本發(fā)明屬于信號(hào)檢測(cè)技術(shù)領(lǐng)域，涉及一種基于子窗合并的信號(hào)檢測(cè)方法，尤其涉及一種對(duì)人體動(dòng)作的中頻或低頻加速度信號(hào)檢測(cè)的方法。

背景技術(shù)：

通過(guò)窗函數(shù)并以隨機(jī)噪聲的平均能量作為閾值來(lái)判斷可以檢測(cè)人體動(dòng)作的加速度信號(hào)。然而會(huì)出現(xiàn)窗寬大小影響信號(hào)檢測(cè)精度的問(wèn)題。如果窗寬設(shè)置的過(guò)小，勢(shì)必會(huì)出現(xiàn)信號(hào)檢測(cè)不完整的情況出現(xiàn)，如果窗寬設(shè)置的過(guò)大，就會(huì)同一個(gè)窗內(nèi)覆蓋兩個(gè)或多個(gè)動(dòng)作信號(hào)，導(dǎo)致檢測(cè)不出已經(jīng)執(zhí)行的動(dòng)作。因此，急需要一種時(shí)間復(fù)雜度較低的精確的信號(hào)檢測(cè)方法。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有信號(hào)檢測(cè)所存在的技術(shù)問(wèn)題，本發(fā)明提供了一種方法復(fù)雜度低、易于理解和使用的信號(hào)檢測(cè)方法。

本發(fā)明所采用的技術(shù)方案是：1.一種基于子窗合并的信號(hào)檢測(cè)方法，其特征在于，包括以下步驟：

步驟1：設(shè)定一個(gè)寬度為n個(gè)采樣點(diǎn)的子窗；

步驟2：設(shè)加速度三個(gè)軸的值為xi、yi、zi，計(jì)算每個(gè)子窗內(nèi)三個(gè)軸的合加速度信號(hào)的能量值ei；

其中，i表示當(dāng)前子窗的索引；

步驟3：若子窗內(nèi)信號(hào)能量大于噪聲閾值時(shí)，則視其為信號(hào)的一部分并記錄下來(lái)，然后繼續(xù)檢測(cè)下一個(gè)子窗，若仍大于該閾值，就保留下來(lái)并和前面記錄的子窗進(jìn)行合并；當(dāng)下一次檢測(cè)到含有動(dòng)作的時(shí)間間隔超過(guò)預(yù)設(shè)時(shí)間時(shí)，則認(rèn)為該信號(hào)檢測(cè)完畢；

步驟4：將前面記錄的所有子窗進(jìn)行合并，合并后的窗稱之為母窗，該母窗里的信號(hào)就作為要檢測(cè)出來(lái)的人體動(dòng)作信號(hào)。

本發(fā)明使用尺寸較小的子窗來(lái)檢測(cè)信號(hào)，并進(jìn)行迭代合并，最終合并為包含完整手勢(shì)信號(hào)的母窗，有效地解決了傳統(tǒng)窗檢測(cè)方法中信號(hào)檢測(cè)不完整和檢測(cè)出冗余信號(hào)的問(wèn)題。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例中基于傳統(tǒng)窗函數(shù)方法與基于子窗合并方法的信號(hào)檢測(cè)示意圖。

圖2是本發(fā)明實(shí)施例中基于傳統(tǒng)窗函數(shù)方法與基于子窗合并方法信號(hào)檢測(cè)性能比較示意。

圖3是本發(fā)明實(shí)施例中基于子窗合并方法檢測(cè)信號(hào)的時(shí)間復(fù)雜度示意。

具體實(shí)施方式

為了便于本領(lǐng)域普通技術(shù)人員理解和實(shí)施本發(fā)明，下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述，應(yīng)當(dāng)理解，此處所描述的實(shí)施示例僅用于說(shuō)明和解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明主要是解決現(xiàn)有信號(hào)檢測(cè)所存在的技術(shù)問(wèn)題；提供了一種方法復(fù)雜度低、易于理解和使用的信號(hào)檢測(cè)方法，解決了傳統(tǒng)窗檢測(cè)方法中信號(hào)檢測(cè)不完整和檢測(cè)出冗余信號(hào)的問(wèn)題，該方法是使用尺寸較小的子窗來(lái)檢測(cè)信號(hào)，并進(jìn)行迭代合并，最終合并為包含完整手勢(shì)信號(hào)的母窗。然后使用一個(gè)僅n個(gè)采樣點(diǎn)寬的矩形窗進(jìn)行檢測(cè)，該滑動(dòng)窗重疊率選擇50％，稱其為子窗。并計(jì)算每個(gè)子窗內(nèi)三個(gè)軸的合加速度信號(hào)的能量值。若子窗內(nèi)信號(hào)能量大于噪聲閾值時(shí)，可以視其為信號(hào)的一部分并記錄下來(lái)，然后繼續(xù)檢測(cè)下一個(gè)子窗，若仍大于該閾值，就保留下來(lái)并和前面記錄的子窗進(jìn)行合并，當(dāng)下一次檢測(cè)到含有動(dòng)作的時(shí)間間隔超過(guò)0.4秒(通常人的判斷反映時(shí)間為0.15s到0.4s或以上)時(shí)，即可認(rèn)為該信號(hào)檢測(cè)完畢，并將前面記錄的所有子窗進(jìn)行合并，合并后的窗稱之為母窗，該母窗里的信號(hào)就作為要檢測(cè)出來(lái)的人體動(dòng)作信號(hào)。

本發(fā)明的具體方法流程如下：

輸入:加速度三個(gè)軸的值xi,yi,zi.

輸出:加速度信號(hào)所在母窗的三個(gè)軸的數(shù)據(jù)x,y,z

每個(gè)子窗根據(jù)經(jīng)驗(yàn)閾值判斷是否作為動(dòng)作信號(hào)的一部分。當(dāng)在大于0.4秒的時(shí)間內(nèi)沒(méi)有檢測(cè)到動(dòng)作信號(hào)，就將前面多個(gè)連續(xù)重疊的子窗合并為一個(gè)母窗，最終，每個(gè)母窗種的動(dòng)作信號(hào)涵蓋多個(gè)重疊的子窗，該母窗很好的避免了信號(hào)檢測(cè)不完整和檢測(cè)到多個(gè)冗余的信號(hào)。

如圖1所示，本發(fā)明可以很好的避免因信號(hào)檢測(cè)不完整或者同一個(gè)窗內(nèi)包含多個(gè)信號(hào)的情況出現(xiàn)，從而為后續(xù)的特征提取做基礎(chǔ)。

本實(shí)施例基于傳統(tǒng)窗函數(shù)檢測(cè)算法與子窗合并信號(hào)檢測(cè)算法分別對(duì)人體十個(gè)手勢(shì)動(dòng)作分類為例，通過(guò)選擇svm作為分類器。并分別設(shè)置子窗合并算法中子窗尺寸的n為6、8、10、12、14、16、18、20、22、24、26、28，然后分別求解分類性能。每選擇一種窗寬，在訓(xùn)練集中，利用十折交叉驗(yàn)證方法驗(yàn)證分類器性能，即將訓(xùn)練集分為十份，輪流將其中九份用于訓(xùn)練模型，一份作為測(cè)試集來(lái)驗(yàn)證模型識(shí)別精度。最后將測(cè)試的識(shí)別精度作為對(duì)算法評(píng)判的依據(jù)，如圖2所示：

從圖2(a)可知，使用信號(hào)檢測(cè)算法，當(dāng)子窗窗寬為18的時(shí)候，識(shí)別精度最高,平均識(shí)別精度為92.14％，方差為8.77％。因而選擇n為18。當(dāng)使用普通的窗檢測(cè)算法時(shí)，識(shí)別精度隨著窗寬尺寸的增加而增大，方差隨著窗寬尺寸的增大而減小，這是因?yàn)楫?dāng)窗寬過(guò)小的時(shí)候，信號(hào)容易出現(xiàn)檢測(cè)不完整的現(xiàn)象，導(dǎo)致識(shí)別精度降低，即使當(dāng)窗寬尺寸增加到一個(gè)合適的值，其識(shí)別精度也只有86％左右，而子窗合并算法不僅能很好的解決上述問(wèn)題，使識(shí)別精度穩(wěn)定在90％左右，方差也處于較低水平值，具有很高的穩(wěn)定性。從圖2(b)可知，在窗寬為18時(shí)，該算法對(duì)不同手勢(shì)的平均耗時(shí)最大不超過(guò)0.06ms，其耗時(shí)標(biāo)準(zhǔn)差不超過(guò)0.01ms，如圖3所示，因而對(duì)計(jì)算機(jī)性能也幾乎沒(méi)有影響。

因此，本算法具有如下優(yōu)點(diǎn)：時(shí)間復(fù)雜度低、算法易于理解，信號(hào)檢測(cè)效果好。通過(guò)設(shè)計(jì)的這種子窗合并的檢測(cè)算法來(lái)檢測(cè)人體不同動(dòng)作信號(hào)。在不影響計(jì)算機(jī)運(yùn)行速度的情況下，與常用的信號(hào)檢測(cè)算法相比，該算法有效避免了信號(hào)檢測(cè)不完整的現(xiàn)象，大大提高了檢測(cè)精度。

應(yīng)當(dāng)理解的是，本說(shuō)明書未詳細(xì)闡述的部分均屬于現(xiàn)有技術(shù)。

應(yīng)當(dāng)理解的是，上述針對(duì)較佳實(shí)施例的描述較為詳細(xì)，并不能因此而認(rèn)為是對(duì)本發(fā)明專利保護(hù)范圍的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明權(quán)利要求所保護(hù)的范圍情況下，還可以做出替換或變形，均落入本發(fā)明的保護(hù)范圍之內(nèi)，本發(fā)明的請(qǐng)求保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明公開了一種基于子窗合并的信號(hào)檢測(cè)方法，本發(fā)明使用尺寸較小的子窗來(lái)檢測(cè)信號(hào)，并進(jìn)行迭代合并，最終合并為包含完整手勢(shì)信號(hào)的母窗。每個(gè)子窗根據(jù)經(jīng)驗(yàn)閾值判斷是否作為動(dòng)作信號(hào)的一部分。當(dāng)在大于0.4秒的時(shí)間內(nèi)沒(méi)有檢測(cè)到動(dòng)作信號(hào)，就將前面多個(gè)連續(xù)重疊的子窗合并為一個(gè)母窗，最終，每個(gè)母窗種的動(dòng)作信號(hào)涵蓋多個(gè)重疊的子窗，該母窗很好的避免了信號(hào)檢測(cè)不完整和檢測(cè)到多個(gè)冗余的信號(hào)。本發(fā)明時(shí)間復(fù)雜度低，不影響計(jì)算機(jī)運(yùn)行速度，與常用的窗函數(shù)信號(hào)檢測(cè)算法相比，該算法有效避免了信號(hào)檢測(cè)不完整和檢測(cè)冗余信號(hào)的情況，大大提高了檢測(cè)精度。

技術(shù)研發(fā)人員：張健;畢紅亮;王志波;袁輝;汪洋;林金釧;程皓楠
受保護(hù)的技術(shù)使用者：武漢大學(xué)
技術(shù)研發(fā)日：2017.04.20
技術(shù)公布日：2017.09.08