体类型为垂直升降电梯运动、自动扶梯运动和静止。
[0022]优选地，所述标准差为加速度标准差，其中加速度标准差的阀值为0.8。
[0023]优选地，所述标准差包括磁场标准差，其中磁场标准差的阀值为3。
[0024]本发明与现有的技术相比具有以下优点:
[0025]第一，本发明设计一种二级分类器，其花费较少的能量和内存消耗，同时提高了准确度。二级分类器将活动分为两种，周期和非周期活动。对于每一种活动，都有对应识别的分类器。除此之外，还设计了一个状态监听器用来识别更复杂的运动(电话活动和浏览手机)。
[0026]第二,为了提高活动识别的准确度,本发明提出了一种新的Adaptive Framing算法来动态确定提取特征值的时间段；
[0027]第三，本发明提出一种运动感知策略，或者叫做电量优化，用来降低运动识别所消耗的电量。这种策略可基于识别结果动态调整传感器的采样率。
[0028]第四，本发明不需要增添额外的设备，而是利用智能手机内置的传感器，对不同的环境具有普适性。
【专利附图】
【附图说明】
[0029]已经大致地描述了本发明，现在参照附图，其不必按照规定比例绘制，其中:
[0030]图1示出了根据本发明实施方式的基于传感器的移动终端运动识别装置的结构图；
[0031]图2示出了根据本发明实施方式的基于传感器的移动终端运动识别方法的流程图；
[0032]图3示出了根据本发明实施方式的利用二级分类器单元确定运动类型的决策树流程图；
[0033]图4示出了根据本发明实施方式的二级分类器单元进行自适应成帧的示意图；以及
[0034]图5示出了根据本发明实施方式的能量消耗的METS值估计表。
【具体实施方式】
[0035]以下，参照附图更完整地描述本发明实施方式，在附图中，示出本发明的一些实施方式，而并非所有实施方式。当然，本发明的各种实施例可通过许多不同形式实现，并且不应理解为限制为这里阐述的实施方式；而是，提供这些实施方式使得所述公开内容将满足可适用的合法要求。其中类似的标号表示类似的元素。其中，术语“数据”、“内容”、“信息，，和类似术语可交换使用，以表示能够根据本发明实施方式发送、接收和/或存储的数据。因此，任意这样术语的使用不应被用来限制本发明实施方式的精神和范围。
[0036]为了使本发明的技术方案和优点更加清楚，下面结合附图对本发明做进一步描述。
[0037]如图1所示，示出了根据本发明实施方式的基于传感器的移动终端运动识别装置的结构图。所述移动终端运动识别装置包括:数据收集单元10、静噪滤波器20、状态监听单元30、二级分类器单元40、热量消耗计算单元50以及电量优化单元60。所属领域技术人员应当了解的是，所述识别装置还包括其它未示出的组件，例如，存储器、处理器等。优选地，移动终端运动识别装置可以是移动终端内部的单个硬件装置、单个软件装置、单个固件装置或其组合。优选地，移动终端运动识别装置的各个组件可以是移动终端内部的多个松散耦合的组件，所述组件由移动终端的处理器进行控制。
[0038]根据一个实施方式，数据收集模块10包括加速度传感器和磁场传感器。优选地，所述加速度传感器和磁场传感器可以是移动终端内置的。所述加速度传感器和磁场传感器用于在特定采样频率下采集用户进行运动时的加速度数据和磁场数据。优选地，所述特定采样频率可以是系统预设的采样频率、用户设置的采样频率、或动态调整的采样频率。优选地，所述加速度传感器用于按照第一采样频率来收集至少两个加速度数据加速度信息，所述磁场传感器用于按照第二采样频率来收集磁场数据。优选地，为了计算加速度数据的标准差，加速度传感器采集至少两个加速度数据，以计算加速度数据的标准差。优选地，为了计算磁场数据的标准差，磁场传感器采集与磁场变化相关的磁场数据，以计算磁场数据的标准差。优选地，所述(至少两个)加速度数据作为运动识别的主要数据，加速度数据被用于全部的运行识别过程。优选地，磁场数据作为辅助数据，只用于在第一层子分类器内识别非周期运动，例如，区分静止和自动扶梯运动。
[0039]根据一个实施方式，静噪滤波器20用于对所述加速度传感器收集的至少两个加速度数据进行噪声过滤，从而降低所述加速度传感器的测量误差。通常，由于实际情况中元器件的电磁场交替变化引起某些机械部件或空间容积震动而产生的噪声，加速度传感器收集的加速度数据通常具有噪声。因此，为了能够获得准确的测量数据，以降低传感器自身的测量误差带来的影响，本发明使用静噪滤波器20来对所述加速度传感器收集的数据进行噪声过滤。这里，我们采用了移动平均滤波器，来消除环境因素对加速度采集的影响。
[0040]根据一个实施方式，状态监听器单元30，用于根据移动终端的当前运行状态来确定使用状态，所述使用状态包括通话状态、浏览状态和待机状态。优选地，所述通话状态包括接听电话状态和拔打电话状态。优选地，所述浏览状态为在移动终端的屏幕显示内容的情况下除接听电话和拨打电话以外的其他所有运动的状态。例如，在安卓android系统中，通话状态可以通过手机活动(空闲、响铃、挂起状态)的监听来识别。例如，浏览状态可以通过对手机屏幕的状态(例如，屏幕亮、屏幕灭)来确定。优选地，在移动终端的屏幕显示内容的情况下(例如，屏幕亮)，并且用户没有进行与接听电话和拨打电话等呼叫相关的活动的情况下，将移动终端的状态确定为浏览状态。优选地，待机状态为移动终端不进行任何操作的状态，例如屏幕锁定等。在待机状态下，移动终端的屏幕通常是不显示内容的。优选地，通话状态、浏览状态和待机状态用于区分移动终端的无线射频模块的耗电功率。
[0041]根据一个实施方式，二级分类器单元40用于根据磁场数据和经过噪声过滤的至少两个加速度数据，确定所述移动终端的运动类型。优选地，二级分类器单元使用(至少两个)加速度数据确定移动终端的运动是否是非周期运动、是否为垂直升降电梯运动以及对疑似周期运动进行进一步识别以确定疑似周期运动是否为周期运动。优选地，当疑似周期运动被确定为不是周期运动时，进一步确定所述疑似周期运动是否为垂直升降电梯运动。优选地，二级分类器单元使用磁场数据确定移动终端的运动为自动扶梯运动或静止。
[0042]优选地,所述二级分类器单元40进一步包括:决策树策略子单元401、自适应成中贞策略子单元402、运动特征向量策略子单元403和PNN策略子单元404。优选地,将过滤后的至少两个加速度数据作为决策树策略子单元401的输入，通过计算所述过滤后的至少两个加速度数据的标准差来确定移动终端的运动是否为非周期运动。优选地，此时计算加速度数据的标准差是加速度数据X轴、Y轴和Z轴数据合成的加速度数据。优选地，移动终端不间断地收集与加速度相关的数据，每隔一段时间确定用于判断活动类型的加速度数据并且根据加速度数据来判断活动类型，例如每隔10秒确定用于判断活动类型的加速度数据一次并且根据加速度数据来判断活动类型。优选地，所述标准差包括加速度标准差，其中加速度标准差的阀值为0.6,0.7或0.8等。优选地，当至少两个加速度数据的标准差大于标准差的阈值时，即加速度变化剧烈，则确定移动终端的运动为疑似周期运动。优选地，所述疑似周期运动的含义是:移动终端的运动符合周期运动的基本规律，但是仍需要进一步识别才能确定是否为真正的周期运动。优选地，当至少两个加速度数据的标准差小于标准差的阈值时，即加速度变化不剧烈，则确定移动终端的运动为非周期运动。
[0043]优选地，当确定移动终端的运动为非周期运动时，决策树策略子单元401将过滤后的至少两个加速度数据与垂直升降电梯运动的加速度特征曲线数据(如图3所示)进行比较，确定移动终端的运动是否为垂直升降电梯运动。优选地，当过滤后的至少两个加速度数据与垂直升降电梯运动的加速度特征曲线数据相似度达到50 %、60%或80%时，确定移动终端的运动为垂直升降电梯运动。优选地，本发明可使用检测正负脉冲的方式来确定是否为垂直升降电梯运动，电梯运动包括上升运动和下降运动(本文将其类比为正脉冲和负脉冲)。通常地，垂直升降电梯运动会持续一定时常的正脉冲或者负脉冲，如果符合这种情况就判定为垂直升降电梯运动。
[0044]优选地，当确定移动终端的运动不是垂直升降电梯运动时，决策树策略子单元401将磁场数据与自动扶梯运动的磁场特征曲线数据进行比较，确定移动终端的运动是否为自动扶梯运动。优选地，所述标准差包括磁场标准差，其中磁场标准差的阀值为3。优选地,当磁场数据与自动扶梯运动的磁场特征曲线数据相似度达到50 60%或80%时，确定移动终端的运动为自动扶梯运动。优选地，当决策树策略子单元401确定移动终端的运动不是自动扶梯运动时，确定移动终端处于静止状态。
[0045]优选地，当确定移动终端的运动为疑似周期运动时，自适应成帧子单元402检测疑似周期运动的周期，对所述至少两个加速度数据进行识别，确定所述至少两个加速度数据中包含的周期数量，以及每个周期的开始位置和结束位置。当检测到疑似周期运动包括至少三个周期时，确定所述疑似运动为周期运动，并且利用所检测的周期组成自适应帧。优选地，自适应成帧子单元402将所确定的多个周期中的每三个周期组成一个自适应帧。优选地，所述运动特征向量子单元403用于对自适应帧进行特征值提取以组成特征向量，所述特征值包括:平均周期长度、每个轴的标准方差、每个轴的Binned分布、Y轴和Z轴相关性和每个轴的平均能量。具体为:
[0046](I)平均周期长度,从Adaptive Framing算法的输出可以得到平均周期长度；
[0047](2)每个轴的标准方差。此处计算的是，所述至少两个加速度数据中每个加速度数据的X轴之间的标准差、所述至少两个加速度数据中每个加速度数据的Y轴之间的标准差和所述至少两个加速度数据中每个加速度数据的Z轴之间的标准差；
[0048](3)每个轴的Binned分布，根据每个帧大小的范围，将每个帧平均分为五等份，然后记录每份中的加速度数值的数 量；例如，将X轴分为五等份，然后统计每份里面包含几个加速度数值。此处计算的是所述至少两个加速度数据中各个加速度数据的X轴、Y轴和Z轴的分组Binned分布。
[0049](4) Y轴和Z轴的相关性；优 选地，具体为所述至少两个加速度数据中各个加速度数据的Y轴和Z轴相关性。
[0050](5)每个轴的平均能量，根据下面的公式计算每个轴的平均能量:
[0051]
【权利要求】
1.一种基于传感器的移动终端运动识别装置，其特征在于，所述装置包括: 数据收集单元(10)，所述数据收集单元包括加速度传感器和磁场传感器，所述加速度传感器用于收集至少两个加速度数据，所述磁场传感器用于收集磁场数据； 静噪滤波器(20)，用于对所述加速度传感器收集的至少两个加速度数据进行噪声过滤，从而降低所述加速度传感器的测量误差； 状态监听单元(30)，用于根据移动终端的当前运行状态来确定使用状态，所述使用状态包括通话状态、浏览状态和待机状态； 二级分类器单元(40)，用于根据磁场数据和经过噪声过滤的至少两个加速度数据，确定所述移动终端的运动类型； 热量消耗计算单元(50)，用于根据移动终端的运动类型和使用状态确定运动信息，并且将所述运动信息转换为相应的卡路里消耗量；以及 电量优化单元(60)，用于根据移动终端的运动类型和使用状态来减少识别移动终端运动时的电量消耗。。
2.根据权利要求1所述的装置，其中所述二级分类器单元(40)进一步包括:决策树策略子单元(401)、自适应成帧策略子单元(402)、运动特征向量策略子单元(403)和概率神经网络PNN策略子单元(404)； 其中所述二级分类器单元(40)用于根据磁场数据和经过噪声过滤的至少两个加速度数据，确定所述移动终端的运动类型包括: 将经过噪声过滤的至少两个加速度数据作为决策树策略子单元的输入，通过计算所述经过噪声滤的至少两个加速度数据的标准差来确定移动终端的运动是否为非周期运动；决策树策略子单元将经过噪声过滤的至少两个加速度数据中的一个与垂直升降电梯运动的加速度特征曲线数据进行比较，从而确定移动终端的运动是否为垂直升降电梯运动；以及 决策树策略子单元将磁场数据与自动扶梯运动的磁场特征曲线数据进行比较，从而确定移动终端的运动是否为自动扶梯运动。
3.根据权利要求2所述的装置，其中所述二级分类器单元(40)用于根据磁场数据和经过噪声过滤的至少两个加速度数据，确定所述移动终端的运动类型还包括:所述自适应成帧子单元(402)用于检测疑似周期运动的周期，对所述至少两个加速度数据构成的加速度特征曲线进行识别，确定所述加速度特征曲线中包含的周期数量和每个周期的开始位置和结束位置，当检测到疑似周期运动包括至少三个周期时，确定所述疑似周期运动为周期运动，并且利用所检测的周期组成自适应帧。
4.根据权利要求3所述的装置，其中所述运动特征向量子单元(403)用于对自适应帧进行特征值提取以组成特征向量，所述特征值包括:平均周期长度、所述至少两个加速度数据中各个加速度数据的X轴之间、Y轴之间和Z轴之间的标准差、所述至少两个加速度数据中各个加速度数据的X轴、Y轴和Z轴的分组Binned分布、以及所述至少两个加速度数据中各个加速度数据的Y轴和Z轴相关性和所述至少两个加速度数据中各个加速度数据的X轴、Y轴和Z轴中每个轴的平均能量。
5.根据权利要求4所述的装置，其中所述概率神经网络PNN子单元(404)，用于根据运动特征向量子单元(403)提取的特征向量，执行PNN分类算法，确定周期运动的运动类型。
6.一种基于传感器的移动终端运动识别方法，其特征在于，所述方法包括以下步骤: 利用移动终端内置的加速度传感器收集至少两个加速度数据； 利用静噪滤波器对所述加速度传感器收集的至少两个加速度数据进行噪声过滤，从而降低所述加速度传感器的测量误差； 利用移动终端内置的磁场传感器收集磁场数据； 移动终端内置的二级分类器单元根据磁场数据和经过噪声过滤的至少两个加速度数据，确定所述移动终端的运动类型； 移动终端内置的状态监听单元根据移动终端的当前运行状态来确定使用状态，所述使用状态包括通话状态、浏览状态和待机状态； 移动终端内置的热量消耗计算单元根据移动终端的运动类型和使用状态确定运动信息，并且将所述运动信息转换为相应的卡路里消耗量；以及 移动终端内置的电量优化单元根据移动终端的运动类型和使用状态来减少识别移动终端运动时的电量消耗。
7.根据权利要求6所述的方法，所述根据磁场数据和经过噪声过滤的至少两个加速度数据，确定所述移动终端的运动类型具体包括: (1)通过计算经过噪声过滤的至少两个加速度数据的标准差来确定移动终端的运动是否为非周期运动，当确定所述移动终端的运动是非周期运动时，进行步骤(2);否则，确定所述移动终端的运动是疑似周期运动，进行步骤(6)； (2)将经过噪声过滤的至少两个加速度数据与垂直升降电梯运动的加速度特征曲线数据进行比较，从而确定移动终端的运动是否为垂直升降电梯运动； (3)当确定移动终端的运动是垂直升降电梯运动时，则结束；否则，进行步骤(4)； (4)当确定移动终端的运动不是垂直升降电梯运动时，则将磁场数据与自动扶梯运动的磁场特征曲线数据进行比较，确定移动终端的运动是否为自动扶梯运动； (5)当确定移动终端的运动是自动扶梯运动时，则结束；否则，确定移动终端的运动是静止，结束； (6)确定所述疑似周期运动是否为周期运动。
8.根据权利要求6所述的方法，其中确定所述疑似周期运动是否为周期运动包括: 利用自适应成帧子单元检测疑似周期运动的周期，对所述至少两个加速度数据构成的加速度特征曲线进行识别，确定所述加速度特征曲线中包含的周期数量和每个周期的开始位置和结束位置；当检测到疑似周期运动包括至少三个周期时，确定所述疑似运动为周期运动，并且利用所检测的周期组成自适应帧，其中将所检测的周期中的三个周期组成一个自适应帧； 对自适应帧进行特征值提取以组成特征向量，所述特征值包括:所述特征值包括:平均周期长度、所述至少两个加速度数据中各个加速度数据的X轴之间、Y轴之间和Z轴之间的标准差、所述至少两个加速度数据中各个加速度数据的X轴、Y轴和Z轴的分组Binned分布、以及所述至少两个加速度数据中各个加速度数据的Y轴和Z轴相关性和X轴、Y轴和Z轴的平均能量； 根据所提取的特征向量，执行PNN分类算法，确定确定周期运动的确定周期运动的运动类型。
9.根据权利要求6所述的方法，所述标准差包括加速度标准差，其中加速度标准差的阀值为0.8。
10.根据权利要求6所述的方 法，所述标准差包括磁场标准差，其中磁场标准差的阀值为3。
【文档编号】H04M1/725GK103455170SQ201310367884
【公开日】2013年12月18日 申请日期:2013年8月22日 优先权日:2013年8月22日
【发明者】杜军朝, 刘惠, 赵昆仑, 张晨, 李聪奇, 张春龙, 李兴, 沈坚, 姚家胜 申请人:西安电子科技大学