文档名：基于多传感器融合的低功耗人体活动识别方法
摘要：人体活动识别是行为监测、健康分析等许多任务的前提与基础,其中基于可穿戴设备的人体活动识别方法凭借其持续性分析的能力有着不可替代的优势.人工神经网络(ANN)可以显著提高人体活动识别的准确度,然而,基于ANN的分析方法由于计算量大,计算功耗高,不适用于可穿戴设备应用场景.基于此,提出一种基于多传感器与脉冲神经网络(SNN)的人体活动识别方法,该方法基于集成学习实现,分类准确率达到97.8％.同时将训练好的集成学习模型转换为SNN,可以充分利用SNN专用芯片低功耗的特性,以数毫瓦的功耗完成人体活动识别任务.
作者：王刚 莫凌飞Author：WANGGang MOLingfei
作者单位：东南大学仪器科学与工程学院,江苏南京210096
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(3)
分类号：TP391.4
关键词：多传感器融合 脉冲神经网络 人体活动识别 低功耗
机标分类号：TP242TP391.41TN911.73
在线出版日期：2023年3月27日
基金项目：国家自然科学基金基于多传感器融合的低功耗人体活动识别方法[
期刊论文] 传感器与微系统--2023, 42(3)王刚 莫凌飞人体活动识别是行为监测、健康分析等许多任务的前提与基础,其中基于可穿戴设备的人体活动识别方法凭借其持续性分析的能力有着不可替代的优势.人工神经网络(ANN)可以显著提高人体活动识别的准确度,然而,基于ANN的分析方...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于多传感器融合的低功耗人体活动识别方法 Low-power consumption human activity recognition method based on multi-sensor fusion
基于多传感器融合的低功耗人体活动识别方法.pdf
- 文件大小:
- 1.05 MB
- 下载次数:
- 60
-
高速下载
|
