作者:黄一鸣,雷航,周瑞,桑楠 单位:电子科技大学 出版:《电子科技大学学报》2017年第02期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFDKDX2017020140 DOC编号:DOCDKDX2017020149 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于加速度传感器的实时人体状态识别算法》PDF+DOC2013年第05期 宋玲玲,李鹏,王瑞凤 《基于三轴加速度传感器的人体动作识别研究》PDF+DOC2015年第11期 罗初发 《基于SVM和阈值分析法的摔倒检测系统》PDF+DOC2017年第07期 陈玮,周晴,曹桂涛 《基于手机传感器的交通状态识别研究》PDF+DOC2019年第04期 杨津达,曹永春,林强,满正行,刘新帅 《基于K邻近算法的转向架构架状态识别研究》PDF+DOC2019年第08期 邱英,冯春雨,谢锋云,刘昆,杨静,王二化 《基于分散熵和支持向量机的运动状态识别》PDF+DOC2019年第07期 杨智超,李国辉,李佳韵,申嘉琪 《基于三轴加速度信号的实时人体状态识别算法》PDF+DOC2012年第11期 李娜,侯义斌,黄樟钦,韩广利,张会兵 《基于SVM的ECG传感器信号身份识别方法》PDF+DOC2014年第10期 陈曦,陈冠雄,沈海斌 《基于支持向量机的跌倒检测方法研究》PDF+DOC2014年第09期 梁维杰,张应红,景晖,黄博,郑骥 《基于LabVIEW的船用电机故障检测系统的研究》PDF+DOC 吴苏
  • 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%。

    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。