[發(fā)明專利]一種與加速度傳感器的放置方式和位置無關(guān)的運(yùn)動(dòng)識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310405446.8
• 申請(qǐng)日: 2013-09-06
• 公開（公告）號(hào): CN103472917A
• 公開（公告）日: 2013-12-25
• 發(fā)明（設(shè)計(jì)）人: 陳嶺;候倉(cāng)健;陳根才
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G06F3/01
• 分類號(hào): G06F3/01
• 代理公司: 杭州天勤知識(shí)產(chǎn)權(quán)代理有限公司 33224
• 代理人: 胡紅娟

1.一種與加速度傳感器的放置方式和位置無關(guān)的運(yùn)動(dòng)識(shí)別方法，包括：原始信號(hào)采集過程、特征抽取過程、模型建立過程和運(yùn)動(dòng)識(shí)別過程，其特征在于，所述的特征抽取包括以下步驟：

（1）采用PCA算法從原始信號(hào)中抽取主要成分，得到與加速度傳感器的放置方式和位置無關(guān)的時(shí)序信號(hào)；

（2）對(duì)所述的時(shí)序信號(hào)進(jìn)行離散化處理，得到離散序列；

（3）利用滑動(dòng)窗口模型將所述的離散序列劃分為若干個(gè)分段序列；

（4）將每個(gè)分段序列轉(zhuǎn)換為符號(hào)序列作為模式詞匯；

（5）統(tǒng)計(jì)各模式詞匯的詞頻，并按詞頻從高到低排序，取前K個(gè)模式詞匯作為模式特征詞匯。

2.如權(quán)利要求1所述的與加速度傳感器的放置方式和位置無關(guān)的運(yùn)動(dòng)識(shí)別方法，其特征在于，所述步驟（2）的離散化處理包括以下步驟：

（2-1）對(duì)所述的時(shí)序信號(hào)進(jìn)行歸一化處理，得到標(biāo)準(zhǔn)序列；

（2-2）根據(jù)公式：

t‾i=wnΣj=nw(i-1)+1nwiTj(i=1,...,w)]]>

對(duì)所述的標(biāo)準(zhǔn)序列進(jìn)行離散化處理，得到離散序列，其中n為標(biāo)準(zhǔn)序列的長(zhǎng)度，T_j為標(biāo)準(zhǔn)序列中的第j個(gè)元素，w為離散序列的長(zhǎng)度，為離散序列中的第i個(gè)元素。

3.如權(quán)利要求2所述的與加速度傳感器的放置方式和位置無關(guān)的運(yùn)動(dòng)識(shí)別方法，其特征在于，所述步驟（4）依據(jù)概率模型依次對(duì)每個(gè)分段序列中的所有元素進(jìn)行N狀態(tài)編碼，得到符號(hào)序列。

4.如權(quán)利要求3所述的與加速度傳感器的放置方式和位置無關(guān)的運(yùn)動(dòng)識(shí)別方法，其特征在于，所述的N狀態(tài)編碼包括以下步驟：

（4-1）根據(jù)高斯分布函數(shù)將所述的分段序列的取值區(qū)間劃分為N個(gè)等概率區(qū)間；

（4-2）將所述的N個(gè)等概率區(qū)間從小到大依次采用不同的字符進(jìn)行編號(hào)；

（4-3）依次判斷離散序列中各元素所屬的等概率區(qū)間，以相應(yīng)等概率區(qū)間的編號(hào)作為該元素的N狀態(tài)編碼結(jié)果；

（4-4）將離散序列中所有元素的編碼結(jié)果依次組合得到符號(hào)序列。

5.如權(quán)利要求4所述的與加速度傳感器的放置方式和位置無關(guān)的運(yùn)動(dòng)識(shí)別方法，其特征在于，所述步驟（3）中滑動(dòng)窗口模型的步進(jìn)長(zhǎng)度為1。

6.如權(quán)利要求5所述的與加速度傳感器的放置方式和位置無關(guān)的運(yùn)動(dòng)識(shí)別方法，其特征在于，所述的模型建立過程包括以下步驟：

S1：通過信號(hào)采集過程采集所有運(yùn)動(dòng)的原始信號(hào)，通過步驟（1）～（5）分別對(duì)各原始信號(hào)提取模式特征詞匯；

S2：根據(jù)模式特征詞匯的詞頻采用tf-idf算法分別計(jì)算各模式特征詞匯在原始信號(hào)中的權(quán)重，并將所述的權(quán)重組合得到模式特征向量；

S3：根據(jù)所述的模式特征向量，采用機(jī)器學(xué)習(xí)方法建立識(shí)別模型。

7.如權(quán)利要求6所述的與加速度傳感器的放置方式和位置無關(guān)的運(yùn)動(dòng)識(shí)別方法，其特征在于，所述的機(jī)器學(xué)習(xí)方法為SVM法。