公开(公告)号：CN106897740A

公开(公告)日：2017-06-27

申请号：CN201710086398.9

申请日：2017-02-17

Applicant: 重庆邮电大学

Inventor： 王华华 ,  黄龙 ,  李小文 ,  陈发堂 ,  王丹 ,  刘宇

IPC: G06K9/62 ,  G06K9/00

CPC classification number: G06K9/6276 ,  G06K9/00335

Abstract: 本发明请求保护一种基于惯性传感器的人体行为识别下EEMD‑DFA特征提取方法。主要结合了集合经验模式分解(ensemble empirical mode decomposition(EEMD))与非趋势波动分析(detrended fluctuation analysis,DFA)两种方法的优势，不仅在区分某些相似行为有较好的效果，而且该方法还提高了大部分行为的识别准确率。由于EEMD方法和DFA方法都是适合于处理非线性非平稳信号的特征提取的方法，EEMD方法可以将信号分解成若干个单分量的固有模态函数(IMF)之和，得到的这些IMF分量突出了原信号的局部化特性，而DFA方法可以将各种不同阶的外来趋势从时间序列中清除,从而准确地观察到时间序列本身所具有的统计行为特征，对它们进行分析,并结合二者的优势，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，从而实现多种行为分类的更高准确率。