检测锯齿状的timeSeries算法

Question

您在此处看到的是行走者的垂直轴（或从头到脚轴）的加速度图表。

我想实现一种可靠的方法来识别这种运动模式并且不计算任何步骤。

正如我们可以立即注意到，每个步骤对应一个尖峰并从平均值约10-10.5 ms ^ 2线下降。

早些时候，我曾计划采用基于阈值检测的机制，但由于存在一些变量，因此结果非常差：

1. 如果人走得更慢或更快，图表会在时间轴上展开
2. 如果一个人的步伐更轻或更硬，那么尖刺和蹲下分别越来越小
然而，在所有情况下，模式仍然是相同的，即几乎定期的尖峰和下降

以合理的准确度和计算时间检测此模式的最佳合理算法是什么

Answer 1

没关系，我想出来了，它非常简单，我所要做的只是决定一个噪音阈值和一个基准电平或零电平，然后运行一个峰值探测器

以下是抽象程序

• 基准水平实时计算为最后30个样本的平均值
• 高于基准水平的值 - 噪音阈值被视为正峰值
• 低于基准水平的值 - 噪音阈值被视为负尖峰
• 在约500毫秒的短暂间隔内检测到的一对后续正负峰值被视为步骤。

通过适当调整，准确度 ~98％并且可以非常可靠地计算步数