4、基于可穿戴传感器网络的人体活动识别方法及应用

基于可穿戴传感器网络的人体活动识别方法及应用

1. 人体活动识别方法概述

人体活动识别过程包含数据收集、预处理、特征提取与选择、识别以及决策等步骤。以下将详细介绍各步骤的具体内容。

1.1 数据处理与模型评估

在预处理阶段，选择合适的窗口对原始数据进行有效分割至关重要。这里选择了 4 秒的窗口大小，且相邻窗口有 50%的重叠，以确保数据的完整性。

1.2 特征提取

为识别有氧运动，该方法分别从时域和频域选择不同特征。时域特征包括均值、标准差、峰度和相关系数等；频域特征主要关注能量和谱熵。谱熵的计算公式如下：
[
Entropy = - \sum_{i = 1}^{\omega} \frac{x_i}{\sum_{i = 1}^{\omega} x_i} \log \left( \frac{x_i}{\sum_{i = 1}^{\omega} x_i} \right)
]
其中，$x_i$ 是离散快速傅里叶变换（FFT）分量，$\omega$ 是窗口大小。整个特征空间的维度为 180。

1.3 特征选择

引入了一种名为 RLDA（稳健线性判别分析）的特征选择方法。它是对线性判别分析（LDA）的改进，解决了在估计类内散度矩阵 $S_{\omega}$ 或 LDA 中特征值倒数时误差增加和判别分析失真的问题。具体步骤如下：
1. 利用正交矩阵 $V$ 将 $S_{\omega}$ 分解为 $VDV^T$，其中 $D$ 是对角矩阵，特征值为 $\lambda_1 \geq \lambda_2 \geq \cdots \geq \lambda_n$。