计量学报

作者：李松, 伏云发, 张妍, 鲁功

关键词：步态识别,加速度传感器,通道扩维,一维卷积神经网络,智能手机传感器

基金：国家自然科学基金(81470084)

为解决传统传感器步态识别存在维度局限、特征工程依赖强和模型复杂等问题，提出一种通道扩维技术和一维卷积神经网络相结合的模型进行步态识别。首先利用手机自带的加速度传感器采集行人在静坐、站立、行走、慢跑、下蹲、上楼梯和下楼梯7种状态下X轴、Y轴、Z轴的时间序列数据，并进行预处理；然后通过不同的通道扩维机制提升加速度传感器信号的特征表达能力，最后再利用一维卷积捕捉步态序列的时空模式进行分类。在包含6名志愿者实测7类步态数据的自测数据集以及福特汉姆大学无线数据挖掘实验室（wireless sensor data mining， WISDM） 公开6类人体步态数据集上对所提算法进行验证。WISDM数据集上一维卷积神经网络平均分类准确率为74.94%，差分扩维平均分类准确率为92.74%，物理扩维平均分类准确率为92.85%，滑动窗口扩维平均分类准确率为95.51%；在自测数据集上3种扩维平均分类准确率也明显优于其他算法。

来源：2025年第11期

《计量学报》期刊编辑部

查看计量学报杂志2025年第11期