论文摘要
基于传感器的上肢动作识别技术,研究的热点主要在于传感器的种类、数量,特征值的选择以及分类算法的设计上,这些因素决定了识别效果的优劣。针对这些问题,提出一种基于多个惯性传感器和深度学习的上肢动作识别方法。使用惯性传感器模块采集上肢动作时手腕和肘部的加速度、角速度数据,在预处理后提取如均值、最大(小)值、频率等9种特征值,然后采用主成分分析法对特征集进行降维处理,在减小计算量的同时使其具有更好的鲁棒性,最后使用深度信念网络训练数据,对6种上肢动作进行分类。实验结果表明,该方法可完成多种上肢动作的识别,以最少的传感器数量完整的描述了复杂的上肢动作,而深度信念网络相较于传统的支持向量机、人工神经网络等算法,有着更高的识别精度。
论文目录
文章来源
类型: 期刊论文
作者: 段晨,廖福元
关键词: 上肢动作识别,惯性传感器,主成分分析法,深度信念网络
来源: 国外电子测量技术 2019年11期
年度: 2019
分类: 信息科技
专业: 自动化技术
单位: 西安工业大学电子信息工程学院
基金: 陕西省教育厅专项科研计划（TJK0368）,西安工业大学大学生创新创业训练计划（1070214064）项目资助
分类号: TP212;TP18
DOI: 10.19652/j.cnki.femt.1901608
页码: 57-61
总页数: 5
文件大小: 257K
下载量: 173