基于行人单步加速度面积特征的精确步数识别与实时步长估计

本项目为 2026 年全国大学生测绘学科创新创业智能大赛科技论文组参赛作品，聚焦智能手机行人航位推算（PDR）中的两项关键输入：步数识别与步长估计。针对传统方法在变速、启停、个体差异及传感器位置变化下易误检、漏检，以及经验步长模型难以反映连续步长变化的问题，提出统一的轻量化解算方案。

方法直接利用智能手机原始三轴合加速度信号，以单步加速度面积同时表征步态冲击强度与持续时间，使同一特征贯穿候选步态修正、精确计步和实时步长估计。

计步部分首先依据人体快速行走的步频上限约束峰谷候选窗口，结合 0.2g 动态加速度筛选阈值、谷值聚合及峰谷交错校正，降低非行走扰动和局部多峰引起的重复候选。

在候选步态片段内计算正向与负向单步加速度面积，并通过相邻面积特征合并修正过分割、小幅噪声和慢速低落差片段，获得完整步态序列。

步长部分以正向单步加速度面积为表征量，经 1/10 次幂压缩后建立单参数幂函数模型，并使用最小二乘法确定比例系数 C=0.5124，以降低模型复杂度并支持实时单步步长估计。

实验联合使用自建 SELF 数据集与公开 HAR 数据集，共覆盖 157 段行走样本，包含不同人员、匀速与变速行走、多种室内外路面，以及胸部、前臂、头部等多种传感器佩戴位置。

所提算法总体计步平均精度达到 99.73%，标准差为 0.50%；在步长测试集中，单步平均绝对误差为 3.53 cm，平均绝对百分比误差为 4.98%，误差不超过 8 cm 的样本累计占 93.17%。

参赛类别：2026 年全国大学生测绘学科创新创业智能大赛科技论文组。

在本项目实验中，单一特征与单参数模型兼顾了计步精度、步长估计性能和计算开销，可为智能手机 PDR 提供步态事件与单步位移输入；后续计划融合航向估计与陀螺仪信息，开展完整 PDR 轨迹验证。