物聯(lián)網(wǎng)和傳感器技術(shù)的飛速發(fā)展,感知計(jì)算作為實(shí)現(xiàn)個(gè)性化服務(wù)和應(yīng)用的基礎(chǔ),成為了研究人員的的重點(diǎn)研究領(lǐng)域,并被廣泛應(yīng)用于智能醫(yī)療、智能家居等領(lǐng)域,例如老年人行為監(jiān)測(cè)、健康分析、意外報(bào)警等。由于個(gè)性化服務(wù)通常與用戶的日常生活息息相關(guān),尤其是用戶的位置、行為活動(dòng)、周圍環(huán)境等上下文信息,能否及時(shí)準(zhǔn)確獲取上下文信息是決定服務(wù)質(zhì)量的關(guān)鍵。因此,人體行為識(shí)別（Human Activity Recognition,HAR）、位置感知等關(guān)鍵技術(shù)得到了學(xué)術(shù)界和工業(yè)界的關(guān)注�？紤]到可穿戴傳感器和智能設(shè)備因其種類多樣性、攜帶方便、高性能以及低功耗等特點(diǎn),能夠隨時(shí)隨地獲取與用戶緊密相關(guān)的信息,本文將對(duì)基于可穿戴設(shè)備的人體行為識(shí)別和位置感知技術(shù)進(jìn)行研究。在基于可穿戴傳感器的行為識(shí)別中,由于不同的傳感器采集到的數(shù)據(jù)具有異構(gòu)性和不確定性,且人體的行為是多樣和動(dòng)態(tài)的,一個(gè)良好的行為識(shí)別方法應(yīng)具備有效地從異構(gòu)數(shù)據(jù)中提取出高區(qū)分度的行為特征的能力。除此之外,為了提供高時(shí)效性服務(wù),例如老年人發(fā)生意外事件報(bào)警,需要在源端處理和分析數(shù)據(jù)以降低通信量,并保證信息的實(shí)時(shí)性。因此,一個(gè)合適的行為識(shí)別方法需要滿足低時(shí)延和低功耗要求。在位置... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：137 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究的背景
    1.2 課題研究目的與意義
    1.3 國(guó)內(nèi)外研究歷史與現(xiàn)狀
        1.3.1 人體行為識(shí)別的研究發(fā)展
            1.3.1.1 基于圖像視頻的人體行為識(shí)別
            1.3.1.2 基于可穿戴傳感器的人體行為識(shí)別
        1.3.2 室內(nèi)定位技術(shù)的研究發(fā)展
    1.4 本文工作與貢獻(xiàn)
        1.4.1 基于可穿戴傳感器的人體行為識(shí)別
        1.4.2 基于移動(dòng)智能設(shè)備的室內(nèi)定位方法
    1.5 本論文的結(jié)構(gòu)安排
第二章 相關(guān)工作
    2.1 人體行為識(shí)別
        2.1.1 問(wèn)題描述
        2.1.2 人體行為識(shí)別框架
        2.1.3 系統(tǒng)性能指標(biāo)
    2.2 基于到達(dá)角度的位置估算
    2.3 深度神經(jīng)網(wǎng)絡(luò)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
            2.3.1.1 局部連接
            2.3.1.2 權(quán)值共享
            2.3.1.3 CNN網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
            2.3.2.1 網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練
            2.3.2.2 變型（RNN）
        2.3.3 損失函數(shù)
    2.4 本章小結(jié)
第三章 基于擴(kuò)張操作的HAR深度學(xué)習(xí)模型
    3.1 引言
    3.2 相關(guān)工作
2CL模型設(shè)計(jì)">    3.3 D²CL模型設(shè)計(jì)
        3.3.1 局部特征提取
        3.3.2 多尺度時(shí)間依賴建模
        3.3.3 模型設(shè)計(jì)
        3.3.4 模型訓(xùn)練
    3.4 實(shí)驗(yàn)驗(yàn)證
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
            3.4.1.1 OPPORTUNITY數(shù)據(jù)集
            3.4.1.2 PAMAP2數(shù)據(jù)集
        3.4.2 性能指標(biāo)
        3.4.3 Baselines
    3.5 結(jié)果與分析
        3.5.1 對(duì)比實(shí)驗(yàn)
        3.5.2 模型效率分析
        3.5.3 模型參數(shù)分析
            3.5.3.1 滑動(dòng)窗口長(zhǎng)度與模型性能
2CL的有效性分析">            3.5.3.2 D²CL的有效性分析
    3.6 本章小結(jié)
第四章 基于移動(dòng)智能設(shè)備的HAR深度學(xué)習(xí)模型
    4.1 引言
    4.2 基于時(shí)空動(dòng)態(tài)關(guān)聯(lián)的HAR深度學(xué)習(xí)模型
        4.2.1 模型設(shè)計(jì)
        4.2.2 模型目標(biāo)與訓(xùn)練
        4.2.3 模型實(shí)現(xiàn)
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)集及實(shí)驗(yàn)方法
        4.3.2 性能指標(biāo)
        4.3.3 ABST識(shí)別精度
        4.3.4 ABST效率分析
        4.3.5 ABST模型參數(shù)分析
        4.3.6 對(duì)比試驗(yàn)
        4.3.7 模型在未知用戶的性能分析
    4.4 本章小結(jié)
第五章 一種可自我精度衡量的室內(nèi)定位方法
    5.1 引言
    5.2 相關(guān)工作
        5.2.1 室內(nèi)相對(duì)方向計(jì)算
        5.2.2 基于聲波室內(nèi)定位方法
        5.2.3 基于圖像定位方法
    5.3 前期技術(shù)研究與試驗(yàn)分析
        5.3.1 聲波Doppler效應(yīng)
        5.3.2 基于Doppler效應(yīng)的聲波定向與位置計(jì)算
            5.3.2.1 主動(dòng)式聲波定向方法
            5.3.2.2 基于角度差的位置計(jì)算
    5.4 基于聲波定位實(shí)驗(yàn)結(jié)果的觀察
    5.5 可自我精度衡量的定位方法
        5.5.1 聲波定位實(shí)現(xiàn)
            5.5.1.1 聲波信號(hào)預(yù)處理
            5.5.1.2 相對(duì)方向估算
            5.5.1.3 初始位置計(jì)算
        5.5.2 精度診斷
            5.5.2.1 可用性判定機(jī)制
            5.5.2.2 最優(yōu)值查找
        5.5.3 位置優(yōu)化
    5.6 實(shí)驗(yàn)結(jié)果與分析
        5.6.1 實(shí)驗(yàn)設(shè)置
        5.6.2 模型在不同實(shí)際環(huán)境中定位性能分析
            5.6.2.1 場(chǎng)景一: 空曠的建筑大廳
            5.6.2.2 場(chǎng)景二: 圖書館
        5.6.3 參數(shù)對(duì)定位性能影響分析
            5.6.3.1 不同聲源數(shù)目對(duì)SITE的影響
1對(duì)SITE的影響">            5.6.3.2 參數(shù)δ₁對(duì)SITE的影響
        5.6.4 實(shí)驗(yàn)3: 模型在定位中的計(jì)算量分析
    5.7 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻博期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]室內(nèi)定位方法綜述[J]. 席瑞,李玉軍,侯孟書.  計(jì)算機(jī)科學(xué). 2016(04)
[2]基于三軸加速度傳感器的人體運(yùn)動(dòng)識(shí)別[J]. 李鋒,潘敬奎.  計(jì)算機(jī)研究與發(fā)展. 2016(03)
[3]體域網(wǎng)中一種基于壓縮感知的人體動(dòng)作識(shí)別方法[J]. 肖玲,李仁發(fā),羅娟.  電子與信息學(xué)報(bào). 2013(01)

博士論文
[1]基于判別模式學(xué)習(xí)的人體行為識(shí)別方法研究[D]. 王亮.哈爾濱工業(yè)大學(xué) 2011
[2]基于單個(gè)加速度傳感器的人體運(yùn)動(dòng)模式識(shí)別[D]. 薛洋.華南理工大學(xué) 2011



本文編號(hào)：3121384