感知计算的若干关键技术研究
发布时间：2021-04-06 11:52
物联网和传感器技术的飞速发展,感知计算作为实现个性化服务和应用的基础,成为了研究人员的的重点研究领域,并被广泛应用于智能医疗、智能家居等领域,例如老年人行为监测、健康分析、意外报警等。由于个性化服务通常与用户的日常生活息息相关,尤其是用户的位置、行为活动、周围环境等上下文信息,能否及时准确获取上下文信息是决定服务质量的关键。因此,人体行为识别（Human Activity Recognition,HAR）、位置感知等关键技术得到了学术界和工业界的关注。考虑到可穿戴传感器和智能设备因其种类多样性、携带方便、高性能以及低功耗等特点,能够随时随地获取与用户紧密相关的信息,本文将对基于可穿戴设备的人体行为识别和位置感知技术进行研究。在基于可穿戴传感器的行为识别中,由于不同的传感器采集到的数据具有异构性和不确定性,且人体的行为是多样和动态的,一个良好的行为识别方法应具备有效地从异构数据中提取出高区分度的行为特征的能力。除此之外,为了提供高时效性服务,例如老年人发生意外事件报警,需要在源端处理和分析数据以降低通信量,并保证信息的实时性。因此,一个合适的行为识别方法需要满足低时延和低功耗要求。在位置...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：137 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究的背景
1.2 课题研究目的与意义
1.3 国内外研究历史与现状
1.3.1 人体行为识别的研究发展
1.3.1.1 基于图像视频的人体行为识别
1.3.1.2 基于可穿戴传感器的人体行为识别
1.3.2 室内定位技术的研究发展
1.4 本文工作与贡献
1.4.1 基于可穿戴传感器的人体行为识别
1.4.2 基于移动智能设备的室内定位方法
1.5 本论文的结构安排
第二章 相关工作
2.1 人体行为识别
2.1.1 问题描述
2.1.2 人体行为识别框架
2.1.3 系统性能指标
2.2 基于到达角度的位置估算
2.3 深度神经网络
2.3.1 卷积神经网络
2.3.1.1 局部连接
2.3.1.2 权值共享
2.3.1.3 CNN网络结构
2.3.2 循环神经网络
2.3.2.1 网络结构和训练
2.3.2.2 变型（RNN）
2.3.3 损失函数
2.4 本章小结
第三章 基于扩张操作的HAR深度学习模型
3.1 引言
3.2 相关工作
2CL模型设计"> 3.3 D2CL模型设计
3.3.1 局部特征提取
3.3.2 多尺度时间依赖建模
3.3.3 模型设计
3.3.4 模型训练
3.4 实验验证
3.4.1 实验数据集
3.4.1.1 OPPORTUNITY数据集
3.4.1.2 PAMAP2数据集
3.4.2 性能指标
3.4.3 Baselines
3.5 结果与分析
3.5.1 对比实验
3.5.2 模型效率分析
3.5.3 模型参数分析
3.5.3.1 滑动窗口长度与模型性能
2CL的有效性分析"> 3.5.3.2 D2CL的有效性分析
3.6 本章小结
第四章 基于移动智能设备的HAR深度学习模型
4.1 引言
4.2 基于时空动态关联的HAR深度学习模型
4.2.1 模型设计
4.2.2 模型目标与训练
4.2.3 模型实现
4.3 实验结果与分析
4.3.1 实验数据集及实验方法
4.3.2 性能指标
4.3.3 ABST识别精度
4.3.4 ABST效率分析
4.3.5 ABST模型参数分析
4.3.6 对比试验
4.3.7 模型在未知用户的性能分析
4.4 本章小结
第五章 一种可自我精度衡量的室内定位方法
5.1 引言
5.2 相关工作
5.2.1 室内相对方向计算
5.2.2 基于声波室内定位方法
5.2.3 基于图像定位方法
5.3 前期技术研究与试验分析
5.3.1 声波Doppler效应
5.3.2 基于Doppler效应的声波定向与位置计算
5.3.2.1 主动式声波定向方法
5.3.2.2 基于角度差的位置计算
5.4 基于声波定位实验结果的观察
5.5 可自我精度衡量的定位方法
5.5.1 声波定位实现
5.5.1.1 声波信号预处理
5.5.1.2 相对方向估算
5.5.1.3 初始位置计算
5.5.2 精度诊断
5.5.2.1 可用性判定机制
5.5.2.2 最优值查找
5.5.3 位置优化
5.6 实验结果与分析
5.6.1 实验设置
5.6.2 模型在不同实际环境中定位性能分析
5.6.2.1 场景一: 空旷的建筑大厅
5.6.2.2 场景二: 图书馆
5.6.3 参数对定位性能影响分析
5.6.3.1 不同声源数目对SITE的影响
1对SITE的影响"> 5.6.3.2 参数δ1对SITE的影响
5.6.4 实验3: 模型在定位中的计算量分析
5.7 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻博期间取得的研究成果
【参考文献】：
期刊论文
[1]室内定位方法综述[J]. 席瑞,李玉军,侯孟书. 计算机科学. 2016(04)
[2]基于三轴加速度传感器的人体运动识别[J]. 李锋,潘敬奎. 计算机研究与发展. 2016(03)
[3]体域网中一种基于压缩感知的人体动作识别方法[J]. 肖玲,李仁发,罗娟. 电子与信息学报. 2013(01)
博士论文
[1]基于判别模式学习的人体行为识别方法研究[D]. 王亮.哈尔滨工业大学 2011
[2]基于单个加速度传感器的人体运动模式识别[D]. 薛洋.华南理工大学 2011
本文编号：3121384
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：137 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究的背景
1.2 课题研究目的与意义
1.3 国内外研究历史与现状
1.3.1 人体行为识别的研究发展
1.3.1.1 基于图像视频的人体行为识别
1.3.1.2 基于可穿戴传感器的人体行为识别
1.3.2 室内定位技术的研究发展
1.4 本文工作与贡献
1.4.1 基于可穿戴传感器的人体行为识别
1.4.2 基于移动智能设备的室内定位方法
1.5 本论文的结构安排
第二章 相关工作
2.1 人体行为识别
2.1.1 问题描述
2.1.2 人体行为识别框架
2.1.3 系统性能指标
2.2 基于到达角度的位置估算
2.3 深度神经网络
2.3.1 卷积神经网络
2.3.1.1 局部连接
2.3.1.2 权值共享
2.3.1.3 CNN网络结构
2.3.2 循环神经网络
2.3.2.1 网络结构和训练
2.3.2.2 变型（RNN）
2.3.3 损失函数
2.4 本章小结
第三章 基于扩张操作的HAR深度学习模型
3.1 引言
3.2 相关工作
2CL模型设计"> 3.3 D2CL模型设计
3.3.1 局部特征提取
3.3.2 多尺度时间依赖建模
3.3.3 模型设计
3.3.4 模型训练
3.4 实验验证
3.4.1 实验数据集
3.4.1.1 OPPORTUNITY数据集
3.4.1.2 PAMAP2数据集
3.4.2 性能指标
3.4.3 Baselines
3.5 结果与分析
3.5.1 对比实验
3.5.2 模型效率分析
3.5.3 模型参数分析
3.5.3.1 滑动窗口长度与模型性能
2CL的有效性分析"> 3.5.3.2 D2CL的有效性分析
3.6 本章小结
第四章 基于移动智能设备的HAR深度学习模型
4.1 引言
4.2 基于时空动态关联的HAR深度学习模型
4.2.1 模型设计
4.2.2 模型目标与训练
4.2.3 模型实现
4.3 实验结果与分析
4.3.1 实验数据集及实验方法
4.3.2 性能指标
4.3.3 ABST识别精度
4.3.4 ABST效率分析
4.3.5 ABST模型参数分析
4.3.6 对比试验
4.3.7 模型在未知用户的性能分析
4.4 本章小结
第五章 一种可自我精度衡量的室内定位方法
5.1 引言
5.2 相关工作
5.2.1 室内相对方向计算
5.2.2 基于声波室内定位方法
5.2.3 基于图像定位方法
5.3 前期技术研究与试验分析
5.3.1 声波Doppler效应
5.3.2 基于Doppler效应的声波定向与位置计算
5.3.2.1 主动式声波定向方法
5.3.2.2 基于角度差的位置计算
5.4 基于声波定位实验结果的观察
5.5 可自我精度衡量的定位方法
5.5.1 声波定位实现
5.5.1.1 声波信号预处理
5.5.1.2 相对方向估算
5.5.1.3 初始位置计算
5.5.2 精度诊断
5.5.2.1 可用性判定机制
5.5.2.2 最优值查找
5.5.3 位置优化
5.6 实验结果与分析
5.6.1 实验设置
5.6.2 模型在不同实际环境中定位性能分析
5.6.2.1 场景一: 空旷的建筑大厅
5.6.2.2 场景二: 图书馆
5.6.3 参数对定位性能影响分析
5.6.3.1 不同声源数目对SITE的影响
1对SITE的影响"> 5.6.3.2 参数δ1对SITE的影响
5.6.4 实验3: 模型在定位中的计算量分析
5.7 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻博期间取得的研究成果
【参考文献】：
期刊论文
[1]室内定位方法综述[J]. 席瑞,李玉军,侯孟书. 计算机科学. 2016(04)
[2]基于三轴加速度传感器的人体运动识别[J]. 李锋,潘敬奎. 计算机研究与发展. 2016(03)
[3]体域网中一种基于压缩感知的人体动作识别方法[J]. 肖玲,李仁发,罗娟. 电子与信息学报. 2013(01)
博士论文
[1]基于判别模式学习的人体行为识别方法研究[D]. 王亮.哈尔滨工业大学 2011
[2]基于单个加速度传感器的人体运动模式识别[D]. 薛洋.华南理工大学 2011
本文编号：3121384
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3121384.html
