[发明专利]一种基于九轴运动传感器的肘部运动状态识别方法

摘要

本发明公开了一种基于九轴运动传感器的肘部运动状态识别方法，在采集肘部姿态信息后，首先利用改进的姿态解算算法解算出姿态角并提取其中的横摇角代表运动状态，然后利用基于动态矩形框的最小点数据分割算法对横摇角数据进行分割并提取特征信息，通过判断特征信息中的方差是否大于30来确定肘部是静止还是运动状态。若为静止则识别出肘部运动状态为静止，若为运动状态则继续处理肘部特征信息，利用一种基于线性分类器的运动分类模型来识别人体肘部运动状态。本发明通过对基于四维空间的姿态解算算法中的噪声因子加权解决了振动干扰的问题，提高了肘部运动状态的识别率。

主权项

1.一种基于九轴运动传感器的肘部运动状态识别方法，其特征在于：包括如下步骤：(1)利用九轴运动传感器检测用户肘部的运动姿态，并记录该姿态从开始到完成的整个过程中的加速度、角速率和磁场强度数据；(2)利用改进基于四维空间的姿态解算算法对步骤(1)记录的数据进行解算，得到肘部运动时的姿态角，所述改进基于四维空间的姿态解算算法是对基于四维空间的姿态解算算法中使用到的噪声因子进行实时加权处理，以克服运动过程中扰动加速度对姿态识别的影响；具体为：(21)对九轴运动传感器输出的三维加速度向量的模|Macc|进行滑动平均处理：其中：为k时刻滑动平均处理的结果，|M_acc|_i表示i时刻的|M_acc|，l为滑动平均窗口的宽度；(22)根据修正噪声因子：其中：Qk为加权后k时刻的噪声因子矩阵，g为重力加速度，Qh为最大噪声因子矩阵，Ql为最小噪声因子矩阵，ΔS为置信间距；(3)提取姿态角中的横摇角，采用基于动态矩形框的最小点数据分割算法对横摇角进行截取，得到截取数据；(4)计算截取数据的方差σ2，作为截取数据的特征信息：其中：N为截取数据包含的样本点总数，X_i为截取数据中的第i个样本点，为截取数据中所有样本点的平均值；(5)判断σ2≥30是否成立：若成立，则判断运动姿态为静止，忽略本次运动姿态；否则，对截取数据进行如下计算并保存为本次运动姿态的样本：(6)对不同种类的运动姿态重复步骤(3)～(5)，得到不同种类运动姿态的样本；(7)采用基于线性分类器的运动分类模型对所有样本进行建模和参数训练，得到腿部运动模式识别器。