理系统确定步速、速度、距离和其他指标 的可能的不准确的数据移除。因此，如果接触时间位于特定量的标准偏差之外(例如，1、2、5 个等），则可将对应的Ξ元组从数据集合移除。对应于被移除的Ξ元组的时间段的步速、接 触时间、速度等可通过在接收的或未移除的Ξ元组之间插值而确定。此外，处理系统可检查 W确定运动员并未停止。在一个示例中，处理系统可确定是否在该时间中检测到任意加速。 示例性地，如果有加速，则处理系统可确定用户未停止。如果没有加速，则处理系统可确定 用户停止。可在特定数量的步或接触时间上，而非在可用的接触时间的整个集合上，确定平 均接触时间值。示例性地，可基于最后5-10步计算平均值。类似地，可基于步或接触时间的 相同范围而计算标准偏差。
[0058] 附图8示出了接触时间对步或Ξ元组数量的示例性图。如图所示，平均值初始地确 定用于Ξ元组的最后N步。继而，可确定对应的标准偏移的数量的阔值(例如，1)，且基于相 关的标准偏差可将接触时间和相应的Ξ元组从数据中滤去。
[0059] 再次参照附图7,在完成过滤之后，处理系统可继而在步骤720中使用剩余的接触 时间计算或通过其他方式确定步速。可基于和接触时间的预定的线性关系而计算出步速。 示例性地，该关系可由该公式确定：
[0060] 步速=M*Tc+B
[0061] 其中Μ和B是限定线性关系的斜率和Y轴相交量的常数。在一个示例中，Μ和B可通过 样本数据经验地确定。Μ和Β还可基于由用户进行的计算而被调节。还可计算不同类型的步 速。示例性地，可基于单次接触时间而确定即时步速，而可在基于从预定量的时间或步产生 的接触时间而确定的预定量的时间或步上确定平均步速。因此，在一个示例中，处理系统可 计算在上一分钟上的平均接触时间，来确定用户在该时间段上的平均步速。而且，在步骤 725中，可从步速计算出距离。示例性地，步速可乘W时间的量，W确定用户跑过或走过或移 动的总距离。
[0062] 根据一个或多个方面，在步速和接触时间之间的关系可为非线性的。因此，在运样 的情形中，可推导出非线性公式来描述该关系。示例性地，可限定出且使用二次关系来从接 触时间获知步速。
[0063] 在如此处所述的使用Ξ元组检测来确定接触时间之外或替代其，还可基于频率和 经验分析来确定接触时间。特别地，从诸如加速度器的传感器接收的信号可被使用快速傅 里叶变换(FFT)处理，W确定在信号中呈现的频率范围W及运些频率的强度。
[0064] 附图9示出了可用于在接收的信号上进行FFT处理的示例性计算机算法。该示例性 算法从DFT/FFT获取（由化ul Bourke所著，http: //pau化ourke. net/miseel laneous/壯t)。 如注意到的，该算法初始地基于算法900的部分901中示出的值m计算样本点的数量。该值 V'对应于样本的数量的log2,而X和y分别代表样本点的实数数组和虚数数组。在已经确定 了数据点的数量之后，对部分903中示出的每个数据点进行位反转处理。示例性地，1的值可 由4位二进制表达式"000Γ代表。在位反转之后，该数据点的值（原来是0001)可反转成 "1000"(代表8的值）。在对X和y数组中的每一个数据点进行了位反转之后，该算法示例性地 使用部分905中示出的公式和过程来计算FFT。
[0065] 附图10A示出了从冲刺进程产生的示例性传感器信号。在一个布置中，传感器信号 可对应于75化的采样率。从完整的传感器信号，可获取如图10B所示的样本窗口 1001。由于 峰和样本的数量，即使获取的样本窗口可难于被用于确定接触时间。因此，可在样本窗口上 进行FFT。使用的FFT可包括上文中关于附图9所讨论的算法。
[0066] 附图11示出了 FFT对频率的图1100,其可基于数据的样本窗口的FFT产生。从该图 1100可确定对应于接触时间的频率。在一个示例中，可基于多个信号样本经验地确定频率。 在特定的示例中，可通过观察和对对应于样本输出的跑步的视频计时来确定样本信号输出 的接触时间。在确定了接触时间之后，用户可继而手动地确定对应于确定的接触时间的频 率。频率可包括加速数据匹配至其的波的频率。示例性地，跑步者的脚部接触地面且继而推 开地面并进入空中且向下返回至地面的动作可产生加速度，其可和恰当的拟合函数相匹配 (例如，sine和cosine波）。运些波的频率可直接对应于运动员的脚活跃或进行了一些活动 的特征时间。
[0067] 上述过程可被重复，W确定是否可建立模式或规则来从诸如图1100的FFT图确定 恰当的频率。例如，样本研究可表明第Ξ低的频率波总体地对应于接触时间。因此，处理系 统可自动地确定FFT对频率图1100中的第Ξ最低频率峰为对应于接触时间的频率。
[0068] 附图12A-12C为示出了传感器输出数据的FFT处理的示例性图，来确定对应于接触 事件的频率峰。特别地，附图1201-1205可分别对应于传感器输出信号、对应的样本窗口、W 及对应的FFT频率图，其针对中速跑步(例如，在特定的步速或速度阔值之下的跑步)相对于 对应于附图10A、10B和11中示出的冲刺的传感器输出信号。
[0069] 根据又一布置，可基于传感器输出信号的变动的均值来确定或计算运动员的速 度。该确定可基于速度或步速和传感器输出信号的值之间的相关性或关系。传感器输出信 号可代表由运动员进行的作用力的量。
[0070] 附图13A-13C为示出了当运动员W不同的步速或速度跑步或步行时产生的传感器 输出数据的量的不同。例如，附图13A示出了图1301，其中运动员W第一步速或速度移动，其 可是做慢速慢跑(例如，5m地或6mph)。可视地，图1301示出了显著量的无信号空间（例如，由 白色空间代表，和代表信号示出的深色线相对）。在附图13B中，图1303示出了第二步速移动 的运动员的信号输出，该第二步速相对于第一步速更快。在一个示例中，图1303的传感器输 出信号可对应于快速慢跑(例如，8mph，1 Omph，1 Imph)。由于运动员的更快的速度或步速，基 于运动员的移动产生更多的数据。因此，图1303表现较少无信号空间（例如，和附图13A的图 1301的白色或无信号空间的量相比具有较少的白色空间）。附图13C示出了用于更快的步速 的信号输出数据的图1305。该更快的步速可对应于在一个示例中的冲刺，且可由此产生甚 至更多的量的传感器输出。由此，可通过产生在从运动传感器(例如，加速度器)接收的输出 数据的量或大小和步速之间的线性关系而确定步速。示例性地，在样本窗口上的更高的平 均传感器输出值可代表更高水平的活跃度，且由此代表更快的步速或速度。
[0071] 在一些布置中，处理系统可初步处理传感器输出数据W产生均值置中传感器数 据。示例性地，可针对传感器输出的给定的样本阶段计算出平均值，且继而从该样本阶段中 的每一个数据点中减去。附图14A-14C为示出了分别对应于附图13A-13C的传感器输出图的 均值置中传感器数据。均值置中允许信号从负值至正值波动。使用运些值的绝对值允许计 算运动员正在产生的总体均值加速度。示例性地，绝对值可反映一人正在进行的作用力或 加速的程度。如果采用非均值置中的信号的平均值，则结果可为基线加速值，且将对于全部 不同的跑步速度总体地相同。因此，通过使用均值置中，可移除或消除假低频内容，且可更 准确地确定运动员的作用力水平。在一个布置中，可基于下列公式确定特定样本窗口的均 值：
[0072]
[0073] 其中tf和to分别代表样本窗口的上样本边界和下样本边界，h代表由一个数据样本 代表的时间的量(或从上一个样本起的时间间隔），且f(t)代表对应于特定的样本的传感器 输出值。示例性地，如果样本率是l〇〇Hz，h将代表0.01秒。在另一示例中，如果样本率是 100Hz，h 将代表0.0025秒。
[0074] 使用原始传感器输出或均值置中传感器示出（或两者），可使用作用力和步速之间 的线性关系，来确定在时刻或时间阶段中特定的点出的即时或平均步速。如此处所述，可基 于样本传感器输出经验地预定线性关系。在一个或多个布置中，可限定不同的线性关系用 于移动的不同的速度或步速。示例性地，可将第一