Algorithm 类锯齿时间序列的检测算法

您在这里看到的是一个人行走的垂直轴（或从头到脚的轴）上的加速度图。

我想实现一种可靠的方法来识别这种运动模式，并计算步数

正如我们可以立即注意到的，每一步都对应于平均值10-10.5 ms^2线附近的尖峰和下降

早些时候，我计划采用基于阈值检测的机制，但结果很差，因为存在一些变量：

如果人走得慢或快，图形将在时间轴上展开

如果一个人踩得更轻或更硬，那么尖峰和低谷分别会更小和更大

然而，在所有的情况下，这种模式仍然是相同的，即几乎每隔一段时间出现一次高峰和一次低谷

---

以合理的精度和计算时间检测此模式的最佳合理算法是什么？别介意，它非常简单，我所要做的就是确定噪声阈值和基准电平或零电平，然后在其上运行峰值检测器

以下是抽象过程

• 基准面实时计算为最后30个样本的平均值
• 高于基准面噪声阈值的值被视为正峰值
• 低于基准噪声阈值的值被视为负峰值
• 在约500ms的短间隔内检测到一对随后的正负尖峰被视为步骤

---

通过适当的调整，精度为~98%，并且可以非常可靠地计算所采取的步数

如果您在这里没有得到答案，请考虑继续询问。我将从峰值检测器开始。我将从自相关函数的FFT开始，以获得功率谱，然后找到峰值。几乎可以肯定，峰值频率将是您想要的。将峰值与平均功率进行比较，可以很好地估计峰值的可靠性。