（信号与信息处理专业论文）基于微波信号识别人体运动的方法研究.pdf

中文摘要 中文摘要 本文提出了一个新的用信号的传播路径损耗来识别人体动作的方法。使用的 媒介是2 。4 5 g h z 的微波信号。数据采集系统是由伯明翰大学的p r o f p e t e rh a l l 和 d r y u r in e c h a y e v 建立的实验系统。发射天线和接收天线均置于人体上。输入信号 为信号的传播路径损耗。两组实验数据已经分别在消声室和实验室里获得，包括 人的1 8 个不同的静止的姿势和运动的姿势( 动作) 。一个信号处理系统已经被建 立，用于识别这两组原始的数据，但是该系统仅仅从数据本身出发并没有考虑到 人体的传播特性。该系统包括四大部分：预处理，特征抽取，分类，和降维。最 后得到的正确率是9 7 。8 ( 暗室) 和9 3 。3 ( 实验室) 。然而，试验结果和关于 人体传播特性的理论证明，原始的实验系统很难实现对人体静止姿势的识别。因 此，我们提出了一个新的实验方法，就使用周期的动作。我们对6 个与头相关的 动作进行了试验并得到了相关的数据。对于新的实验数据，我们进一步作了分析 和处理，结果表明，新的实验方法是可行的。 关键词：路径损耗；模式识别；毫米波 a b s t r a c t a b s t r a c t i nf l u sp r o j e c t , w ep r o p o s ean o v e lm e t h o df o rr e c o g n i t i o no fh u m a nb o d y m o v e m e n tu s i n gs i g n a lp r o p a g a t i o np a t hl o s s 1 1 1 cm e d i u mu s e di sm i c r o w a v es i g n a l sa t af r e q u e n c yo f 2 4 g h za n dt h ed a t ag a t h e r i n gs y s t e mi sb a s e do na ne x i s t i n gs y s t e mt h a t w a sb u i l tb yp r o f p e t e rh a l la n dd r y u r in e c h a y e vi nt h eu n i v e r s i t yo fb i r m i n g h a m t h et r a n s m i t t e ra n dr e c e i v e ra r eb o t hp l a c e do nh u m a n b o d yt h ep r o p a g a t i o np a t hl o s s i sc h o s e na st h ei n p u td a t a , a n dt w og r o u po fd a t aw a so b t a i n e dw h i l et h ep e r s o nc a r r i e s o u t1 8d i f f e r e n ts t a t i cp o s t u r e sa n d m o v i n g p o s t u r e s ，b o t hi nt h ec h a m b e ra n dt h el a b a s i g n a lp r o c e s s i n gs y s t e mh a sb e e nb u i l tt or e c o g n i z et h eo r i g i n a ld a t ao b t a i n e db y p r o f p e t e rh a l la n dd r n e e h a y e v , w i t h o u tc o n s i d e r i n gt h eb o d yp r o p a g a t i o n c h a r a c t e r i s t i c s t 1 1 i ss y s t e mi n c l u d e sp r e - p r o e e s s i n g , f e a t u r ee x t r a c t i o n , c l a s s i f i c a t i o n a n dd i m e n s i o n a l i 够r e d u c t i o n ，a n dg i v e sac o l t e c t n e s so f9 7 8 i nc h a m b e ra n d9 3 3 i nl a b h o w e v e r , t h ee x p e r i m e n tr e s u l ta n dt h et h e o r e t i c a lt h e o r yo ft h eb o d y p r o p a g a t i o nc h a r a c t e r i s t i c ss h o wt h a ti t i sv e r yd i f f i c u l tt or e c o g n i z et h eb o d ys t a t i c p o s t u r e sb yu s i n gt h eo r i g i n a ld a t ag a t h e r i n gs y s t e m t h e r e f o r ew e h a v ep r o p o s e dan e w m e t h o dt og a t h e rt h em o v e m e n td a t ao ft h eh u m a nb o d y i nw h i c hw ea c q u i r e dt h ed a t a o f6h e a dr e l a t e dm o v e m e n t st h a ta r er e p e a t e dp e r i o d i c a l l y , i n c l u d i n gh e a dt u r n i n gt o l e t v r i g h t , h e a df o r w a r d b a c k w a r da n db o d yt u r n st ol e f t n g h t d a t as e l e c t i o n , a v e r a g i n g , d e - t r e n d ，a n d 吼u - v ef i t t i n ga r eu s e dt op r e - p r o e e s st h ed a t a e x p e r i m e n t a lw o r ks h o w s t h a tt h ef e a t u r e ss u c ha sv a r i a n c e d e n s i t ys p r e a do ft h em o v e m e n tc a nb eu s e dt o d i s c r i m i n a t et h eh e a dr e l a t e dm o v e m e n t s p h a s es h i f tc a nb eu s e dt os e p a r a t et h e o p p o s i t em o v e m e n t f o re x a m p l et h eh e a dt u r n i n gt ot h el e f ta n dh e a dt u r n i n gt ot h e r i g h t t h er e s u l t ss h o wt h ef e a s i b i l i t yo ft h i sm e t h o d h o w e v e r , al o tm o r er e s e a r c h w o r kn e e d st ob ed o n ei nf u t u r e p a r t i c u l a r l y , m o r ee x p e r i m e n t sa r er e q u i r e df o rf e a t u r e e x t r a c t i o n m e a n w h i l eag o o dc o m b i n a t i o no f t h eo n - b o d yp r o p a g a t i o nc h a r a c t e r i s t i c si s n e c e s s a r y k e y w o r d s ：p a t hl o s s ；r e c o g n i t i o no f h u m a nb o d ym o v e m e n t ；m i c r o w a v es i g n a l s 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名：遮盟室 日期： 加7 年，月7 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) ， 签名：诲矸字导师签名：拶 日期：舢7 年f 月呻日 第一章绪论 1 1 基本介绍 第一章绪论 作为人类生活的自然基础，人体动作识别已经得到了越来越多的关注。人体 动作手势跟踪与识别与很多学科都有着联系，并且有着广泛的应用领域。相关的 应用包括：临床研究，健康护理，运动训练，以及体育业和娱乐业。各种各样的 理论和技术以各种不同的目的，已经被应用于这个领域。 已经有很多系统被建立以测量人体各部分和各部分之间的关节的位置，基于 不同的原理和目的【1 ，2 】。如果把人体考虑成刚性结构，动作技术可用：光学，动 力学，机械学，磁学，声学，惯性学和电磁波微波学来作为感应。近来，对人体动 作的基于心理因素的研究给予了刚性动作一个意义。人体动作识别研究也变得更 成熟，更本质。通过分析手势和位置这两个因素，人的动作就变成了一种行 为。对有序数据的信号处理技术，如隐性马尔可夫模型由此而得到了更多的关注 以及应用。 尽管在这个领域中已经取得许多成就，但是仍然有许多的问题和缺陷需要我 们去研究和探索。理想的人体动作识别系统将会是：体积小，独立，自由度高， 精确，快速，不受屏蔽干扰，高能，可远距离工作，无线，以及价格低廉。 1 2 动机 无线电和微波已经被广泛的用于导航系统。包括g p s ，各种机场降落协助和雷 达系统。然而，无线电和微波被用于人体动作识别还很少。大多数的动作跟踪系 统都是基于t i m e - o f - f l i g h t 原理。在这种情况下，由于信号的传输速度，信号在高频 将会遇到精度的问题。一些其他的潜在的研究领域有毫米波成像技术，和超宽带 技术，但是都尚不能对其前景作出定论。另一方面，无线人体个域网( b a n s ) 和 个人局域网( p a n s ) 在移动通讯领域正变得越来越重要。天线缩微技术和在体传 输通道也因此变成了在体天线传输技术的重要的研究焦点。虽然已经有大量的研 究工作基于天线缩微技术，但是在体天线传输却碰到了一些挑战，还有一些难以 电子科技大学硕士学位论文 解决的问题。伯明翰大学的p r o f p e t e rh a l la n dd r y u r in e c h a y e v 目前正致力于研 究无线电波在人体的传输特性。他们建立了一个实验系统，进行了大量的对各类 的在体传输通道的路径损耗的测量 1 8 】。结果发现，测量的数据与人体的动作有着 很大的关系因为路径损耗对人体动作相当的敏感。然而，这个特性还没有被用于 人体动作识别研究。于是，该课题借此对于这个问题的可行性进行了一些初步的 探讨和研究。 1 3研究目标 本课题是基于由p r o f p e t e rh a l la n dd r y u r in e c h a y e 所建立的实验和数据采 集系统。我们的目的是要探索该系统用于动作识别应用的可行性。目前有两组实 验数据，对不同的人体动作的路径损耗，已经分别在消声室和实验室里获得。由 此，我们有两个主要的目标： 1 针对已有的数据，试图建立一个信号处理系统，识别其中的各个动作。 2 做新的实验，采集新的数据，验证信号处理系统的有效性和可行性，并对 其进行改进。 1 4 主要贡献 建立了一个实时信号处理系统用于识别原始数据。该系统分为四个部分：预 处理，特征抽取，分类，以及降维。在这里，降维是基于分类器输出的反馈信号。 对于预处理，我们使用了5 点均值滤波器。对于特征抽取，我们选用了均值作为 分类器的特征，这是基于k - m e a n 聚类的分析结果。另外，均值也是我们所找到的 姿势的唯一的特征。对于分类器，我们使用了三个算法，包括p a r z e nw i n d o w s ， k - n e a r e s tn e i g h b o r s ( k n n ) 和m i n i m u md i s t a n c e 。这三个分类器所给的实验室和消 声室的数据的正确率都在8 5 以上。其中，k n n 的性能最好，为9 1 3 在消声室 和9 0 6 在实验室。对于降维，我们使用了顺序向前寻找法，选取能给出最优结果 的一个数据组，其相应的维数为9 。其正确率为：9 7 8 在消声室，9 3 3 在实验室。 在进行试验的重复验证中我们发现，该实验的可重复性很低。每一次的重复 实验结果都很不相同。事实上，对传输通道特性的理论和实践结果都证明了由p r o f p e t e rh a l l 和d r y u f in e c h a y e 所建立的实验系统并不适用于对人体的静止姿势的 2 第一章绪论 识别。因此，我们提出了一个新的动作识别方法，基于相同的实验结构。该方法 基于周期的动作将给出周期的信号的假设。由此我们做了新的试验并采集了 新的数据。在薪的实验中，我们将一个动作分解为两个姿势。每一个动作的周期 选为l o 秒，也就是说每一个姿势的时间为5 秒。对每一个动作我们做了三个重复 的试验。对数据的预处理包括：数据选择，数据平均，线性趋势的去除和曲线拟 合。对于特征抽取，我们比较了数据的均值，方差，相移，密度估计，频谱。结 果表明，方差和密度范围是有效的特征可以将所有的动作分开，相移是有效的特 征可以将相对运动分开，比如说头向左转和头向右转。 1 5 本文的结构 在第二章，首先回顾当前的人体动作识别的状态，并对实验系统进行描述。 在第三章，基于原始数据，介绍建立的识别系统的原理以及相关的工作。第四章 为系统的实验结果。第五章，首先通过新的试验的结果，讨论该识别系统的可行 性和可应用性。然后，基于得出的结论，我们提出新的动作识别方法。并对新的 实验数据进行讨论和分析。第六章，得出结论并作出总结。 在论文正文前，内容为：该研究工作在国民经济中的实用价值与理论意义； 本研究主题范围内国内外已有的文献综述；论文所要解决的问题。 3 电子科技大学硕士学位论文 2 1动作定义 第二章背景知识 动作是人类生活的基本特征。是人类操作事物和与外界环境和人物交流的途 径。t h ep r o d u c t i o no f p u r p o s e f u l ，g o a l d i r e c t e dm o v e m e n tp e r v a d e si nh u m a na c t i v i t y ( 加n e r e ws a l w a y ) 。已有的一些对人的动作的研究比如眼睛，面部，手指，手等等。 这些都可以被包括在手势识别中，并且它们是特别针对人体的某一部分。相对的， 人体动作是指由整个人体定义的动作。包括人的躯干，四肢，和头。人体动作的 监测和识别可以用来对分析人的行为，比如行走，坐，站立，跑等等。 2 2动作的描述 在人机交互学科，一般来说，有两个主要的描述动作的方法： ( 1 )生物力学 从牛顿力学的角度，并且考虑到人体动作的物理结构以及可以适于测量的骨 骼，关节，肌肉，键，韧带等等与动作相关的因素。动作科学和生物工程学都趋 于将焦点放在人体的解剖特性和人体运动带来的限制上。对人机交互来说，这是 相当重要的，因为对基于动作的交互技术，他同时提供了确定动作轮廓的方法和 限制【3 】。 ( 2 ) 现象学 于生物力学不同，从现象学的角度去理解人体动作是根据动作的意义和内涵 去看人的动作 3 】。人体动作被理解成社会行为的一个部分，而于由肌肉，骨骼， 位移的角度，运动的模式，或者是动作的位置定义的动作不同。在生物力学中， 人体被当成物体来研究，而在现象学中，被当成b o d ys u b j e c t ，并且作为人体存 在于世界的基本的，直觉的体验来研究，比如，他为什么做这个动作或是他在干 什么 3 】。 然而，生物力学和现象学这两种方法有本质的不同，因此他们是不调和的并 且不可兼容。尽管如此，这两种方法均帮助我们更好的理解和解决人体动作问题。 4 第二章背景知识 【4 】和 5 】介绍了如何描述和表现作为交互的动作，以及那种形式的人体动作是有意 义的。 2 3当前的技术 有很多的不同的传感器技术用于采集人体动作信息。图2 。1 举例说明了一个 混合的人体动作跟踪系统。主要存在的动作感应技术可以分为：光学的，运动的 机械的，磁的，声学的，惯性学的，以及电磁波微波技术。每一种方法都有其各 自的优缺点。一些主要的限制和缺陷包括： 不同的物理媒介 有设备和信号处理模型导致的测量误差 严格受限于特殊的应用 d m 】啦墨o f 珥啦咀啦o f 知蝴n m o 钟竹罅n t 钠c 】d = 口g 谚3 艳m 5 t 图2 1 一个真实的人体运动跟踪系统图【6 】 光学传感器 光学感应系统包括各种技术，使用不同的光源，包括被动光源比如 d i s t i n g u i s h a b l ec o l o r e df i d u c i a l l y ， 主动的光源比如l i g h t - e m i t t i n gd i o d e s ( l e d s ) ， l a s e r s ，或s i m p l el i e 出tb u l b s 4 1 基于计算机视觉的照相机是最为广泛流行的选择 之一。在视觉系统，基于像素的数据被获得以用于分析肉眼可见的动作的特征， 比如说，人体几何结构的改变和人体各相连部位的角度的改变，以及方向的改变 5 电子科技大学硕士学位论文 等等。多重照相机被用于捕捉来自不同方向和不同角度的信息。人体姿势通过确 定人体的各个部分和关键点的位置被识别。除了传统的2 维图像处理，3 维视频处 理技术已经被应用于动作识别。恢复三维空间数据的参量是现今该技术存在的主 要的挑战。 存在于视觉处理系统的一些主要的困难和挑战包括l i n e - o f - s i g h t 。b a c k g r o u n d m o v e m e n t ，l i m i t e dw o r k s p a c e ，h i 曲s e n s i t i v i t yf o rl i g h t i n gc o n d i t i o n s 以及h i 曲 r e q u i r e m e n t so ne q u i p m e n t s 。由于精确度的问题，一个纯视觉的传感器也很局限。 机械传感器 基于运动学原理，主要的机械传感器分为刚性和柔性的测角器，他们都需要 置于被测者身上。传感器位置的置放起着至关重要的影响。相对于视觉信号，这 些人体传感器可以提供动作的非常直接的信息，因为测角器对人体动作的复制。 传感器测出关节的角度，然后将信息传递给运动算法器，其结果将确定人体的位 置。这些传感器可能会对较慢的动作非常有用，但是对于更有力的行为，可能在 运动过程中发生相关的联接的位置改变的情况。并且，虽然机械传感器很容易测 量二维的动作，但是自由关节，比如肩膀，的多自由度会变得非常难以去测量f l ， 2 】。 惯性传感器 惯性传感器可以检测转距和力。因此也就可以检测人体的方向和位置，这样 的传感器技术简单的利用了人体的特性来保持转动常量以及平移速率，除非受到 了力和转距的影响。在耳内的前庭系统是这种传感器的一个生物的例子。他可以 感应到头的有角度的动作和线性的加速度而把眼睛和外界联系在一起。人体的各 个部位的微型传感器单元通过陀螺仪和加速器来测量，数据在时间上被整合以分 析方向和位置。在日常生活中的惯性传感器的应用的例子包括日常行为监控，神 经紊乱测量和在m i x e d a u g m e n t e dr e a l i t y 系统中的应用。然而，方向和位置的在时 间长度上的估计的内漂移使得这种感应器不适于长期应用 1 ，2 】。 声波 声学跟踪系统利用了声音的超声波冲击响应。通过纪录声波的t i m e - o f - f l i g h t 和位置的三角测量或者通过对一致相位的测量来分析位置信息。在这种系统中， 发射机可能被放置在人体的某个部位或者被固定在某个测量介质。声音的物理特 征限制了识别系统的精确性和范围，由于对清晰视线的要求，因为识别可能会受 6 第二章背景知识 到反射声波的影响 1 ，2 】。 磁感应 磁感应系统有放置于人身上的感应器组成，可测量由发射器产生的磁场。发 射器是由三个磁力线圈做成，当电流穿过线圈时，会产生各自的磁场。感应器的 位置和方向通过磁力计对传感器的局域的电磁场向量测得。磁感应系统的优点包 括，体积小，可用单元激发多元。并且，由于磁场直接穿过人体，也就不存在l i n e - o f s i g h t 的要求。但是，缺点是复杂度高，价格高，磁场易被局域内的其他物质干扰， 磁场强度随着距离的增大而迅速的衰减 1 ，2 。 无线电和微波感应 无线电和微波感应在人体动作识别领域还没有很大的探索。然是他们已经被 广泛的应用于导航系统，包括g p s ，机场降落协助，以及雷达系统。近来，他们已 经开始被应用于局域定位系统，用于找寻货栈或医院的r fa s s e tt a g s 【7 】。随着精 确度的提高以，设备体积的减小以及价格的降低，无线电磁波技术将更可能被用 于人体动作识别【7 】。 大多数的无线电位置跟踪系统遵循与声学系统类似的原理。发射器和接受器 之间的距离通过波的传输时间来确定。一些其他的新的领域有毫米波成像技术， 以及超宽带技术。他们可以改进t i m e - o f - f l j i g h t 系统的一些问题，但是，由于研究 的有限，以及背景的不成熟，对于这些领域的未来发展还不能下定论。 无线电和微波感应技术目前存在的主要的优点和缺点如下。主要的优点： 1 比准静电磁场范围更大，因为辐射能量以1 r 2 散逸，而双偶极场强衰落势 是正比于1 r 4 7 】。 2 不受热，光，声音，湿度等的影响。并且，由于无线电波在空气中的损耗 可以忽略不计，因此不受空气的温度或者风的影响。因此，可适用于宽敞的 户外，而通常这些地方是不定变量最易产生的地方。 3 由于人体绝大部分由水组成，因此对无线电波不透明。然而，人体可以在 皮肤下的仅仅几厘米内阻止微波传输，使得大多数的能量在人的体表传输【8 】。 主要的缺陷： 1 无线电的传输速度是声波的百万倍，因此很难用t i m e o f - f l i g h t 来进行精确 测量。测量的高分辨率要求计时器应该在非常高的频率下工作，而相应的功 7 - 电子科技大学硕士学位论文 耗就会增加，价格也会更加昂贵。已存在的解决方法如g p s 用一个时延锁相 环( d l l ) ，但是这仅仅可以被用于户外。 2 长波的正铉信号对于多径失真非常敏感，特别是在室内，存在很多反射并 且时不可避免的 2 1 。 目前所知的唯一的机遇无线电频率的精确的运动跟踪器已经在毫米范围内取 得和很好的分辨率。但是该系统用了大量的微波仪器，并且，其论证的环境是在 一个五面( 包括天花板) 都覆盖着频率衰减泡沫块的空房间内【6 】。 有一点是指的注意的，在以上的所有我们提到的这些系统里，接收器获发射 器均被置于人体，而发射器或接受器均被固定在另外的控制台或者信号处理台， 如计算机。而处理的信号均为发射和传输的信号本身。 2 4 人体个域网 一些与人体传感器直接相关的领域有：w e a r a b l ec o m p u t e r , b a n 等等。这些 领域的发展为动作识别提供了良好的技术资源。同时，人体动作识别已经变成了 这些领域的一个重要的课题。 随着对方便、便宜的通讯系统的要求，无线网络技术在人机交互领域已经变 得越来越重要。现有的w i r e l e s s b o d y a r e a n e t w o r k ( w b a n 3 的无线网络技术包括： u m t s ，g s m ，w i r e l e s s l a n ，b l u e t o o t h ，z i g b e e ，u l t r a w i d e b a n d ( u w b ) 。一些预期的 w b a n 技术的应用包括：交互游戏，个人健康状况监控，个人安全，和生物试验 等等。随着用户对舒适性和适应性的越来越高的要求，这些技术已经收到了越来 越多的关注。继天线缩微技术后，天线传播特性已经成为了另一个重要的问题。 通讯系统的设计要求对天线的传播特性有很好的理解。在该领域中目前仍存在一 些挑战。 因此，伯明翰大学的h a l l 和n e c h a y e v 建立了一个测量系统用于探索在体天 线通道特性，使用信号的路径损耗【1 8 】。路径损耗是在发射器和接收器之间的信号 的能量损失。他是传输特性中的最重要的参量之一。对于窄带传输，传输通道显 示出对人体个部分的动作很高的变化性【9 】。也就是说路径损耗对育人的姿势和动 作非常敏感，意味着它可能可以用于人体动作识别。但是，人体的无线电传播是 一个非常复杂的电磁场问题 1 8 】，环境和人体自身的状况都对传输通道由很大的影 8 第二章背景知识 响。并且，在体传输特性这个领域也还不成熟。这些都将成为该课题的最大的挑 战。 2 5系统描述 2 5 1数据获取 原始的数据采集系统是由伯明翰大学的h a l l 和n e e h a y e v 所建立，目的在于 研究无线电波在人体通道的传输特性。一个向量网络分析仪( v n a ) 被用于测量 在体通道的传播路径损耗。两个8 6d b i 的p a t c h 天线，分别为发射器和接收器， 用5 米长的同轴线连接到向量网络分析仪。他们被置于人体的不同的位置已经不 同方向以测量对人的各种静止和运动的姿势的响应。通道路径损耗，是信号在发 送器和接收器之间的能量损失。采样频率为1 赫兹。实验者每2 0 秒改变其姿势。 相同的实验在实验室和消声室里进行。 数据采集系统如图2 2 所示。天线的位置如表2 1 所示。表2 2 为经测量的动 作。图2 4 和2 5 为采集到的原始数据。 图2 2 数据采集系统 9 电子科技大学硕士学位论文 图2 - 3 人体上的天线【1 9 】 n o p o s i t i o nd e t a i l s lb c v v 2b e l tt oc h e s t ，t w ov e r t i c a l l yp o l a r i z e da n t e n n a sm o u n t e da b o v e j u m p e r ( r x l ) 2b c v v 3b e l tt oc h e s t ，t w ov e r t i c a l l yp o l a r i z e da n t e n n a sm o u n t e du n d e r j u m p e r ( r x l ) 3b c v v 4b e l tt oc h e s t ，t w ov e r t i c a l l yp o l a r i z e da n t e n n a sm o u n t e dw i t h o u t j u m p e r ( r x l ) 4b c h v 4b e l tt oc h e s t 。w i t l lt xh o r i z o n t a l l yp o l a r i z e d , a n t e n n a sm o u n t e dw i t h o u t j u m p 露( r x d 5b b v v lb e l tt ob a c k ，a n t e n n a sf a c i n go u t w a r d s ( r x 2 ) 6b b v v 2b e l tt ob a c k , a n t e n n a s f a c i n gi n w a r d s ( r x 2 ) 7c b w lc h e s tt ob a c kw i t ht xo n l yi n w a r d ( r x 2 ) 8b 、w 1b e l tt ow r i s ta n t e n n a sv e r t i c a l l yp o l a r i z e d ( r x s ) 9b 、) l r v h lb e l tt ow r i s tr x h o r i z o n t a l l yp o l a r i z e d ( r x 5 ) 1 0b 、7 l n 厂、7 2b e l tt ow r i s ta n t e n n a sv e r t i c a l l yp o l a r i z e d ( r x 6 ) 1 lb h v v lb e l tt oh e a da n t e n n a sv e r t i c a l l yp o l a r i z e d ( r x 3 ) 1 2b h v v 2b e l tt oh e a da n t e n n a sv e r t i c a l l yp o l a r i z e d ( r x 3 ) 1 3b c v v 5 r e p e a t l 表2 1 暗室中的天线位置 1 0 第二章背景知识 c a t e g o r y t i m es l o t s ( s ) b o d yp o s i t i o n s ( 1 ) 1o 一2 0 3 6 0 3 8 0 s t a n d i n gu p r i g h ts t i l l 22 0 4 0 3 8 0 4 0 0 s t a n d i n g , b o d yt u r n e dt ol e f t 34 0 6 0 4 0 0 - 4 2 0 s t a n d i n g ，b e d yt u r n e dt or i g h t 4 6 0 - 8 0 ，4 2 0 4 4 0 s t a n d i n g ，b e d ys l i g h t l yl e a n e df o r w a r d 5 8 0 1 0 0 ，4 4 0 - 4 6 0 s t a n d i n gu p r i g h t , h e a ds l i g h t l yl e a n e df o r w a r d 6 1 0 0 1 2 0 ，4 6 0 4 8 0 s t a n d i n gu p r i g h t , l l e a dt u r n e dt ol e f t 7 1 2 0 1 4 0 ，4 8 0 5 0 0 s t a n d i n gu p r i g h t h e a dt u r n e dt or i g h t 8 1 4 0 1 6 0 ，5 0 0 5 2 0 s t a n d i n gu p r i g h t ，a l m ss t r e t c h e do u tt ot h es i d e 91 6 0 1 8 0 5 2 0 5 4 0 s t a n d i n gu p r i g h t , a r m 8a b o v et h eh e a d 1 0 1 8 0 2 0 0 ，5 4 0 5 6 0s t a n d i n gu p r i g h t ，a j ? t t l sr e a c h i n gf o r w a r d s 1 1 2 0 0 - 2 2 0 ，5 6 0 5 8 0 s t a n d i n gu p r i g h t ，l o w e ra l n l sr e a c h i n gf o r w a r d 1 2 2 2 0 - 2 4 0 ，5 8 0 6 0 0m o v i n ga r m s h e a d a n db o d y f r e e l y w h i l e s t a n d i n g 1 3 2 4 0 2 6 0 ，6 0 0 6 2 0s i t t i n gs t i l lo nas t o o l ，a l i n sb a n g i n ga l o n gt h e b o d y 1 4 2 6 0 2 8 0 ，6 2 0 6 4 0 s i t t i n gs t i l l0 1 1as t o o l ，h a n d si nt h el a p 1 5 2 8 0 3 0 0 ，6 4 0 6 6 0m o v i n g8 1 n l s ，h e a da n db e d yf r e e l yw h i l es i t t i n g 1 6 3 0 0 3 2 0 ，6 6 0 6 8 0s t a n d i n gu p r i g h ts t i l l 1 7 3 2 0 3 4 0 ，6 8 0 7 0 0 w a l k i n gb a c ka n df o r t h , 砌sc l o s et ot h eb o d y 1 8 3 4 0 3 6 0 ，7 0 0 7 2 0 m o v i n ga r l l l s h e a d a n db e d y f r e e l y w h i l e w a l k i n g b a c ka n df o r t h 表2 - 2 实验中的人体运动分类和顺序 电子科技大学硕士学位论文 2 5 2 原始数据 旧曲i l l d t n t ) 曾 图2 4 暗室的原始数据 r a v 曲h 曲 图2 5 实验室的原始数据 1 2 m!t口星cg 蔫墓c#*e 第三章方法论 3 1 介绍 第三章方法论 在本章，我们将要介绍建立的识别系统以及其方法论。该系统是建立在基本 的模式识别的体统结构上，包括数据测量，输入数据，预处理，特征抽取，分类 和输出。另外，我们对输入数据进行了降维处理。该系统的特点是可以对输入信 号进行实时处理。相关的研究如聚类，分割和相关的结果也将在本章中提到。 本阶段的研究仅仅基于数据本身，而没有考虑到微波传输特性。因此，该系统仅 限于模式识别技术的应用。可以预测，更有效更实际的识别系统需要结合人体传 输特性和模式识别技术两者。这将在第五章进行进一步的讨论。图3 1 给出提出的 识别系统结构。 图3 1 人体运动识别模型结构 为了利用所有的数据，我们将每一个天线位置考虑成一个特征变量，因此输 入信号为一个时间序列，为1 3 维的向量。输入信号向量格式如下。 - 1 3 - 电子科技大学硕士学位论文 藤 a 1a 2 a 3a 4a 5 a 6a 7 a 8a 9a 1 0a 1 1a 1 2a 1 3 1 4 2 64 3 74 1 3 5 9 65 8 1 5 7 99 3 95 1 0 4 5 75 0 35 0 15 3 2 3 8 3 7897835525599 24 2 54 4 2- 4 2 1。5 6 2 5 7 45 7 97 4 0 4 7 0 5 4 45 0 35 0 15 3 33 8 4 7254934795577 34 2 5 4 4 7 4 1 4 5 5 3 5 7 85 7 3 7 4 04 7 3 5 3 54 2 6。5 0 5。5 3 43 8 6 8503 8 34542 0 6 2 表3 1t e s tv e c t o r - i n p u tv e c t o rx ( 1 3s e e ) t h e a ( i ) r e p r e s e n t st h ea n t e n n ap o s i t i o nn o ( s h o w ni nt a b l e1 ) 3 2 预处理 预处理是信号处理中的重要的一部分。改变原始数据使得其处理交得更容易 且更有效，同时也保留了原有的信息。有很多不同的与处理方法，比如采样，也 就是从大量的数据中选择一个有代表性的子集；降噪；正态化，也就是组织数据 使其变得更易于访问；特征抽取，在特定的条件下抽取有意义的数据。 3 2 1 转移不稳定性响应延时 1 2 】 从原始数据，我们发现，每一个动作周期的前几秒时间的数据都非常不稳定。 这其实是由于动作转换的时间延迟以及设备的不稳定性。在下文中我们称其为响 应延时。 1 4 第三章方法论 图3 2 暗室中的原始数据( 防大) 一。 ( j j 、消忿 n 擞 ；| 厂 蔽 r k - 一。、 l n b 一n 1 鬃氍 汁一 臻 、 黼 辍黼 ?7 - ， e珊 图3 3 实验室的原始数据( 防大) 3 2 2 低通滤波器 从原始数据，我们发现随即噪声同时存在于消声室和实验室的数据中。由于 我们对噪声并不了解，为了防止丢失相关重要的信息我们选择最简单和容易的均 值滤波器来平滑数据。该算法的原理是取奇数组的数据的平均，然后把均值赋给 中间的那个。然后将窗口向下平移一个单位，并重复这样的操作过程直到处理完 所有的数据。 1 5 电子科技大学硕士学位论文 3 3 特征抽取选择 特征抽取，选择是模式识别系统中非常重要的一部分，图3 4 给出了特征抽取 和识别器的关系的图解。 图3 - 4 特征抽取选择流程图 特征抽取器的目的是找到一个特征空间，在这个特征空间里，同类事物的参 量得值或者位置非常相近或相似，而同时使得不同类的事物的参量值或位置很不 同或者很远 1 1 】。有效的特征抽取需要d o m a i n - d e p e n d e n t ，因此要求相关的域的知 识。对环境和噪声不变的特征，和具有转换不变性的特征是我们所寻找的。另外， 我们也希望特征很容易提取，并且计算复杂度尽量小。然而，值得注意的是，在 同一各类中，目标的特征值的变化性可能是由于复杂度造成的，也就是说由于模 式本身造成的，也可能是由噪声引起的【1 1 】。 3 3 2i n t u i t i o n 从几组预处理后的数据，直觉告诉我们均值可能是一个有用的特征。数据可 以被部分的分割使用均值。图3 5 和3 - 6 给出了两个例子。 1 6 第三章方法论 _ ； l | 一 n刖l 一 ： ! ； ! l 夕 卜一八 ； 一 ，r 7 - 图3 5 天线位置：b c v v 2 的暗室数据 一l | r f t 旷 沙 p 返 j 慕易褂 ：! 、 ： l。 图3 6 天线位置：b c v v 2 的实验室数据 3 3 3 聚类 通过聚类，每个姿势和每个时间点的数据的分布显得更加清楚。聚类并不时 识别处理系统的一部分，但是他的结果可以帮助我们寻找有效的模式的特征和分 类算法。 假设我们对数据的含义一无所知，也就是说我们不知道什么时候人转换了动 作，不知道实验者在什么时候在做什么动作。为了把所有的采样点从d 维空间聚 类到1 3 维空间，我们使用了k - m e a n s 算法。该算法是e x p e c t a t i o n - m a x i m a i o n ( e m ) 算法的一个变体。他基于有高四分度产生的数据。该算法寻找每个组的中心，然 后把数据聚类到各个组，使得每个组的方差都为最小【1 3 】。该算法可以表示如下： 一1 7 一 jtf 电子科技大学硕士学位论文 肘= 丢莓恢一以1 1 2 ( 3 1 ) 这里毛代表第”个采样，k 表示矗所属的类q 。版代表第j 个类的中心。m 代表点到类的中心的距离和。通过反复划区，而使得对于所有的类的膨都取得最 小值，最优的结果随即得出。 我们使用了m a t l a b 工具箱中的k m e a n s 函数，结果如下： 图3 - 7 暗室的聚类结果 图3 8 实验室的聚类结果 1 8 第三章方法论 从以上的结果来看，每一个数据点都被指定到某一个类( 途中并没有表明) 。 大多数的属于同一个动作模式的数据点都被聚类到了一起。尽管有一些误聚类出 现，但是已经表明了这些动作可以通过他们的数据在1 3 为空间里的位置距离来区 分。这也启发了我们，动作模式的中心是一个有效的特征。 3 4 分类 我们选用了几种分类器：p a r z e n 窗法、k 近邻算法、最近距离算法，选用平