跑步-计步器实现（二）实现 SensorEventListener 接口，对传感器进行注册： this.mSensorM

在上面的例子[跑步-计步器实现（一）] 中，我们看到某跑步app通过加速传感器 对 onSensorChanged 参数进行了处理，并结合实际时间，判断用户是否在运动，那具体的运动算法思路呢，我们今天就来讲一讲。

一、StepDetector 1.1、算法的主体，用于检测“步点”。 实现 SensorEventListener 接口，对传感器进行注册： this.mSensorManager = ((SensorManager)getSystemService(Context.SENSOR_SERVICE)); this.mSensor = this.mSensorManager.getDefaultSensor(Sensor.TYPE_ACCELEROMETER); this.mSensorManager.registerListener(this.mStepDetector, this.mSensor, SensorManager.SENSOR_DELAY_UI); 注册后传感器就会上报三轴的原始数据，即 SensorEvent 中的三个数值， float[] fArr = sensorEvent.values;

    float f2 = fArr[0] / 9.78049f;

    float f3 = fArr[1] / 9.78049f;

    float f4 = fArr[2] / 9.78049f;

1.2 误差 用于数“步子”，连续的 10 步才是会生效，两个步点之间的时间差超过 3 秒，之前的计数清空。

1.3 RunService

用于计步的后台服务，服务要采用灰色保活的方法保证存活率。

1.4 几个接口 StepCountListener：将数步子的方法抽象到接口里 StepValuePassListener：有效步数改变时，调用的方法抽象到接口里 UpdateUiCallBack：更新 UI 的方法抽象到接口里

二、跑步场景 人在走路时大致分为下面几种场景：

1、正常走路，手机拿在手上（边走边看、甩手、不甩手） 2、慢步走，手机拿在手上（边走边看、甩手、不甩手） 3、快步走，手机拿在手上（甩手、不甩手、走的很快一般不会看手机吧） 4、手机放在裤袋里（慢走、快走、正常走） 5、手机放在上衣口袋里（慢走、快走、正常走） 6、上下楼梯（上面五中场景可以在这个场景中再次适用一遍）

所有场景的原始数据通过分析，其实是正弦波，每一个波峰为一个步点，算法其实就是找到这些步点，分析波形特点寻找特征值，找到如下三个原则： a、规定曲线连续上升的次数 b、波峰波谷的差值需要大于阈值 c、阈值是动态改变的在 StepDetector 的 onSensorChanged 会一直产生原始数据，经过一定变换后传入 detectorNewStep 中，会判断值是否是波峰值，具体流程图如下：

关于参数以及调节 1.检测波峰 在检测到是波峰时，波峰和相邻前一个波谷差值大于 ThreadValue（过滤掉抖动的情况，时间差很小），并且时间差为 TimeInterval 以上，则认为是有效步点同时，阈值大于 InitialValue 以上的情况,都会被纳入动态计算 ThreadValue 值。

2.有效值 规定连续上升两次，并且波峰值大于 20 才认为是一个有效波峰（目的也是过滤掉波形上的抖动）

3.在 peakValleyThread averageValue 中 滚动记录四个有效波峰波谷差值并计算平均值，再梯度化。合适的 ThreadValue 会过滤抖动，且识别步点。

4.关于参数调节 ThreadValue InitialValue TimeInterval 已经比较成熟，可以不做修改。 averageValue 中的梯度化的一些具体参数，对于部分特殊场景，例如跑步，上下楼梯等，应该还有提高的空间。

5.参数调节的方法： a.尽可能多的采集各种场景的原始数据(gsensor-debug)，分析波形(excel 即可) b.调整梯度化的参数 c.通过实测，验证计步的准确率 d.重复 b，c 的过程知道准确度提高