MATLAB步态识别

1.fs=1000是采样率 2.分帧 3.设定移动窗长 4.noframe为帧数 5.frame为每帧长度 6.ind_alldata是帧索引 7.ind是窗索引；

一些小的细节： no_frame怎么和frame对应起来；

2.一些属性设置

1.图像属性

2.rvalue都是设定阈值之后加上微分；

步态分割

画图完毕，判断点： Slidingwin_threshold: 先判断脚跟着地和脚尖离地；

matlab输入输出： 步进和步入：

[t_HC_L,ind_L_Heel] = Slidingwin_threshold(t,rvalue1,'slope_inc');

函数：10秒一帧，100001变为100100； 这个方法需要进行边沿判断 内部函数：

switch method
    case 'slope_inc'
        ind = setthresld(en_diffdata,TH1,TH2); % TH1=30 TH2=32
    case 'slope_dec'
        ind = setthreshold(en_diffdata,TH3,TH4); % TH3=-32 TH4=-30
end

然后调用setthreshold函数，这个函数输入data和两个阈值，接下来会

    ind = find(TH1<= curframe & curframe<=TH2)

alldata是十秒钟数据的综合； 传入的data是差分的数据变成窗数成窗长的结果；nframe为 每个窗分析一批数据，找出符合阈值的索引，然后分析出在哪一窗格。

  if length(index)>=2 && (ind_alldata-index(end-1)<least_gap) % 进一步判读两个相邻x轴坐标距离少于least_gap个采样点
     if TH1>0
        index(end) = []; % 舍弃新增加的坐标，保证取上升沿的前面坐标
        else
        index(end-1) = []; % 舍弃上一轮得到的坐标，保证取下降沿的后面坐标
         end
    end

这里面要注意，i代表的窗格数，nframe*（i-1)之中，nframe为当前窗的所有数据； 这里面涉及一个数组索引的技巧： 因为我分窗了，所以，为了更好地分析每个窗之间的数据，所以我让这个数据成为100*100的数据，最后生成坐标索引的时候，判断一次最小距离，最小距离过于小的直接舍弃； 最后一个if语句中，当index比2大或者最近的两个点之间距离小于300，直接扔掉；

---