Automatisk Kalibrering af Pedometer til Smartphone: forbedret estimering af distance og fart
Oversat titel
Automatic calibration of a pedometer for smartphones: improved estimation of distance and speed
Forfattere
Smidt, Søren Fyhn ; Mogensen, Rico Hejlskov
Semester
4. semester
Udgivelsesår
2015
Afleveret
2015-06-10
Antal sider
122
Abstract
Dette speciale bygger videre på et tidligere projekt, hvor en smartphone-algoritme kunne beregne skridtfrekvens, skridtlængde, distance og fart under løb og gang ved hjælp af telefonens sensorer. Dengang skulle brugeren manuelt kalibrere sin skridtlængde, hvilket er upraktisk for mange. Målet her er at gøre kalibreringen automatisk og indbygge den i den eksisterende algoritme, så smartphonen kan give bedre estimater af distance og fart som supplement til GPS. Arbejdet er delt i to faser. I fase 1 undersøges grundlaget for automatisk kalibrering med data fra tre sensorer i en smartphone: accelerometeret (måler bevægelser), GPS-modtageren (giver position og hastighed) og barometeret (måler lufttryk og kan indikere højdeforskelle). Her viser analyserne blandt andet, at der er en lineær sammenhæng mellem skridtlængde og skridtfrekvens. I fase 2 udvikles selve algoritmen til automatisk kalibrering. Den finder segmenter af en løbe- eller gåtur, der er velegnede til kalibrering, og beregner for hvert segment en gennemsnitlig skridtfrekvens og skridtlængde. Med udgangspunkt i den lineære sammenhæng bruger algoritmen disse segmenter til at bestemme en lineær funktion, der beskriver den enkelte brugers skridtlængde som en funktion af skridtfrekvensen. Denne personlige funktion gør det muligt automatisk at kalibrere skridtlængden og dermed forbedre estimaterne af distance og fart. Afslutningsvis vurderes, hvor præcist algoritmen kan estimere distancer.
This thesis builds on a previous project where a smartphone algorithm estimated step frequency, step length, distance, and speed during running and walking using the phone’s sensors. In that work, users had to manually calibrate their step length, which is inconvenient. The goal here is to automate that calibration and integrate it into the existing algorithm, so the smartphone can provide better distance and speed estimates alongside GPS. The work is organized in two phases. Phase 1 examines the basis for automatic calibration using data from three smartphone sensors: the accelerometer (measures motion), the GPS receiver (provides position and speed), and the barometer (measures air pressure and can indicate elevation changes). Analyses show, among other things, a linear relationship between step length and step frequency. Phase 2 develops the automatic calibration algorithm. It identifies segments of a run or walk that are suitable for calibration and, for each segment, computes an average step frequency and step length. Using the observed linear relationship, the algorithm fits a linear function that describes each user’s step length as a function of step frequency. This personalized function enables automatic calibration of step length and thereby improves distance and speed estimates. Finally, the thesis assesses how accurately the algorithm can estimate distances.
[Dette resumé er genereret ved hjælp af AI]
Emneord