13、高效传感与分类以延长电池续航

高效传感与分类以延长电池续航

1. 问题提出

在满足能量和内存约束的前提下，我们致力于研究在保持分类误差上限的同时，最小化能量消耗并满足内存需求的方法。下面是正式定义的优化问题：
- 目标函数：$\underset{x_t \in \mathcal{D}}{\sum} f \times (Sense(x_t) + Compute(x_t))$
- 约束条件：
- $\underset{x_t \in \mathcal{D}}{\sum} (y_t - f(x_t)) \leq \epsilon$
- $M \leq k$

这个优化问题旨在在满足分类误差上限（如上述第二个约束条件所示）和内存约束（第三个约束条件）的情况下，最小化传感和计算所消耗的能量。这使我们能够设定所需的分类精度和内存大小阈值，并在传感器节点上对身体活动进行分类时最小化能量消耗。

2. 方法概述

人类活动识别是一个多类分类问题，需要对人类步态有全面的了解才能识别感兴趣的活动。然而，增加类别和传感器节点的数量会增加这些系统的计算复杂度。设计一个单一的多类分类器模型来区分一个类别与其他多个类别具有挑战性，并且在功率和内存要求方面可能无法得到高效的分类器。

因此，我们采用分治法，将问题分解为多个层次分类器，这样可以在不损失分类精度的情况下节省能量和计算资源。我们提出的概率级联分类器具有传感效率高、结构个性化和特征计算效率高的特点。我们使用两个数据集来评估该分类器的性能：
- “日常和体育活动”数据集，包含8名受试者进行的19种活动。
- “PAMAP2身体活动监测”数据集，包含9名受试者进行的12种活动。