基于手机传感器的握持方式判断及运动状态识别

发布时间：2018-09-17 14:55

【摘要】：传统运动识别技术多以传感器位置固定为前提进行识别,但当传感器放置位置或握持方式发生变化时运动识别率会受到相应影响。该文提出了一种基于手机传感器的握持方式判断及运动状态识别方法,解决了传感器随放置位置不同影响运动识别率的缺点。该方法首先通过传感器对设备握持方式进行判断,使用不同握持方式下的三轴加速度数据进行特征提取,通过多层小波变换得到各层高频和低频部分,对其进行组合形成初级特征,用奇异值分解对初级特征进行降维得到最终特征,使用基于径向基核函数的多分类支持向量机(SVM)对特征分类,进而判断不同握持方式下的不同运动。实验结果表明,该方法对不同运动方式下的平均识别率为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%.
【作者单位】： 电子科技大学信息与软件工程学院;
【基金】：国家科技部基金(2012BAH44F02)
【分类号】：TP212.9

【相似文献】

相关期刊论文 前10条

1 王鑫;;道路交通事故多状态识别方法研究[J];计算机仿真;2014年02期

2 李力,赵新泽;应用统计数学方法增进机器状态识别技术[J];实用测试技术;2000年03期

3 李衡峰,夏利民,叶剑波;一种新颖的眼部状态识别方法[J];计算机工程;2005年06期

4 牛慧萍;宋凯;李莹莹;常瑜亮;苏杭;;一种新颖的眼睛状态识别方法[J];电子元器件应用;2010年01期

5 王琼;王欢;赵春霞;杨静宇;;基于眼睛状态识别的驾驶员疲劳监测[J];南京理工大学学报(自然科学版);2010年04期

6 滕红智;贾希胜;赵建民;张星辉;王正军;葛家友;;分层隐Markov模型在设备状态识别中的应用研究[J];中国机械工程;2011年18期

7 李虹;;路面状态识别技术概述[J];气象水文海洋仪器;2012年04期

8 郭克友,储江伟,王荣本;驾驶员眼部状态识别方法的研究[J];系统工程与电子技术;2003年10期

9 余丹炯;李训铭;;驾驶困倦预警系统中眼部状态识别的研究[J];河海大学常州分校学报;2007年02期

10 张雷元;袁建华;赵永进;;道路交通状态识别技术研究[J];道路交通与安全;2009年02期

相关会议论文 前9条

1 汤新蓓;郑德玲;汤峥嵘;张长红;;证据理论支持下的状态识别方法[A];1997年中国控制会议论文集[C];1997年

2 郑德玲;方巍;;基于组合逻辑与模糊逻辑的状态识别方法[A];1998年中国控制会议论文集[C];1998年

3 方剑青;李红军;雷毅平;陈德华;;声学共振谱方法用于结构状态识别的实验研究[A];2008年全国声学学术会议论文集[C];2008年

4 杨明忠;樊建春;;磨损形态分析与智能化磨损状态识别研究[A];第六届全国摩擦学学术会议论文集（上册）[C];1997年

5 赵伟;黄春琳;;生命探测技术研究[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

6 李宏坤;周帅;孙志辉;;基于Hilbert时频谱重心与支持向量机的设备状态识别[A];第八届全国动力学与控制学术会议论文集[C];2008年

7 刘伟;郭钟宁;张永俊;何建文;;面向IGBT主动驱动并联仿真研究[A];第11届粤港机械电子工程技术与应用研讨会论文汇编[C];2010年

8 周颖;郑德玲;裘之亮;位耀光;;一种新的免疫识别算法及其收敛性研究[A];第二十三届中国控制会议论文集（下册）[C];2004年

9 陈锴;徐柏龄;;基于最佳维纳解的双通道话者状态识别方法[A];中国声学学会2006年全国声学学术会议论文集[C];2006年

相关博士学位论文 前4条

1 李楠;基于单类学习的异常检测方法及其重型装备状态识别应用[D];上海交通大学;2014年

2 李娜;基于人体运动状态识别的可穿戴健康监测系统研究[D];北京工业大学;2013年

3 李虹;基于机器视觉路面状态识别关键技术研究[D];吉林大学;2009年

4 王金伟;基于表情时空特征的认知情感状态识别研究[D];天津大学;2014年

相关硕士学位论文 前10条

1 游雄雄;矿冶典型零部件退化状态识别与剩余寿命预测及可再制造性评估[D];江西理工大学;2015年

2 林助军;非稳态条件下摩擦信号处理和状态识别技术研究[D];大连海事大学;2015年

3 叶卿;信号控制交叉口交通拥堵状态识别方法研究[D];华南理工大学;2015年

4 张鑓;人体运动状态感知机理及传感数据分析研究[D];北京工业大学;2015年

5 邵剑雄;基于霍夫森林的变电站开关设备检测及状态识别[D];浙江大学;2016年

6 刘雨;基于SVM的直升机飞行状态识别方法及其应用研究[D];南昌航空大学;2016年

7 冯青平;基于云计算的交通流预测与状态识别关键技术研究[D];江苏大学;2016年

8 鲍阚;智能车辆近场物体探测及其状态识别方法研究[D];吉林大学;2016年

9 王宁;基于多信息融合的疲劳状态识别研究[D];山东大学;2016年

10 赵正川;基于高速视频的目标状态识别技术研究[D];西安工业大学;2016年

，

本文编号：2246266