[发明专利]一种基于盲源分离的老年人跌倒行为检测方法

权利要求书

1.一种基于盲源分离的老年人跌倒行为检测方法，其特征在于，包括以下步骤：

S1、在家中安装kinect音频传感器，采集音频样本数据集；

S2、将音频样本数据集进行动作类别标注，得到原始音频数据集；

S3、对原始音频数据集进行标准化和白化处理，得到标准音频数据集；

S4、根据标准音频数据集，建立盲源分离模型，进行盲源分离，得到独立信号源；

S5、根据独立信号源，提取短时能量特征；

S6、根据短时能量特征，通过阈值法判断老年人跌倒行为；

所述步骤S4中的盲源分离模型为：

X(t)＝[x₁(t)，...，x_i(t)，...，x_m(t)]^T (1)

X(t)＝AS＝[As₁，...，As_i，...，As_m] (2)

s_i＝A^-1x_i(t) (3)

其中，X(t)为标准音频数据集，x_i(t)为第i个t时刻的标准音频样本，m为标准音频数据集中标准音频样本的数量，A为映射矩阵，S为独立信号源矩阵，s_i为第i个标准音频样本的独立信号源；

所述映射矩阵A的计算方法包括以下步骤：

A1、设定映射矩阵A的初始值和其迭代的误差阈值ε；

A2、计算独立信号源s_i的累积分布g(s_i)；

A3、对累积分布g(s_i)求导，得到独立信号源s_i的概率密度

A4、根据概率密度计算独立信号源s_i的联合分布f(s_i)；

A5、根据联合分布f(s_i)，计算标准音频样本x_i(t)的概率密度

A6、根据标准音频样本x_i(t)的概率密度对标准音频样本x_i(t)进行对数似然估计，得到似然估计函数L(A^-1)；

A7、对似然估计函数L(A^-1)求导，得到第j次迭代的映射矩阵的逆矩阵A_j^-1；

A8、根据逆矩阵A_j^-1，计算映射矩阵A_j，并判断映射矩阵A_j的误差是否小于误差阈值ε，若是，则将当前的映射矩阵A_j作为映射矩阵A，结束流程，若否，则跳转至步骤A7；

所述步骤A2中累积分布g(s_i)的计算公式为：

所述步骤A3中独立信号源s_i的概率密度的计算公式为：

所述步骤A4中独立信号源s_i的联合分布f(s_i)的计算公式为：

所述步骤A5中标准音频样本x_i(t)的概率密度的计算公式为：

其中，|A^-1|为A^-1的行列式；

所述步骤A6中似然估计函数L(A^-1)的计算公式为：

所述步骤A7中映射矩阵的逆矩阵A_j^-1的计算公式为：

其中，a为学习步长；

所述步骤S5中短时能量特征的计算公式为：

E＝s_i²h(k) (10)

其中，E为短时能量特征，h(k)为线性滤波器的单位冲击响应。