版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
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(guān)注,國內(nèi)外研究機構(gòu)和大學(xué)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(xì)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(shù)據(jù)準(zhǔn)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(yīng)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(shù)據(jù)采集系統(tǒng)的數(shù)據(jù)采集部分、數(shù)據(jù)處理部分、數(shù)據(jù)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(shù)據(jù)庫與步態(tài)識別數(shù)據(jù)。
通過對采集來的步態(tài)加速度原始信號進行數(shù)據(jù)類型轉(zhuǎn)換、位置校正、去噪、歸一化等預(yù)處理方法,確保了獲取的步態(tài)信號的準(zhǔn)確性和規(guī)整性。數(shù)據(jù)類型轉(zhuǎn)化方面是將“212”形式的步態(tài)數(shù)據(jù)轉(zhuǎn)換為十進制形式;位置校正是采用幾何方式將步態(tài)數(shù)據(jù)校正到標(biāo)準(zhǔn)坐標(biāo)系統(tǒng)下;本文采用db8小波基對步態(tài)數(shù)據(jù)進行分解去噪;在數(shù)據(jù)歸一化方面采用線性歸一化方法,將步態(tài)數(shù)據(jù)縮放到0到1
4、之間。本文設(shè)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(shè)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(zhǔn)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(shù)作為判定步態(tài)對稱性的重要標(biāo)準(zhǔn),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(jīng)網(wǎng)絡(luò)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(jié)構(gòu)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(yīng)性強,神經(jīng)元之間的連接可以多種多樣,各層神經(jīng)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(xué)習(xí)復(fù)雜非線性關(guān)系能力強。因此本文選擇利用BP神經(jīng)網(wǎng)絡(luò)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(yù)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(guān)鍵特征,它們將作為第1神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)的過擬合現(xiàn)象的發(fā)生,應(yīng)用平均影響值(MIV)法來對第2、3神經(jīng)網(wǎng)絡(luò)分類器的輸入特征降維,篩選出的特征被選出作為BP神經(jīng)網(wǎng)絡(luò)的輸入。利用選取的訓(xùn)練數(shù)據(jù)對三個不同階段的BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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(jīng)網(wǎng)絡(luò)的步態(tài)識別.pdf
- 基于矩特征和BP神經(jīng)網(wǎng)絡(luò)的步態(tài)識別技術(shù)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)與足底壓力信息的步態(tài)識別.pdf
- 基于三維卷積神經(jīng)網(wǎng)絡(luò)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(shù)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