-
题名用块稀疏贝叶斯学习算法重构识别体域网步态模式
被引量：1
- 1
-
-
作者
吴建宁
徐海东
-
机构
福建师范大学数学与计算机科学学院
-
出处
《计算机应用》
CSCD
北大核心
2015年第5期1492-1498,共7页
-
基金
福建省自然科学基金资助项目(2013J01220)
福建省高等学校教学改革研究项目(JAS14674)
福建师范大学本科教学改革项目(I201302021)
-
文摘
针对低功耗体域网步态远程监测终端非稀疏加速度数据重构和步态模式识别性能优化问题,提出了一种基于块稀疏贝叶斯学习的体域网远程步态模式重构识别新方法,该方法基于体域网远程步态监测系统架构和压缩感知框架,在体域网传感节点利用线性稀疏矩阵压缩原始加速度数据,减少传输数据量,降低其功耗,同时在远程终端基于块稀疏贝叶斯学习算法充分利用加速度数据块结构内在相关性,获取加速度数据内在稀疏性,有效提高非稀疏加速度数据重构性能,为准确识别步态模式提供可靠的数据支撑。采用USC-HAD数据库中行走、跑、跳、上楼、下楼五种步态运动的加速度数据验证新方法的有效性,实验结果表明,基于所提算法的加速度数据重构性能明显优于传统压缩感知重构算法性能,使基于支持向量机多步态分类器识别准确率可达98%,显著提高体域网远程步态模式识别性能。所提新方法不仅有效提高非稀疏加速度数据重构和步态模式识别性能,并且也有助于设计低功耗、低成本的体域网加速度数据采集系统,为体域网远程监测步态模式变化提供一个新方法和新思路。
-
关键词
块稀疏贝叶斯学习算法
压缩感知
体域网
步态模式识别
-
Keywords
block sparse bayesian learning （bsbl） algorithm
Compressed Sensing （CS）
Wireless Body Area Network （WBAN）
gait pattern recognition
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
TP391
[自动化与计算机技术—计算机科学与技术]
-
