作者:杨智超,李国辉,李佳韵,申嘉琪 单位:北京方略信息科技有限公司 出版:《国外电子测量技术》2019年第07期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFGWCL2019070060 DOC编号:DOCGWCL2019070069 下载格式:PDF + Word/doc 文字可复制、可编辑
《一种基于加速度传感器的摔倒检测腰带》PDF+DOC2018年第11期 彭亚平,贺乾格,柯希垚,胡瑾,吴伶锡 《基于手机传感器的握持方式判断及运动状态识别》PDF+DOC2017年第02期 黄一鸣,雷航,周瑞,桑楠 《手机加速度计的行人行进状态识别》PDF+DOC2020年第06期 刘清华,郭英,郎爱坤,冯茗扬,孙建立 《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 《ADXL345在机械设备振动监测中的应用》PDF+DOC 徐治根 《面向互动电视的手势交互系统》PDF+DOC2014年第11期 刘雪君,刘亚波,王明敏 《基于加速度传感器的步态分类研究》PDF+DOC2013年第04期 邢秀玉,刘鸿宇,黄武
  • 针对传统的运动状态识别方法不能对非跌倒运动进行具体区分的问题,提出了一种结合了分散熵和支持向量机的运动状态识别方法。首先计算加速度传感器ADXL345的三轴加速度数据的均方根作为合成加速度,然后求解合成加速度的分散熵,最后将分散熵输入支持向量机进行识别和分类。选取SisFall数据集的跌倒、走路和上/下楼3类运动状态的加速度信号,对该方法的性能进行评估。实验结果表明,该方法比排列熵方法的分类精度提高了15.5%。该方法不仅具有较高的分类精度,而且明显提高了计算效率,可以更好地识别人体的运动状态。

    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。