Un filtro IIR sencillo, de un solo polo, paso bajo, recursivo es rápido y fácil de implementar, p. Xf, yf son las señales de salida filtradas, y k determina la constante de tiempo de los filtros (típicamente un valor entre 0,9 y 0,9999, donde un k más grande significa un tiempo más largo tiempo constante). Puede determinar k empíricamente, o si conoce la frecuencia de corte requerida, Fc. Entonces puede usar la fórmula: donde Fs es la tasa de muestreo. Observe que xf, yf son los valores previos de la señal de salida en el RHS y los nuevos valores de salida en el LHS de la expresión anterior. Obsérvese también que asumimos aquí que va a muestrear las señales del acelerómetro a intervalos de tiempo regulares, p. Cada 10 ms. La constante de tiempo será una función tanto de k como de este intervalo de muestreopute Promedio móvil Mediante el uso de objetos del sistema Cree un objeto System dsp. MovingAverage para calcular la media móvil de 10 puntos de la señal de transmisión. Utilice un objeto de sistema dsp. MatFileReader para leer datos del archivo MAT del acelerómetro. Ver la media móvil de salida en el ámbito de tiempo. Los objetos System indexan automáticamente los datos en marcos. Elija un tamaño de marco de 714 muestras. Hay 7140 muestras o 10 cuadros de datos en cada columna del archivo MAT. Cada bucle de iteración calcula el promedio móvil de 1 trama de datos. El bucle de procesamiento es muy simple. Los objetos de sistema controlan la indexación de datos y los estados automáticamente. MATLAB y Simulink son marcas registradas de The MathWorks, Inc. Para obtener una lista de otras marcas comerciales propiedad de The MathWorks, Inc., visite www. mathworks. com/store. Otros nombres de productos o marcas son marcas comerciales o marcas registradas de sus respectivos propietarios. Seleccione su entrada CountryAccelerometer Comprobación del soporte del acelerómetro Utilice la propiedad Accelerometer. isSupported para probar el entorno de tiempo de ejecución para poder utilizar esta característica: La clase Accelerometer y sus miembros son accesibles para las versiones de tiempo de ejecución listadas para cada entrada de API. Sin embargo, el entorno actual en tiempo de ejecución determina la disponibilidad de esta característica. Por ejemplo, puede compilar código utilizando las propiedades de la clase Acelerómetro para Flash Player 10.1, pero debe usar la propiedad Accelerometer. isSupported para probar la disponibilidad de la característica Acelerómetro en el dispositivo de los usuarios. Si Accelerometer. isSupported es true en tiempo de ejecución, entonces el soporte de Accelerometer existe actualmente. Detección de los cambios del acelerómetro Para utilizar el sensor del acelerómetro, instancie un objeto Acelerómetro y regístrese para actualizar los eventos que envía. El evento de actualización es un objeto de evento Acelerómetro. El evento tiene cuatro propiedades, y cada una son números: accelerationX Aceleración a lo largo del eje x, medida en gs. El eje x corre de izquierda a derecha del dispositivo cuando está en posición vertical. (El dispositivo está en posición vertical cuando la parte superior del dispositivo está hacia arriba.) La aceleración es positiva si el dispositivo se mueve hacia la derecha. AccelerationY Aceleración a lo largo del eje y, medida en gs. El eje y se extiende desde la parte inferior hasta la parte superior del dispositivo cuando está en posición vertical. (El dispositivo está en posición vertical cuando la parte superior del dispositivo está hacia arriba.) La aceleración es positiva si el dispositivo se mueve hacia arriba en relación con este eje. AccelerationZ Aceleración a lo largo del eje z, medida en gs. El eje Z corre perpendicular a la cara del dispositivo. La aceleración es positiva si mueve el dispositivo de modo que la cara del dispositivo apunte hacia arriba. La aceleración es negativa si la cara del dispositivo apunta hacia el suelo. Timestamp El número de milisegundos en el momento del evento desde que se inicializó el tiempo de ejecución. 1 g es la aceleración estándar debido a la gravedad, aproximadamente 9,8 m / s 2. A continuación se muestra un ejemplo básico que muestra los datos del acelerómetro en un campo de texto: Para utilizar este ejemplo, asegúrese de crear el campo de texto accTextField y añadirlo a la pantalla Antes de usar este código. Puede ajustar el intervalo de tiempo deseado para los eventos del acelerómetro llamando al método setRequestedUpdateInterval () del objeto Acelerómetro. Este método toma un parámetro, intervalo. Que es el intervalo de actualización solicitado en milisegundos: El tiempo real entre las actualizaciones del acelerómetro puede ser mayor o menor que este valor. Cualquier cambio en el intervalo de actualización afecta a todos los oyentes registrados. Si no llama al método setRequestedUpdateInterval (), la aplicación recibe actualizaciones basadas en el intervalo predeterminado de los dispositivos. Los datos del acelerómetro tienen algún grado de inexactitud. Puede utilizar una media móvil de datos recientes para suavizar los datos. Por ejemplo, en el siguiente ejemplo se toman en cuenta lecturas recientes del acelerómetro con la lectura actual para obtener un resultado redondeado: Sin embargo, este promedio móvil sólo es deseable si el intervalo de actualización del acelerómetro es pequeño. Más temas de ayuda Uno de los sensores inerciales más comunes es el acelerómetro. Un sensor dinámico capaz de una amplia gama de sensores. Se dispone de acelerómetros que pueden medir la aceleración en uno, dos o tres ejes ortogonales. Como medida de inercia de velocidad y posición Como sensor de inclinación, inclinación u orientación en 2 o 3 dimensiones, según se hace referencia a partir de la aceleración de la gravedad (1 g 9,8 m / s 2) Como sensor de vibración o impacto (choque). Existen considerables ventajas al utilizar un acelerómetro analógico en oposición a un inclinómetro, tal como un inclinómetro de inclinación de líquido, los tendedores tienden a emitir información binaria (indicando un estado de encendido o apagado), por lo que sólo es posible detectar cuando la inclinación ha excedido un cierto umbral ángulo. La mayoría de los acelerómetros son los Micro-Electro-Mechanical Sensors (MEMS). El principio básico de operación detrás del acelerómetro MEMS es el desplazamiento de una pequeña masa de prueba grabada en la superficie de silicio del circuito integrado y suspendida por pequeñas vigas. De acuerdo con la segunda ley de movimiento de Newton (F ma), cuando se aplica una aceleración al dispositivo, se desarrolla una fuerza que desplaza la masa. Las vigas de soporte actúan como un resorte, y el fluido (generalmente aire) atrapado dentro del IC actúa como un amortiguador, resultando en un sistema físico de segundo orden agrupado. Esta es la fuente del ancho de banda operativo limitado y la respuesta de frecuencia no uniforme de los acelerómetros. Para más información, véase la referencia a Elwenspoek, 1993. Hay varios principios diferentes sobre los cuales se puede construir un acelerómetro analógico. Dos tipos muy comunes utilizan la detección capacitiva y el efecto piezoeléctrico para detectar el desplazamiento de la masa de prueba proporcional a la aceleración aplicada. Los acelerómetros que implementan sensores capacitivos producen una tensión dependiente de la distancia entre dos superficies planas. Una o ambas de estas placas se cargan con una corriente eléctrica. Cambiar el espacio entre las placas cambia la capacidad eléctrica del sistema, que puede medirse como una salida de tensión. Este método de detección es conocido por su alta precisión y estabilidad. Los acelerómetros capacitivos son también menos propensos al ruido y la variación con la temperatura, por lo general disipan menos energía, y pueden tener anchos de banda más grandes debido a la circuitería de retroalimentación interna. (Elwenspoek 1993) La detección piezoeléctrica de la aceleración es natural, ya que la aceleración es directamente proporcional a la fuerza. Cuando ciertos tipos de cristal se comprimen, las cargas de la polaridad opuesta se acumulan en lados opuestos del cristal. Esto se conoce como efecto piezoeléctrico. En un acelerómetro piezoeléctrico, la carga se acumula en el cristal y se traduce y se amplifica en una corriente de salida o tensión. Los acelerómetros piezoeléctricos sólo responden a un fenómeno de CA como vibración o choque. Ellos tienen un amplio rango dinámico, pero pueden ser caros dependiendo de su calidad (Doscher 2005) Los acelerómetros basados en películas piezoeléctricas se utilizan mejor para medir fenómenos de CA como vibración o choque, en lugar de fenómenos como la aceleración de la gravedad. Son baratos y responden a otros fenómenos como la temperatura, el sonido y la presión (Doscher 2005). Los acelerómetros piezorresistivos (también conocidos como acelerómetros de strain gauge) funcionan midiendo la resistencia eléctrica de un material cuando se aplica tensión mecánica. Se prefieren en aplicaciones de alto choque y pueden medir la aceleración hasta 0 Hz. Sin embargo, tienen una respuesta de alta frecuencia limitada. Los acelerómetros de efecto Hall funcionan midiendo las variaciones de tensión causadas por el cambio en el campo magnético que los rodea. Los acelerómetros de transferencia de calor consisten en una única fuente de calor centrada en un sustrato y suspendida a través de la cavidad. Incluyen termoresistores igualmente espaciados en los cuatro lados de la fuente de calor. Miden los cambios internos en el calor debido a una aceleración. Cuando hay aceleración cero, el gradiente de calor será simétrico. De lo contrario, bajo la aceleración, el gradiente de calor se convertirá en asimétrica debido a la transferencia de calor por convección Hay muchos otros tipos de acelerómetro, incluyendo: Análogo frente a digital. La especificación más importante de un acelerómetro para una aplicación dada es su tipo de salida. Los acelerómetros analógicos dan salida a un voltaje variable constante dependiendo de la cantidad de aceleración aplicada. Los acelerómetros digitales más antiguos producen una onda cuadrada de frecuencia variable, un método conocido como modulación de ancho de pulso. Un acelerómetro modulado en anchura de impulso toma lecturas a una velocidad fija, típicamente 1000 Hz (aunque esto puede ser configurable por el usuario basado en el IC seleccionado). El valor de la aceleración es proporcional a la anchura de impulso (o ciclo de servicio) de la señal PWM. Los acelerómetros digitales más nuevos tienen más probabilidades de generar su valor utilizando protocolos digitales multihilo como I 2 C o SPI. Para uso con ADC s comúnmente usado para sistemas de interacción de música, generalmente se prefieren acelerómetros analógicos. Número de ejes. Se dispone de acelerómetros que miden en una, dos o tres dimensiones. El tipo más familiar de medidas de acelerómetro a través de dos ejes. Sin embargo, los acelerómetros de tres ejes son cada vez más comunes y baratos. Rango de salida. Para medir la aceleración de la gravedad para su uso como sensor de inclinación, es suficiente un rango de salida de 1,5 g. Para su uso como sensor de impacto, se desea una de las aplicaciones musicales más comunes, 5 g o más. Sensibilidad. Un indicador de la cantidad de cambio en la señal de salida para un cambio dado en la aceleración. Un acelerómetro sensible será más preciso y probablemente más preciso. Gama dinámica . El intervalo entre la aceleración más pequeña detectable por el acelerómetro al mayor antes de distorsionar o recortar la señal de salida. Ancho de banda El ancho de banda de un sensor se mide normalmente en Hertz e indica el límite de la respuesta de frecuencia de la unidad en el sensor, o la frecuencia con la que se puede realizar una lectura fiable. Los seres humanos no pueden crear movimiento corporal mucho más allá del rango de 10-12 Hz. Por esta razón, un ancho de banda de 40-60 Hz es adecuado para la inclinación o la detección de movimiento humano. Para la medición de la vibración o la lectura precisa de las fuerzas de impacto, el ancho de banda debe estar en el rango de cientos de Hertz. También debe observarse que para algunos microcontroladores más antiguos, el ancho de banda de un acelerómetro puede extenderse más allá de la frecuencia de Nyquist de los convertidores A / D en la MCU, por lo que para una mayor detección de ancho de banda, la señal digital puede tener un alias. Esto se puede remediar con un simple paso pasivo de filtrado de paso bajo antes del muestreo, o simplemente eligiendo un mejor microcontrolador. Vale la pena señalar que el ancho de banda puede cambiar por la forma en que se monta el acelerómetro. Un montaje más rígido (por ejemplo: usar pernos) ayudará a mantener un rango de frecuencias utilizable más alto y lo contrario (por ejemplo: usar un imán) lo reducirá. Estabilidad de amplitud. Esto no es una especificación en sí mismo, sino una descripción de varios. La estabilidad de amplitud describe el cambio de sensibilidad de un sensor en función de su aplicación, por ejemplo durante una temperatura o tiempo variable (véase más adelante). Masa . La masa del acelerómetro debe ser significativamente menor que la masa del sistema que se va a monitorizar, de modo que no cambie la característica del objeto que se está probando. Otras especificaciones incluyen: Desviación de giro cero (salida de tensión a 0 g) Ruido (resolución mínima del sensor) Desviación de polarización con temperatura (efecto de la temperatura en la salida de tensión a 0 g) Desviación de sensibilidad con temperatura (efecto de la temperatura en la salida de voltaje por g) El valor de salida del acelerómetro es un escalar correspondiente a la magnitud del vector de aceleración. La aceleración más común, ya la que estamos constantemente expuestos, es la aceleración que es el resultado de la atracción gravitacional de la tierra. Este es un valor de referencia común del que se miden todas las otras aceleraciones (conocido como g, que es Acelerómetros con salida PWM se puede utilizar de dos maneras diferentes. Para los resultados más precisos, la señal PWM se puede introducir directamente en un microcontrolador donde el deber (Se comprueba con la hoja de datos para obtener el factor de escala y la impedancia de salida requerida). Cuando un microcontrolador con entrada PWM no está disponible o cuando se están utilizando otros medios de digitalización de la señal , Se puede utilizar un simple filtro de reconstrucción RC para obtener un voltaje analógico proporcional a la aceleración. En reposo (ciclo de trabajo 50) la tensión de salida no representará ninguna aceleración, los valores de voltaje más altos (resultantes de un mayor ciclo de trabajo) representarán una aceleración positiva , Y los valores más bajos (ciclo de trabajo lt50) indican una aceleración negativa, que puede ser escalada y utilizada como la tensión de salida de un acelerómetro de salida analógica. Una desventaja de una salida digital es que se necesitan un poco más de recursos de temporización del microcontrolador para medir el ciclo de trabajo de la señal PWM. Los protocolos de comunicación podrían usar I2C o SPI. Cuando se compara con la mayoría de los sensores industriales, los acelerómetros analógicos requieren poco acondicionamiento y la comunicación es sencilla utilizando sólo un convertidor analógico a digital (ADC) en el microcontrolador. Típicamente, una señal de salida del acelerómetro necesitará una compensación, amplificación y filtración. Para los acelerómetros analógicos de salida de tensión, la señal puede ser una tensión positiva o negativa, dependiendo de la dirección de la aceleración. Además, la señal es continua y proporcional a la fuerza de aceleración. Como con cualquier sensor destinado a un convertidor analógico a digital, el valor debe ser escalado y / o amplificado para abarcar al máximo el rango de adquisición. La mayoría de los convertidores analógicos a digitales utilizados en aplicaciones musicales adquieren señales en la gama 0-5 V. La imagen de la derecha representa un circuito de amplificación y desplazamiento, incluido el amplificador operacional integrado en el adxl 105, minimizando la necesidad de componentes adicionales del CI. La ganancia aplicada a la salida se establece mediante la relación R2 / R1. El desplazamiento se controla mediante la polarización de la tensión con la resistencia variable R4. El sesgo de salida de los acelerómetros se desplazará según la temperatura ambiente. Los sensores están calibrados para funcionar a una temperatura específica, típicamente a temperatura ambiente. Sin embargo, en la mayoría de las aplicaciones interiores de corta duración el desplazamiento es relativamente constante y estable, y por lo tanto no necesita ajuste. Si el sensor está destinado a ser utilizado en entornos múltiples con diferentes temperaturas ambiente, la función de polarización debe ser suficiente para la calibración analógica del dispositivo. Si la temperatura ambiente está sujeta a cambios drásticos durante el curso de un solo uso, la salida de temperatura debe sumarse en el circuito de polarización. Los sensores inteligentes pueden incluso tener esto en cuenta. La resolución de los datos adquiridos es determinada en última instancia por el convertidor analógico a digital. Sin embargo, es posible que el nivel de ruido esté por encima de la resolución mínima del convertidor, reduciendo la resolución de su sistema. Suponiendo que el ruido esté distribuido equitativamente en todas las frecuencias, es posible filtrar la señal para incluir únicamente frecuencias dentro del rango de operación. El filtro requerido depende tanto del tipo de adquisición como de la ubicación del sensor. El ancho de banda depende principalmente de los tres diferentes modos de funcionamiento del sensor. La medición de la aceleración tiene una variedad de usos. El sensor puede ser implementado en un sistema que detecta la velocidad, la posición, el choque, la vibración o la aceleración de la gravedad para determinar la orientación. (Doscher 2005) Un sistema que consta de dos sensores ortogonales es capaz de detectar el tono y el balanceo. Esto es útil para capturar los movimientos de la cabeza. Un tercer sensor ortogonal puede ser añadido a la red para obtener orientación en el espacio tridimensional. Esto es apropiado para la detección de ángulos de pluma, etc. Las capacidades de detección de esta red pueden ampliarse a seis grados de libertad de medición espacial mediante la adición de tres giroscopios ortogonales. Como un detector de choque, un acelerómetro está buscando cambios en la aceleración. Este tirón se siente como una vibración sobreamortiguada. Verplaetse ha esbozado los anchos de banda asociados con diversas implementaciones de acelerómetros como un dispositivo de entrada. Estos son: ltobject width quot425quot altura quot344quot gt ltparam nombre quotmoviequot valor quotlovideo /v/Z2ZLf43ql8amphlenampfs1quot gt lt / paramgt ltparam nombre quotallowFullScreenquot valor quottruequot gt lt / paramgt ltparam nombre quotallowscriptaccessquot valor quotalwaysquot gt lt / paramgt ltembed src quotwww. youtube/v/ Z2ZLf43ql8amphlenampfs1quot tipo quotapplication / x-shockwave-flashquot permitecriptaccess quotalwaysquot allowfullscreen quottruequot anchura quot425quot height quot344quot gt lt / embedgt lt / objectgt Aszkler, Craig. Acceleration, Shock and Vibration Sensors, en Sensor Technology Handbook, editado por Jon S. Wilson, 137-159. Burlington: Elsevier, 2005. Boser, Bernhard E. y Roger T. Howe. Acelerómetros de superficie Micromachined. IEEE Journal of Solid-State Circuits. Vol. 31, Nº 3, (marzo de 1996): 366 - 375. Doscher, James (Analog Devices), 2005. Diseño y Aplicaciones de Acelerómetro. Folleto de la empresa, Norwood, MA, 61pp. Elwenspoek, M. y Wiegerink, R. Microsensores mecánicos. Nueva York: Springer, 1993, pp. 132-145 Fraden, Jacob, 2003. Manual de Sensores Modernos. 3ª ed. Berlín: Springer. ISBN 0387007504 O039Reilly, Rob, Alex Khenkin y Kieran Harney. Gestión de la retroalimentación acústica: Micro Electro Mechanical Systems (MEMS) Micrófonos de contacto para instrumentos musicales. Acústica Hoy. (Julio de 2008): 28-32. Walter, Patcrick L. La Historia del Acelerómetro. Sound and Vibration (enero de 2007): 84-92.Encartando el rendimiento de los pedómetros con un solo acelerómetro La nota de aplicación AN-602 examinó el uso de un acelerómetro Analog Devices para fabricar un podómetro sencillo pero relativamente preciso. Desde entonces, se han introducido nuevos dispositivos que permiten el uso de acelerómetros en aplicaciones más sensibles al coste. Por lo tanto, las aplicaciones tales como podómetros se encuentran en muchos dispositivos de consumo, tales como teléfonos celulares. Dada esta tendencia, se hizo un examen más detallado de los pedómetros con un solo acelerómetro. La técnica AN-602 se implementó en un intento de duplicar sus resultados. Aunque el algoritmo funcionó bien, la misma precisión no se duplicó. En particular, hubo una mayor variación de lo esperado de persona a persona, así como cuando una persona utilizó un ritmo diferente y la longitud de zancada. Esto llevó a una investigación de posibles mejoras en el algoritmo. Las pruebas se realizaron utilizando el microcontrolador analógico de precisión ADuC7020 con núcleo ARM7 y dos placas de prueba de podómetro diferentes: una con un acelerómetro ADXL323 de 2 ejes y otra con un acelerómetro ADXL330 de 3 ejes. La primera utilizó las placas de evaluación ADuC7020 y ADXL323 con una pantalla LCD 16 2 añadida. La segunda usó una tabla personalizada. La técnica utilizada en AN-602 se basa en el principio de que el rebote vertical en uno de los pasos está directamente correlacionado con la longitud de la zancada, como se muestra en la Figura 1. Figura 1 - Movimiento Vertical de la Cadera Mientras Camina Los ángulos 945 y 952 son iguales, Se puede demostrar que la zancada es un múltiplo del desplazamiento vertical máximo. Dado los mismos ángulos, el desplazamiento vertical sería mayor o menor para personas más altas o más cortas, lo que explicaría las diferencias en la longitud de las piernas. Desafortunadamente, el acelerómetro mide los cambios en la aceleración más que en el desplazamiento. La aceleración se debe convertir a la distancia antes de que pueda ser utilizada. En la configuración de AN-602, la potencia de cálculo limitada requería que se usara una fórmula sencilla para aproximar la integral doble necesaria para convertir la aceleración en distancia. Con un montón de potencia de procesamiento disponible en el ADuC7020, este experimento intenta calcular directamente las integrales discretas. Un método simple fue elegido para hacer esto. Después de cada etapa se determinó, todas las muestras de aceleración dentro de ese paso se añadieron para obtener un conjunto de muestras de velocidad. Las muestras de velocidad para cada paso se normalizaron de tal manera que la muestra final era cero. A continuación, se agregaron para obtener un valor para el desplazamiento. Inicialmente, esta técnica parecía prometedora, ya que las distancias medidas eran relativamente consistentes para un sujeto que caminaba un curso varias veces. Desafortunadamente, la varianza de persona a persona se exacerbó, al igual que la varianza para un sujeto a diferentes ritmos. Esto condujo a una investigación de si el problema está con el modelo sí mismo. Comprensión del modelo Este modelo tiene dos suposiciones principales: que el pie es realmente un solo punto (o una bola), y que el impacto de cada pie en el suelo es perfectamente elástico. Sin embargo, ninguno de estos supuestos es el caso. Sobre la base de estos experimentos, es seguro decir que las diferencias entre estas suposiciones y la realidad explican gran parte de las variaciones encontradas. Para entender esto, ayuda a observar la aceleración medida a lo largo de varios pasos, como se muestra en la Figura 2. En los datos se muestran diferentes fuentes de resorte en uno de los pasos. Figura 2 - Gráfico de aceleración para el sujeto 1 a ritmo normal La figura 2 muestra los problemas encontrados al tratar de traducir con precisión la aceleración medida en la distancia. Métodos que utilizan el peak-to-peak changeand incluso aquellos que integran el datarun en problemas con datos como este. La causa de esta dificultad es la variación de una medida a otra en la primavera de los diferentes pasos de la gente, o en los pasos de una persona que utiliza diferentes ritmos. La figura 3 muestra el mismo sujeto con un paso más largo y más rápido. La diferencia de aceleración de pico a pico es mayor, y los diferentes puntos de muelle se ven diferentes. La cantidad de datos de primavera versus datos reales es diferente a la de la Figura 2. Pero el algoritmo solo ve un conjunto de mediciones de aceleración y no tiene idea del contexto de esas mediciones. El problema, por lo tanto, es eliminar el efecto del muelle en un paso de sujetos sin eliminar datos útiles. Existen diferencias importantes entre las dos gráficas: En la Figura 3, el fondo de la curva para cada paso es ligeramente más estrecho que el de la Figura 2, y las cimas de las curvas son más consistentes , Con menos picos distintivos. Estas diferencias resultan en un valor promedio más alto comparado con los valores mínimo y máximo de la muestra. A efectos comparativos, la Figura 4 muestra un gráfico de datos para un individuo diferente. La longitud de la zancada es muy similar a la del sujeto en la figura 2. Sin embargo, los datos parecen muy diferentes. Figura 4 - Gráfico de aceleración para el sujeto 2 a ritmo normal Este sujeto tiene mucho más resorte que el que se muestra en la Figura 2, pero ambos conjuntos de datos representan aproximadamente la misma distancia recorrida. El cálculo de la distancia únicamente sobre los valores máximos dará, por lo tanto, resultados muy diversos. El uso de una simple integración doble sufre del mismo problema. Resolver el problema de la primavera Todos los esfuerzos para llegar a una solución decente a este problema utilizando cálculos sencillos tuvieron los mismos problemas, dando lugar a una serie de intentos fallidos de normalizar los datos de una manera que eliminó la primavera. La razón principal parecía ser que requerían algún conocimiento del contexto de los datos pero, en uso real, el sistema no tiene idea de lo que está sucediendo fuera. Todo lo que tiene son puntos de datos. Nuestra solución debe ser capaz de operar en los datos sin contexto. Durante un episodio de frustración, se presentó una posible solución a este problema. Como se señaló anteriormente, los datos cambiaron al pasar de un ritmo más lento a más rápido, pero la variación menos evidente debido a la primavera se produjo con un paso más largo, más rápido. El resultado fue un mayor promedio con respecto a los datos mínimos y máximos. Pero, ¿sería esto mantenerse con nuevos datos Visualmente, es difícil estar seguro de esto, dada la cantidad de rebote en los pasos que se muestran en la Figura 4. Pero los cálculos mostraron que los valores promedio frente a pico son muy similares a los de la Figura 2 Así, un candidato para un algoritmo simple para determinar la distancia recorrida es: Este cálculo se realiza para cada paso, según lo determinado por un algoritmo de búsqueda de pasos diferente. El algoritmo de búsqueda de pasos utiliza un promedio móvil de 8 puntos para suavizar los datos. Busca un pico máximo, seguido por un mínimo. Se cuenta un paso cuando el promedio móvil cruza el punto cero, que es el promedio general para el paso. Los datos utilizados en el algoritmo de distancia tienen en cuenta la latencia de 4 puntos de la media móvil. Esta solución simple se mantuvo bien para el primer sujeto a lo largo de varias longitudes de zancada. También razonablemente bien con otros temas. Pero algunos sujetos produjeron distancias que variaron tanto como 10 de la distancia media medida para el grupo. Esto no estaba dentro de la banda de error de 7,5 que se apuntaba para una medida no calibrada. Se necesitaba otra solución. Sin embargo, la proporción utilizada en la última prueba parecía reflejar las diferencias en el resorte de los diferentes temas. Tenía sentido tratar de combinar los dos métodos que hemos examinado aquí. Volviendo a la idea original de utilizar una integral doble, se realizó un cálculo utilizando esta relación como un factor de corrección para eliminar los datos de resorte. La fórmula resultante es: d es la distancia calculada k es un multiplicador constante max es la aceleración máxima medida dentro de este paso min es la aceleración mínima medida dentro de esta etapa avg es el valor medio de aceleración para el paso accel representa todos los valores de aceleración medidos para el Step Este algoritmo se mantiene bien para una variedad de temas y ritmos, variando en aproximadamente 6/4. El algoritmo se presta a la calibración fácil para un individuo y un paso específicos ajustando el multiplicador k. El código también puede realizar un promedio en la longitud de la zancada para suavizar la variación paso a paso. Los resultados mencionados aquí no incluyen el uso de este promedio. En este experimento sólo se utilizaron los ejes X e Y. Se eligió un acelerómetro de 3 ejes para la flexibilidad, en caso de que se necesitaran los tres ejes. Se encontraron dos ejes adecuados para la tarea, por lo que se podría usar un ADXL323 en lugar del ADXL330. La misma disposición se puede utilizar para ambos ya que la configuración de la clavija es idéntica excepto la salida del eje Z. Este experimento se enfocó en lograr buenos resultados para la medición de distancia de los pedómetros. El algoritmo de recuento de pasos fue evaluado sólo lo suficiente para asegurar que funcionó bien mientras caminaba o corría. A lo largo de cientos de pasos o pasos, el número medido de pasos se redujo a uno o dos pasos del número real. Desafortunadamente, sin embargo, este algoritmo simple puede ser engañado por el movimiento no-caminante. La función de ventana de tiempo descrita en AN-602 puede usarse para minimizar cuentas erróneas al ignorar pasos falsos que se producen fuera de la ventana de tiempo esperada, al tiempo que conserva la capacidad de adaptación cuando el usuario cambia de ritmo. Esta nota representa los resultados de un solo conjunto de experimentos que intentan obtener un rendimiento decente de un simple podómetro que utiliza un solo acelerómetro. Algunas de las barreras para obtener ese desempeño han sido discutidas. Los resultados finales cumplieron con los objetivos de precisión establecidos, con la posibilidad añadida de mejorar la precisión con la calibración. Si bien se puede obtener una mayor precisión con un sistema más complejo (utilizando acelerómetros múltiples, por ejemplo), el algoritmo proporcionado aquí debe ser un excelente punto de partida para aplicaciones simples y de bajo costo.
No comments:
Post a Comment