1.一种基于决策树的步数判别方法，其特征在于，包括以下步骤：

步骤1，采集姿态运动数据，从姿态运动数据中提取以加速度信息为主的运动信息；

步骤2，对提取的运动信息进行灵敏度处理，获得优先判别统计量；

步骤3，对运动信息做和运算，得到第i个信息的和加速度信息 将和加速度放入波峰决策树中滤除抖动伪波峰和非线性发散数据，放入波谷决策树中滤除伪波谷和噪音数据；

步骤4，将步骤3滤波处理后得到的数据与当前作为运动模式的最优判别条件相结合，若当前的作为运动模式判断优先条件的特征统计量保持高敏感度，则滤波后的 已经历一个完整的波峰和波谷周期后便初步判断实现了一次步数计算，同时将更新步数统计数Cout，若当前的特征统计量敏感度不高，则保留当前值，等待下一个和加速度信息 处理后再做判断。

2.根据权利要求1所述一种基于决策树的步数判别方法，其特征在于：还包括调整信号预处理网络的权重以及更新当前运动状态的反馈算法，将步骤4处理后得到的和加速度作为反馈算法的输入，若自身优先判别特征量与下一个和加速度信息 中作为运动模式优先判别条件的特征统计量相同，则判断行人处于同一种运动模式；若优先特征统计量不同或者灵敏度不高，则判断为行人的运动模式发生变化。

3.根据权利要求2所述一种基于决策树的步数判别方法，其特征在于：状态更新方程和权重更新方程分别为：Tk表示当前状态状态，B表示和加速度转换矩阵，A为状态转移矩阵，α为和加速度判别系数，β为运动模式选择系数，Accth表示加速度识别阈值。

4.根据权利要求1所述一种基于决策树的步数判别方法，其特征在于：所述运动信息包括标准差、偏度、峰度和相关系数。

5.根据权利要求1所述一种基于决策树的步数判别方法，其特征在于：所述灵敏度处理包括 标准差能有效区分静态行为和动态行为， 信号在X轴的偏度能有效区分下楼与其他动作，Y轴的峰度能有效区分跑步与其他动作，Y轴、Z轴的相关系数能有效判别慢走和上楼，将上述四种特征量作为四种运动模式判断的优先判别统计量。

6.根据权利要求1所述一种基于决策树的步数判别方法，其特征在于：步骤3所述波决策树和峰波谷决策树具体为：将当下的和加速度信息 与上一时刻和加速度信息和下一时刻和加速度信息 做比较，若大于 和 则初步判定为波峰，若小于 和 则初步判定为波谷，随后将判定结果与该运动模式下的预设的波峰或波谷阈值做对比，若满足阈值条件则最终判定为波峰点或者波谷点，找到后将波峰点个数Cre或者波谷点个数Tro个数和加一，并更新当前的和加速度值为波峰值Amax或波谷值Amin。