版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、步態(tài)是指人步行時的姿態(tài),是一種基本的生物特征,它具有不易受侵犯、難于隱藏、對距離要求不高等優(yōu)點。它能反映出人體在生理、運動控制以及心理等方面的問題,因而近些年倍受關注,國內外研究機構和大學的研究對其做了大量的研究,但在步態(tài)特征提取分析及步態(tài)識別方面仍需我們進一步深入細致的研究。
雖然目前步態(tài)的研究還是主要集中在視頻視覺與圖像處理方面,但是加速度傳感器的發(fā)明為研究步態(tài)提供一個嶄新的思路,使得運動加速度信號可以作為步態(tài)信息的一個重
2、要組成部分。嵌入加速度傳感器的便捷系統(tǒng)可以實時獲取數據準確且環(huán)境干擾因素少的加速度信號,因此本文基于三軸加速度傳感器對人日常正?;顒訒r的步態(tài)進行了特征提取的分析與步態(tài)模式的識別。
本文應用三軸加速度傳感器MMA7260Q、cortex_M3系列的STM32F103微控制器和W25Q128BV Flash存儲器分別作為步態(tài)加速度數據采集系統(tǒng)的數據采集部分、數據處理部分、數據存儲部分,將該采集系統(tǒng)佩戴在實驗對象身體固定位置上,制定
3、實驗規(guī)則,對實驗對象不同狀態(tài)下的步態(tài)信號進行采集,建立了步態(tài)特征數據庫與步態(tài)識別數據。
通過對采集來的步態(tài)加速度原始信號進行數據類型轉換、位置校正、去噪、歸一化等預處理方法,確保了獲取的步態(tài)信號的準確性和規(guī)整性。數據類型轉化方面是將“212”形式的步態(tài)數據轉換為十進制形式;位置校正是采用幾何方式將步態(tài)數據校正到標準坐標系統(tǒng)下;本文采用db8小波基對步態(tài)數據進行分解去噪;在數據歸一化方面采用線性歸一化方法,將步態(tài)數據縮放到0到1
4、之間。本文設計的步頻計算方法,主要采用時間窗分割及尖峰閾值判別法,通過設定多層的限定條件,包括幅值限定,尖峰間隔限定等,篩除掉虛假的步伐,提高了步頻計算的準確性與實時性。在步態(tài)特征的提取方面進行了步態(tài)信號的零點劃分,獲得了步態(tài)的支撐期、擺動期等重要信息。本文采用時相對稱性指數作為判定步態(tài)對稱性的重要標準,較好地分辨了不同條件的實驗對象步態(tài)對稱性。
對比不同的非線性分類算法的特點,神經網絡有以下優(yōu)點:一是擁有很強的魯棒性和容錯性
5、,二是處理結構上是并行的,且每個單元可以同時進行類似的處理過程,使得計算速度很快;三是自適應性強,神經元之間的連接可以多種多樣,各層神經元之間聯(lián)接強度具有一定可塑性,使其能處理不確定或未知的系統(tǒng);四是學習復雜非線性關系能力強。因此本文選擇利用BP神經網絡對不同模式的步態(tài)加速度信號來分階段式地進行步態(tài)模式的識別。
本文選取進行區(qū)分步態(tài)模式主要有動態(tài)靜態(tài)兩大模式,具體包括坐、站、慢走、快走、上樓、下樓六種不同步態(tài)模式。按照由概括到
6、具體的思路,本文采用分階段的方式對采集的步態(tài)信號進行識別。在步態(tài)模式預分類階段,信號幅度面積(SMA)和平均能量值(AE)作為區(qū)分動態(tài)靜態(tài)兩大類步態(tài)的關鍵特征,它們將作為第1神經網絡分類器的輸入特征;在步態(tài)模式具體識別階段,為了防止BP神經網絡的過擬合現(xiàn)象的發(fā)生,應用平均影響值(MIV)法來對第2、3神經網絡分類器的輸入特征降維,篩選出的特征被選出作為BP神經網絡的輸入。利用選取的訓練數據對三個不同階段的BP神經網絡進行訓練,在通過使用
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于概率神經網絡的步態(tài)識別.pdf
- 基于矩特征和BP神經網絡的步態(tài)識別技術研究.pdf
- 基于卷積神經網絡與足底壓力信息的步態(tài)識別.pdf
- 基于三維卷積神經網絡步態(tài)識別方法的研究.pdf
- 步態(tài)分析與識別.pdf
- 基于步態(tài)特征的身份識別算法研究.pdf
- 運用角度統(tǒng)計特征識別步態(tài).pdf
- 基于足底壓力分析的多特征步態(tài)識別.pdf
- 基于步態(tài)觸覺特征的生物特征識別.pdf
- 步態(tài)識別研究.pdf
- 基于步態(tài)分析的身份識別研究.pdf
- 基于機器視覺的步態(tài)模式識別與步態(tài)對稱性研究.pdf
- 基于步態(tài)觸覺特征的生物特征識別(1)
- 基于特征融合的步態(tài)識別的研究.pdf
- 基于序列輪廓特征的步態(tài)識別研究.pdf
- 基于足底觸覺特征的步態(tài)識別算法研究.pdf
- 基于角度及輪廓特征的步態(tài)識別方法研究.pdf
- 基于步態(tài)特征的身份識別技術研究.pdf
- 基于運動信息的步態(tài)模式與步態(tài)變換研究.pdf
- 基于特征融合的快速步態(tài)識別算法研究.pdf
評論
0/150
提交評論