一种面向柔性传感器时序性能变化的关节角度预测方法技术

本发明专利技术提供了一种面向柔性传感器时序性能变化的关节角度预测方法，包括：第一步骤：采用均匀分布在肘部垫周围的多个柔性传感器组成用于肘部角度预测的智能穿戴设备；第二步骤：在智能穿戴设备的穿戴者匀速地完全屈曲肘关节的同时，记录智能穿戴设备采集到的信号向量以得到训练数据集用于训练肘部角度预测值，其中n是数据点的数量，是智能穿戴设备采集到的信号向量对应的肘角；第三步骤：将训练数据集分成两个数据集和利用两个数据集和训练一个预测器来估计函数数数数

【技术实现步骤摘要】
一种面向柔性传感器时序性能变化的关节角度预测方法


[0001]本专利技术涉及传感器领域，具体涉及一种基于输出级领域自适应的面向柔性传感器时序性能变化的关节角度预测方法。

技术介绍

[0002]以人体运动监测(BMM)为目标的可穿戴设备已经应用于以人为中心的计算的各个领域，包括人机交互、医疗保健，甚至军事。在这些应用中，可穿戴设备通常设计有手套或关节垫，以捕捉手指、手臂或腿等身体部位的弯曲。为了便于长期使用，柔性传感器几乎不影响服装面料的手感，从而提高了服装的舒适性，成为此类可穿戴设备的首选。在这些设备中，柔性传感器盘绕在布料纤维上，随着身体的运动而拉伸。这种拉伸改变了柔性传感器的阻力，柔性传感器通常被用作身体运动的指示器。通过收集柔性传感器测量信号和身体运动的配对数据，可以直接通过监督学习来估计两者之间的映射关系。
[0003]上述可穿戴设备虽然前景看好，但柔性传感器老化，使得学习到的映射在使用一定量后失效。为了延缓或减轻老化效应，研究人员和从业者通常采用两种方法：替换和使用抗老化材料。两者之间，替代是简单直接的，广泛使用。虽然在某些情况下有效，但它不适用于柔性传感器，因为柔性传感器缠绕在布纤维上，因此不能在不损坏可穿戴设备的情况下进行更换。与直接替换不同，抗老化材料已经被用作柔性传感器的涂层。虽然从测试来看，仅在相对较短的时间内有效。因此，需要更多的努力来减轻柔性传感器的老化效应。
[0004]配备柔性传感器的可穿戴设备为人体运动监控提供了一个很有前景的解决方案。具体来说，可以通过监测拉伸柔性传感器的阻力变化来捕捉肘部弯曲等身体运动。然而，除了拉伸之外，柔性传感器的电阻也受到其老化的影响，这使得电阻成为肘关节角度的一个不太稳定的指标。
[0005]从身体运动监测的基本性质来看，身体运动监测在各种应用中都是一个重要的部分。身体运动监测的主要方法分为两类：基于视觉的方法和使用可穿戴设备的方法。作为优选方案，本专利技术中，身体运动监测基于柔性传感器的可穿戴设备，这些设备与日常服装无法区分。本专利技术在身体运动监测使用柔性传感器为基础的可穿戴设备。如上所述，柔性传感器因其高生物相容性、延展性和便携性成为针对身体运动监测的可穿戴设备的流行选择。虽然软测量技术很有发展前途，但由于存在老化问题，阻碍了其在消费品中的应用。除了旨在减轻传感器老化(例如抗氧化涂层)的常规做法外，已经提出了一种新的传感器可以测量晶体振动材料的老化程度，并提出了相应的方法来补偿老化的影响。然而，该方法依赖于新传感器提供的测量，因此只适用于晶体振动材料。通过研究软测量老化的起源，有人提出了一种补偿塑性变形引起的老化效应的方法。然而，该方法专门用于塑性变形，因此不适用于由其他因素引起的老化。

技术实现思路

[0006]本专利技术所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种基于输出
级领域自适应的面向柔性传感器时序性能变化的关节角度预测方法，借用机器学习界的领域适应思想来解决现有技术中存在的问题。因此，本专利技术的方法是独立于传感器材料，并隐式地同时处理所有老化因素。
[0007]根据本专利技术，提供了一种基于输出级领域自适应的面向柔性传感器时序性能变化的关节角度预测方法包括：
[0008]第一步骤：采用均匀分布在肘部垫周围的多个柔性传感器组成用于肘部角度预测的智能穿戴设备；
[0009]第二步骤：在智能穿戴设备的穿戴者匀速地完全屈曲肘关节的同时，记录智能穿戴设备采集到的信号向量以得到训练数据集用于训练肘部角度预测值，其中n是数据点的数量，是智能穿戴设备采集到的信号向量对应的肘角；
[0010]第三步骤：将分成两个数据集和利用两个数据集和训练一个预测器来估计函数f：
[0011]优选地，第三步骤利用深度学习，建立了一个由9层完全连接的神经网络，并用Leaky ReLU包起来的预测器激活函数。
[0012]优选地，在预测器的低维输出水平进行域自适应。
[0013]优选地，在将分成两个数据集和时，最小化Da和Db上预测器的两个输出分布之间的统计距离。
[0014]优选地，使用最大平均偏差来测量统计距离。
[0015]优选地，多个柔性传感器的数量是六个。
[0016]本专利技术一定程度解决了柔性传感器因老化导致设备预测模型效果变差的情况，而现有技术没有相应的方案可以解决此类问题，大部分是通过更换和涂抹材料等物理方法解决，但相对于织入衣物的柔性传感器并不适用。同时采用了领域自适应的方法在数据和模型层面提高了一般回归神经网络模型的预测准确率。需要的训练数据不多，而且可以在“无限”的老化时间内都保持很好的预测效果。并不需要复杂的人工操作，在第一次模型训练就可以得到有“抗老化”效果的模型。
附图说明
[0017]结合附图，并通过参考下面的详细描述，将会更容易地对本专利技术有更完整的理解并且更容易地理解其伴随的优点和特征，其中：
[0018]图1示意性地示出了传感器的电阻都以非线性方式发生显著变化的示意图。
[0019]图2示意性地示出了根据本专利技术优选实施例的基于输出级领域自适应的面向柔性传感器时序性能变化的关节角度预测方法的总体流程图。
[0020]需要说明的是，附图用于说明本专利技术，而非限制本专利技术。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。
具体实施方式
[0021]为了使本专利技术的内容更加清楚和易懂，下面结合具体实施例和附图对本专利技术的内容进行详细描述。
[0022]配备柔性传感器的可穿戴设备为人体运动监控提供了一个很有前景的解决方案。具体来说，可以通过监测拉伸柔性传感器的阻力变化来捕捉肘部弯曲等身体运动。然而，除了拉伸之外，柔性传感器的电阻也受到其老化的影响，这使得电阻成为肘关节角度的一个不太稳定的指标。在本专利技术的工作中，利用了深度学习的最新进展，并通过将肘部角度的老化不变性预测作为一个领域自适应问题来解决上述问题。具体地说，将在不同老化程度下收集的柔性传感器数据(即电阻值)定义为不同的域，并在其中采用回归神经网络来学习域不变特征。
[0023]作为传感器老化的直接证据，本专利技术测试了SmartPad静止时传感器的电阻如何随时间变化。具体来说，首先生产一个新的SmartPad，并将其保留在原位。然后，每两小时记录六个传感器的电阻。如图1所示，所有六个传感器的电阻R1、R2、R3、R4、R5、R6都以非线性方式发生显著变化，如果处理不当，这无疑会影响肘部角度预测。
[0024]此外，本专利技术还利用未老化和老化传感器电阻值分布之间的距离来测量传感器老化。结果显示，可以观察到穿戴设备中的柔性传感器确实老化了(两个不同时间划分的域数据分布差异越来越大)，并且这种老化显著地改变了传感器数据随使用情况的分布。此外，观察到老化对传感器数据分布的影响是复杂的。尽管它们呈上升趋势，但MMD值是振荡的，有时可能非常低，即老化的传感器与未老化的传感器具有相似的分布。一方面，这表明输入数据的复杂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于输出级领域自适应的面向柔性传感器时序性能变化的关节角度预测方法，其特征在于包括：第一步骤：采用均匀分布在肘部垫周围的多个柔性传感器组成用于肘部角度预测的智能穿戴设备；第二步骤：在智能穿戴设备的穿戴者匀速地完全屈曲肘关节的同时，记录智能穿戴设备采集到的信号向量以得到训练数据集用于训练肘部角度预测值，其中n是数据点的数量，是智能穿戴设备采集到的信号向量对应的肘角；第三步骤：将训练数据集分成两个数据集和利用两个数据集和训练一个预测器来估计函数2.根据权利要求1所述的面向柔性传感器时序性能变化的关节角度预测方法，其特征在于，第三步骤利用深度学习，建立了一个由9层完全连接的神经...

【专利技术属性】
技术研发人员：郭诗辉，林俊聪，高星，廖明宏，陈志勇，
申请(专利权)人：厦门大学，
类型：发明
国别省市：