用于步态与设备模式分类的步态周期异步平均
信号处理
2019-07-08 v2 机器学习
摘要
提出一种利用穿戴式惯性测量单元（IMUs）所采测量计算独特步态签名的方法。该步态签名表示人体步态的一个完整周期，适用于离线与在线步态模式分类。该签名亦可用于联合分类步态模式与设备模式。设备模式标识配备 IMU 的设备被用户携带的方式。该方法基于对所测 IMU 信号的精确分割与重采样作为初始步骤，并通过最小化各步态周期内所得签名的变异性进一步调优。最后，引入步态签名的傅里叶级数展开，提供适于分类的低维特征向量。所提方法在一个包含多名受试者的大型数据集上评估，每名受试者含两种不同步态模式与四种不同设备模式。步态签名对每个步周期均实现了高分类率。
引用
@article{arxiv.1907.02329,
title = {Asynchronous Averaging of Gait Cycles for Classification of Gait and Device Modes},
author = {Parinaz Kasebzadeh and Gustaf Hendeby and Fredrik Gustafsson},
journal= {arXiv preprint arXiv:1907.02329},
year = {2019}
}
备注
Submitted to IEEE Sensors Journal