基于RBF神经网络的跌倒检测算法研究

针对现有跌倒检测方法动作识别效率低、适应性差等问题,提出基于RBF神经网络的跌倒检测方法,通过径向基函数(RBF)判别人体是否处于跌倒状态。分析了人体跌倒和其他日常行为运动特征,对人体的日常行为动作进行分类。利用惯性传感器采集人体运动加速度和角速度,以加速度和角速度组合为运动特征向量,采用RBF神经网络进行训练,构建RBF函数分类器,对人体动作行为进行判别,从而识别人体跌倒状态。实验将人体运动行为分为正常行走、跑步、上下楼梯、前向跌倒、侧向跌倒5类,训练样本采用1 500例,测试样本500例,其中每类动作各包含100例测试样本。结果表明,当RBF模型隐含层数为350时,5类动作的准确率均可达到80%以上,且跌倒检测平均准确率为96%。因此基于RBF神经网络分类的跌倒检测算法能够准确地检测人体跌倒行为。     

浅谈波音737NG系列飞机升降舵调整片的工作原理及故障案例分析

升降舵调整片的功用是协助飞行员操纵升降舵，减少飞行员操纵升降舵所需的操纵力，起到气动补偿的作用。     

基于多传感器零速修正的行人导航系统研究

针对行人导航定位系统中惯性导航解算误差累积问题,提出基于多传感器零速修正的行人三维导航定位方法。根据行人足部运动特征,采用支持向量机决策方法对行人运动和静止阶段进行检测分类。在静止阶段,根据多传感器测量数据对导航解算速度、角速度、方向和高度进行误差修正,采用卡尔曼滤波递推方法进行数据融合和滤波估计,实现对方向、位置和速度的跟踪。行人行走实验表明,设计的行人导航定位系统能够有效地跟踪行人行走轨迹,水平方向各楼层平均误差为1. 82%,高度方向平均误差为2. 53%。