融合加速度和生理信號的人體活動識別.pdf

1、目前，人體活動識別技術(shù)大都局限于僅使用加速度對人體運動進(jìn)行識別，融合異構(gòu)傳感器數(shù)據(jù)進(jìn)行復(fù)雜活動識別的研究很少，現(xiàn)有的一些融合加速度和心率進(jìn)行活動識別的工作，也僅僅是在特征層進(jìn)行融合。為了充分利用不同傳感器采集的數(shù)據(jù)，以實現(xiàn)穿戴盡量少的設(shè)備來準(zhǔn)確識別盡量多的活動的目的，本文主要研究融合加速度和生理信號的人體活動識別。首先，提出了一個日?；顒訑?shù)據(jù)采集架構(gòu)，對日?；顒舆M(jìn)行了匯總分類，采集了相應(yīng)的實驗數(shù)據(jù)，并進(jìn)行了預(yù)處理;然后，在人體活動特征提

2、取和選擇的基礎(chǔ)上，提出了一種基于SVM和GMM的多通道分?jǐn)?shù)級融合活動識別算法，分別通過SVM和GMM來訓(xùn)練不同的信號通道，并基于邏輯回歸算法訓(xùn)練得到各通道的權(quán)重系數(shù)來進(jìn)行融合。最后，提出了一種基于boosting的多通道決策級融合活動識別算法，引入了基于置信度的AdaBoost算法來訓(xùn)練不同的信號通道，并通過自適應(yīng)加權(quán)對數(shù)優(yōu)化池(WLOGP)規(guī)則進(jìn)行多通道的決策級融合。生理信號的引入能有效識別僅靠加速度很難區(qū)分的活動，分?jǐn)?shù)級融合能顯著提