本发明涉及一种用于检测用户的步伐的系统和方法。
背景技术:
已知用于在环境和自由生活条件中连续监测用户身体的设备。范围广泛的传感器,例如适于检测加速度、皮肤的电阻、皮肤的温度、热辐射的流动以及心率,以各种组合被使用,以确定或导出诸如卡路里燃烧率、活动的类型和水平以及睡眠状态之类的参数。所述设备使用精密的算法,用于集成所获取的各种数据流,以便以可能的最佳精度来确定输出参数(例如,燃烧的卡路里、身体活动的类型等)。用于检测附加参数的额外传感器将额外数据供应给算法以改善其精度。
具体地,关于步伐的计数,已知使用三轴线加速度计(通常集成在便携式设备中),该三轴线加速度计适于沿着三个正交轴线供应加速度信号,并且通过步伐识别算法对加速度信号进行处理,以便标识可以与由用户执行步伐相关的特定信号变化(或模式)。然而,在“平均”或“标准”用户上对加速度信号的处理进行了校准,并且没有把可能出现的特定物理条件或需求(甚至只是临时条件或需求)考虑在内。比如,鉴于身体问题,用户可以进行非常短的步伐、或者具有步态与在步伐识别算法的校准期间的、作为参考的普通用户的步态不同的步伐。同样,在用户在由安装在可穿戴设备(例如,智能手表)上的软件所使用的手臂的移动中出现问题的情况下,这种移动不会表示该步伐。而且,其他不可预见的条件甚至可以阻止正确计算步伐。
电场传感器用作用于确定用户的活动的加速度传感器的备选方案或补充方案,或者用作辅助,以解释由其他传感器设备所生成的信号。
电荷是自然界的基本组成部分。在元件之间直接接触或相距一定距离的条件下,元件的电子很容易转移到另一元件。当电荷在两个电绝缘物体之间转移时,生成静电电荷,使得具有过量的电子的物体带负电,而具有不足的电子的物体带正电。
电子根据物体是导电物体还是绝缘物体,而以各种方式在物体内移动。在导体中,电子或多或少地、均匀分布在整个材料中,并且由于外部电场的作用,电子很容易移动。在绝缘体中,电荷主要存在于表面上。然而,根据材料的特性和其他环境因素,电荷可以是可移动的。
已知检测由人在其移动期间生成的电场的变化、或者利用对电容类型的检测的设备。使用后一类型的检测的技术包括例如触摸屏,检测机动车的乘员的位置的系统,以及用于确定物体的位置、方位和质量的设备,诸如例如,专利文件us5,844,415中所描述的,其关于一种用于检测电场以便通过在限定空间内布置多个电极来确定物体在该限定空间内的位置、质量分布和方位的设备。而且,上述技术方案可以用于识别用户的手势、他的手的位置和方位,例如,用于与处理系统而非鼠标或操纵杆进行交互使用。
专利文件us2014/232516提出了使用静电电荷传感器从场或电容传感器获得生理参数或用户的活动(诸如步行、骑自行车或耗费能量)。
然而,上文所提及的文件均没有教导通过利用用于检测电荷或静电电荷变化的传感器,对步伐进行计数的方法。
k.kurita于日本在siceannualconference2008所发表的科学论文“developmentofnon-contactmeasurementsystemofhumanstepping”阐述了一种利用非接触式技术对由受试者所执行的步伐进行计数的系统和方法。该技术设想了通过设置在距受试者1.5m处的电极检测由于受试者在环境中移动的直接结果而生成的静电感应电流。然而,在该文件中所阐述的实验在理想条件下进行,并且仅是该技术在步伐计数中的适用性的证明。该文件没有教导可以应用于现实生活条件的技术,在现实生活条件下,除了迈出步伐之外,受试者还执行多种其他活动,其中每项活动都会引起由传感器所检测的静电电荷的变化。在这些条件中,检测仅由于受试者的步伐而导致的信号分量很复杂,并且不会保证关于检测的正确性和后续计数的高度可靠性。
技术实现要素:
根据本公开,提供了一种用于检测用户的步伐的系统和方法。
在一些实施例中,本公开促进或提供了系统和方法,其中在确认执行步伐之前,通过用于检测静电电荷的变化的传感器、以及通过加速度计来促进双重确认。
本公开的实施例通过提供一种便宜、可靠并且涉及低计算负荷的用于检测步伐的系统(或步伐计数器系统),来弥补或以其他方式克服现有技术的缺点。
在一个或多个实施例中,本公开提供了一种用于检测用户的步伐的系统,该系统包括处理电路装置、传感器以及加速度计。传感器被耦合到处理电路装置,并且传感器被配置为在用户执行步伐期间检测用户的静电电荷变化,并且生成电荷变化信号。加速度计被耦合到处理电路装置,并且被配置为检测由于用户的步伐而引起的加速度、并且生成加速度信号。处理电路装置被配置为:获取电荷变化信号;获取加速度信号;在电荷变化信号中检测标识用户的步伐的第一特性;在加速度信号中检测标识用户的步伐的第二特性;以及响应于检测到第一特性和第二特点二者,确认用户执行步伐。
在一个或多个实施例中,本公开提供了一种便携式电子设备,其包括用于检测用户的步伐的系统。
在一个或多个实施例中,本公开提供了一种用于检测用户的步伐的方法,该方法包括:通过传感器供应电荷变化信号,该传感器被配置为在用户执行步伐期间检测用户的静电电荷变化;通过加速度计供应加速度信号,该加速度计耦合到处理电路装置、并且被配置为:检测由于用户的步伐而引起的加速度;检测在电荷变化信号中的标识用户的步伐的第一特性;在加速度信号中检测标识用户的步伐的第二特性;以及响应于检测到第一特性和第二特性二者,确认用户执行步伐。
附图说明
为了更好地理解本公开,现在,仅通过非限制性示例的方式并且参考附图对本公开的实施例进行描述,其中:
图1是根据本公开的一个实施例的包括用于检测电荷变化的加速度计和传感器的、用于检测步伐的系统的示意图;
图2图示了用于检测电荷变化的、可以由用户佩戴的传感器的实施例。
图3a图示了图1和图2的用于检测电荷变化的、在来自传感器的输出处生成的信号;
图3b图示了在来自图1的加速度计的输出处生成的信号;
图4通过框图图示了根据本公开的一个实施例的、由图1的用于检测步伐的系统实现的方法;
图5通过框图图示了根据图4的实施例的备选实施例的、由图1的用于检测步伐的系统实现的方法;
图6通过框图图示了根据图4和图5的实施例的备选实施例的、由图1的用于检测步伐的系统实现的方法;以及
图7图示了包括图1的用于检测步伐的系统的设备。
具体实施方式
图1是根据本公开的一个方面的步伐检测系统1的示意图。步伐检测系统1包括处理电路装置2(在本文中可以称为处理单元2)、耦合到处理单元2的加速度计4以及用于检测耦合到处理单元2的静电电荷变化的传感器6。
加速度计4以本身已知方式被配置为检测至少沿着竖直加速度轴线(z轴线,即,平行于重力矢量的方向)的加速度分量。
处理单元2从加速度计4接收加速度信号sa,并且从传感器6接收电荷变化信号sq,以便检测静电电荷变化,并且根据加速度信号sa和电荷变化信号sq生成用户的步伐数目ns(未图示)。
优选地,加速度计4是三轴线加速度计,即,适于检测沿着三个相互正交的方向x、y、z的加速度。例如,加速度计4是在mems技术中提供的、类型本身已知的半导体材料的集成传感器,因此不再进行详细描述。在使用中,根据一个实施例,加速度计4检测迈出步伐时生成的、沿着竖直加速度的感测轴线z的分量,并且产生对应加速度信号sa(图3b)。在任何情况下,显而易见的是,一般而言,本公开还可以使用在加速度计的其他感测轴线(x轴线和/或y轴线)上的加速度信息。
处理单元2例如是驻留在mems中的、集成的asic(专用集成电路)中的微控制器或mlc(机器学习核心)。
步伐检测系统1例如以集成形式形成在相同印刷电路板上,或者以集成形式形成在容纳该电路的mems设备中。实际上,可以设想这样一种设备,除了加速度计4的三个轴线x、y、z以外,还可以存在几个传感器(“组合”),也可以存在用于其他检测(例如,通过陀螺仪、温度传感器等进行的检测)的专用通道,这些传感器包括用于检测静电电荷变化以及后续的传感器。
在一个实施例中(图5),步伐检测系统1形成例如由用户可佩戴在他的手腕上以便相对于用户身体固定、并且与用户身体区域(例如,手腕)电接触的设备1的一部分。因此,设备1受到脚踩在地面上所引起的在步伐期间引起的垂直加速度(以及可选地,沿着其他轴线,如先前所提及的)和由于用户的移动(具体地,由于所迈出的步伐)所引起的静电电荷变化二者的影响。
图2通过非限制性示例图示了用于检测静电电荷变化的传感器6的实施例。用于检测静电电荷变化的传感器6包括一对输入电极8a、8b,其可耦合到用户身体的部分10。具体地,图2的用于检测静电电荷的变化的传感器6被配置为设置成与用户身体部分直接接触。
该对输入电极8a、8b表示仪表放大器12的差分输入,并且在使用中接收输入电压vd。
仪表放大器12基本上由两个运算放大器op1和op2构成。偏置级(缓冲器)op3被用于在共模电压vcm处偏置仪表放大器12。
运算放大器op1和op2的反相端子通过电阻器r2连接在一起。由于每个运算放大器op1、op2的两个输入应当处于相同电位,所以输入电压vd也会被施加在r2的端部,并且通过该电阻器r2使得电流等于i2=vd/r2。该电流i2不来自运算放大器op1、op2的输入端子,并且因此流过在运算放大器op1、op2的输出之间的两个串联电阻器(从r1到达电阻器r2)。因此,通过流过三个串联电阻器r1-r2-r1,电流i2产生由vd′=i2(2r1 r2)=vd(1 2r1/r2)给出的输出电压vd'。因此,图2的电路的总增益将为ad=( 2r1/r2)。差分增益取决于电阻器r2的值,并且因此可以通过作用在电阻器r2上进行修改。
因此,与在输入电极8a、8b之间的电位vd成比例的差分输出vd'在输入处被供应给模数转换器14,该模数转换器14在输出处供应电荷变化信号sq,以讲电荷变化信号sq发送到处理电路2。电荷变化信号sq例如是高分辨率(16位或24位)数字流。只要处理单元2可以被配置为直接在模拟信号上工作、或其本身可以包括适于转换信号vd'的模数转换器,模数转换器14是可选的。
通过示例的方式,图3a图示了电荷变化信号sq。根据图3a,电荷变化信号sq具有多个峰值p1-p7,这些峰值随时间变化而彼此跟随(由横坐标的轴线t表示)。作为由传感器6所检测的步伐的结果,生成每个峰值p1-p7;传感器6用于在用户的静电电荷变化(输入信号vd)中检测静电电荷变化。在图3a中,在纵坐标的轴线上的值无量纲。
如在下文中所更好地图示的,峰值p1-p7被标识为电荷变化信号sq的超出阈值thq的分量。
在图3b中,通过示例的方式,在来自加速度计4的输出处的信号sa仅相对于检测轴线(例如,z轴线)而作为时间t的函数被表示,并且从任何可能的非显着频率分量滤波。应当指出,由用户执行步伐被检测为在一方向上增加的加速度(相对于仅由于重力而产生的平稳值1g,朝向表示加速度幅度的纵坐标的轴线的正值)并且通过在相对方向上的对应加速度(相对于平稳值1,朝向纵坐标的轴线的负值)进行检测。在图3b中,在阈值1g的交叉点c1和c2之间的虚线界定步伐。因此,如图3b所图示的,加速度信号sa的曲线图具有给定加速度简档,其在每个步伐处(c1和c2之间)重复。详细地,所述加速度简档依次包括:正部分,其中存在由于脚部搁置而因此对地面引起的冲击而产生的、正加速度峰值(即,指向上方);以及负部分,其中存在回弹(即,指向下方)的负加速度峰值的绝对值低于正加速度峰值。
而且,下文参考图4的步伐110,对该步伐的检测进行更全面的描述。
图4通过流程图图示了由处理单元2所执行的操作。
参考步骤100和101,处理单元分别从用于检测静电电荷变化的传感器6和加速度计4接收电荷变化信号sq和加速度信号sa。可以并行(同时)或在时间中的连贯时刻无差别地执行步骤100和101。
然后,在步骤104和105处,处理单元2在接收的信号sq和sa上执行相应缓冲操作(将数据保存在本地存储器中),并且进行滤波(例如,通过卡尔曼滤波器)。具体地,滤波具有例如通过使用低通滤波器从噪声或在非显着频率(例如,50hz或60hz的市电电源)处的干扰分量重新净化信号sq和sa的功能。所使用的滤波器根据待处理信号进行配置。比如,步骤104包括:对低于50hz的信号分量sq进行滤波;步骤105(可选的)包括:通过低通滤波器(更具体地,截止频率为100hz)对信号sa的低频分量进行滤波。实际上,为了确定步伐的执行,优选缓慢变化的信号,例如,仅几十赫兹的信号。较高频率处的信号意义不大、或可能使处理产生问题。
然后,在步骤108处,提取了标识由用户执行步伐的电荷变化信号sq的分量。
为此,阈值thq(图3a)用于标识电荷变化信号sq的分量,电荷变化信号sq的分量标识步伐。具体地,由电荷变化信号sq超越阈值thq与由用户执行步伐相关联。
在一个实施例中,阈值thq是固定类型和预先设置类型的阈值。
在另一实施例中,阈值thq是自适应类型,即,它根据电荷变化信号sq的曲线图而发生变化。通过利用本领域中已知的技术,可以进行自适应类型的阈值thq的计算。比如,可以使用滑动窗口或重叠窗口。可以使用用于实时计算自适应阈值的其他技术。
在一个作为示例提供的实施例中,阈值thq被选择为信号sq(在所考虑的窗口中)的平均值加上信号sq(在所考虑的窗口中)的标准偏差的倍数:thq=mean(sq) nstddev(sq),其中n在2至6之间的范围中进行选择,例如,4(其中术语“mean”用于指计算算术平均值的运算,而“stddev”是指计算标准偏差的运算)。
时间窗口例如选自适当值。所述值取决于应用类型;本申请人已经发现与在微控制器上的处理兼容的值(即,把缓冲器、所使用的存储器以及计算资源考虑在内)的范围为2s至10s。
在步骤108中,加速度计4的信号sa未由处理单元获取,或在该信号sa被获取的情况下,信号sa未被处理以检测步伐的执行或检测步行。换句话说,在步骤108期间,仅在电荷变化信号sq的基础上进行步伐的标识。
如果在电荷变化信号sq中检测到至少一个步伐,则执行步骤110(在来自框108的输出处的箭头108a);反之亦然(在来自框108的输出处的箭头108b),重复信号sq和sa的获取、存储、转换为数字域以及对电荷变化信号sq进行处理以检测该步伐的步骤。因此,通过电荷变化信号sq超越阈值thq,生成了用于开始对加速度信号sa进行处理的对应触发信号。
参考步骤110,在信号sq的基础上对加速度信号sa进行处理,以确认在步骤108中被标识的步伐的存在。仅当在步骤108处对电荷变化信号sq的分析已经产生正结果时(即,它已经标识出存在至少一个步伐时),才执行对加速度信号sa的处理。反之亦然,在电荷变化信号sq低于阈值thq的情况下,不执行步骤110。
根据本发明的一个方面,由于电荷变化信号sq可以由处理单元2相对于加速度计的信号、以一定延迟(例如,以数十毫秒或数百毫秒的延迟)生成和/或接收,所以处理单元2获取从电荷变化信号sq超越阈值thq之前的时刻开始的加速度信号sa的样本、并且对其进行处理。如上所述,因为在步骤105中将加速度信号sa存储(缓冲)在存储器中的事实,所以这是可能的。具体地,从在检测到由电荷变化信号sq超越阈值thq的时刻之前数十毫秒(10ms至100ms)或数百毫秒(100ms至800ms),对加速度信号sa进行处理。
根据现有技术,例如,在专利ep1770368或ep1770369中所描述的,对加速度信号sa进行处理以标识步伐。
参考图3b,线tha与1g的恒定加速度相对应(即,与用户的在静态条件下的重力相对应),并且线tha用作用于检测由用户执行步伐的比较阈值。当由信号sa所表示的加速度计4的测量超过阈值tha时(或者,在不同的但等效的实施例中,下降到低于阈值tha时),检测到步伐。比如,当加速度计4的测量在信号sa的正斜率或向上斜率上,在点c1和c2中越过阈值tha时,可以检测到步伐。因此,在该示例中,标识步伐对应于由信号sa朝向高于1g的值的、越过阈值tha。
作为先前描述(具有恒定比较阈值tha)的备选方案,同样可以使用自适应类型的比较阈值(例如,移动平均阈值),如在专利申请us2013/0085711或在专利ep1770368中所描述的。比如,移动平均阈值在所检测的加速度的平均值的基础上调整比较阈值。
而且,作为前述实施例的备选方案,同样可以执行频率分析(例如,通过快速傅立叶变换,fft),并且施加阈值以便检测超过所述阈值的信号sa的频率分量。因此,这些分量标识了步伐的执行。在专利申请us2013/0085700中说明了示例。可以在加速度计的数据上执行频率分析,以便可选地确定可用于选择用于对信号进行滤波的带通滤波器的频带的主频率。比如,如果发现主频率为2hz,则可以选择具有1.5hz至2.5hz的频带的滤波器以对信号进行滤波。滤波可以使数据统一,以便更好地分析和检测步伐。
然后,在图4的步骤112中,如果在步骤110中所做的检查也得出正结果,则确认该步伐事件,并且使计数器(ns 1)相应递增。
图5图示了关于由处理单元2所执行的步骤的本公开的另一实施例。图5图示了图4的框图的备选方案。然而,图5与图4共有的框和操作,由相同附图标记标识,并且不再进行进一步描述。
具体地,图4和图5的实施例共有框100、101、104和105与图4和图5。
然而,根据图5的实施例,加速度信号sa总是由处理单元2获取、并且通过处理单元2进行处理(框201),以便根据现有技术(例如,根据先前参考框110和图3b已经标识的方法)标识步伐。
当所述处理确认用户已经执行了步伐时,则(输出201a)控制传递到框202,其中电荷变化信号sq被获取、并且对其进行处理。根据已经参考框108和图3a所描述的内容,发生对电荷变化信号sq的处理。
仅当对电荷变化信号sq的处理也确认已经执行了步伐时,控制才传递到框112,其中对步伐的检测被确认、并且对该步伐进行计数。否则(输出201b),不会对步伐进行确认/计数,并且再次获取信号sa和sq,使得框100至105的步骤被重复。
在另一实施例中,在图6中图示(图6与图4共有的框由相同的附图标记图示,并且将不再进行描述),同时执行框108和110的步骤,然后,对应的结果(相应信号sq和sa中的步伐的标识)被发送到处理单元2。然后(步骤301),处理单元2进行检查以标识是否在彼此对应的时刻(或间隔)处,信号sq和sa二者均标识用户执行步伐。
仅在信号sq和sa二者均标识步伐(在来自框108和110输出处的数据)的情况下,控制才被传递(输出301a)到框112,其中对检测的对应步伐进行确认,并且对该步伐进行计数。否则(输出301b),重复已经描述的步骤100至110和301。
图7是便携式设备30(例如,计步器、智能手表、智能电话等)的示意图,该便携式设备30包括图1的系统1,并且还包括连接到处理单元2的图形用户接口32。图形用户接口32在系统1的输出(具体地,在来自图4的步骤108的输出)处显示信息,诸如具体地,由用户所执行的步伐数目;而且,用户可以使用图形用户接口32来将数据录入到处理单元2或向处理单元2发布命令。
最后,显而易见的是,可以在不脱离本公开的范围的情况下,对上文已经所讨论的内容进行修改和变化。
比如,在检测到在图3a的信号中的峰值p1-p7之后,可以执行识别这种峰值(或更确切地说,包括所述峰值的时间间隔中的信号sq)的特定形状的另一步骤。比如,可以使用机器学习和/或人工智能技术来自动识别与由用户所执行的步伐相关联的信号sq的特定模式,以便区分不同类型的步伐,其中例如:向前迈步、向后迈步、向上迈步、向下迈步、或在用户没有移位的情况下地面上的脚步声等。
作为备选方案,可以使用机器学习和/或人工智能技术来自动识别与由用户所执行的步伐相关联的信号sq的特定模式,作为使用阈值thq的备选方案,以便标识在信号sq中存在步伐和/或步伐类型。
同样,与由用户所执行的步伐相关联的自动模式识别算法可以用于标识在加速度信号sa中的步伐的存在和/或步伐的类型。
而且,应当指出,可以使用不可以由用户佩戴的、但是被配置为在一定距离处检测在由用户执行步伐之后生成的静电变化的类型的电荷变化传感器。在这种情况下,仅由用户携带加速度计4,用于检测他所执行的步伐。这种类型的系统是分布式系统,并且可以例如用于游戏或增强现实的应用,其中用户在圈划的环境(例如,房间)中执行其自身移动。
根据前述描述,本公开所实现的优点是显而易见的。
具体地,本公开显著减少了对系统用户的步伐进行计数时的误报,以至于本公开设想了对所执行的步伐的确认进行双重确认。
另外,由于根据图4的实施例,首先通过分析电荷变化信号sq来进行对该步伐的标识,该分析的结果确定了加速度计的信号sa的后续处理(其否则不会进行处理),所以可以节省大量计算资源和消耗水平,以至于仅在必要时才对加速度计的信号进行处理。
同样,参考图5,由于首先通过分析加速度信号sa来进行步伐的标识,该标识确定了对电荷变化信号sq的后续处理(否则不会对电荷变化信号sq进行处理),所以可以节省大量计算资源和消耗水平,以至于仅在必要时对传感器6的信号进行处理、并且确认由加速度计4所提供的数据。
因此,在图4和图5的两个实施例中,均提高了步伐检测/计数系统的可靠性,并且同时优化了能量效率。
可以组合上文所描述的各种实施例以提供其他实施例。可以根据上述具体实施方式对实施例进行这些和其他改变。一般而言,在以下权利要求书中,所使用的术语不应解释为将权利要求书局限于说明书和权利要求书中所公开的特定实施例,而是应当解释为包括所有可能的实施例以及这些权利要求所享有权利的全部范围的等同物。因而,权利要求不受公开内容的限制。
1.一种用于检测用户的步伐的系统,包括:
处理电路装置;
传感器,耦合到所述处理电路装置,并且所述传感器被配置为在由所述用户执行步伐期间检测所述用户的静电电荷变化,并且生成电荷变化信号;以及
加速度计,耦合到所述处理电路装置,并且所述加速度计被配置为检测由于所述用户的所述步伐而引起的加速度、并且生成加速度信号,
其中所述处理电路装置被配置为:
获取所述电荷变化信号;
获取所述加速度信号;
在所述电荷变化信号中检测标识所述用户的所述步伐的第一特性;
在所述加速度信号中检测标识所述用户的所述步伐的第二特性;以及
响应于检测到所述第一特性和所述第二特性二者,确认由所述用户执行所述步伐。
2.根据权利要求1所述的系统,其中所述处理电路装置被配置为在检测所述第二特性之前检测所述第一特性,并且所述处理电路装置被配置为仅在已经检测到所述第一特性的情况下才检测所述第二特性。
3.根据权利要求1所述的系统,其中所述处理电路装置被配置为在检测所述第一特性之前检测所述第二特性,并且所述处理电路装置被配置为仅在已经检测到所述第二特性的情况下才检测所述第一特性。
4.根据权利要求1所述的系统,还包括:
通过机器学习或人工智能算法,对所述加速度信号或所述电荷变化信号进行处理,以用于标识步伐类型,所述步伐类型包括以下各项中的至少一项:向前迈步、向后迈步、向上迈步、向下迈步、或在所述用户没有移位的情况下的在地面上的脚步声。
5.根据权利要求1所述的系统,其中检测所述第一特性包括以下各项中的至少一项:检测超过固定阈值的所述电荷变化信号的峰值;检测超过自适应阈值的所述电荷变化信号的峰值;或通过机器学习或人工智能算法检测所述电荷变化信号的特定模式。
6.根据权利要求5所述的系统,其中检测超过自适应阈值的所述电荷变化信号的峰值包括:
计算在时间间隔中的、由所述电荷变化信号所假设的平均值;
计算在所述时间间隔中的、所述电荷变化信号的标准偏差系数;以及
将所述平均值添加到所述标准偏差系数的倍数。
7.根据权利要求1所述的系统,其中检测所述第二特性包括以下各项中的至少一项:检测超过固定阈值的所述加速度信号的峰值;检测超过自适应阈值的所述加速度信号的峰值;或者执行所述加速度信号的频率分析。
8.根据权利要求1所述的系统,其中所述传感器被配置为由所述用户佩戴,以与所述用户的身体部分处于直接电接触,并且所述传感器包括仪表放大器和耦合在所述仪表放大器的输出处的模数转换器。
9.根据权利要求1所述的系统,被配置为由所述用户佩戴。
10.根据权利要求1所述的系统,其中确认由所述用户执行所述步伐包括:使由所述用户所执行的步伐数目的计数器递增。
11.一种便携式电子设备,包括根据权利要求1所述的用于检测用户的步伐的系统。
12.根据权利要求1所述的便携式电子设备,包括以下各项中的至少一项:计步器、智能手表、或智能电话。
13.一种检测用户的步伐的方法,包括:
通过传感器供应电荷变化信号,所述传感器被配置为在由所述用户执行步伐期间检测所述用户的静电电荷变化;
通过加速度计供应加速度信号,所述加速度计耦合到处理电路装置,并且所述加速度计被配置为检测由于所述用户的所述步伐而引起的加速度;
在所述电荷变化信号中检测标识所述用户的所述步伐的第一特性;
在所述加速度信号中检测标识所述用户的所述步伐的第二特性;以及
响应于检测到所述第一特性和所述第二特性二者,确认由所述用户执行所述步伐。
14.根据权利要求13所述的方法,其中在检测所述第二特性之前执行检测所述第一特性,并且仅在已经检测到所述第一特性的情况下才执行检测所述第二特性。
15.根据权利要求13所述的方法,其中在检测所述第一特性之前执行检测所述第二特性,并且仅在已经检测到所述第二特性的情况下才执行检测所述第一特性。
16.根据权利要求13所述的方法,还包括:
通过机器学习或人工智能算法,对所述加速度信号或所述电荷变化信号进行处理,以用于标识步伐类型,所述步伐类型包括以下各项中的至少一项:向前迈步、向后迈步、向上迈步、向下迈步、或在所述用户没有移位的情况下的在地面上的脚步声。
17.根据权利要求13所述的方法,其中检测所述第一特性包括以下各项中的至少一项:检测超过固定阈值的所述电荷变化信号的峰值;检测超过自适应阈值的所述电荷变化信号的峰值;或通过机器学习或人工智能算法检测所述电荷变化信号的特定模式。
18.根据权利要求17所述的方法,其中检测超过自适应阈值的所述电荷变化信号的峰值包括:
计算在时间间隔中的、由所述电荷变化信号所假设的平均值;
计算在所述时间间隔中的、所述电荷变化信号的标准偏差系数;以及
将所述平均值添加到所述标准偏差系数的倍数。
19.根据权利要求13所述的方法,其中检测所述第二特性包括以下各项中的至少一项:检测超过固定阈值的所述加速度信号的峰值;检测超过自适应阈值的所述加速度信号的峰值;或执行所述加速度信号的频率分析。
20.根据权利要求13所述的方法,其中确认由所述用户执行所述步伐包括:使由所述用户所执行的步伐数目的计数器递增。
技术总结