基于信道状态信息的跌倒检测算法研究

发布时间：2021-01-13 03:10

　　由于全球老龄化的加重,近年来关于老年人跌倒的问题逐渐引起学术界的关注。老年人跌倒发生率高,而且后果比较严重,威胁着老年人的身心健康。老人的跌倒可以通过一定的手段来预防,高效且适用的跌倒检测算法可以很大程度上减轻由跌倒引起的危害。尽管目前有一些基于传感器,可穿戴设备和摄像头进行跌倒检测的方法,但它们都有一定的局限性。Wi-Fi信号由于成本低廉、在黑暗的条件下也可以使用、容易大规模部署等特点在跌倒检测领域也有着广泛的应用。无线信道状态信息作为Wi-Fi细粒度的载体,能为跌倒检测应用提供更丰富的数据源。本文调研了多种跌倒检测技术,之后探究了深度学习方法在离线数据集上进行跌倒检测应用的可能性,并设计开发了在线的跌倒检测系统。首先,本文在离线的CSI数据集上用多种深度学习的算法进行跌倒检测的分析。实验结果表明相对于卷积神经网络,循环神经网络能更好的捕捉到CSI的特征从而得到更好的检测效果。在两种RNN中,GRU与LSTM对比能得到更好的收敛性,两者都在WAR数据集上能得到93%左右的预测准确度。其次,本文设计并开发了在线的跌倒检测系统On-Fall,使用者不需要携带任何设备就能够检测到跌倒动作。... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图4-7两种实验场景


本文编号：2974089