基于ESP32+MPU6050的IoT计数设备：适配臂长与ROM差异方案问询

项目背景 #

硬件采用ESP32-WROOM-32搭载MPU6050（加速度计+陀螺仪），佩戴在哑铃上，通过BLE将数据传输至React Native配套应用（GoldLift项目）记录训练动作。MPU6050通过I²C以100Hz采样。

现有基础检测逻辑 #

已实现基础动作计数：读取加速度与角速度数据，经低通滤波后，当信号跨越阈值并返回起始位置时判定为一次动作。但该逻辑仅适用于单一用户在平面上完成的标准弯举动作。

核心适配痛点 #

当前设备无法适配所有用户，同一动作下不同用户的信号模式差异极大，主要问题包括：

• 体型差异影响：臂长等肢体段长度不同，导致传感器运动弧长、峰值加速度、总位移、动作时长差异显著，高个子用户的动作幅度远大于矮个子用户
• ROM（活动范围）差异：用户动作幅度不一，有人完全锁定关节，有人做半程动作，还有人因活动受限无法完成全幅度动作，固定阈值要么漏计短程动作，要么对长程动作重复计数
• 动作节奏差异：不同节奏的动作（如1-0-1与3-1-3节奏）频域表现完全不同，导致检测失效
• 动作变体复杂度：锤式弯举、上斜弯举、牧师凳弯举等变体的前臂旋转平面各不相同，进一步增加检测难度

已尝试/评估的方案及问题 #

• 训练前参考动作校准：捕获峰值加速度与动作时长后采用相对阈值，但用户体验差，且无法应对组内降组训练或刻意改变节奏的情况
• 滑动窗口峰值归一化：仅能解决振幅差异问题，无法适配ROM差异
• 陀螺仪幅值峰值计数：抗平移干扰，但仍会漏计半程动作
• 小型ML模型（1D CNN/LSTM）：ESP32运行可能过载，且缺乏足够标注数据

量产级解决方案疑问 #

寻求从业者经验与可行方案，具体疑问包括：

• 是否有从业者已解决此类多用户适配的动作计数问题？
• 如何在无需长时校准的情况下处理用户间差异？
• 是否存在通用性良好的动作检测特征集（如加加速度过零点、自相关、主频率）？
• 应选择启发式方法（如DTW模板匹配）还是边缘轻量ML（TFLite Micro）？
• 有无在ESP32上实现上述方案的实践经验？
• 针对ROM问题，是否可自动学习组内最大ROM的X%作为动作判定标准，或有更优方案？
• 欢迎提供相关研究论文、经验分享（包括失败案例）

内容的提问来源于stack exchange，提问作者thibe vlasselaerts