基于三轴加速度传感器及神经网络的步态类型鉴别方法技术

本发明专利技术公开了基于三轴加速度传感器及神经网络的步态类型鉴别方法，具体步骤如下：步骤1）：建立步态加速度信号数据库；步骤2）：信号同期分割阶段；步骤3）：去除重力因素，步骤4）：步态特征提取阶段；步骤5）：步态预分类阶段；步骤6）：步态特征集降维操作；步骤7）：步态具体鉴别阶段；本发明专利技术利用分阶段MIV法筛选步态特征，结合BP神经网络进行步态类型鉴别工作,将提取的特征作为神经网络输入自变量,依次经步态预分类、步态具体鉴别两阶段,实现了坐、站立、慢走、快走、上楼、下楼6种步态类型的有效鉴别，且通过今后对步态数据容量范围的增大及神经网络的优化设计，将会具有较高的准确性和可靠性。

【技术实现步骤摘要】

【技术保护点】
基于三轴加速度传感器及神经网络的步态类型鉴别方法，其特征是，具体步骤如下：步骤1）：建立步态加速度信号数据库，这里得到的称作原始步态数据；步骤2）：将原始步态数据通过滤波去除重力因素，获取的信号数据称作运动加速度数据样本；步骤3）：信号同期分割阶段：将步骤1）中的原始步态数据和步骤2）中的运动加速度样本进行切割得到原始步态数据样本块和运动加速度数据样本块，分别均从分割的两类数据样本块中间隔抽取得到检测样本和训练样本，此时检测样本包括原始步态检测样本和运动加速度检测样本，训练样本包括原始步态训练样本和运动加速度训练样本；步骤4）：步态特征提取阶段：从运动加速度训练样本和运动加速度检测样本中提取特征值，从原始步态检测样本和原始步态训练样本中提取特征值；步骤5）：步态预分类阶段：利用步骤4）得到的运动加速度训练样本的特征值训练第一神经网络，利用训练好的第一神经网络对步骤4）得到的运动加速度检测样本进行预分类；步骤6）：步态特征集降维操作：分别进行静态步态特征集的降维和动态步态特征集的降维；步骤7）：步态具体鉴别阶段：训练第二神经网络，并用训练好的第二神经网络对预分类为静态类型的原始步态检测样本进行类型的鉴别；训练第三神经网络，并用训练好的第三神经网络对预分类为动态类型的原始步态检测样本进行类型的鉴别。...

【技术特征摘要】

【专利技术属性】
技术研发人员：赵捷，安佰京，张军建，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：