第一章 数据预处理：噪声来源分析、低通滤波原理、移动平均滤波实现

各位同学好，我是你们的嵌入式系统讲师。今天咱们来聊聊计步算法里最基础、也最容易被忽视的一环——数据预处理。

说实话，我刚开始做计步算法时，踩过最大的坑就是「数据没洗干净」。你想想看，手环戴在手腕上，走路、甩手、甚至打字都会产生加速度信号。如果不做预处理，算法会把「甩手」误判成「走路」。嗯，这问题我当年在项目里可没少头疼。

1.1 噪声来源分析

先说说噪声从哪来。我习惯把噪声分成三类：

• 人体运动噪声：走路时手臂自然摆动，但你可能在接电话、挠头、或者挥手。这些动作都会叠加到步态信号上。
• 传感器自身噪声：加速度计芯片本身有热噪声、量化噪声。说白了，就是芯片内部电路产生的随机波动。
• 环境振动噪声：坐车、电梯、甚至旁边有人跺脚，都会通过手腕传递到手环上。

我记得有一次，测试人员戴着我的手环去坐地铁。结果计步数直接翻了三倍。后来一查，原来是地铁启动时的低频振动被误判成了步数。从那以后，我对噪声分析就格外上心。

1.2 低通滤波原理

好，噪声知道了，怎么去掉？最常用的手段就是低通滤波。

低通滤波，说白了就是「让慢的信号通过，把快的信号拦住」。人的正常步行频率是多少？大概1-3Hz。而甩手、抖动这些噪声，频率往往在5Hz以上。所以，我们只需要保留3Hz以下的信号，就能把大部分噪声滤掉。

从数学上讲，低通滤波可以用一个简单的一阶RC电路来理解。但咱们做嵌入式，不用纠结太多公式。你只需要记住：

• 截止频率：信号衰减到原来0.707倍时的频率
• 对于计步，我一般把截止频率设在3-5Hz之间
• 频率越高，保留的细节越多，但噪声也越多

1.3 移动平均滤波实现

理论讲完了，咱们来点实际的。移动平均滤波是最简单、最常用的低通滤波方法。它的原理特别直观：

取最近N个采样点的平均值，作为当前输出值。窗口越大，滤波效果越强，但信号延迟也越大。

我曾经犯过一个错误：为了追求滤波效果，把窗口设到了20个点。结果走路时信号延迟了将近0.5秒，计步数明显滞后。后来我改成10个点，效果就好多了。

下面是我常用的移动平均滤波代码，用Python实现：

def moving_average(data, window_size=10):
    """
    移动平均滤波
    :param data: 原始加速度数据列表
    :param window_size: 滑动窗口大小，默认10
    :return: 滤波后的数据列表
    """
    filtered = []
    for i in range(len(data)):
        if i < window_size - 1:
            # 窗口未满时，取已有数据的平均值
            filtered.append(sum(data[:i+1]) / (i+1))
        else:
            # 窗口满后，取最近window_size个点的平均值
            filtered.append(sum(data[i-window_size+1:i+1]) / window_size)
    return filtered

# 使用示例
raw_data = [1.2, 1.5, 1.3, 1.8, 2.1, 1.9, 1.6, 1.4, 1.7, 2.0]
filtered_data = moving_average(raw_data, window_size=5)
print("原始数据:", raw_data)
print("滤波后数据:", filtered_data)

1.4 滤波效果对比

为了让你更直观地理解，我整理了一个对比表格。假设原始信号是1Hz的正弦波，叠加了10Hz的噪声：

窗口大小	滤波后噪声幅度	信号延迟	适用场景
3	降低约30%	约0.03秒	跑步、快速运动
5	降低约50%	约0.05秒	日常步行
10	降低约70%	约0.1秒	慢走、静止检测
20	降低约85%	约0.2秒	不推荐用于计步

从表格能看出来，窗口越大，噪声压得越低，但延迟也越大。我个人习惯在计步场景下用5-10的窗口。你想想看，如果延迟超过0.1秒，人走路时手环的反应就会「慢半拍」，体验很不好。

1.5 小结

这一章咱们聊了三个重点：

• 噪声来源：人体运动、传感器自身、环境振动
• 低通滤波原理：保留低频步态信号，滤除高频噪声
• 移动平均滤波实现：简单、高效、适合嵌入式

下一章，咱们会讲步态检测的另一个关键步骤——峰值检测。到时候我会分享一个我踩过的坑：怎么区分「真正的步数峰值」和「手臂抖动产生的假峰值」。嗯，那个坑可让我熬了好几个通宵。

今天就到这儿。代码你可以直接拿去用，但建议根据你的传感器采样率调整窗口大小。采样率100Hz时，窗口10对应0.1秒的延迟，效果不错。采样率50Hz时，窗口可以缩到5。记住：没有万能参数，只有不断调试出来的最佳值。