本技术属于数据补偿领域，尤其涉及一种健康监测智能手镯的数据校准方法及手镯。
背景技术：
1、随着人们对健康和健康管理的重视程度增加，需求逐渐转向便携式、实时监测和跟踪个人健康状况的设备。例如智能手镯，智能手镯作为一种低调和轻便的选择，在可穿戴设备市场中获得了一定的市场份额。
2、智能手镯中有内置芯片和各种微型设备，使智能手镯不仅可以监测基本的健康数据，如心率数据。满足用户对个性化健康管理的需求。智能手镯通常通过无线连接与智能手机或其他设备进行互联，将采集到的预设数据传输到手机应用程序进行分析和展示。
3、然而，智能手镯一般成圆形，佩戴者一般会选择尺寸略大于手腕的智能手镯来佩戴，那么在佩戴过程中，多余的空间会使智能手镯发生偏移，或者跟随佩戴者手臂的摆动而运动，可能会导致一些数据发生变化，例如心率数据，在智能手镯没有发生偏移的时候，心率传感器会在固定的检测点（例如手腕一侧）采集数据，而当智能手镯发生偏移之后，心率传感器可能会位移到固定检测点的另一侧，使心率传感器要穿过整个手腕才能检测到心率数据，进而可能会导致智能手镯采集到的心率数据的准确性降低。
技术实现思路
1、本技术提供了一种健康监测智能手镯的数据校准方法及手镯，用于对智能手镯采集到的预设数据进行校准，提高智能手镯采集的预设数据的准确性。
2、第一方面，本技术提供了一种健康监测智能手镯的数据校准方法，内置芯片接收该动态传感器采集到的实时数据、姿态数据及运动数据；
3、该内置芯片在确定该实时数据的改变量大于预设阈值的情况下，记录该实时数据改变的持续时间；
4、该内置芯片在确定该持续时间大于时间阈值的情况下，确定该智能手镯的状态；
5、该内置芯片在确定该智能手镯处于动态的情况下，将该姿态数据及该运动数据进行传感器融合计算，得到该智能手镯的实时姿态运动数据；
6、该内置芯片根据该姿态运动数据计算得到缩放因子；
7、该内置芯片将该实时数据除以该缩放因子，得到校正实时数据。
8、通过采用上述技术方案，内置芯片在确定实时数据的改变量大于预设阈值的情况下，记录实时数据改变的持续时间，并根据持续时间判断手镯的状态。如果手镯处于动态状态，内置芯片将姿态数据和运动数据进行传感器融合计算，得到手镯的实时姿态运动数据。此外，内置芯片还会根据姿态运动数据计算得到缩放因子，用于对实时数据进行校正。对智能手镯采集到的预设数据进行了校准，提高了智能手镯采集的预设数据的准确性。
9、结合第一方面的一些实施例，在一些实施例中，内置芯片在确定该持续时间大于时间阈值的情况下，确定该智能手镯的状态，具体包括：
10、该内置芯片在确定该持续时间大于时间阈值的情况下，提取该运动数据的特征，得到加速度；
11、该内置芯片在确定该加速度与标准加速度的差值大于预设加速度阈值的情况下，确定该智能手镯的状态为动态；
12、该内置芯片在确定该加速度与该标准加速度的差值不大于该预设加速度阈值的情况下，确定该智能手镯的状态为静态。
13、通过采用上述技术方案，在确定手镯的状态时，引入了加速度的特征提取。通过计算加速度与标准加速度的差值，可以准确判断手镯是处于动态状态还是静态状态。这样可以更加精确地判断用户的运动状态，为后续数据校准提供更准确的数据监测和分析，进而提高了智能手镯采集的预设数据的准确性。
14、结合第一方面的一些实施例，在一些实施例中，内置芯片在确定该智能手镯处于动态的情况下，将该姿态数据及该运动数据进行传感器融合计算，得到该智能手镯的实时姿态运动数据，具体包括：
15、该内置芯片对该姿态数据及该运动数据进行预处理，得到预处理姿态数据及预处理运动数据；
16、该内置芯片初始化该预处理姿态数据及该预处理运动数据，得到初始化姿态数据及初始化运动数据；
17、该内置芯片使用卡尔曼滤波算法对该初始化姿态数据及该初始化运动数据进行传感器融合计算，得到该智能手镯的实时姿态运动数据。
18、通过采用上述技术方案，使用预处理和卡尔曼滤波算法来提高姿态数据和运动数据的准确性。通过预处理数据和使用卡尔曼滤波算法进行传感器融合计算，可以消除传感器噪声和误差的影响，得到更精确的姿态运动数据。提高了智能手镯采集的预设数据的准确性。
19、结合第一方面的一些实施例，在一些实施例中，内置芯片对该姿态数据及该运动数据进行预处理，得到预处理姿态数据及预处理运动数据，具体包括：
20、该内置芯片计算该姿态数据的中值，得到预处理姿态数据；
21、该内置芯片计算该运动数据的中值，得到预处理运动数据。
22、通过采用上述技术方案，内置芯片通过计算姿态数据和运动数据的中值来得到预处理的姿态数据和预处理的运动数据。通过计算中值，可以排除异常值的干扰，从而得到更加稳定和可靠的数据。这种预处理的数据能够为后续的数据融合计算提供更好的基础，从而提高智能手镯的数据校准的准确性。
23、结合第一方面的一些实施例，在一些实施例中，内置芯片初始化该预处理姿态数据及该预处理运动数据，得到初始化姿态数据及初始化运动数据，具体包括：
24、该内置芯片初始化该预处理姿态数据中的初始值，得到初始化姿态数据；
25、该内置芯片初始化该预处理运动数据中的初始值，得到初始化运动数据。
26、通过采用上述技术方案，内置芯片通过将预处理姿态数据和预处理运动数据的初始值作为初始化值，得到初始化姿态数据和初始化运动数据。这种初始化的数据能够为后续的传感器融合计算提供更好的起点，从而提高智能手镯的数据校准的准确性。
27、结合第一方面的一些实施例，在一些实施例中，内置芯片根据该姿态运动数据计算得到缩放因子，具体包括：
28、该姿态运动数据包括旋转矩阵；
29、该内置芯片定义预设参考向量；
30、该内置芯片将该预设单位向量根据该旋转矩阵进行旋转变换，得到实际测量向量；
31、该内置芯片计算该预设参考向量的模长与该实际测量向量的模长的比值，得到缩放因子。
32、通过采用上述技术方案，内置芯片通过定义预设参考向量，并将预设单位向量根据旋转矩阵进行旋转变换，得到实际测量向量。通过计算预设参考向量的模长与实际测量向量的模长的比值，得到缩放因子。这种缩放因子能够校正实时数据，使其更加准确和可靠，提高了智能手镯的数据校准的准确性。
33、结合第一方面的一些实施例，在一些实施例中，在该内置芯片将该实时数据除以该缩放因子，得到校正实时数据之后，该方法还包括：
34、该内置芯片在确定该智能手镯处于静态的情况下，输出该实时数据。
35、通过采用上述技术方案，内置芯片在确定智能手镯处于静态的情况下，输出实时数据，避免发生静态状态下仍然对实时数据进行校准而导致实时数据的不准确这一问题，提高了智能手镯采集的预设数据的准确性。
36、第二方面，本技术实施例提供了一种健康监测智能手镯的数据校准手镯，手镯包含内置芯片，该内置芯片包括：数据接收模块，用于内置芯片接收该动态传感器采集到的实时数据、姿态数据及运动数据；
37、时间记录模块，用于该内置芯片在确定该实时数据的改变量大于预设阈值的情况下，记录该实时数据改变的持续时间；
38、状态确定模块，用于该内置芯片在确定该持续时间大于时间阈值的情况下，确定该智能手镯的状态；
39、融合计算模块，用于该内置芯片在确定该智能手镯处于动态的情况下，将该姿态数据及该运动数据进行传感器融合计算，得到该智能手镯的实时姿态运动数据；
40、因子计算模块，用于该内置芯片根据该姿态运动数据计算得到缩放因子；
41、数据校正模块，用于该内置芯片将该实时数据除以该缩放因子，得到校正实时数据。
42、第三方面，本技术实施例提供了本技术提供了一种健康监测智能手镯的数据校准手镯，该手镯包含内置芯片，该内置芯片包括：一个或多个处理器和存储器；该存储器与该一个或多个处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该一个或多个处理器调用该计算机指令以使得内置芯片执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
43、第四方面，本技术实施例提供一种计算机可读存储介质，包括指令，当上述指令在内置芯片上运行时，使得上述内置芯片执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
44、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：1、本技术提供了一种健康监测智能手镯的数据校准方法，内置芯片在确定实时数据的改变量大于预设阈值的情况下，记录实时数据改变的持续时间，并根据持续时间判断手镯的状态。如果手镯处于动态状态，内置芯片将姿态数据和运动数据进行传感器融合计算，得到手镯的实时姿态运动数据。此外，内置芯片还会根据姿态运动数据计算得到缩放因子，用于对实时数据进行校正。对智能手镯采集到的预设数据进行了校准，提高了智能手镯采集的预设数据的准确性。
45、2、本技术提供了一种健康监测智能手镯的数据校准方法，在确定手镯的状态时，引入了加速度的特征提取。通过计算加速度与标准加速度的差值，可以准确判断手镯是处于动态状态还是静态状态。这样可以更加精确地判断用户的运动状态，为后续数据校准提供更准确的数据监测和分析，进而提高了智能手镯采集的预设数据的准确性。
46、3、本技术提供了一种健康监测智能手镯的数据校准方法，内置芯片通过定义预设参考向量，并将预设单位向量根据旋转矩阵进行旋转变换，得到实际测量向量。通过计算预设参考向量的模长与实际测量向量的模长的比值，得到缩放因子。这种缩放因子能够校正实时数据，使其更加准确和可靠，提高了智能手镯的数据校准的准确性。
1.一种健康监测智能手镯的数据校准方法，所述智能手镯包括内置芯片及动态传感器，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述内置芯片在确定所述持续时间大于时间阈值的情况下，确定所述智能手镯的状态，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述内置芯片在确定所述智能手镯处于动态的情况下，将所述姿态数据及所述运动数据进行传感器融合计算，得到所述智能手镯的实时姿态运动数据，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述内置芯片对所述姿态数据及所述运动数据进行预处理，得到预处理姿态数据及预处理运动数据，具体包括：
5.根据权利要求3所述的方法，其特征在于，所述内置芯片初始化所述预处理姿态数据及所述预处理运动数据，得到初始化姿态数据及初始化运动数据，具体包括：
6.根据权利要求1所述的方法，其特征在于，所述内置芯片根据所述姿态运动数据计算得到缩放因子，具体包括：
7.根据权利要求1所述的方法，其特征在于，在所述内置芯片将所述实时数据除以所述缩放因子，得到校正实时数据之后，所述方法还包括：
8.一种健康监测智能手镯的数据校准手镯，所述智能手镯包括内置芯片及动态传感器，其特征在于，所述内置芯片包括：
9.一种健康监测智能手镯的数据校准手镯，所述智能手镯包括内置芯片及动态传感器，其特征在于，所述内置芯片包括：一个或多个处理器和存储器；
10.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在内置芯片上运行时，使得所述内置芯片执行如权利要求1-7中任一项所述的方法。
