论文部分内容阅读
步态模式识别是人体动作识别领域的研究热点。肌音信号是一种肌肉纤维运动时产生的低频振动信号,反映了肌肉的力学特性。本课题将肌音信号引入步态模式识别领域,实现了静止、走路、上楼、下楼、跑步五种步态的模式识别。 本课题设计了肌音信号的无线采集系统,系统包括TD-3压电加速度传感器、信号调理模块、基于K60微控制器的A/D转换模块、蓝牙-串口模块以及电源管理模块等,提高了步态运动过程中肌音信号采集的便利性。 针对采集得到的步态运动肌音信号的特点,本研究提出了多层阈值决策方法,在决策的第一层和第二层,利用双阈值门限法识别静止、跑步两种步态模式,在第三层,提出自适应不等长分割算法分割连续的步态信号,提出改进模糊熵算法获取步态信号的细节信息,综合提取近似熵、样本熵、改进模糊熵三种特征,采用线性分类器对走路、上楼、下楼进行分类识别。最终实现了静止、走路、上楼、下楼、跑步五种步态的模式识别,平均识别准确率达到99.01%±0.68%。 为了实现快速步态模式识别,结合多层阈值决策方法识别静止和跑步两种模式,在决策的第三层,对分割得到的动作帧信号提取10种作为特征量,并对比分析多种模式识别算法,包括:线性分类、支持向量机、主成分分析法与支持向量机结合的方法、深度置信网络。结果发现利用双层深度置信网络的模式识别结果最好,对15位受试者的步态模式进行识别,五种步态模式识别的平均准确率达到了95.17%,整个模式识别过程平均用时10.2秒,实现了快速步态模式识别。