面向能量回收的mim对u人体运动检测识别方法研究及系统实现-仪器科学与技术专业毕业论文.docx

优秀毕业论文 精品参考文献资料 隶韵大· 隶韵大·粤 硕士学位论文 面向能量回收的M I MU人体运动检测识别方 法研究及系统实现 万方数据 Research Research and Implementation of Human Motion Detection and Recognition System 啷蝴e撕2～ S嬲々+L小哪—‘ ．1上ⅢⅧ卅Bn㈣泫 g删5 with MIMU for Energy H ，‘ 、■I ■■I A Thesis Submitted to Southeast University For the Academic Degree of Master of Engineering BY Bai Jinhui Supervised by Zhao Liye School of Instrument Science＆Engineering S outheast University 2015 万方数据 东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所 东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所 知，除了文中特另J1)Jn以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果， 也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本 研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名：白釜军 日期：丕翌!篁：主!j[ 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电 子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相 一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布(包括以电子信息形式刊登) 论文的全部内容或中、英文摘要等部分内容。论文的公布(包括以电子信息形式刊登)授权东南大 学研究生院办理。 研究生签名：蜱导师签名：拉日期：丞砒 万方数据 摘要摘要 摘要 摘要 人体能量回收是一个新兴的研究领域，如何充分回收人体肌肉做负功时消耗的能量是目前的研 究热点之一。现有的相关能量回收装置尚不能实时有效地判断肌肉何时做负功，浪费了许多潜在的 可回收能量，导致能量回收效率偏低。为了提高能量回收效率，同时降低人体运动的能量消耗，需 要获得肢体的实时运动姿态和运动模式，从而根据不同的运动姿态和运动模式控制能量回收的时机。 本文以惯性测量和模式识别理论为基础，对面向能量回收的人体运动姿态检测和人体运动模式 识别方法进行了深入研究，并设计实现了基于MIMU的人体运动检测识别系统，能够实时检测人体 的运动姿态和运动模式，为提高能量回收装置的回收效率奠定了基础。 本文完成的主要工作如下： (1)以STM32F103TB为处理器，选用9轴MIMU芯片MPU9250，设计了基于MIMU的人体 运动检测识别硬件系统。分析了MIMU的主要系统误差，针对零偏误差、灵敏度误差、非正交误差 和坐标系未对准误差进行了误差建模，对MIMU整机标定方法和基于椭球拟合的磁力计标定方法进 行了实验研究，为提高系统检测识别的精度奠定了基础。 (2)将角度退化修正算法与基于扩展卡尔曼滤波器的四元数姿态解算算法相结合，提高了解算 姿态角的稳定性；对人体运动易引入振动干扰的问题，设计了观测噪声协方差自动调节算法，降低 了振动干扰的影响；针对基于扩展卡尔曼滤波器的四元数姿态解算算法的姿态角易受畸变磁场影响 的问题，设计了基于卡尔曼滤波器的方向余弦姿态解算算法，并与基于扩展卡尔曼滤波器的四元数 姿态解算算法结合使用，保证了运动检测识别系统受到畸变磁场干扰时俯仰角和横滚角的稳定性。 (3)设计了双滑动窗口数据分割算法，并选用时域特征中的标准差和偏度以及频域特征中的离 散余弦变换系数作为特征信息。通过仿真实验，对比研究了基于BP神经网络的分类算法和基于支持 向量机的分类算法的优缺点。在此基础上，分别训练了基于BP神经网络和基于支持向量机的人体运 动模式分类器，用于识别行走、上楼、下楼和慢跑等四种运动模式，并对比分析了两类分类器的识 别效果；针对运动模式切换时易出现误分类的问题进行了改进，有效地提高了两类分类器的识别率。 (4)采用本文所设计的运动检测识别软硬件系统分别进行了系统标定实验、人体腿部运动姿态 的检测和分类器识别实验。系统标定实验结果表明，标定后的航向角误差降低为标定前的7．6％，俯 仰角误差降低为标定前的22．7％，横滚角误差降低为标定前的44．4％；姿态检测实验结果表明，采用 本文改进的姿态解算算法能获得更为准确的人体运动