人体微幅运动信号感知系统设计.doc

上传人:牧羊曲112 文档编号:1601156 上传时间:2022-12-10 格式:DOC 页数:8 大小:1.61MB
返回 下载 相关 举报
人体微幅运动信号感知系统设计.doc_第1页
第1页 / 共8页
人体微幅运动信号感知系统设计.doc_第2页
第2页 / 共8页
人体微幅运动信号感知系统设计.doc_第3页
第3页 / 共8页
人体微幅运动信号感知系统设计.doc_第4页
第4页 / 共8页
人体微幅运动信号感知系统设计.doc_第5页
第5页 / 共8页
点击查看更多>>
资源描述

《人体微幅运动信号感知系统设计.doc》由会员分享,可在线阅读,更多相关《人体微幅运动信号感知系统设计.doc(8页珍藏版)》请在三一办公上搜索。

1、人体微幅运动信号感知系统设计通信工程专业 曹宇指导教师 王嵩讲师摘要近年来,随着集成电路和传感器的迅速发展,可穿戴设备正逐步融入人们日常生活和工作中。本文基于开源硬件平台Arduino自主开发一个可穿戴设备,以三轴模拟加速度传感器捕捉人“咬牙”动作并实时记录数据,通过系统信号处理单元分析动作信号特征,输出表示动作有无的1、0布尔值,驱动蜂鸣器鸣响作为动作响应。本系统实现了快速准确感知人体的布尔动作,其设计原理可用于控制MP3、手机、智能眼镜、蓝牙耳机等可穿戴电子设备。矚慫润厲钐瘗睞枥庑赖賃軔。关键词开源硬件,加速度传感器,信号特征分析,可穿戴设备1 前言1.1研究背景与意义穿戴式智能设备拥有多

2、年的发展历史,思想和雏形在20世纪60年代即已出现,而具备智能可穿戴形态的设备则于上世纪7080年代出现。史蒂夫曼基于Apple-II 6502型计算机研制的可穿戴计算机原型即是其中的代表。随着计算机软硬件的标准化以及互联网技术的高速发展,可穿戴式智能设备的形态开始变得多样化,逐渐在工业、医疗、军事、教育、娱乐等诸多领域表现出重要的研究价值和应用潜力。聞創沟燴鐺險爱氇谴净祸測。穿戴式智能设备的本意,是探索人与科技的全新交互方式,为每一个人提供专属的、个性化的服务,在个人随身移动设备上形成独一无二的专属数据计算结果。现在,穿戴式智能设备已经从幻想走进现实,它们的出现必将深刻改变现代人的生活方式。

3、残骛楼諍锩瀨濟溆塹籟婭骒。1.2灵感来源本文作品的灵感来源于智能手环的记步功能,智能手环内嵌的加速度传感器扑捉手的动作轨迹,通过模式识别技术辨识具有特定特征的动作信号。由此类推,监测人类的各种动作,并且通过数据分析,能赋予动作相关联的内容。例如,通过检测每日颈椎、下肢、手腕的活动量来预测由于活动量少而导致的关节疾病。酽锕极額閉镇桧猪訣锥顧荭。由于人体在行动时往往具有明显的前后动作关联性,所以我们可以通过探测前一动作来预测其后的意图,从而辅助生成下一个动作想要的结果。例如,当人想通过腕表看时间时,通常会先将胳臂抬起并略微晃动手腕。如果将这个动作捕捉,便可探测出用户的意图,从而预先将电子表点亮激活

4、。这样就增强了体验,省去了用户不必要的动作1,2。彈贸摄尔霁毙攬砖卤庑诒尔。作者旨在自主开发一款可穿戴设备,通过咬牙来控制电子设备,从而达到方便人类与电子设备交互的目的。2平台搭建与算法2.1实验材料2.1.1实验设备本课题使用的实验设备和材料有:Arduino UNO开源电子原型开发板一个、入耳式耳机一个、GY-61 ADXL335三轴模拟加速度传感器模块一个、蜂鸣器一个、导线若干。謀荞抟箧飆鐸怼类蒋薔點鉍。2.1.2 模块介绍Arduino UNO 开发板:Arduino UNO3为Arduino USB接口系列的最新版本,是Arduino平台的参考标准模板。UNO的处理器核心是ATmeg

5、a328,具有14路数字输入/输出口(其中6路可作为PWM输出),6路模拟输入,一个16MHz晶体振荡器。图1为模块实物图。厦礴恳蹒骈時盡继價骚卺癩。GY-61 ADXL335三轴模拟加速度传感器模块:ADXL335是一款小尺寸、薄型、低功耗、完整的三轴加速度计,提供对应三轴的三端口电压输出,能以最小3g的满量程范围测量加速度。它可以测量倾斜检测应用中的静态重力加速度,以及运动、冲击或振动导致的动态加速度4。图2为模块实物图。茕桢广鳓鯡选块网羈泪镀齐。图1 Arduino UNO开发板图2 GY-61ADXL335模拟加速度传感器模块2.2 平台搭建本课题设计的系统硬件、软件原理如图3、图4所

6、示:图3 系统硬件框图图4 系统程序框图2.3 动作捕捉与信号采样人下颌咬合时,从闭合状态开始,执行以下步骤:咬肌放松,释放下颌骨,而后立即收紧咬肌带动颌骨向上贴合,从而完成一次咬合动作。鹅娅尽損鹌惨歷茏鴛賴縈诘。本文作者发现,当咬肌放松、颌骨下落时,靠耳的颌骨末端会上顶耳道外部,导致外耳道发生形变。当带上入耳式耳机时,耳机会因耳道形变向外略微移位并在咬合时还原。为此,作者在入耳式耳机的外壳上锯出一条凹槽,将加速度传感器嵌入到凹槽中,并用速干胶填充凹槽使传感器与耳机固定成一个整体,从而确保二者之间不发生相对位移。这一设计巧妙实现了咬合动作到电子控制信号的转化,完成了对下颌动作的捕捉5,6,7。

7、籟丛妈羥为贍偾蛏练淨槠挞。本文作者使用Arduino UNO 内部的模数转换器(ADC)对加速度数据采样,采样数据存储于flush缓存中以便做后续信号处理。預頌圣鉉儐歲龈讶骅籴買闥。2.3.1 采样率设定由于难以准确测量单次咬合的执行周期,本文采用对连续动作的持续时间求平均的方法来计量单次动作的执行时间。记录连续10次咬合的时间为1次测量,计为,测量3次。同时,为减小数据偏差,实验邀请了不同年龄段的两位男性、一位女性作为测试对象。因此,单次咬合动作执行时间按下式估计:渗釤呛俨匀谔鱉调硯錦鋇絨。 (1)式中,表示第位参试者的3次测量时间。测量结果表明,人1次咬合的平均时间为450ms。所以,根据

8、奈奎斯特采样定理,设定ADC的采样率Hz。铙誅卧泻噦圣骋贶頂廡缝勵。2.3.2 采样数据分帧数据按帧处理,根据奈奎斯特定理和实测数据发现,每帧50个样点即能完整包含1次咬合信号周期。虽然以帧间不重叠的方式处理信号,能有效降低MCU的计算负担,但是如果咬合冲击峰横跨相邻两帧的话(这种情况在实际测试中并不多见),将可能导致算法误判。为降低误判率,本文作者使用帧间叠接半帧(25个样点)的方式确保被截断峰完整出现在下一帧数据中。图5所示为叠接的帧结构。擁締凤袜备訊顎轮烂蔷報赢。在程序设计中,使用3个数组分别存储3个垂直轴(X、Y、Z)向上的加速度数据。实验发现,咬合动作在Y轴(即横贯双耳的方向)方向上

9、加速度变化明显。为此,对Y轴上的加速度信号使用长度为50个元素的数组,而对X(正前方)、Z(头顶上方)两轴数据使用长度为25的数组,以辅助滤除噪声8,9。贓熱俣阃歲匱阊邺镓騷鯛汉。图5 叠接帧示意图图6 标准的两次咬合信号2.3.3 采样数据可视化本文作者使用开源的轻量级串口数据可视化软件Serial Chart来对串口传输的加速度数据进行显示以便调试程序10。Serial Chart为Arduino常用的串口调试软件,类似的数据可视化软件有很多,如功能强大的Processing11。Serial Chart绘制的两次标准咬合波形如图6所示。坛摶乡囂忏蒌鍥铃氈淚跻馱。2.4 咬合动作感知算法2

10、.4.1 消震算法人体的剧烈动作,如骑车时路面不平导致的人体震荡、猛然回头导致头部抖动等都会对检测算法造成干扰12。本文作者发现,人体在做这些动作时,Y轴数组所存储的相邻数据之差比咬合动作所产生的相邻数据之差大得多。为避免这些干扰影响准确率(定义见3.2节),作者将Y轴的50个数据两两比较,若相邻两数据的差的绝对值大于2(该阈值为经验值),则判定为非咬合信号,返回false。若不大于2,返回true。蜡變黲癟報伥铉锚鈰赘籜葦。以下是消震算法代码:for (int i = 0; i 2) /判断相邻两元素之差買鲷鴯譖昙膚遙闫撷凄届嬌。return (false);实测表明,该消震算法能显著提高准

11、确率,并能有效减少MCU运算负担。2.4.2 限幅算法限幅算法是为了滤除动作幅度相对较大的干扰信号。人站起或坐下所引起的失重或超重现象、左右摇头、横向移动等动作都会使Y轴数据大幅度震荡13,为此,笔者采用判断Y轴数组中最大值与最小值之差,并判断其是否介于3,11(该阈值为经验值)的方式来滤除幅度较大的动作带来的噪声。綾镝鯛駕櫬鹕踪韦辚糴飙钪。另外,作者还加入了一个初值为0的计数器变量14,当人体相对地面静止250毫秒后将计数器加1,当人体相对地面大幅度运动时,计数器减1。一旦计数器大于4则认为人体处于相对稳定的状态,这时才开始判定,否则认为人体没有控制信号发出。同时,为防止其计数过大或过小,计

12、数器还实现了复位功能,若计数器小于2则令其等于2,若计数器大于7则令其等于7。驅踬髏彦浃绥譎饴憂锦諑琼。2.4.3 选峰算法信号时域波形中呈现尖刺状的连续区域称为峰,若将数据存放于数组中并顺序打印出来,即可直观地看到数组中存在某一个或多个元素,其幅值大于等于两侧元素的幅值。人下颌咬合一次会形成两个或两个以上的“峰”形的电信号,检测信号中的峰就等于在判断前一刻是否出现了一次咬合,这是选峰算法要完成的功能,如下是其代码片段:猫虿驢绘燈鮒诛髅貺庑献鵬。boolean judgeThePeak() for (int i = 3; i = arrayYi + 1) &(arrayYi + 1 array

13、Yi + 2) &锹籁饗迳琐筆襖鸥娅薔嗚訝。 (arrayYi arrayYi + 3) &(arrayYi = arrayYi - 1) &構氽頑黉碩饨荠龈话骛門戲。 (arrayYi - 1 arrayYi - 2) &(arrayYi arrayYi - 3) &輒峄陽檉簖疖網儂號泶蛴镧。 (arrayYi arrayYi + 4) ) number+; /峰数量累加 if(number 1)/ 如果大于1就初始化为0,以便继续使用 number = 0; return (true); else number = 0; return (false); 2.4.4 方差预处理咬合准确是基于

14、处理Y轴数据而得,但若每次都对Y轴数据作完整处理,而无预处理的话,将不仅增加MCU的运算负荷,还要额外增加其不必要的功耗。实验发现,如果人在X、Z轴向上产生动作信号,那么该方向上的信号方差必会较平稳时大。而剧烈动作同时发出下颌咬合动作的概率很小,所以设备认为人体此刻无咬合控制请求,而无需随后处理Y轴数据。为此,在处理Y轴数据之前,先算出计算量相对较小的对应的X、Z轴数据方差,通过方差的取值来判断是否需要进一步处理Y轴数据。以下是方差计算公式:尧侧閆繭絳闕绚勵蜆贅瀝纰。(2)式中,V表示X、Y轴数组数据各自的方差,E为数组中数据的平均值,X为数组中年数据的每一个采样值。3 实验结果分析3.1 鲁

15、棒性现阶段,本设计作品仅适于工作在正常行走、站立、坐等平稳条件下,而在剧烈运动、吃饭、说话等环境下,还待进一步改进15。在后续开发中,本文作者将对以下问题进行修正,如加入外部按键来终止信号探测,在需要的时候才开启探测;实现探测人的“双咬合”信号,即用连续两次咬动来确认上一次咬动信号是否为所需控制信号等。识饒鎂錕缢灩筧嚌俨淒侬减。3.2 准确率如下定义准确率率,设无咬合情况下被误判为咬合的次数为,出现咬合而误判为无咬合的次数为,完成的实验次数为。式(3)为准确率计算公式:凍鈹鋨劳臘锴痫婦胫籴铍賄。(3)实测显示,在参试人静止直立条件下,设备的准确率约为77%。4 结论与展望对开源平台的开发,本课

16、题仿真实现了一个可“咬控”的穿戴设备。它使用加速度传感器获取人体的加速度信号,并用数组记录,通过运用多种信号特征提取算法实现了人体加速度信号到布尔电信号的感知转化,在相对平稳的条件下获得了满意的“咬合”准确率。恥諤銪灭萦欢煬鞏鹜錦聰櫻。本课题的研究成果可与方兴未艾的可穿戴设备进行整合。比如集成到蓝牙耳机、有线耳机中,这样就可以轻松地用咬牙来控制通、断电话,播放音乐、切歌甚至是调整音量,从而极大地增强用户体验,使人与电子设备的交互更加便捷。此外,本研究成果也能适用于那些身体残疾的特殊群体,甚至可应用于特殊职业人群在执行特殊任务的场合。如间谍、特种部队在执行潜伏任务时,可通过咬牙来确认接收上级下达

17、的任务,或在盟友之间传递加密的布尔信号。鯊腎鑰诎褳鉀沩懼統庫摇饬。总之,经进一步开发后,本作品将具有体积小、携带方便、操作简单、操控幅度小等特点,可应用于更广的领域。参 考 文 献1 李圣怡,刘宗林,吴学忠.微加速度计研究的进展J.国防科技大学学报.2004(06) 2 黄飞跃,徐光祐.视角无关的动作识别J.软件学报.2008(07) 3 Arduino. Arduino PreferenceEB/OL. Arduino官方网站. 2015-06-01. 硕癘鄴颃诌攆檸攜驤蔹鸶胶。4 Randy. arduino学习笔记41 - Arduino Uno + MMA7361三轴加速度传感器演示实

18、验EB/OL. 极客工坊论坛. 2012-6-7 15:00. 阌擻輳嬪諫迁择楨秘騖輛埙。5 徐川龙. 基于三维加速度传感器的人体行为识别D:硕士学位论文. 浙江:浙江工业大学,2013氬嚕躑竄贸恳彈瀘颔澩纷釓。6 孔俊其. 基于三维加速度传感器的手势识别及交互模型研究D:硕士学位论文. 江苏:苏州大学,2009釷鹆資贏車贖孙滅獅赘慶獷。7 薛洋. 基于单个加速度传感器的人体运动模式识别D:博士学位论文.广州:华南理工大学,2011怂阐譜鯪迳導嘯畫長凉馴鸨。8 王洪斌. 基于三轴加速度传感器的人体行为识别研究D:硕士学位论文.江苏:江南大学,2014谚辞調担鈧谄动禪泻類谨觋。9 高西全,丁玉美

19、. 数字信号处理. 第三版. 西安:西安电子科技大学出版社.2008.525 10 Malc. SerialChart串口波形描绘_使用说明翻译EB/OL. 极客工坊论坛. 2015-3-10 14:51. 嘰觐詿缧铴嗫偽純铪锩癱恳。11 Will. Arduino和Processing的通讯EB/OL. 新浪博客. 2012-06-09 13:18:33. 熒绐譏钲鏌觶鷹緇機库圆鍰。12 刘蓉,刘明.实时手势加速度动作分割与识别研究J.小型微型计算机系统. 2012(07) 13 Shenhaiyu. 十大滤波算法程序大全(Arduino精编无错版)EB/OL. 极客工坊论坛. 2013-1

20、1-11 23:03. 鶼渍螻偉阅劍鲰腎邏蘞阕簣。14 荆雷,马文君,常丹华.基于动态时间规整的手势加速度信号识别J.传感技术学报. 2012(01)纣忧蔣氳頑莶驅藥悯骛覲僨。15 李月香,刘燕,袁涛.基于加速度信号的走路模式多级分类算法J.电子学报. 2009(08)颖刍莖蛺饽亿顿裊赔泷涨负。Abstract In recent years, with the rapid development of integrated circuit and sensors, wearable device is gradually into Peoples Daily life.This articl

21、e is based on open source Arduino hardware platform structures, wearable system, with three-axis simulation acceleration sensor and real-time data people grind movements, action through the analysis of the signal processing system and the signal characteristics of output means the action 1, 0 Boolea

22、n value, drive buzzer ringing as the action response.This system has realized the fast accurate perception of the human body Boolean action, its design principle can be used to control MP3, bluetooth headset, mobile phone, smart glasses wearable electronic devices.濫驂膽閉驟羥闈詔寢賻減栖。Key words Open source hardware, acceleration sensor, signal feature extraction, wearable devices銚銻縵哜鳗鸿锓謎諏涼鏗穎。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 生活休闲 > 在线阅读


备案号:宁ICP备20000045号-2

经营许可证:宁B2-20210002

宁公网安备 64010402000987号