学习Android已经快一年了，一直在阅读专家分享的知识。 今天我也想分享一下我之前对计步器算法的一些研究。 目前在计步器领域处于领先地位的优乐动力和春雨计步器，在调试算法参数时总会比较这两款应用。 乐力电源当之无愧的行业第一。 无论是应用体验还是准确度都非常出色。 春雨计步器的亮点在于其轻巧且易于使用和操作的界面。 以前因为一些需要，需要做一个计步器，所以就开始自己研究算法。 在各种场景下（走路、拿在手上、放在口袋里、跑步），算法的准确率都能达到95.7%左右。 综合起来，我认为它比春雨略好，但无法击败乐力动力（可以达到97.7%）。 在经验和大局观为王的互联网时代，我认为技术差距会越来越小。 重要的是经验和产品定位。 ，所以我决定把算法分享给大家。 首先，希望能够对大家有所帮助。 其次，我也希望大家能够提供一些意见，以便这个算法能够得到改进。

计步器 apk 下载

apk反编译下载

2、计步算法总体思路及辅助调试工具

人们在走路时一般会陷入以下几种场景：

1. 正常走路，手里拿着手机（走路时看手机，晃动手，或者不晃动手）

2、慢慢走，手里拿着手机（边走边看，晃动手，或者不晃动手）

3.快走麻将胡了2游戏入口，手里拿着手机（要么抖手pg电子游戏官网官方网站，要么不抖手，如果走得很快，一般不会看手机）

4. 将手机放入裤兜（慢走、快走、正常行走）

5. 将手机放入外套口袋（慢走、快走、正常行走）

6、上下楼梯（本场景可以再次应用以上五个场景）

上面，无论是哪种场景（其实是对应手机不同的运动模式），G-Sensor的三轴数据都可以找到有规律的模式。

每一步都有一个特征点。 找到这个特征点就意味着识别出一个步骤。

下面推荐一个工具，叫gsensor-debug，可以观察三轴曲线。 下面是手机上下摆动的曲线。

这是一条非常规则的曲线。 只需检测峰值即可。 实际行走曲线会有很多杂乱。 算法的作用就是过滤掉这些杂乱的东西（行走波形可以自己用工具查看，可以保存为文件用Excel打开就有数据了，把数据转成波形就可以自己看到了） ）

三、算法介绍（贴出核心代码） 1、变量的定义 //三轴数据的存储 float[] oriValues ​= new float[3]; 最终 int valueNum = 4; //用于存储峰谷差值，用于计算阈值 Value float[] tempValue = new float[valueNum]; int tempCount = 0; //上升标志 boolean isDirectionUp = false; //连续上升次数 int continueUpCount = 0; //从上一点开始连续上升的次数，用于记录波峰的上升次数 int continueUpFormerCount = 0; //上一个点的状态pg电子游戏官网官方网站，上升还是下降 boolean lastStatus = false; //波浪峰值 float PeakOfWave = 0; //波浪的谷值 float ValleyOfWave = 0; //该波峰值的时间 long timeOfThisPeak = 0; //最后一个峰值的时间 long timeOfLastPeak = 0; //当前时间 long timeOfNow = 0; //当前传感器float的值gravityNew = 0; //最后一个传感器浮点数的值gravityOld = 0; //动态阈值需要动态数据，这个值就是用来做这些动态数据的阈值的 Final float initialValue = (float) 1.3; //初始阈值 float ThreadValue = (float) 2.0; 私有StepListener mStepListeners；

2.代码，结合注释

检测步骤是检测波峰，但为了滤除无效波峰，主要采用以下三个措施

A。 指定曲线连续上升的次数

b. 峰值和谷值之间的差值需要大于阈值。

C。 阈值动态变化

另外就是一些参数的初始值，比如initialValue和ThreadValue的初始值，averageValue函数的梯度范围值。

需要结合各种场景的波形图进行统计，并进行数十次实际测试来调试参数。 这些参数的调整大约需要两周时间。 其实整体思路并不复杂。

下面贴出核心代码和一些注释：

（由于某些原因，我不会上传整个项目。稍后有时间可以上传应用程序）

/*

* 该函数只有在注册G-Sensor后才会被调用

* 对三轴数据进行平方和根处理

* 调用DetectorNewStep检测步数

* */

@覆盖

公共无效onSensorChanged（传感器事件事件）{

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);

/*

* 检测步数并开始计算步数

* 1.传入seror中的数据

* 2. 如果检测到波峰且满足时间差和阈值条件，则判定为步骤1

* 3. 如果满足时间差条件且峰谷差值大于初始值，则该差值将包含在阈值的计算中。

* */

公共无效DetectorNewStep（浮点值）{

如果（重力旧== 0）{

重力旧 = 值；

} 别的 {

if (DetectorPeak(值, 重力旧)) {

最后峰值时间=当前峰值时间；

timeOfNow = System.currentTimeMillis();

if (现在时间 - 最后峰值时间 >= 250

&& (peakOfWave - ValleyOfWave >= ThreadValue)) {

此峰值时间 = 现在时间；

/*

* 更新界面的处理不涉及算法

* 一般情况下，在通知更新接口之前，会添加以下处理来处理无效动作：

* 1.连续记录10次后开始计步

* 2. 例如，如果用户在记录的9步中停顿超过3秒，则之前的记录将无效，用户下次将从头开始。

* 3. 如果用户连续记录9步后仍在锻炼，则之前的数据有效。

* */

mStepListeners.onStep();

if (现在时间 - 最后峰值时间 >= 250

&& (peakOfWave - ValleyOfWave >= 初始值)) {

此峰值时间 = 现在时间；

ThreadValue = Peak_Valley_Thread(peakOfWave - ValleyOfWave);

重力旧 = 值；

/*

* 检测波峰

* 以下四种情况判断为波峰：

* 1.当前点为下降趋势：isDirectionUp为false

* 2.前一点是上升趋势：lastStatus为true

* 3. 直至波峰，持续上升超过或等于2次。

* 4.波形峰值大于20

* 记录波谷值 * 1. 观察波形图，可以发现出现台阶的地方，波峰紧挨着波谷，有明显的特征和差异 * 2. 因此，有必要记录每个波谷值时间，以便与下一次波峰进行比较

* */public boolean DetectorPeak(float newValue, float oldValue) {

最后状态 = isDirectionUp;

if (newValue >= oldValue) {isDirectionUp = true;

继续UpCount++；

} 别的 {

继续前计数 = 继续前计数；

继续计数 = 0;

isDirectionUp = false;

if (!isDirectionUp && 最后状态

&& (continueUpFormerCount >= 2 || oldValue >= 20)) {

波峰=旧值；

返回真；

} else if (!lastStatus && isDirectionUp) {

波谷=旧值；

返回假；

} else {返回假;

/*

* 阈值的计算

* 1.通过波峰和波谷的差值计算阈值

* 2.记录4个值，存放在tempValue[]数组中

* 3.将数组传入函数averageValue时计算阈值

* */

公共浮点 Peak_Valley_Thread(浮点值) {

浮点数 tempThread = ThreadValue;

if (tempCount < valueNum) {

tempValue[tempCount] = 值；

临时计数++；

} 别的 {

tempThread =averageValue(tempValue, valueNum);

for (int i = 1; i < valueNum; i++) {

tempValue[i - 1] = tempValue[i];

tempValue[valueNum - 1] = 值；

返回临时线程；

/*

* 梯度阈值

* 1.计算数组的均值

* 2. 通过均值在一定范围内对阈值进行梯度变化

* */

公共浮点平均值（浮点值[]，int n）{

浮动平均值 = 0;

for (int i = 0; i < n; i++) {

ave += 值[i]；

ave = ave / valueNum;

如果（平均 >= 8）

ave = (浮点数) 4.3;

否则如果（平均数 >= 7 && 平均数 < 8）

ave = (浮点数) 3.3;

否则如果（平均数 >= 4 && 平均数 < 7）

ave = (浮点数) 2.3;

否则如果（平均数 >= 3 && 平均数 < 4）

ave = (浮点数) 2.0;

别的 {

平均值 = (浮点数) 1.3;

返回大道；