【摘要】：傳統(tǒng)運(yùn)動(dòng)識(shí)別技術(shù)多以傳感器位置固定為前提進(jìn)行識(shí)別,但當(dāng)傳感器放置位置或握持方式發(fā)生變化時(shí)運(yùn)動(dòng)識(shí)別率會(huì)受到相應(yīng)影響。該文提出了一種基于手機(jī)傳感器的握持方式判斷及運(yùn)動(dòng)狀態(tài)識(shí)別方法,解決了傳感器隨放置位置不同影響運(yùn)動(dòng)識(shí)別率的缺點(diǎn)。該方法首先通過(guò)傳感器對(duì)設(shè)備握持方式進(jìn)行判斷,使用不同握持方式下的三軸加速度數(shù)據(jù)進(jìn)行特征提取,通過(guò)多層小波變換得到各層高頻和低頻部分,對(duì)其進(jìn)行組合形成初級(jí)特征,用奇異值分解對(duì)初級(jí)特征進(jìn)行降維得到最終特征,使用基于徑向基核函數(shù)的多分類支持向量機(jī)(SVM)對(duì)特征分類,進(jìn)而判斷不同握持方式下的不同運(yùn)動(dòng)。實(shí)驗(yàn)結(jié)果表明,該方法對(duì)不同運(yùn)動(dòng)方式下的平均識(shí)別率為93%。
[Abstract]:Most of the traditional motion recognition techniques are based on the fixed position of the sensor, but the rate of motion recognition will be affected when the position or holding mode of the sensor changes. In this paper, a method based on mobile phone sensor to judge the holding mode and to recognize the motion state is proposed, which solves the shortcoming that the sensor affects the recognition rate with the position of the sensor. In this method, the device holding mode is judged by sensors, and the feature extraction is carried out by using the triaxial acceleration data under different holding modes, and the high frequency and low frequency parts of each layer are obtained by multilayer wavelet transform. The primary feature is formed by combining it, the final feature is obtained by reducing the dimension of the primary feature by singular value decomposition, and the feature is classified by (SVM), which is based on the radial basis function (RBF) kernel and multi-classification support vector machine (SVM). Then judge the different movement under the different holding way. The experimental results show that the average recognition rate of this method for different motion modes is 933%.
【作者單位】： 電子科技大學(xué)信息與軟件工程學(xué)院;
【基金】：國(guó)家科技部基金(2012BAH44F02)
【分類號(hào)】：TP212.9

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王鑫;;道路交通事故多狀態(tài)識(shí)別方法研究[J];計(jì)算機(jī)仿真;2014年02期

2 李力,趙新澤;應(yīng)用統(tǒng)計(jì)數(shù)學(xué)方法增進(jìn)機(jī)器狀態(tài)識(shí)別技術(shù)[J];實(shí)用測(cè)試技術(shù);2000年03期

3 李衡峰,夏利民,葉劍波;一種新穎的眼部狀態(tài)識(shí)別方法[J];計(jì)算機(jī)工程;2005年06期

4 �；燮�;宋凱;李瑩瑩;常瑜亮;蘇杭;;一種新穎的眼睛狀態(tài)識(shí)別方法[J];電子元器件應(yīng)用;2010年01期

5 王瓊;王歡;趙春霞;楊靜宇;;基于眼睛狀態(tài)識(shí)別的駕駛員疲勞監(jiān)測(cè)[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

6 滕紅智;賈希勝;趙建民;張星輝;王正軍;葛家友;;分層隱Markov模型在設(shè)備狀態(tài)識(shí)別中的應(yīng)用研究[J];中國(guó)機(jī)械工程;2011年18期

7 李虹;;路面狀態(tài)識(shí)別技術(shù)概述[J];氣象水文海洋儀器;2012年04期

8 郭克友,儲(chǔ)江偉,王榮本;駕駛員眼部狀態(tài)識(shí)別方法的研究[J];系統(tǒng)工程與電子技術(shù);2003年10期

9 余丹炯;李訓(xùn)銘;;駕駛困倦預(yù)警系統(tǒng)中眼部狀態(tài)識(shí)別的研究[J];河海大學(xué)常州分校學(xué)報(bào);2007年02期

10 張雷元;袁建華;趙永進(jìn);;道路交通狀態(tài)識(shí)別技術(shù)研究[J];道路交通與安全;2009年02期

相關(guān)會(huì)議論文 前9條

1 湯新蓓;鄭德玲;湯崢嶸;張長(zhǎng)紅;;證據(jù)理論支持下的狀態(tài)識(shí)別方法[A];1997年中國(guó)控制會(huì)議論文集[C];1997年

2 鄭德玲;方巍;;基于組合邏輯與模糊邏輯的狀態(tài)識(shí)別方法[A];1998年中國(guó)控制會(huì)議論文集[C];1998年

3 方劍青;李紅軍;雷毅平;陳德華;;聲學(xué)共振譜方法用于結(jié)構(gòu)狀態(tài)識(shí)別的實(shí)驗(yàn)研究[A];2008年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

4 楊明忠;樊建春;;磨損形態(tài)分析與智能化磨損狀態(tài)識(shí)別研究[A];第六屆全國(guó)摩擦學(xué)學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1997年

5 趙偉;黃春琳;;生命探測(cè)技術(shù)研究[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（下冊(cè)）[C];2009年

6 李宏坤;周帥;孫志輝;;基于Hilbert時(shí)頻譜重心與支持向量機(jī)的設(shè)備狀態(tài)識(shí)別[A];第八屆全國(guó)動(dòng)力學(xué)與控制學(xué)術(shù)會(huì)議論文集[C];2008年

7 劉偉;郭鐘寧;張永俊;何建文;;面向IGBT主動(dòng)驅(qū)動(dòng)并聯(lián)仿真研究[A];第11屆粵港機(jī)械電子工程技術(shù)與應(yīng)用研討會(huì)論文匯編[C];2010年

8 周穎;鄭德玲;裘之亮;位耀光;;一種新的免疫識(shí)別算法及其收斂性研究[A];第二十三屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2004年

9 陳鍇;徐柏齡;;基于最佳維納解的雙通道話者狀態(tài)識(shí)別方法[A];中國(guó)聲學(xué)學(xué)會(huì)2006年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前4條

1 李楠;基于單類學(xué)習(xí)的異常檢測(cè)方法及其重型裝備狀態(tài)識(shí)別應(yīng)用[D];上海交通大學(xué);2014年

2 李娜;基于人體運(yùn)動(dòng)狀態(tài)識(shí)別的可穿戴健康監(jiān)測(cè)系統(tǒng)研究[D];北京工業(yè)大學(xué);2013年

3 李虹;基于機(jī)器視覺路面狀態(tài)識(shí)別關(guān)鍵技術(shù)研究[D];吉林大學(xué);2009年

4 王金偉;基于表情時(shí)空特征的認(rèn)知情感狀態(tài)識(shí)別研究[D];天津大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 游雄雄;礦冶典型零部件退化狀態(tài)識(shí)別與剩余壽命預(yù)測(cè)及可再制造性評(píng)估[D];江西理工大學(xué);2015年

2 林助軍;非穩(wěn)態(tài)條件下摩擦信號(hào)處理和狀態(tài)識(shí)別技術(shù)研究[D];大連海事大學(xué);2015年

3 葉卿;信號(hào)控制交叉口交通擁堵狀態(tài)識(shí)別方法研究[D];華南理工大學(xué);2015年

4 張鑓;人體運(yùn)動(dòng)狀態(tài)感知機(jī)理及傳感數(shù)據(jù)分析研究[D];北京工業(yè)大學(xué);2015年

5 邵劍雄;基于霍夫森林的變電站開關(guān)設(shè)備檢測(cè)及狀態(tài)識(shí)別[D];浙江大學(xué);2016年

6 劉雨;基于SVM的直升機(jī)飛行狀態(tài)識(shí)別方法及其應(yīng)用研究[D];南昌航空大學(xué);2016年

7 馮青平;基于云計(jì)算的交通流預(yù)測(cè)與狀態(tài)識(shí)別關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2016年

8 鮑闞;智能車輛近場(chǎng)物體探測(cè)及其狀態(tài)識(shí)別方法研究[D];吉林大學(xué);2016年

9 王寧;基于多信息融合的疲勞狀態(tài)識(shí)別研究[D];山東大學(xué);2016年

10 趙正川;基于高速視頻的目標(biāo)狀態(tài)識(shí)別技術(shù)研究[D];西安工業(yè)大學(xué);2016年

，

本文編號(hào)：2246266