机器学习辅助IMU人体跌倒状态识别

针对单一传感器在人体运动状态监测中误差较大的问题,本文采用了高精度的陀螺加速度计 MPU6050模块.该模块使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,提高测量精度.采用机器学习的方法对样本数据进行分析,获得分类阈值.当人体由静止到跑步或由站立到坐下等状态转移时,加速度也会突然增大,有可能达到跌倒时的阈值.当采集的加速度信息的特征值大于阈值时,通过分析其产生峰值时的加速度值和该时刻及之后的角度变化,来确定是否发生跌倒事件.     

液压支架姿态角度测量系统

针对采用单一角度传感器实现综采工作面液压支架姿态角度监测时测量结果不准确的问题,提出了一种基于倾角传感器和陀螺仪的液压支架姿态角度测量系统。该系统采用SVT626T型倾角传感器和ML7100型三轴陀螺仪测量倾角和轴向偏转角度,并以俯仰角为例,用卡尔曼滤波对2种传感器测量的角度进行数据融合。Matlab仿真及实验结果表明,该系统有效解决了倾角传感器因顶梁变加速运动导致的测量误差和陀螺仪因长时间测量导致的漂移和误差累积问题,提高了顶梁姿态角度测量精度。     

基于Kalman滤波算法的陀螺仪动态漂移补偿研究

应用MEMS陀螺仪测量人体手臂运动姿态时,针对陀螺仪受线加速度干扰导致测量姿态发散的问题,提出基于Kalman滤波算法的姿态误差补偿方法;该方法首先将陀螺仪采集到的角速度通过方向余弦算法解算得到姿态角,并将陀螺仪动态漂移造成的姿态角误差视为时变信号,通过建立姿态角漂移误差的状态方程及观测方程,应用卡尔曼滤波算法,实现对姿态角漂移误差的估计,最终达到对陀螺仪动态漂移误差的补偿;实验与仿真结果表明,应用该算法能够有效的抑制线加速度干扰导致的陀螺仪测量的姿态发散,适用于陀螺仪对人体手臂运动姿态的测量。     

一种面向机动的低成本姿态测量系统

载体作机动运动时,基于加速度计和磁传感器的姿态测量系统易受载体运动加速度的影响而导致测量精度降低.通过将GPS加速度引入重力观测方程,有效补偿了载体运动加速度造成的姿态测量误差.利用基于重力场和地磁场矢量观测的迭代最小二乘姿态确定算法得到修正罗德里格姿态参数.姿态信息通过互补滤波器与陀螺仪测量值融合以提高动态响应.实验结果表明,该低成本姿态测量系统可明显提高机动环境下的姿态测量精度,姿态角测量误差小于3°.     

基于加权时变卡尔曼滤波的惯性测量单元设计

针对加速度计和陀螺仪数据融合姿态测量方法在载体运动加速度较大时得到的角度误差逐渐增大的现象,提出一种基于加权时变的卡尔曼滤波算法。利用衡量运动加速度相对大小的权重参考概念,设置加速度计测量角度在观测量中所占的比重,使系统能够根据实际情况改变对加速度数据的参考程度。基于Arduino平台,选用MPU6050惯性测量传感器进行实时测量数据获取姿态信息的实验研究,实验结果表明,改进后的算法可以有效减小由于系统运动加速度导致的测量误差,获得更准确的姿态角数据。     

基于时序分析的人体运动模式的识别及应用

为了满足对老年人活动能力的检测需求,提出一种基于人体动作状态序列时序分析的运动模式识别方法。利用加速度传感器采集人体腰部的运动信息,通过滑动窗口对加速度数据进行自动检测、去噪和特征提取,构造隐马尔科夫模型实现人体日常活动序列的训练和识别。实验结果证明该方法可以有效区分不同的日常活动行为,能在辅助医疗中发挥重要作用。     

基于特征融合的步态识别算法

步态运动中包含人体形状信息和运动信息,目前步态识别算法多数基于单一信息,不能取得满意的识别结果。利用特征融合的思想,提出一种融合人体轮廓特征和下肢角度特征的步态识别算法。采用傅立叶描述子描述人体轮廓特征;区别于基于模型的运动特征提取方法,依据人体解剖学的知识获取下肢角度,计算代价较小;采用加权融合规则实现两类特征的融合。仿真结果表明,本算法的性能较基于单个特征的算法有明显的提高。     

基于Kalman滤波算法的姿态传感器信号融合技术研究

针对应用三轴陀螺仪和三轴加速度传感器的四旋翼飞行器姿态角测量问题,提出了基于Kalman滤波算法的姿态传感器信号融合方法。该方法将陀螺仪输出的角速度误差作为时变误差处理,认为陀螺仪输出的角速度误差与其所测角速度及上一时刻的角速度输出误差相关,并据此建立陀螺仪测量线性方程,在此基础上,应用Kalman滤波算法,以加速度计输出的姿态角对陀螺仪测量的姿态角进行修正,从而达到姿态角准确测量的目的。实验结果表明：应用Kalman滤波算法对加速度传感器和陀螺仪信号融合后可有效消除姿态角测量累积误差并显著改善姿态角测量的动态特性。     

基于加速度传感器的人体运动状态识别监测研究

随着科技的发展,通过对人的日常运动状态的监测来进行对个人人体身体的了解的需求逐步扩大.由于加速度现象在人体的运动中时刻存在,所以基于加速度传感器提出人体运动姿态识别监测的算法程序具有一定的实用价值.此项研究通过确定算法、统计特征的提取实现人体运动状态的初步判别,最后实现了较为精确的状态识别以及步数监测.     

一种基于加速度传感器的人体跌倒识别方法

为了减少老年人因跌倒而造成的伤害,及时有效地识别跌倒行为,提出了一种基于三轴加速度传感器的人体跌倒识别方法。首先将加速度传感器放置于人体腰腹位置,采集人在运动时的加速度变化数据;然后使用日常活动数据训练隐马尔科夫模型(HMM),利用老年人活动状态相对较少的特点,从测量数据与HMM的匹配程度寻找"疑似"跌倒行为;最后计算短暂时间内的身体倾角,检测人体躺卧姿态,完成跌倒识别。利用HMM和身体倾角识别跌倒,解决了生活中缺乏跌倒数据训练样本的问题,提高了某些近似行为的区分度。仿真结果表明,该方法在有效识别跌倒行为的同时,提高了正确率。