《基于MEMS惯性传感器时域特征的人体行为识别》PDF+DOC
作者:谢国亚,刘宇,路永乐,邸克,郭俊启,余跃
单位:中国电子科技集团公司第二十六研究所
出版:《压电与声光》2019年第02期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFYDSG2019020160
DOC编号:DOCYDSG2019020169
下载格式:PDF + Word/doc 文字可复制、可编辑
《高过载姿态测量中MEMS陀螺失效模式与研究进展》PDF+DOC2020年第03期 青泽,牟东,廉璞,李东杰
《MEMS惯性传感器在汽车中的应用》PDF+DOC2005年第24期 Analog Devices,Harvey Weinberg
《垂直分工体系令MEMS封装加速迈向标准化》PDF+DOC2013年第08期 Eric Mounier
《基于MEMS加速度计和陀螺仪的姿态检测系统》PDF+DOC2012年第03期 赵翔,杜普选,李虎,杨浩淼
《移动终端市场的繁荣为MEMS带来福音》PDF+DOC2012年第03期 蔡君
《一种基于压力传感器的人体运动识别方法研究》PDF+DOC2010年第06期 石欣,熊庆宇,雷璐宁
《微机电系统(MEMS)封装技术及产品》PDF+DOC2009年第04期
《MEMS惯性技术的发展及应用》PDF+DOC2015年第01期 齐广峰,吕军锋
《卡尔曼滤波在MEMS惯性姿态测量中的应用》PDF+DOC2015年第01期 张彤,孙玉国
《一种基于MEMS惯性传感器的手势识别方法》PDF+DOC2013年第05期 肖茜,杨平,徐立波
提出了一种基于微机电系统(MEMS)惯性传感器组合系统的高精度实时人体行为识别算法。算法选取一个2 s的滑动时间窗作为特征提取窗口,提取惯性传感器组合系统输出的时域特征作为特征参量,采用基于平衡决策树的支持向量机对人体不同行为模式进行分类识别。在实验室自主研发的可穿戴智能终端平台上进行测试,结果表明,在识别时间缩短到2 s/次的条件下,对5种行走类行为模式和5种非行走类行为模式的识别率均可达88%。与现有算法相比,该算法的实时性和精度得到明显提高,且拓展了模式识别的种类。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。