论文部分内容阅读
随着现代社会的发展进步和人们生活方式的转变。老龄化和年轻人久坐不动越来越成为焦点问题。常年卧床的老人,办公室里面对电脑的白领都在被一些慢性病困扰。但是由于快节奏的生活和医疗资源的匮乏,慢性病和一些间歇性发作的疾病往往被忽略。一种能够随身携带的,体积小巧的,不对运动带来负担的小型医疗检测和记录设备应运而生。无线体域网(WBAN,Wireless Body Area Network)作为无线传感器网络(WSN,Wireless Sensor Networks)在医疗方面的应用日益成为研究的热门领域。不仅在医疗检测设备方面有重要的应用,同时在娱乐,军事,身份认证和航空航天领域都有广泛的应用价值。但是这样一个具有应用价值的技术领域,仍然存在一系列技术难题并未攻克。特别是由于WBAN的载体是高动态性的人体,复杂多变的人体姿态使WBAN的通信变得复杂。所以研究使用于无线体域网的人体姿态识别算法和相应的人体姿态信号采集系统具有重要的理论价值和实际应用价值。本人所做工作主要概括为以下三方面:第一,组建人体姿态识别实验系统,建立验证人体姿态识别算法的数据集。提取WBAN中人体姿态信号特点,比较并选择适合WBAN中人体姿态识别问题的数据预处理方法、矩阵降维方法、姿态识别方法。通过对人体姿态信号特点的学习,提取并选择姿态信号的特征序列。研究微机电系统(MEMS,Micro-electro-mechanical Systems)传感器的工作方式与信号采集方式,选择合适的传感器类型组建人体姿态识别实验采集系统。并针对不同年龄和身材的实验者,进行实验并记录数据,建立验证人体姿态识别算法的姿态数据库。第二,提出一种基于无线体域网的人体姿态多级分层识别算法。该算法对姿态信号进行预处理,滤出异常值并抽样之后,提取并选择姿态信号具有姿态标识的特征信号,仅用三层判定条件准确将5种姿态信号进行识别。并通过设定参数提高识别率的过程,发现阈值设定规则和识别率的关系。第三,提出一种基于BP(back propagation)神经网络的人体姿态多级分层识别算法。在分析并总结基于无线体域网的人体姿态多级分层识别算法的不足过程中,发现算法需要人为进行提取和选择姿态信号的特征序列,所以设计一种有效减少人为工作的算法。BP神经网络作为人体姿态信号的分类器,在提高姿态识别率的同时,提高了网络的鲁棒性。通过仿真实验,讨论并总结了网络中参数和网络结构与姿态识别率的关系。本文主要工作为解决WBAN的人体姿态识别问题提供了新的方法。提出将BP神经网络应用至无线体域网中的人体姿态识别问题中,行之有效的提高姿态识别率,并且增加人体姿态识别算法的鲁棒性。上述两种算法为无线体域网的后续研究奠定了基础。