动作传感器AMI602在步态特征提取中的应用

针对步态特征提取系统中采用模拟输出的传感器时,易受外界干扰,需外接RC滤波电路、A/D转换器、外接数据存储器,采集的数据量有限的缺陷,提出了一种基于数字输出的AMI602动作传感器的步态特征提取系统。实验中,AMI602输出的加速度数据通过CC1110微处理器进行无线发送和接收。接收到的数据通过串口发送到PC机上进行处理。通过分析人体步态信号中三轴向的加速度波形和俯仰角及倾斜角的变化来提取步态特征。经测试表明:该系统能够清晰地反映人体步态时的特征信号,且抗干扰性强,精确度高,易操作,灵活性强。     

人体6 自由度运动参数无线测试系统BTViewer 的设计与开发

为解决测试人体在三维空间中的关节运动参数,自主设计了人体六自由度运动参 数测试系统BTViewer。基于惯性传感器跟踪技术,设计了整体的系统平台工作流程,同时完成 了相关算法。为降低误差、减少漂移现象,本实验采用集成的三轴加速度计、三轴磁力计的模 块LSM303DLH 以及三轴陀螺仪动态采集样本数据,通过无线装置传输到电脑,有效合理地对 采集到的数据进行预处理,将原始数据互补滤波之后解析成实际数据,准确地得到人体六自由 度运动参数。最后,运用Qt 集成的OpenGL 等模块进行曲线、三维等可视化显示。实验表明, 该系统的设计达到了预期的要求,能够较好地跟踪人体6 自由度运动参数。     

一种便携式多生理参数采集系统的设计

一种便携式多生理参数采集系统可以实现对人体生理参数低生理、心理负荷及无创的采集,该系统实现了对人体呼吸、指脉、动作、皮电、血压、心电等六个体征参数的采集;同时,该系统利用串口转USB传输可以实现采集到的人体生理参数与PC间的相互传输,测量结果和分析报告可以在PC 机进行实时显示和存储或者可以通过Internet向远程医疗服务中心进行数据的上传、备份、分析与反馈;所以,便携式多生理参数采集系统可以实现对人体生理参数实时、连续的采集与监测。     

基于步态检测算法的辅助行走系统设计

为了保证盲人和视障患者安全方便出行和减少误报警,设计一种基于步态检测算法的辅助行走系统。信号处理算法上利用小波包对信号进行降噪,提取三轴加速度的均值、标准差、方差与小波能量谱,并结合足底压力信息组成多维参数作为步态特征,选取基于遗传算法优化支持向量机进行步态识别。硬件部分主要包括三轴加速度信号和足底压力信号采集硬件设计。软件部分主要包括对足底压力信号和三轴加速度信号的采集和处理以及一款能够自动拨号安卓手机APP。实验结果表明,该系统基于多传感器融合的步态检测技术,步态检测识别率平均达90.48%。该系统便携性好、功耗低、测障效果好,在辅助行走领域具有一定的研究意义和实用价值。     

LPC1227的智能无线体感鼠标设计

系统采用LPC1227处理器对陀螺仪、加速度计的六轴数据进行实时采集,将采集到的数据通过FIFO滤波器进行低通滤波,然后利用三轴扩展卡尔曼滤波算法对六轴的数据噪声进行滤波和实时估计,并且利用四元数的解算得到人体手部的最优姿态.最后通过无线的方式发送到接收端,再通过USB协议发送到电脑端,使光标随着人手部的移动而移动,从而电脑执行相应的操作.     

基于SVM的偏瘫患者异常步态识别与临床康复辅助诊断系统

针对脑卒中偏瘫患者的异常步态识别与评估的问题，提出一种基于支持向量机(SVM)的步态分类方法，依据患者下肢行走过程中的连续运动数据对异常步态的细节特征描述，对偏瘫步态进行细分，辅助临床医师对脑卒中患者肢体运动功能异常进行诊断及康复疗效评定。构建穿戴式步态时空参数检测及虚拟现实康复训练系统，提出基于下肢关节角度信息的特征提取方法，建立运动信号与偏瘫步态间的映射关系。基于偏瘫患者在康复治疗中的临床实时步态时空数据，通过对比多种机器学习方法，采用多项式核函数的支持向量机的决策融合模型获得了90%异常步态识别平均准确率，在区分正常与异常步态的基础上，进一步验证了对划圈步态和膝过伸步态的正确诊断。     

基于拓扑非线性动态建模的神经退行性疾病异常步态识别

通过对步态节律变化的观察,可以实现对人体复杂系统的观测,在行走过程中,步幅间隔时间序列的动态特性,能有效反映人体系统的状态变化,可用于步态异常检测及相关疾病辨识。人体步态传感信息的时间序列相空间重建,是一种有效表征系统非线性动力学特性的建模方法。相空间的几何建模和统计分析,是异常步态识别典型的分析方法,被广泛应用于神经退行性疾病检测等临床研究中。该文从空间拓扑特性分析的角度出发,提出一种基于拓扑非线性动态建模的分析方法,用于神经退行性疾病的异常步态识别。该文首先采用延时嵌入的相空间重构方法,将步态的波动时间序列转化为抽象相空间的状态点云;其次,采用基于计算拓扑中的持续同调工具,提取状态点云所在空间的拓扑描述信息;再次,采用基于拓扑描述的持续态势图,构建时间序列的拓扑非线性动态特征;最后,融合步态周期中左右足的步幅间隔、站立间隔、摆动间隔时间序列的拓扑非线性动态特征,作为分类器输入,构建出异常步态的机器学习识别模型。对患有肌硬化症、亨廷顿病和帕金森病的神经退行性疾病患者,进行 5 min 异常步态的连续行走数据(50 步滑动窗数据)测试,步态识别的准确率分别为 0.875 0(0.914 6)、0.940 6(0.962 3) 和 0.958 3(0.961 4)。因此,拓扑非线性动态建模分析是一种有效的神经退行性疾病异常步态检测方法,为基于步态分析的神经退行性疾病检测和可穿戴数据分析提供了一种新的思路。     

用电信息采集系统电能计量数据异常原因分析

用电信息采集系统每天都需要采集大量的数据,采集系统通过数据自动分析能力保证数据的正确性。本文介绍了用户用电信息采集系统的概念和存在的问题即数据处理问题,通过对电能计量装置的异常分析数据的异常,对电能计量数据异常的特征进行了有关分析。     

基于手机加速度传感器的人体步态识别研究

使用福坦莫大学无线数据挖掘实验室(WISDM)利用手机采集的人体步态数据集,以支持向量机(SVM)、K最近邻(KNN)和随机森林算法实现对人体步态的识别.对加速度的时间序列进行分窗和均值平滑处理.以2s作为窗口大小,提取三轴加速数据的均值、方差和协方差作为样本特征.采用以上算法对样本的六种类别(步行、慢跑、上楼梯、下楼...     

基于BlazePose和随机森林算法的异常步态检测

异常步态对行动能力产生严重影响,因此,及时、自动地检测异常步态具有至关重要的意义。本文提出了一种基于BlazePose和随机森林算法的人体异常步态检测方法。先利用BlazePose算法提取RGB视频中的人体骨骼关键点,然后通过数据处理获取7个关键的步态特征参数。最后采用随机森林算法作为步态分类器,用于区分正常步态与异常步态。利用142例异常步态数据和257例正常步态数据对分类器进行训练和测试评估,实验结果显示准确率和召回率分别达到97.5%和90%,表明该方法在异常步态检测方面具备一定的可行性和实用价值。     

通信网络中性能告警产生方式的研究与实现

在通信网络的管理中使用到很多数据,直接从网络上采集的有告警、性能、资源等数据种类。性能数据反映了网络运行的状况,通过性能数据与某些基准值进行比较可以反映出网络在运行过程中是否发生质量的劣化、隐含故障等情况,这种反映网络异常的信息就是性能告警。通过对性能数据的分析、判断,及时、准确地产生性能告警,对及时发现通信网络质量问题具有重要意义。     

基于精准灌溉的农业物联网应用研究

采用物联网监控农田环境可以为精准灌溉系统提供决策支持.设计了一个轻量级的物联网系统,以传感器网络采集农田的温湿度和光照强度等参数,使用基于服务的数据共享方式将传感器网络接入因特网,使用户可以直接获取农田参数.系统可以对采集到的数据进行滤波、插值,去除明显有误的数据,并使传感器数据可以用于直接描述农田参数.最终系统被部署在北京和新疆,通过采集的数据可以分析农田各参数之间的关系,优化灌溉策略.     

基于ZigBee的心率检测系统设计

针对传统的心率检测方法在临床监护应用中存在的问题,开发了一种基于ZigBee的心率实时监测系统。该系统设计过程中采用心率传感器模块对病人的心率信息进行采集;采用Arduino UNO作为主控制器,对采集的脉搏波信号进行处理并计算出心率;同时判断数据是否异常并通过ZigBee无线通信模块将采集的数据上传至上位机软件平台。结果表明,上位机平台可以对数据进行接收、显示和存储,供医护人员后续对病人心率状况进行查询;搭建的监测系统可以实时观察监护情况,传输信号稳定可靠,进一步提高了医院的工作效率。     

STM32+FPGA的导常振动信号采集存储系统

针对工厂重要设备运输途中可能损坏的情况,本文设计了一套采用STM32F103+FPGA框架的无线传输的振动信号采集存储系统,可以用于重要设备运输过程中异常振动的实时监测.首先将系统刚性连接在被运输设备上,通过三轴振动传感器获得振动数据,FPGA对数据进行采集、存储,STM32通过无线模块将数据发送至相应的上位机中、进行...     

步态加速度信号的无线采集系统设计

为实现步态加速度信号的无线采集,提出一种基于内嵌8051的无线收发芯片CC1010的有效方法.简要介绍步态加速度信号无线采集系统的工作原理,详细说明该系统的软硬件设计与实现.系统采用路由和重传机制,以确保数据的可靠传输.利用本采集系统成功建立一个36人的步态加速度数据库,可供不同领域的步态研究者进行分析.     

分时复用三轴陀螺相位差估计算法研究

动态条件下分时复用三轴光纤陀螺相位差导致工作轴精度降低,目前尚无较好的解决办法.由分时复用陀螺模型参数推导出系统输入输出的差分方程,进行幅频和相频仿真,得到相位差幅值大小直接影响系统的精度.为此首次提出了基于数据趋势估计的m点迭代相位差估计算法,重点分析了基于数据趋势的估计算法普遍存在的锁死机理,提出了基于调整跳转系数和引入遗忘因子的解决办法,并加入判断准则以抵抗异常值的影响.讨论了算法的收敛速度及其在实际中应用的问题.通过仿真实验验证了算法的可行性和正确性.从实验数据中可以反映出在动态条件下,该算法可以使得分时复用陀螺单轴精度提高1.3倍以上.     

前交叉韧带断裂后足底压力特征的聚类分析

运动过程中,人体的步态特征可以在足底压力图像上有准确的记录,而这也就可以成为判断步态正常与否的一条有效依据.通过一组压力传感器阵列获取人体运动过程的足底压力分布数据,提取步态的运动学和动力学特性.在此基础上,采用极限学习机（Extreme learning machines,ELM）神经网络聚类算法对足底压力数据进行分析,完成正常与异常步态的分类辨识工作.本文从实际临床数据出发,对前交叉韧带断裂患者进行步态分析,并据医生的临床诊断结果进行校验.该方法在步态分析上取得了较为良好的效果,仿真结果表明了其有效性.     

基于分布式网络的监控系统

设计了一个基于分布式网络的监控系统.该系统利用网络摄像头采集视频数据,压缩后传送到远程的PC主机,主机对图像帧进行分析,进行人脸识别和步态识别,检测出异常人体,控制摄像头云台进行监视.整个系统使用实时传输协议和实时控制协议,利用网络实现了分布式的视频采集和集中处理,为远程视频监控提供了高效可行性且价格低廉的解决方案,并且具有较强的实时性和可交互性.     

基于Kinect系统的步态参数提取方法

基于步态参数的定义,研究并提出了使用微软最新一代Azure Kinect无标记运动捕获系统（以下简称Kinect系统）采集并提取步态参数的方法,同时在数据处理中分别采用自适应滤波、指数滤波、卡尔曼滤波及无滤波条件,以提高步态参数计算结果的准确性与可靠性。为了评价本文计算方法的准确性与滤波效果,将提取的步态参数结果与同步实验的Qualisys标记式运动捕获系统（瑞典Qualisys公司,简称Q标记法）的结果进行统计学对比分析,并据此对不同滤波方法进行评价。结果显示,总体而言Kinect系统与Q标记法的结果一致性较高,结果均落在95%一致性界限内,并且在有滤波条件下的准确度要高于无滤波条件,且卡尔曼滤波的效果最好;在单个步态参数方面,步速的结果在所有滤波条件下均有较大差异性,无法应用;对于其他参数,本文方法表现了较高的准确性与一致性,并且应用卡尔曼滤波后的一致性与可靠性都有所提高。应用本文方法并使用卡尔曼滤波进行平滑处理后,Kinect系统可以较为准确地计算健康人的步态参数,并在某些情况下代替标记法设备。     

基于手机与无线网络的远程医疗监护系统设计

设计了一种医疗远程监护系统。该系统利用手机作为传感器网络的中心节点,与布置在人体上的传感器节点组成体域无线传感器网络,来实现病人生理参数数据的采集。同时,手机又作为连接远程无线网络的网关,以及病人获得信息的人机接口。利用该系统,病人可以了解自己病情和接收医疗指导信息,医疗机构可以对病人进行远程监护和紧急救助,病人家属可以对病人的病情状态进行查询。系统可针对不同病情的病人灵活地配置传感器、使用方便,适合在医院外对慢性病人的医疗远程监护中使用,具有广阔的应用前景。