基于隐马尔可夫模型的步态识别算法

论文摘要

为降低数据噪声的干扰,提高步态识别的有效性,提出一种基于隐马尔可夫模型的步态识别算法（GR-HMM）。利用滑动平均滤波模型对步态数据进行去噪预处理,建立观测序列;基于GR-HMM算法计算观测序列概率,重估迭代至观测序列概率收敛,得到GR-HMM算法的参数模型;对步态数据进行步态阶段识别及步态关键事件定位。基于Shimmer IMU采集的数据对算法进行训练和分析评估,实验结果表明,GR-HMM算法的步态阶段识别灵敏度和特异性分别可达93.1%和96.9%。

论文目录

• 0 引言
• 1 步态识别模型结构
•   1.1 数据采集模块
•   1.2 预处理模块
•   1.3 模型训练模块
•   1.4 状态识别模块
• 2 GR-HMM算法描述
•   2.1 预处理算法
•   2.2 模型参数训练算法
•   2.3 状态识别算法
• 3 基于滑动平均滤波算法的数据预处理
• 4 GR-HMM算法的模型参数训练
• 5 GR-HMM算法模型结构
• 6 实验结果
•   6.1 实验设置
•   6.2 GR-HMM算法性能评估
• 7 结束语

文章来源

类型: 期刊论文

作者: 刘畅,魏忠诚,张春华,王巍,赵继军

关键词: 步态识别,隐马尔可夫模型,步态阶段,滑动平均滤波,步态分割

来源: 计算机工程与设计 2019年12期

年度: 2019

分类: 信息科技,基础科学

专业: 数学,无线电电子学

单位: 河北工程大学信息与电气工程学院,河北工程大学公共体育部

基金: 国家自然科学基金项目(61802017),河北省自然科学基金项目(F2018402251),邯郸市科学技术研究与发展计划基金项目(1721203048),河北省物联网数据采集与处理工程技术研究中心开放课题基金项目(2016-2)

分类号: O211.62;TN713

DOI: 10.16208/j.issn1000-7024.2019.12.021

页码: 3487-3493

总页数: 7

文件大小: 1527K

下载量: 407