面向能量回收的MIMU人體運(yùn)動檢測識別方法研究及系統(tǒng)實(shí)現(xiàn).pdf

1、人體能量回收是一個(gè)新興的研究領(lǐng)域，如何充分回收人體肌肉做負(fù)功時(shí)消耗的能量是目前的研究熱點(diǎn)之一?，F(xiàn)有的相關(guān)能量回收裝置尚不能實(shí)時(shí)有效地判斷肌肉何時(shí)做負(fù)功，浪費(fèi)了許多潛在的可回收能量，導(dǎo)致能量回收效率偏低。為了提高能量回收效率，同時(shí)降低人體運(yùn)動的能量消耗，需要獲得肢體的實(shí)時(shí)運(yùn)動姿態(tài)和運(yùn)動模式，從而根據(jù)不同的運(yùn)動姿態(tài)和運(yùn)動模式控制能量回收的時(shí)機(jī)。本文以慣性測量和模式識別理論為基礎(chǔ)，對面向能量回收的人體運(yùn)動姿態(tài)檢測和人體運(yùn)動模式識別方法進(jìn)行了深

2、入研究，并設(shè)計(jì)實(shí)現(xiàn)了基于MIMU的人體運(yùn)動檢測識別系統(tǒng)，能夠?qū)崟r(shí)檢測人體的運(yùn)動姿態(tài)和運(yùn)動模式，為提高能量回收裝置的回收效率奠定了基礎(chǔ)。
　　本研究主要內(nèi)容包括：⑴以STM32F103TB為處理器，選用9軸MIMU芯片MPU9250，設(shè)計(jì)了基于MIMU的人體運(yùn)動檢測識別硬件系統(tǒng)。分析了MIMU的主要系統(tǒng)誤差，針對零偏誤差、靈敏度誤差、非正交誤差和坐標(biāo)系未對準(zhǔn)誤差進(jìn)行了誤差建模，對MIMU整機(jī)標(biāo)定方法和基于橢球擬合的磁力計(jì)標(biāo)定方法進(jìn)行

3、了實(shí)驗(yàn)研究，為提高系統(tǒng)檢測識別的精度奠定了基礎(chǔ)。⑵將角度退化修正算法與基于擴(kuò)展卡爾曼濾波器的四元數(shù)姿態(tài)解算算法相結(jié)合，提高了解算姿態(tài)角的穩(wěn)定性;對人體運(yùn)動易引入振動干擾的問題，設(shè)計(jì)了觀測噪聲協(xié)方差自動調(diào)節(jié)算法，降低了振動干擾的影響;針對基于擴(kuò)展卡爾曼濾波器的四元數(shù)姿態(tài)解算算法的姿態(tài)角易受畸變磁場影響的問題，設(shè)計(jì)了基于卡爾曼濾波器的方向余弦姿態(tài)解算算法，并與基于擴(kuò)展卡爾曼濾波器的四元數(shù)姿態(tài)解算算法結(jié)合使用，保證了運(yùn)動檢測識別系統(tǒng)受到畸變磁

4、場干擾時(shí)俯仰角和橫滾角的穩(wěn)定性。⑶設(shè)計(jì)了雙滑動窗口數(shù)據(jù)分割算法，并選用時(shí)域特征中的標(biāo)準(zhǔn)差和偏度以及頻域特征中的離散余弦變換系數(shù)作為特征信息。通過仿真實(shí)驗(yàn)，對比研究了基于BP神經(jīng)網(wǎng)絡(luò)的分類算法和基于支持向量機(jī)的分類算法的優(yōu)缺點(diǎn)。在此基礎(chǔ)上，分別訓(xùn)練了基于BP神經(jīng)網(wǎng)絡(luò)和基于支持向量機(jī)的人體運(yùn)動模式分類器，用于識別行走、上樓、下樓和慢跑等四種運(yùn)動模式，并對比分析了兩類分類器的識別效果;針對運(yùn)動模式切換時(shí)易出現(xiàn)誤分類的問題進(jìn)行了改進(jìn)，有效地提高

5、了兩類分類器的識別率。⑷采用本文所設(shè)計(jì)的運(yùn)動檢測識別軟硬件系統(tǒng)分別進(jìn)行了系統(tǒng)標(biāo)定實(shí)驗(yàn)、人體腿部運(yùn)動姿態(tài)的檢測和分類器識別實(shí)驗(yàn)。系統(tǒng)標(biāo)定實(shí)驗(yàn)結(jié)果表明，標(biāo)定后的航向角誤差降低為標(biāo)定前的7.6％，俯仰角誤差降低為標(biāo)定前的22.7％，橫滾角誤差降低為標(biāo)定前的44.4％;姿態(tài)檢測實(shí)驗(yàn)結(jié)果表明，采用本文改進(jìn)的姿態(tài)解算算法能獲得更為準(zhǔn)確的人體運(yùn)動姿態(tài)信息;分類器的多次識別實(shí)驗(yàn)結(jié)果表明，本文改進(jìn)的基于支持向量機(jī)的人體運(yùn)動模式分類器具有較好的識別效果，平