用块稀疏贝叶斯学习算法重构识别体域网步态模式.docVIP

用块稀少贝叶斯学习算法重构辨别体域网步态模式 用块稀少贝叶斯学习算法重构辨别体域网步态模式 用块稀少贝叶斯学习算法重构辨别体域网步态模式 用块稀少贝叶斯学习算法重构辨别体域网步态模式 纲要：针对低功耗体域网步态远程监测终端非稀少加快度数据重构和步态模式辨别性能优化问题，提出了一种鉴于块稀少贝叶斯学习的体域网远程步态模式重构辨别新方法，该方法鉴于体域网远程步态监测系统架构和压缩感知框架，在体域网传感节点利用线性稀少矩阵压缩原始加快度数据，减少传输数据量，降低其功耗，同时在远程终端鉴于块稀少贝叶斯学习算法充足利用加快度数据块结构内在有关性，获取加快度数据内在稀少性，有效提升非稀少加快度数据重构性能，为正确辨别步态模式供给靠谱的数据支撑。采 用 USCHAD数据库中行走、跑、跳、上楼、下楼五种步态运动的加快度数据考证新方法的有效性，实验结果表示，鉴于所提算法的加快度数据重构性能显然优于传统压缩感知重构算法性能，使鉴于支持向量机多步态分类器辨别正确率可达 98%，明显提升体域网远程步态模式辨别性能。所提新方法不单有效提升非稀少加快度数据重构和步态模式辨别性能，而且也有助于设计低功耗、低成本的体域网加快度数据收集系统，为体域网远程监测步态模式变化供给一个新方法和新思路。 重点词：块稀少贝叶斯学习算法；压缩感知；体域网； 步态模式辨别 中图分类号： TP393；TP391 文件标记码： A