数据处理方法、装置、电子设备及存储介质与流程

1.本技术涉及计算机技术领域，具体涉及一种数据处理方法、装置电子设备及存储介质。


背景技术：

2.骑行是一种能够锻炼身体的健身方式，但是一些骑行设备没有设置健身房内的骑行设备才有的专业传感器，比如自行车，用户在使用此类骑行设备骑行时无法得知自身的踏频情况。


技术实现要素：

3.本技术实施例提供一种数据处理方法、装置电子设备及存储介质。该数据处理方法可以通过用户的移动设备来准确检测出用户在骑行时的踏频。
4.第一方面，本技术实施例提供了一种数据处理方法，应用于电子设备，电子设备包括运动传感器，电子设备与骑行设备的运动状态保持一致，该方法包括：
5.获取运动传感器的传感器数据；
6.对传感器数据进行优化，得到优化后的传感器数据；
7.对优化后的传感器数据进行数据分析，得到用户在骑行骑行设备时的踏频。
8.第二方面，本技术实施例提供了一种数据处理装置，应用于电子设备，电子设备包括运动传感器，电子设备与骑行设备的运动状态保持一致，包括：
9.获取模块，用于获取运动传感器的传感器数据；
10.优化模块，用于对传感器数据进行优化，得到优化后的传感器数据；
11.分析模块，用于对优化后的传感器数据进行数据分析，得到用户在骑行骑行设备时的踏频。
12.第三方面，本技术实施例提供了一种电子设备，包括：存储有可执行程序代码的存储器、与存储器耦合的处理器；处理器调用存储器中存储的所述可执行程序代码，执行本技术实施例中提供的数据处理方法中的步骤。
13.第四方面，本技术实施例提供了一种存储介质，存储介质存储有多条指令，指令适于处理器进行加载，以执行本技术实施例中提供的数据处理方法中的步骤。
14.本技术实施例中，电子设备通过与骑行设备的运动状态保持一致，通过获取运动传感器的传感器数据；然后对传感器数据进行优化，得到优化后的传感器数据；最后对优化后的传感器数据进行数据分析，得到用户在骑行骑行设备时的踏频。从而实现通过用户的移动设备来准确检测出用户在骑行该骑行设备时的踏频。
附图说明
15.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于
本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1是本技术实施例提供的数据处理方法的第一流程示意图。
17.图2是本技术实施例提供的数据处理方法的第二流程示意图。
18.图3是本技术实施例提供的传感器数据的第一示意图。
19.图4是本技术实施例提供的传感器数据的第二示意图
20.图5是本技术实施例提供的对优化后的传感器数据进行数据分析的示意图。
21.图6是本技术实施例提供的数据处理装置的结构示意图。
22.图7是本技术实施例提供的电子设备的结构示意图。
具体实施方式
23.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
24.骑行是一种能够锻炼身体的健身方式，但是一些骑行设备没有设置健身房内的骑行设备才有的专业传感器，比如自行车，用户在使用此类骑行设备骑行时无法得知自身的踏频情况。
25.在现有技术中，可以在车架或者踏板上设置专业的传感器来检测用户的踏频，但是这些运动设备往往存在价格昂贵、拆装繁琐等缺点。
26.为了解决上述技术问题，本技术实施例中通过将用户的移动设备来检测用户骑行时的踏频，例如通过用户随身佩戴的智能手表或者智能手机来检测用户骑行时的踏频。使得用户随时随地骑行时，都能够获取到自身骑行时的踏频。
27.本技术实施例提供一种数据处理方法、装置、电子设备及存储介质。以下分别进行详细说明。
28.请参阅图1，图1是本技术实施例提供的数据处理方法的第一流程示意图。
29.110、获取运动传感器的传感器数据。
30.本技术实施例中，当用户骑行时，用户的运动状态与骑行设备的运动状态是一致的，用户随身佩戴的电子设备和骑行设备的运动状态也是一致的。电子设备通过自身的运动传感器来获取传感器数据，从而利用传感器数据对用户骑行时的运动情况进行分析，从而确定出用户骑行该骑行设备时的踏频。
31.比如该电子设备为用户佩戴的智能手表、智能手机等设备，当用户骑行时，电子设备的运动状态和骑行设备的运动状态保持一致，则电子设备可以根据自身获取的传感器数据来对用户的运动情况进行分析，从而得到用户骑行该骑行设备时的踏频。
32.在一些实施方式中，电子设备包括多种类型的运动传感器，比如加速度传感器、陀螺仪等传感器。电子设备可以通过传感器获取用户在骑行时对应的传感器数据。
33.比如，电子设备可以获取不同时间对应的加速度数据作为传感器数据，将不同时间对应的陀螺仪数据作为传感器数据。
34.在一些实施方式中，电子设备还可以获取用户的生理数据，比如用户的心率、血氧
饱和度等，这些生理数据可以通过用户佩戴的电子设备的传感器进行获取，比如心率传感器、血氧传感器。
35.120、对传感器数据进行优化，得到优化后的传感器数据。
36.在一些实施方式中，在对传感器数据进行优化，得到优化后的传感器数据之前，电子设备还可以对用户的运动状态进行判断，从而确定用户是否处于骑行状态。
37.电子设备还可以根据用户的生理数据和传感器数据来判断用户是否处于骑行状态。
38.例如，生理数据可以是心率，传感器数据可以是加速度，电子设备可以先确定加速度是否处于预设加速度区间，如果加速度处于预设加速度区间，则说明用户可能处于骑行状态，但是，虽然加速度处于预设加速度区间，但是用户可能是乘坐电动车或者摩托车等交通工具。
39.为了进一步判断用户是否处于骑行状态，电子设备再判断用户的心率是否超过预设心率，如果用户的心率超过了预设心率，则说明用户此时正在运动，结合加速度处于预设加速度区间，则说明用户正在骑行，比如用户正在骑自行车。
40.当用户处于骑行状态时，则对传感器数据进行优化，得到优化后的传感器数据。
41.如果用户不处于骑行状态，此时，电子设备可以利用运动传感器继续获取对应的传感器数据，从而确定在下一时刻或者下一时间段用户是否处于骑行状态。
42.在用户骑行的过程中，由于用户身体存在和足部踩踏时协同的左右和上下摆动信号，从而将动作信号通过车身传递到电子设备上，但是由于自行车在地面上的震动以及自行车本身的晃动，会导致电子设备采集到的传感器数据存在噪声信号和干扰信号。
43.在一些实施方式中，电子设备可以在获取到传感器数据之后，可以对传感器数据进行优化，从而得到优化后的传感器数据。例如，电子设备可以对传感器数据中的无用数据进行删除，比如对一些空值或者异常值进行删除，从而得到优化后的传感器数据。或者对传感器数据中的噪声信号和干扰信号进行滤波。
44.在一些实施方式中，在所述对所述传感器数据进行优化，得到优化后的传感器数据之前，电子设备还可以先设定传感器数据对应的多个预设频率范围。预设频率范围用于后续对传感器数据进行滤波处理，比如设置的预设频率范围包括[0.5,1.0]，[0.9,1.4]，[1.3,1.8]等，这些预设频率范围之间有对应的重叠部分，这是因为滤波器在频率范围的边缘存在通带衰减，为了保证全频带都存在正常的滤波信号，需要在相邻的两个频率范围之间设置部分重叠。
[0045]
电子设备可以根据传感器数据提取预设时长的子传感器数据，然后确定子传感器数据所属的预设频率范围，最后根据子传感器数据所属的预设频率范围对子传感器数据进行滤波处理，得到优化后的传感器数据。
[0046]
比如，电子设备在传感器数据中可以采集预设时长为5～7秒左右的子传感器数据，同时电子设备可以确定这些子传感器数据所属的预设频率范围，然后确定子传感器数据所属的预设频率范围对应的上限频率和下限频率，然后根据上限频率和下限频率对子传感器数据进行滤波，从而得到优化后的传感器数据。比如对子传感器数据进行滤波的过程中，可以滤除子传感器数据中的高频噪声信号及重力信号，从而得到优化后的传感器数据。
[0047]
130、对优化后的传感器数据进行数据分析，得到用户在骑行骑行设备时的踏频。
[0048]
在得到优化后的传感器数据之后，由于优化后的传感器数据中不存在噪声信号。电子设备可以直接对优化后的传感器数据进行分数据分析，从而得到用户对应的踏频。
[0049]
在一些实施方式中，优化后的传感器数据包括加速度数据和陀螺仪数据，优化后的传感器数据包括陀螺仪数据和/或加速度数据，电子设备可以对加速度数据和/或陀螺仪数据进行数据分析，从而得到用户对应的踏频。
[0050]
电子设备可以根据优化后的传感器数据确定预设时长内的踩踏次数；根据预设时长和踩踏次数确定出用户对应的踏频。
[0051]
比如，在加速度信号中，在某一时刻对应的加速度信号的数值的绝对值超过了加速度信号对应的预设阈值，则说明该时刻的加速度数据为有效的数据，则计入一次踩踏次数。
[0052]
比如，在陀螺仪数据中，在某一时刻对应的陀螺仪数据对应的数值的绝对值超过了陀螺仪数据对应的预设阈值，则说明该时刻的陀螺仪数据为有效的数据，则计入一次踩踏次数。
[0053]
在预设时长内，电子设备可以根据加速度信号和/或陀螺仪信号来确定出对应的踩踏次数，最后利用该踩踏次数除以预设时长就能够得到用户对应的踏频。
[0054]
在一些实施方式中，电子设备在得到用户的踏频之后，电子设备将用户的踏频和生理数据输入至运动分析模型中，输出用户对应的运动方案。
[0055]
比如，电子设备可以将用户的踏频和用户的心率输入到运动分析模型中，运动分析模型根据用户的心率和用户的踏频计算出用户在未来时间内的踏频区间、心率区间、加速度区间、速度区间等。或者运动分析模型可以输入未来时间内用户对应的具体踏频、速度等。
[0056]
本技术实施例中，电子设备通过与骑行设备的运动状态保持一致，通过获取运动传感器的传感器数据；然后对传感器数据进行优化，得到优化后的传感器数据；最后对优化后的传感器数据进行数据分析，得到用户在骑行该骑行设备时的踏频。从而实现通过用户的移动设备来准确检测出用户在骑行该骑行设备时的踏频。
[0057]
为了更加详细的了解本技术实施例提供的数据处理方法，请继续参阅图2，图2是本技术实施例提供的数据处理方法的第二流程示意图，该数据处理方法可以包括以下步骤：
[0058]
201、获取运动传感器的传感器数据和用户的生理数据。
[0059]
在一些实施方式中，可以通过用户随身佩戴的智能手表、智能手机等电子设备来获取传感器数据和用户的生理数据。
[0060]
比如，可以利用加速度传感器、陀螺仪来分别获取加速度数据和陀螺仪数据，还可以利用心率传感器来获取用户的心率，还可以通过血氧传感器来获取用户的血氧。
[0061]
需要说明的是，当用户处于骑行状态时，电子设备和骑行设备的运动状态保持一致，比如当用户佩戴智能手表和智能手机骑自行车时，则智能手表和智能手机的运动状态和自行车的运动状态是一致的。
[0062]
202、根据生理数据和传感器数据确定用户是否处于骑行状态。
[0063]
在一些实施方式中，生理数据可以包括心率、传感器数据可以包括加速度。
[0064]
电子设备可以先确定加速度是否处于预设加速度区间，如果加速度处于预设加速
度区间，则说明用户可能处于骑行状态，但是，虽然加速度处于预设加速度区间，但是用户可能是乘坐电动车或者摩托车等交通工具。
[0065]
为了进一步判断用户是否处于骑行状态，电子设备再判断用户的心率是否超过预设心率，如果用户的心率超过了预设心率，则说明用户此时正在运动，结合加速度处于预设加速度区间，则说明用户正在骑行，即用户正在骑自行车。
[0066]
在一些实施方式中，电子设备还可以通过多种生理数据和多种传感器数据来判断用户是否处于骑行状态。比如生理数据包括心率和血氧，传感器数据包括加速度数据和陀螺仪数据。
[0067]
电子设备可以根据加速度数据和陀螺仪数据来先确定出用户是否处于快速运动状态，比如可以根据加速度数据所处的预设加速度区间以及陀螺仪数据所对应的角度变化情况来确定出用户是否处于快速运动状态。
[0068]
如果用户处于快速运动状态，则根据心率和血氧确定用户的身体是否处于运动状态，比如当心率超过预设心率阈值，血氧饱和度处于预设血氧饱和度区间，则说明用户的身体在运动，说明用户处于骑行状态。
[0069]
以上仅仅是例举，电子设备还可以采用其他方式来判断用户是否处于骑行状态。比如，可以通过用户输入的运动状况确定用户的运动状态，或者根据一些神经网络模型对传感器数据进行分析，从而确定用户的运动状态。
[0070]
当用户不处于骑行状态，则进入步骤203中。当用户处于骑行状态时，则进入步骤204中。
[0071]
203、若用户不处于骑行状态，则停止获取用户的踏频。
[0072]
若用户不处于骑行状态，则无需继续获取用户的踏频，电子设备无需对用户的运动状况做出建议。
[0073]
204、若用户处于骑行状态，则确定传感器数据对应的多个预设频率范围。
[0074]
若用户处于骑行状态，则说明需要对用户的踏频进行检测，在根据传感器数据确定用户的踏频之前，电子设备可以先确定传感器数据对应的多个预设频率范围。
[0075]
预设频率范围用于后续对传感器数据进行滤波处理，比如设置的预设频率范围包括[0.5,1.0]，[0.9,1.4]，[1.3,1.8]等，这些预设频率范围之间有对应的重叠部分，这是因为滤波器在频率范围的边缘存在通带衰减，为了保证全频带都存在正常的滤波信号，需要在相邻的两个频率范围之间设置部分重叠。
[0076]
205、从传感器数据中提取预设时长的子传感器数据。
[0077]
在一些实施方式中，电子设备可以采取预设时长内的子传感器数据来分析用户的踏频，比如取当前时间之前的5～7秒来作为预设时长，同时在传感器数据中获取该预设时长对应的子传感器数据。
[0078]
在一些实施方式中，预设时长可以是用户自定义的，比如用户在电子设备上输入自定义的预设时长。
[0079]
在一些实施方式中，电子设备可以先确定预设时长内的子传感器数据所属的预设频率范围，比如，电子设备可以通过分类算法来确定出传感器信号所属的预设频率范围，分类算法可以包括朴素贝叶斯算法、决策树算法等。
[0080]
比如，电子设备可以对多个预设频率范围设置不同的标签，然后通过分类算法确
定子传感器数据所属的标签，将该标签所对应的预设频率范围作为所述子传感器数据所属的预设频率范围。
[0081]
206、根据子传感器数据所属的预设频率范围对子传感器数据进行滤波处理，得到优化后的传感器数据。
[0082]
在一些实施方式中，电子设备可以确定子传感器数据所属的预设频率范围对应的上限频率和下限频率，然后根据上限频率和下限频率对子传感器数据进行滤波，从而得到优化后的传感器数据。比如对子传感器数据进行滤波的过程中，可以滤除子传感器数据中的高频噪声信号及重力信号，从而得到优化后的传感器数据。
[0083]
请一并参阅图3，图3是本技术实施例提供的传感器数据的第一示意图。
[0084]
如图3所示，其中横轴为时间，纵轴为加速度。
[0085]
其中，子传感器数据为加速度数据，电子设备可以根据子传感器数据所属的预设频率范围对子传感器数据进行滤波，从而去除子传感器数据中的高频噪声信号和重力信号，从而得到滤波后的子传感器数据，即优化后的传感器数据。
[0086]
请一并参阅图4，图4是本技术实施例提供的传感器数据的第二示意图。
[0087]
如图4所示，其中横轴为时间，纵轴为角速度。
[0088]
其中，子传感器数据为陀螺仪数据，电子设备可以根据子传感器数据所属的预设频率范围对子传感器数据进行滤波，从而去除子传感器数据中的高频噪声信号和重力信号，从而得到滤波后的子传感器数据，即优化后的传感器数据。
[0089]
207、根据优化后的传感器数据确定用户在预设时长内的踩踏次数。
[0090]
优化后的传感器数据包括加速度数据和陀螺仪数据。
[0091]
比如，在加速度数据中，在某一时刻对应的加速度对应的数值的绝对值超过了加速度对应的预设阈值，则说明该时刻的加速度为有效的数据，则计入一次踩踏次数。
[0092]
比如，在陀螺仪数据中，在某一时刻对应的陀螺仪数据对应的数值的绝对值超过了陀螺仪数据对应的预设阈值，则说明该时刻的陀螺仪数据为有效的数据，则计入一次踩踏次数。
[0093]
在一些实施方式中，电子设备可以在陀螺仪数据和加速度数据中筛选出符合预设条件的目标数据；确定目标数据对应的多个时刻，在多个时刻中确定不同时刻的数量；将不同时刻的数量确定为踩踏次数。
[0094]
其中，预设条件可以陀螺仪数据必须大于对应的预设阈值，加速度数据必须大于对应的预设阈值。
[0095]
具体的请参阅图5，图5是本技术实施例提供的对优化后的传感器数据进行数据分析的示意图。
[0096]
当优化后的传感器数据包括陀螺仪数据和加速度数据时，如图5所示，在圈定框1对应的陀螺仪数据和加速度数据中，其中圈定框1中的加速度数据的数值绝对值超过了预设阈值0.25，而陀螺仪数据的数值绝对值并未超过对应的预设阈值0.05，此时由于加速度数据较为明显，则将圈定框1内对应的陀螺仪数据和加速度数据计入一次踩踏次数。或者，计入该加速度数据对应的时刻，将该加速度数据确定为目标数据。
[0097]
在圈定框2对应的陀螺仪数据和加速度数据中，其中圈定框2中的加速度数据的数值绝对值超过了预设阈值0.25，陀螺仪数据的数值绝对值超过对应的预设阈值0.05，陀螺
仪数据和加速度数据都较为明显，则将圈定框2内对应的陀螺仪数据和加速度数据计入一次踩踏次数。或者，计入该加速度数据和陀螺仪数据对应的时刻，将该加速度数据和陀螺仪数据确定为目标数据。
[0098]
在圈定框3对应的陀螺仪数据和加速度数据中，其中圈定框3中的加速度数据的数值绝对值并未超过了预设阈值0.25，而陀螺仪数据的数值绝对值未超过对应的预设阈值0.05，此时由于陀螺仪数据较为明显，则将圈定框3内对应的陀螺仪数据和加速度数据计入一次踩踏次数。或者，计入该陀螺仪数据对应的时刻，将该陀螺仪数据确定为目标数据。
[0099]
当获取到每一目标数据对应的时刻之后，电子可以在多个时刻中确定不同时刻的数量，然后将不同时刻的数量确定为踩踏次数。
[0100]
通过上述方式，对整个预设时长内的优化后的传感器数据进行数据分析，从而确定出在预设时长内用户对应的踩踏次数。
[0101]
208、根据预设时长和踩踏次数确定出用户对应的踏频。
[0102]
在一些实施方式中，电子设备可以利用踩踏次数除以预设时长，从而确定出每秒钟对应的踩踏次数，然后再利用每秒钟对应的踩踏次数乘以60，则得到用户对应的踏频。
[0103]
209、将用户的踏频和生理数据输入至运动分析模型中，输出用户对应的运动方案。
[0104]
在一些实施方式中，在将用户的踏频和生理数据输入至运动分析模型中，输出用户对应的运动方案之前，电子设备还可以获取历史时间段内用户对应的历史运动功率，将历史运动功率作为基础模型的输出量；获取历史时间段内用户对应历史踏频、历史速度、历史加速度，将历史踏频、历史速度、历史加速度作为基础模型的输入量；根据输入量和输出量对基础模型进行训练，得到运动分析模型。
[0105]
电子设备可以将用户的踏频和用户的心率输入到运动分析模型中，运动分析模型根据用户的心率和用户的踏频计算出用户在未来时间内的踏频区间、心率区间、加速度区间、速度区间等。或者运动分析模型可以输入未来时间内用户对应的具体踏频、速度等。
[0106]
在一些实施方式中，当电子设备获取到用户对应的踏频之后，电子设备可以根据用户的心率计算出用户对应的运动功率，然后确定该踏频是否和运动功率匹配，如果该踏频和运动功率不匹配，则说明用户需要对自身的踏频进行调整，此时电子设备可以输出对应的踏频方案，从而提醒用户按照对应的踏频方案来进行骑行。从而使得用户在骑行时，能够拥有更合理的踏频，从而达到更好的锻炼效果。
[0107]
在本技术实施例中，电子设备通过获取运动传感器的传感器数据和用户的生理数据，然后根据生理数据和传感器数据确定用户是否处于骑行状态，若用户处于骑行状态，则确定传感器数据对应的多个预设频率范围。再根据传感器数据提取预设时长的子传感器数据，然后根据子传感器数据所属的预设频率范围对子传感器数据进行滤波处理，得到优化后的传感器数据。最后根据优化后的传感器数据确定预设时长内的踩踏次数，根据预设时长和踩踏次数确定出用户对应的踏频，将用户的踏频和生理数据输入至运动分析模型中，输出用户对应的运动方案。
[0108]
从而在用户骑行时，通过电子设备准确的获取到用户的踏频，在获取到用户的踏频之后，可以对用户推荐出更优的踏频方案，使得用户在骑行时达到更好的锻炼效果。
[0109]
请参阅图6，图6是本技术实施例提供的数据处理装置的第一结构示意图。该数据
处理装置可以应用于电子设备，电子设备包括传感器，电子设备与骑行设备的运动状态保持一致，该数据处理装置300可以包括：
[0110]
获取模块310，用于获取运动传感器的传感器数据。
[0111]
获取模块310还用于获取用户的生理数据；根据生理数据和传感器数据确定用户是否处于骑行状态。
[0112]
获取模块310还用于，传感器数据包括加速度，生理数据包括心率，判断加速度是否处于预设加速度区间内；若加速度处于预设加速度区间内，则判断心率是否超过预设心率阈值；若心率超过预设心率阈值，则说明用户处于骑行状态。
[0113]
优化模块320，用于对传感器数据进行优化，得到优化后的传感器数据。
[0114]
优化模块320还用于在对传感器数据进行优化，得到优化后的传感器数据之前，确定传感器数据对应的多个预设频率范围。
[0115]
优化模块320还用于从传感器数据中提取预设时长的子传感器数据；确定子传感器数据所属的预设频率范围；根据子传感器数据所属的预设频率范围对子传感器数据进行滤波处理，得到优化后的传感器数据。
[0116]
分析模块330，用于对优化后的传感器数据进行数据分析，得到用户在骑行该骑行设备时的踏频。
[0117]
分析模块330还用于根据优化后的传感器数据确定用户在预设时长内的踩踏次数；根据预设时长和踩踏次数确定出用户对应的踏频。
[0118]
分析模块330还用于在陀螺仪数据和加速度数据中筛选出符合预设条件的目标数据；确定目标数据对应的多个时刻，在多个时刻中确定不同时刻的数量；将不同时刻的数量确定为踩踏次数。
[0119]
分析模块330还用于将用户的踏频和生理数据输入至运动分析模型中，输出用户对应的运动方案。
[0120]
分析模块330还用于在将用户的踏频和生理数据输入至运动分析模型中，输出用户对应的运动方案之前，获取历史时间段内用户对应的历史运动功率，将历史运动功率作为基础模型的输出量；获取历史时间段内用户对应历史踏频、历史速度、历史加速度，将历史踏频、历史速度、历史加速度作为基础模型的输入量；根据输入量和输出量对基础模型进行训练，得到运动分析模型。
[0121]
本技术实施例中，电子设备通过与骑行设备的运动状态保持一致，获取模块310获取运动传感器的传感器数据；然后优化模块320对传感器数据进行优化，得到优化后的传感器数据；最后分析模块330对优化后的传感器数据进行数据分析，得到用户在骑行该骑行设备时的踏频。从而实现通过用户的移动设备来准确检测出用户在骑行骑行设备时的踏频。
[0122]
相应的，本技术实施例还提供一种电子设备，如图7所示，该电子设备可以包括有一个或一个以上计算机可读存储介质的存储器401、输入单元402、显示单元403、传感器404、包括有一个或者一个以上处理核心的处理器405、以及电源406等部件。本领域技术人员可以理解，图7中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
[0123]
存储器401可用于存储软件程序以及模块，处理器405通过运行存储在存储器401的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器401可主要包括存储程
序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器401可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器401还可以包括存储器控制器，以提供处理器405和输入单元402对存储器401的访问。
[0124]
输入单元402可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，在一个具体的实施例中，输入单元402可包括触敏表面以及其他输入设备。触敏表面，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器405，并能接收处理器405发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面，输入单元402还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
[0125]
显示单元403可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元403可包括显示面板，可选的，可以采用液晶显示器(lcd，liquid crystal display)、有机发光二极管(oled，organic light-emitting diode)等形式来配置显示面板。进一步的，触敏表面可覆盖显示面板，当触敏表面检测到在其上或附近的触摸操作后，传送给处理器405以确定触摸事件的类型，随后处理器405根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图7中，触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面与显示面板集成而实现输入和输出功能。
[0126]
电子设备还可包括至少一种传感器404，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板的亮度，接近传感器可在电子设备移动到耳边时，关闭显示面板和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别电子设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于电子设备还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
[0127]
处理器405是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器401内的软件程序和/或模块，以及调用存储在存储器401内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器405可包括一个或多个处理核心；优选的，处理器405可集成应用处理器和调制
解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器405中。
[0128]
电子设备还包括给各个部件供电的电源406(比如电池)，优选的，电源可以通过电源管理系统与处理器405逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源406还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
[0129]
尽管未示出，电子设备还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，电子设备中的处理器405会加载存储器401上存储的计算机程序，处理器405通过加载计算机程序，从而实现各种功能：
[0130]
获取运动传感器的传感器数据；
[0131]
对传感器数据进行优化，得到优化后的传感器数据；
[0132]
对优化后的传感器数据进行数据分析，得到用户在骑行骑行设备时的踏频。
[0133]
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
[0134]
为此，本技术实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本技术实施例所提供的任一种数据处理方法中的步骤。例如，该指令可以执行如下步骤：
[0135]
获取运动传感器的传感器数据；
[0136]
对传感器数据进行优化，得到优化后的传感器数据；
[0137]
对优化后的传感器数据进行数据分析，得到用户在骑行骑行设备时的踏频。
[0138]
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
[0139]
其中，该存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。
[0140]
由于该存储介质中所存储的指令，可以执行本技术实施例所提供的任一种数据处理方法中的步骤，因此，可以实现本技术实施例所提供的任一种数据处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
[0141]
以上对本技术实施例所提供的一种数据处理方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。