| 改进的集合经验模态分解在人体行为识别中的应用 |
| |
| 引用本文： | 王华华,黄龙,周远文.改进的集合经验模态分解在人体行为识别中的应用[J].重庆邮电大学学报(自然科学版),2018,30(5):711-717. |
| |
| 作者姓名： | 王华华 黄龙 周远文 |
| |
| 作者单位： | 重庆邮电大学 重庆市移动通信技术重点实验室,重庆 400065,重庆邮电大学 重庆市移动通信技术重点实验室,重庆 400065,重庆邮电大学 重庆市移动通信技术重点实验室,重庆 400065 |
| |
| 基金项目： | 重庆市科委基础与前沿项目(cstc2016jcyjA0209);重庆市教委技术研究项目(KJ1500628) |
| |
| 摘 要： | 针对在基于惯性传感器人体行为识别的研究中，集合经验模态分解(ensemble empirical mode decomposition,EEMD)无法自适应地筛选出对不同分类行为更有用的固有模态函数的问题，特别是对步行、上楼、下楼3种易混淆行为的识别，提出一种改进的自适应集合经验模态分解特征提取方法，通过对不同分类行为筛选不同固有模态函数并提取窗口均值差异等新颖特征，有望在不同的分辨率下得到更准确、更有效的原信号特征信息。为了验证该方法的有效性，实验分别用典型时域频域特征与该方法提取的特征集训练K近邻(K-nearest neighbor,KNN)与支持向量机(support vector machine,SVM)分类器，并采用留一法(leave-one-out,LOO)交叉验证算法进行测试。结果表明，当分别采用KNN和SVM进行分类时，相比于原方法，改进的方法对步行、上楼和下楼3种行为的平均识别准确率分别提高了29.22%(KNN)和15.79%(SVM)，对分类的7种不同行为的总平均识别准确率分别提高了95.11%(KNN)与93.14%(SVM)。
|
| 关 键 词： | 人体行为识别 集合经验模态分解 窗口均值差异 固有模态函数 |
| 收稿时间： | 2017/4/10 0:00:00 |
| 修稿时间： | 2018/9/21 0:00:00 |
Application of improved ensemble empirical mode decomposition in human activity recognition |
| |
| WANG Huahu,HUANG Long and ZHOU Yuanwen.Application of improved ensemble empirical mode decomposition in human activity recognition[J].Journal of Chongqing University of Posts and Telecommunications,2018,30(5):711-717. |
| |
| Authors: | WANG Huahu HUANG Long and ZHOU Yuanwen |
| |
| Institution: | Chongqing University of Posts and Telecommunications, Key Laboratory of Mobile Communication Technology of Chongqing Chongqing 400065, P.R. China,Chongqing University of Posts and Telecommunications, Key Laboratory of Mobile Communication Technology of Chongqing Chongqing 400065, P.R. China and Chongqing University of Posts and Telecommunications, Key Laboratory of Mobile Communication Technology of Chongqing Chongqing 400065, P.R. China |
| |
| Abstract: | |
| |
| Keywords: | human activity recognition improved ensemble empirical mode decomposition windowed mean difference intrinsic mode function |
|
| 点击此处可从《重庆邮电大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆邮电大学学报(自然科学版)》下载免费的PDF全文 |
