1.一种基于人工神经网络的步频探测方法，其特征在于：该方法步骤如下：步骤1、采集神经网络模型训练数据，行人手持手机分别以不同的速度和步长行走多次，记录保存行走时硬件设备采集到的加速度数据；

步骤2、预处理；具体包括将步骤1采集到的加速度数据按照如下步骤进行预处理：步骤2.1、将三轴加速度合成三轴总加速度，计算方法如下：

其中ai表示第i个采样点的总加速度数据， 表示第i个采样点三轴加速度计x,y,z轴的加速度值；

步骤2.2、对经过步骤2.1处理后的加速度数据进行平滑去噪；

步骤3、找到步骤2预处理后的数据中的波峰，对于是波峰的加速度值打上标签1，不是波峰的加速度值打上标签0；将加速度数据波形可视化，根据已知的步数，人为的将不是步点的波峰的标签1改为0；这样，每一个加速度值对应了一个标签；

步骤4、采用滑动窗口截取训练数据；具体过程如下：滑动窗口包含奇数个连续的加速度数据，数据形式如下：[ai-j,…,ai-2,ai-1,ai,ai+1,ai+2,…,ai+j]其中j表示窗口内中点左右两边加速度数据的个数，窗口内数据个数2j+1不超过一个步态周期内的加速度数据个数，不小于半个步态周期内加速度数据个数；

步骤5、突出窗口内加速度数据的波形特征，定义符号函数sign：令

其中|x|表示x的绝对值；

步骤6、取窗口内中间加速度的标签作为窗口数据的标签；数据形式如下：[ai-j,…,ai-2,ai-1,ai,ai+1,ai+2,…,ai+j,labeli]步骤7、对数据集进行重采样或者调整正负样本权重，平衡训练数据中正负样本比例；

步骤8、神经网络模型搭建与训练；

步骤9、在线步频检测时，依照步骤4，将行人行走时携带的硬件接收到的加速度数据依次存入滑动窗口中，并对窗口内的数据依次按照步骤2和步骤5进行处理；

步骤10、将步骤9处理后的数据输入步骤8得到的神经网络模型；若神经网络模型预测概率小于或者等于0.5，则直接判定为非步点，若预测概率大于0.5，则按照步骤11处理；

步骤11、剔除多余步点。

2.根据权利要求1所述的一种基于人工神经网络的步频探测方法，其特征在于：所述步骤8的具体过程如下：人工神经网络采用BP神经网络，模型输入神经元个数为窗口内加速度数据个数；隐藏层层数和每个隐藏层神经元个数通过多次实验获得，每次实验取不同的层数和神经元个数，取使得模型预测准确性最高的隐藏层个数和相应神经元个数即可，实验次数不限；输出神经元输出值表征该输入波形为步点的概率；将经过步骤2、3、4、5、6、7处理得到的训练数据输入神经网络模型进行训练，得到训练好的神经网络模型。

3.根据权利要求1所述的一种基于人工神经网络的步频探测方法，其特征在于：所述步骤11具体过程如下：设置一个时间阈值δΔt，δΔt取2～3个相邻加速度采样时间间隔，用窗口内中间数据对应的时间Tt减去上一个步点对应的时间Tt-1得到时间差Δt，若Δt＞δΔt，则窗口内中间加速度数据判定为步点，否则判定为非步点。