計步器演算法是如何實現的？
Android_基於G-Sensor的計步演算法
一、寫在分享之前
學習Android也有將近一年的時間了，一直在看大牛們分享的知識，今天也想分享自己之前的一點研究，關於計步器演算法的。目前在計步領域比較領先的有樂動力以及春雨計步器，在做演算法的引數除錯的時候也是一直拿這兩個應用做對比。樂動力當之無愧行業第一，不管是應用的體驗還是準確度都是非常棒，春雨計步器的亮點是輕量級，使用以及介面操作都很簡單。之前因為一些需求，需要做一個計步器，所以就開始自己研究演算法了，各種場景（走路拿在手上，放在口袋，跑步），演算法的準確度大概可以達到95。7%，綜合起來覺得是比春雨略好，但是贏不了樂動力（可以達到97。7%）在體驗和大局觀為王的網際網路時代，我覺得技術上的差距會越來越小，重要的是體驗還有對於產品的定位，所以決定將演算法與大家分享，第一是希望可以幫到到家，第二也是希望大家提一些意見，讓這個演算法可以得到改進。
計步器apk下載
apk反編譯下載
二、計步器演算法的總體思路以及輔助除錯的工具
人在走路時大致分為下面幾種場景：
1、正常走路，手機拿在手上（邊走邊看、甩手、不甩手）
2、慢步走，手機拿在手上（邊走邊看、甩手、不甩手）
3、快步走，手機拿在手上（甩手、不甩手、走的很快一般不會看手機吧）
4、手機放在褲袋裡（慢走、快走、正常走）
5、手機放在上衣口袋裡（慢走、快走、正常走）
6、上下樓梯（上面五中場景可以在這個場景中再次適用一遍）
以上，不管出於哪一種場景（其實對應手機不同的運動規律），g-sensor的三軸資料都是有規律可以尋找的。
每一步都有特徵點，找到這個特徵點，就是識別出來一步。
下面推薦一個工具，叫gsensor-debug，可以觀察三軸的曲線，下面是手機上下襬動的曲線
這是很規律曲線只要檢測波峰就行了，實際的走路曲線會有很多雜波，演算法的作用就是濾除這些雜波（走路的波形可以用工具自己看，可以儲存為檔案，用excel開啟有資料，將資料轉換為波形就可以自己看）
三、演算法的介紹（貼出核心程式碼）
1、變數的定義
//存放三軸資料 float［］ oriValues = new float［3］； final int valueNum = 4； //用於存放計算閾值的波峰波谷差值 float［］ tempValue = new float［valueNum］； int tempCount = 0； //是否上升的標誌位 boolean isDirectionUp = false； //持續上升次數 int continueUpCount = 0； //上一點的持續上升的次數，為了記錄波峰的上升次數 int continueUpFormerCount = 0； //上一點的狀態，上升還是下降 boolean lastStatus = false； //波峰值 float peakOfWave = 0； //波谷值 float valleyOfWave = 0； //此次波峰的時間 long timeOfThisPeak = 0； //上次波峰的時間 long timeOfLastPeak = 0； //當前的時間 long timeOfNow = 0； //當前感測器的值 float gravityNew = 0； //上次感測器的值 float gravityOld = 0； //動態閾值需要動態的資料，這個值用於這些動態資料的閾值 final float initialValue = （float） 1。3； //初始閾值 float ThreadValue = （float） 2。0； private StepListener mStepListeners；
2。 程式碼，結合註釋看
檢測步子就是檢測波峰，但是要濾除無效的波峰，主要採用瞭如下三種措施
a、規定曲線連續上升的次數
b、波峰波谷的差值需要大於閾值
c、閾值是動態改變的
另一個是一些引數的初始值，比如initialValue 以及ThreadValue 的初始值，以及averageValue函式的梯度化範圍值
需要結合各種場景的波形圖來統計，還有幾十實際的測試來除錯引數，這些引數大概前後調了兩個星期，其實總體思路不復雜。
下面貼出核心程式碼以及一些註釋：
（因為一些原因，整個工程我就不傳了，後面有時間我可以將app傳上來）
/*
* 註冊了G-Sensor後一隻會呼叫這個函式
* 對三軸資料進行平方和開根號的處理
* 呼叫DetectorNewStep檢測步子
* */
@Override
public void onSensorChanged（SensorEvent event） {
for （int i = 0； i < 3； i++） {
oriValues［i］ = event。values［i］；
}
gravityNew = （float） Math。sqrt（oriValues［0］ * oriValues［0］
+ oriValues［1］ * oriValues［1］ + oriValues［2］ * oriValues［2］）；
DetectorNewStep（gravityNew）；
}
/*
* 檢測步子，並開始計步
* 1。傳入sersor中的資料
* 2。如果檢測到了波峰，並且符合時間差以及閾值的條件，則判定為1步
* 3。符合時間差條件，波峰波谷差值大於initialValue，則將該差值納入閾值的計算中
* */
public void DetectorNewStep（float values） {
if （gravityOld == 0） {
gravityOld = values；
} else {
if （DetectorPeak（values， gravityOld）） {
timeOfLastPeak = timeOfThisPeak；
timeOfNow = System。currentTimeMillis（）；
if （timeOfNow - timeOfLastPeak >= 250
&& （peakOfWave - valleyOfWave >= ThreadValue）） {
timeOfThisPeak = timeOfNow；
/*
* 更新介面的處理，不涉及到演算法
* 一般在通知更新介面之前，增加下面處理，為了處理無效運動：
* 1。連續記錄10才開始計步
* 2。例如記錄的9步使用者停住超過3秒，則前面的記錄失效，下次從頭開始
* 3。連續記錄了9步使用者還在運動，之前的資料才有效
* */
mStepListeners。onStep（）；
}
if （timeOfNow - timeOfLastPeak >= 250
&& （peakOfWave - valleyOfWave >= initialValue）） {
timeOfThisPeak = timeOfNow；
ThreadValue = Peak_Valley_Thread（peakOfWave - valleyOfWave）；
}
}
}
gravityOld = values；
}
/*
* 檢測波峰
* 以下四個條件判斷為波峰：
* 1。目前點為下降的趨勢：isDirectionUp為false
* 2。之前的點為上升的趨勢：lastStatus為true
* 3。到波峰為止，持續上升大於等於2次
* 4。波峰值大於20
* 記錄波谷值 * 1。觀察波形圖，可以發現在出現步子的地方，波谷的下一個就是波峰，有比較明顯的特徵以及差值 * 2。所以要記錄每次的波谷值，為了和下次的波峰做對比
* */ public boolean DetectorPeak（float newValue， float oldValue） {
lastStatus = isDirectionUp；
if （newValue >= oldValue） { isDirectionUp = true；
continueUpCount++；
} else {
continueUpFormerCount = continueUpCount；
continueUpCount = 0；
isDirectionUp = false；
}
if （！isDirectionUp && lastStatus
&& （continueUpFormerCount >= 2 || oldValue >= 20）） {
peakOfWave = oldValue；
return true；
} else if （！lastStatus && isDirectionUp） {
valleyOfWave = oldValue；
return false；
} else { return false；
}
}
/*
* 閾值的計算
* 1。透過波峰波谷的差值計算閾值
* 2。記錄4個值，存入tempValue［］陣列中
* 3。在將陣列傳入函式averageValue中計算閾值
* */
public float Peak_Valley_Thread（float value） {
float tempThread = ThreadValue；
if （tempCount < valueNum） {
tempValue［tempCount］ = value；
tempCount++；
} else {
tempThread = averageValue（tempValue， valueNum）；
for （int i = 1； i < valueNum； i++） {
tempValue［i - 1］ = tempValue［i］；
}
tempValue［valueNum - 1］ = value；
}
return tempThread；
}
/*
* 梯度化閾值
* 1。計算陣列的均值
* 2。透過均值將閾值梯度化在一個範圍裡
* */
public float averageValue（float value［］， int n） {
float ave = 0；
for （int i = 0； i < n； i++） {
ave += value［i］；
}
ave = ave / valueNum；
if （ave >= 8）
ave = （float） 4。3；
else if （ave >= 7 && ave < 8）
ave = （float） 3。3；
else if （ave >= 4 && ave < 7）
ave = （float） 2。3；
else if （ave >= 3 && ave < 4）
ave = （float） 2。0；
else {
ave = （float） 1。3；
}
return ave；
}
