加速度传感器计步器设计及其性能提高(外文翻译)

1、基于加速度传感器的计步器及性能提高摘要：计步器可以帮助人们实时掌握锻炼情况，它通过检测人体行走步数和步幅可计算出行走的路程。为了提高计步器的准确性，借助MATLAB仿真工具，充分利用加速度传感器输出的三轴加速度信号，经分别处理后利用基于信号能量自适应门限来检测加速度信号的峰值个数，从而准确地计算出人体行走的步数。最后。对年轻人与老年人行走数据进行采集，通过文中方法与传统方法处理后进行对比。实验结果表明，相对于传统方法，基于信号能量自适应门限检测方法具有更好的性能能有效地提高计步器的准确度。关键词：加速度传感器，单片机，微机电系统，低功耗。 1、介绍 计步器是一种颇受欢迎的日常锻炼进度监控器，可

2、以激励人们挑战自己，增强体质，帮助瘦身。早期设计利用加重的机械开关检测步伐，并带有一个简单的计数器。晃动这些装置时，可以听到有一个金属球来回滑动，或者一个摆锤左右摆动敲击挡块。如今，先进的计步器利用 MEMS（微机电系统）惯性传感器和复杂的软件来精确检测真实的步伐。MEMS 惯性传感器可以更准确地检测步伐，误检率更低。MEMS 惯性传感器具有低成本、小尺寸和低功耗的特点，因此越来越多的便携式消费电子设备开始集成计步器功能，如音乐播放器和手机等。ADI 公司的 3 轴加速度计 ADXL335, ADXL345 和 ADXL346 小巧纤薄，功耗极低，非常适合这种应用。文章介绍了加速度传感器的工作

3、原理、结构及功能，设计出了一种基于加速度传感器的电子计步器。实验中由加速度传感器获取步态的加速度信号，单片机的内置模数转换器对其进行采样和 A/D 转换后，就得到了步态的特征数据，此数据通过并口被送入单片机中经过一定的算法，输出在 LCD 液晶显示屏上显示。人体行走时的行为可以通过很多参数来描述，但不同的参数反 映着不同的方面，本文主要是测量人行走步数，以达到及时了解自 己每日行走的步数及运动量并进行及时调节和锻炼的目的，人行走 的行为可以通过距离、速度、加速度等参数来描述，不同的参数有 着不同的精确度，通过检测人行走时的加速度信号可以有效的获得 步数信息。而人行走时在水平前向、侧向和垂直方向

4、上都有加速度，如下图所示：ADXL335是三轴(X 轴，Y 轴，Z 轴)加速度传感器，正好可以对人行走时的三个方向的加速度信号进行检测，从而更精确的获取人行走时的信息。图2.ADXL335功能框图图3.从一名跑步者测得的x、y和z轴加速度的典型图样2、加速度传感器的原理加速度是速度变化量与发生这一变化所用时间的比值（V/t），是描述物体速度改变快慢的物理量，通常用 a 表示，a=F/m,加速度只和施加在物体上合力 F，和物体的质量有关，与速度和时间无关。重力加速度：地球表面附近的物体因受重力产生的加速度叫做重力加速度，也叫自由落体加速度，用 g 表示。重力加速度 g 的方向总是竖直向下的。在同

5、一地区的同一高度，任何物体的重力加速度都是相同的。惯性传感器：应用惯性原理和测量技术，感受载体运动的加速度、位置和姿态的各种敏感装置。如加速度传感器，MEMS 是指可批量制作的，集微型机械结构构、微型传感器、微型执行器以及信号处理和控制电路、直至接口、通信和电源等于一体的微型器件或系统。现在的加速度传感器，陀螺仪都是基于 MEMS 的。加速度传感器是一种能够测量加速力的电子设备。加速力就是当物体在加速过程中作用在物体上的力，就好比地球引力，也就是重力。加速力可以是个常量，比如 g，也可以是变量。 线加速度计的原理是惯性原理，也就是力的平衡，A(加速度)=F(惯性力)/M(质量)我们只需要测量

6、F 就可以了。怎么测量 F？用电磁力去平衡这个力就可以了。就可以得到 F 对应于电流的关系。只需要用实验去标定这个比例系数就行了。当然中间的信号传输、放大、滤波就是电路的事了。多数加速度传感器是根据压电效应的原理来工作的。所谓的压电效应就是对于不存在对称中心的异极晶体加在晶体上的外力除了使晶体发生形变以外，还将改变晶体的极化状态，在晶体内部建立电场，这种由于机械力作用使介质发生极化的现象称为正压电效应。一般加速度传感器就是利用了其内部的由于加速度造成的晶体变形这个特性。由于这个变形会产生电压，只要计算出产生电压和所施加的加速度之间的关系，就可以将加速度转化成电压输出。当然，还有很多其它方法来制

7、作加速度传感器，比如压阻技术，电容效应，热气泡效应，谐振式，隧穿式，等，但是其最基本的原理都是由于加速度产生某个介质产生变形，通过测量其变形量并用相关电路转化成电压输出。二轴加速度传感器能够同时检测两个方向（x 轴，y 轴）上的加速度。三轴加速度传感器能够同时检测三个方向上的加速度， x，y，z。图 4.传感器检测原理垂直剖面图3、加速度传感器算法首先，为使加速度图样所示的信号波形变得平滑，需要一个数字滤波器。可以使用四个寄存器和一个求和单元，如图 5 所示。当然，可以使用更多寄存器以使加速度数据更加平滑，但响应时间会变慢。图 5.数字滤波器图 6 显示了来自一名步行者所戴计步器的最活跃轴的滤

8、波数据。对于跑步者，峰峰值会更高。图 6.最活跃轴的滤波数据动态阈值和动态精度：系统持续更新 3 轴加速度的最大值和最小值，每采样 50 次更新一次。平均值(Max + Min)/2 称为“动态阈值”。接下来的 50 次采样利用此阈值判断个体是否迈出步伐。由于此阈值每 50 次采样更新一次，因此它是动态的。这种选择具有自适应性，并且足够快。除动态阈值外，还利用动态精度来执行进一步滤波，如图 7 所示。图 7. 动态阈值和动态精度利用一个线性移位寄存器和动态阈值判断个体是否有效地迈出一步。该线性移位寄存器含有 2 个寄存器：sample_new 寄存器和 sample_old 寄存器。这些寄存器

9、中的数据分别称为 sample_new 和sample_old。当新采样数据到来时，sample_new 无条件移 sample_old 入寄存器。然而，sample_result 是否移入 sample_new寄存器取决于下述条件：如果加速度变化大于预定义精度，则最新的采样结果 sample_result 移入 sample_new 寄存器，否则 sample_new 寄存器保持不变。因此，移位寄存器组可以消除高频噪声，从而保证结果更加精确。步伐迈出的条件定义为：当加速度曲线跨过动态阈值下方时，加速度曲线的斜率为负值(sample_new sample_old)。 .峰值检测：步伐计数器根据

10、 x、y、z 三轴中加速度变化最大的一个轴计算步数。如果加速度变化太小，步伐计数器将忽略。步伐计数器利用此算法可以很好地工作，但有时显得太敏感。 当计步器因为步行或跑步之外的原因而非常迅速或非常缓慢地振动 时，步伐计数器也会认为它是步伐。为了找到真正的有节奏的步伐，必须排除这种无效振动。利用“时间窗口”和“计数规则”可以解 决这个问题。“时间窗口”用于排除无效振动。假设人们最快的跑步速度为每秒 5 步，最慢的步行速度为每 2 秒 1 步。这样，两个有效步伐的时间间隔在时间窗口0.2 s - 2.0 s之内，时间间隔超出该时间窗口的所有步伐都应被排除。此算法使用 50 Hz 数据速率(20 ms

11、)。采用 interval 的寄存器记录两步之间的数据更新次数。如果间隔值在 10 与 100 之间，则说明两步之间的时间在有效窗口之内；否则，时间间隔在时间窗口之外，步伐无效。“计数规则” 用于确定步伐是否是一个节奏模式的一部分。步伐计数器有两个工作状态：搜索规则和确认规则。步伐计数器以搜索规则模式开始工作。假设经过四个连续有效步伐之后，发现存在某种规则(in regulation)，那么步伐计数器就会刷新和显示结果，并进入“确认规则”工作模式。在这种模式下工作时，每经过一个有效步伐，步伐计数器就会更新一次。但是，如果发现哪怕一个无效步伐，步伐计数器就会返回搜索规则模式，重新搜索四个连续有效

12、步伐。4、传感器性能的提高研究使用，Analog Devices 公司的加速度传感器，是一个简单但相对准确的计步器。然而，已经引入新的设备，允许更多敏感的应用中使用的加速度传感器。因此，应用程序，如计步器，发现自己在许多消费电子设备有更为广大的提升空间，如手机。鉴于这一趋势，更进一步的研究使用单一的加速度。 AN-602 的技术的实现试图在重复其结果。虽然执行相同的算法，但同样的精度不重复。特别是，相对预期的精度有更大的变化比，比如当一个人用不同的节奏和步长。这导致在 AN-602 所使用的算法存在潜在的改进而进行的调查。使用两种不同的计步器测试板，既利用的 ADuC7020 ARM7控制器进

13、行测试。一个安装程序由 ADuC7020 微控制器和 ADXL322 加速度评估板的组合，增值 162 字符液晶显示屏。另一个是定制电路板使用的 ADuC7020 和 3 轴加速度计 ADXL330，162 字符液晶显示屏。定制电路板原理图见图 8。AN-602 方法的基本原理是基于一个原则，在一个与单独步骤直接相关的垂直弹跳的那个步幅（见图 9）。由于角度 和 是相等的，步幅可以显示的最大垂直位移的倍数。在一个人的腿的长度的差异进行修正处理，给定为相同的角度的垂直位移更高或更矮的人将是更大或更小。图 8 电路板原理图图 9 垂直运动然而，使用一个加速度传感器，是加速度的变化，不是位移。才可以

14、使加速度测量值转换成距离。在 AN-602 设置在有限的计算能力时，使用了一个简单的近似双积分公式来转换所需。尝试做这个实验的直接离散积分。选择一种简单的方法来计算积分，每个步骤确定后，在该步骤中的所有加速度样品中加入的速度样本获取一组。从而每 个步骤的速度样品进行归一，使得最后的样品为零。然后，他们被 加在在一起以获得一个值位移。这种技术最初看起来前途无量，因 为测量的距离是相对一致的。然而，从不同的人的误差问题有加剧 的迹象。这种模式有两个主要条件。首先，它假设实际的脚与地面在一个单点接触。其次，它假设每只脚在地面上的影响是完全弹性。当然，这些都不是这样的。问题出现了，这是否可以解释当遇到

15、大的变化时这个实验中是安全的，它的解释存在许多变化。要理解这一点，它有助于测量的加速度值，如图 10 所示。不同来源的实验在一个人的步骤所示的数据。图 11 展示了所遇到的问题，可以理解成精确的距离计算出加速度测量值。考虑到峰值到峰值的变化（甚至是那些集成数据的方法）运行陷入困境，这种类型数据的困难原因是在弹簧中的步骤，不同 的人，或在一个人使用不同的速度从一个测量到另一个步骤的变化。图 11 显示了同一主题的带长，快的步幅。峰 - 峰值加速度差较大，各种弹簧点看起来不同。因此，代表弹簧的量的数据，而不是代表 真实数据的数据量是不同的，与图 10 相比。该算法只看到加速度测量值的一组，不会注意

16、这些测量值的上下文中的问题，因此，无需 拆卸有用的数据。图 10图 11这两个图之间也有一些重要的区别。底部的一部分，每一个步 骤的曲线在图 11 中略窄的曲线的顶部是更一致（更少的鲜明的峰）。这些差异导致更高的平均样本值和最小和最大的采样值。为了便于 比较，检查数据图，在图 12 中不同的个体的步幅非常相似，在图10 中的主体 1。然而，数据本身看起来很大的不同。图12主题2比主题1在步幅有很大的变化（如图10所示）。然而，这两组数据代表大致相同的行走距离。仅仅计算距离的峰值提供了广泛的不同的结果。使用一个简单的双积分有同样的问题。所有努力拿出一个全面的方法解决这个问题，使用简单的计算存在同

17、样的问题。这导致了一系列的正常化中的数据方式，消除了弹簧的尝试，但这些尝试证明未成功。主要的原因似乎是它们要求的数据的上下文中的一些出入。然而，该解决方案需要能够上下文中的数据，而无需操作。一种可能的解决这个问题的方法开始浮出水面。前面提到过的数据如何去改变时，从慢到快的步伐，有不太明显的变化，由于弹性用更长的时间，更快的步幅。得到的结果是更高的采样点的平均值，相对于数据的最小值和最大值。视觉上，它有点难以保证，在图12中所示的步骤中给定量的反弹。但是，计算表明，平均与峰值在图10中是非常相似。因此，一个简单的算法是来确定行走距离。这个算法便是：d是所计算的距离。k是一个常数。max在这个步骤

18、测量中的最大的加速度值，min是最小加速度值。avg为平均加速度值。这个简单的解决方案，保持良好的各种步幅长度。但有些科目变化多达10的距离，从测得的平均距离为组。这是不是在7.5的误差范围是针对未校准的测量。另一种解决方案是需要的。在最后的测试中使用的比例似乎反映了不同科目的步骤在弹性中差异。两种方法相结合是有意义的尝试。让我们再回到原来的想法，使用双积分，这个比例被用作一个修正系数，从计算特征运算下弹簧数据。因此，得出的公式是：该算法保持了良好误差消除性，所有的变化在约6之内。该算法本身容易校准与调整的乘数k的步伐。结果指出，这里没有包括这个平均值使用。在这个实验中，只有X-和Y-轴被使用。灵活选择的3轴加速度传感器，两个轴被认为是足够完成任务。ADXL323可用于代替 ADXL330。因为引