The invention discloses a step-frequency detection method based on artificial neural network: step 1, acquisition of training data of neural network model; step 2, data preprocessing; step 3, peak detection of data obtained in step 2, labeling of data, labeling of wave peak is 1, labeling of non-peak or pseudo-peak is 0; step 4, intercepting training data by sliding window; step 5, sudden. Step 6: Take the label corresponding to the middle data in the window as the label of the window data; Step 7: Balance the proportion of positive and negative samples in the training data; Step 8: Neural network model building and training; Step 9: On-line step frequency detection, the received acceleration data are stored in the sliding window in turn, and the data in the window is stored in step 2. Step 10, input the data processed by step 9 into the neural network model, step 11, remove the redundant step points by sampling time threshold.
【技术实现步骤摘要】
一种基于人工神经网络的步频探测方法
本专利技术属于导航定位领域,具体涉及一种基于人工神经网络的步频探测方法。
技术介绍
随着社会和科学技术的快速发展,人们在室内日常生活中对基于位置服务的需求正变得越来越大,室内定位技术也得到了广泛的研究,其中行人航迹推算(PedestrianDeadReckoning,PDR)技术凭借其独有的优势获得了大量的研究,步频探测方法是PDR技术的至关重要的一部分。同时随着智能手机的普及,人们对身体健康和身体锻炼问题也越来越关注,基于智能手机的计步方法也越来越多,步频探测是计步方法的基础。目前,步频探测方法主要基于加速度实现,常用的方法有平滑区域检测、零点交叉检测、峰值检测及自相关等。但是,他们都有一些缺陷。其中最常用的方法是峰值检测,峰值检测通过检测波峰或者波谷来判断行人是否行走一步,通常需要一系列的辅助阈值来筛选峰值,剔除一些因身体手臂异常抖动等原因造成的波峰波谷。因此峰值检测需要通过大量的数据和实验来训练这些阈值。训练出的阈值往往是固定的,以固定的阈值来处理动态的加速度数据,往往容易漏检或者多检。
技术实现思路
本专利技术的目的是提供一种基于人工神经网络的步频探测方法,利用神经网络算法强大的拟合能力,对加速度数据波形进行处理,实现自动探测步频的目的。本专利技术一种基于人工神经网络的步频探测方法,它的步骤如下:步骤1、采集神经网络模型训练数据,行人手持手机分别以不同的速度和步长行走多次,记录保存行走时硬件设备采集到的加速度数据。步骤2、预处理,将步骤1采集到的加速度数据按照如下步骤进行预处理:步骤21、将三轴加速度合成 ...
【技术保护点】
1.一种基于人工神经网络的步频探测方法,其特征在于:该方法步骤如下:步骤1、采集神经网络模型训练数据,行人手持手机分别以不同的速度和步长行走多次,记录保存行走时硬件设备采集到的加速度数据;步骤2、预处理;步骤3、找到步骤2预处理后的数据中的波峰,对于是波峰的加速度值打上标签1,不是波峰的加速度值打上标签0;将加速度数据波形可视化,根据已知的步数,人为的将不是步点的波峰的标签1改为0;这样,每一个加速度值对应了一个标签;步骤4、采用滑动窗口截取训练数据;步骤5、突出窗口内加速度数据的波形特征,定义符号函数sign:
【技术特征摘要】
1.一种基于人工神经网络的步频探测方法,其特征在于:该方法步骤如下:步骤1、采集神经网络模型训练数据,行人手持手机分别以不同的速度和步长行走多次,记录保存行走时硬件设备采集到的加速度数据;步骤2、预处理;步骤3、找到步骤2预处理后的数据中的波峰,对于是波峰的加速度值打上标签1,不是波峰的加速度值打上标签0;将加速度数据波形可视化,根据已知的步数,人为的将不是步点的波峰的标签1改为0;这样,每一个加速度值对应了一个标签;步骤4、采用滑动窗口截取训练数据;步骤5、突出窗口内加速度数据的波形特征,定义符号函数sign:令其中|x|表示x的绝对值;步骤6、取窗口内中间加速度的标签作为窗口数据的标签;数据形式如下:[ai-j,…,ai-2,ai-1,ai,ai+1,ai+2,…,ai+j,labeli]步骤7、对数据集进行重采样或者调整正负样本权重,平衡训练数据中正负样本比例;步骤8、神经网络模型搭建与训练;步骤9、在线步频检测时,依照步骤4,将行人行走时携带的硬件接收到的加速度数据依次存入滑动窗口中,并对窗口内的数据依次按照步骤2和步骤5进行处理;步骤10、将步骤9处理后的数据输入步骤8得到的神经网络模型;若神经网络模型预测概率小于或者等于0.5,则直接判定为非步点,若预测概率大于0.5,则按照步骤11处理;步骤11、剔除多余步点。2.根据权利要求1所述的一种基于人工神经网络的步频探测方法,其特征在于:所述步骤2,具体包括将步骤1采集到的加速度数据按照如下步骤进行预处理:步骤21、将三轴加速度合成三轴总加速度,计算方法如下:其中ai表示第i个采样点的总加速度...
【专利技术属性】
技术研发人员:黄裕梁,张勇波,卫宗敏,王治华,王俊玲,黄达,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。