[发明专利]运动状态的识别方法及装置

权利要求书

1.一种运动状态的识别方法，其特征在于，包括：

获取终端设备用户的运动参数信息；

将所述运动参数信息基于支持向量机SVM模型进行训练以确定用户的运动状态。

2.根据权利要求1所述的方法，其特征在于，获取终端设备用户的运动参数信息，包括：

通过基于电容式微机电系统MEMS的运动参数采集单元采集电容变化数据；

根据电容变化数据获取运动参数信息。

3.根据权利要求2所述的方法，其特征在于，所述运动参数采集单元，包括：陀螺仪、加速度传感器、角速度传感器和/或压力传感器；

所述运动参数信息，包括：方向信息、加速度信息、角速度信息和/或压力信息。

4.根据权利要求1所述的方法，其特征在于，获取终端设备用户的运动参数信息，包括：

根据预置步频阈值对获取到的运动参数信息进行初步去噪处理；

对初步去噪处理后的运动参数信息进行小波变换操作，以将运动参数信息中的时域信号离散化；

将多种频率成分的混合信号分解到不同频段，根据各种子信号在频域上的特征按频带处理，以获得符合预置信噪比阈值的运动参数信息；

其中，小波变换操作中使用的公式为：

其中，C_j，k为小波系数，λ为阈值。

5.根据权利要求4所述的方法，其特征在于，还包括：

从符合预置信噪比阈值的运动参数信息中提取运动状态的时域特征及频域特征；

将运动状态的时域特征与频域特征进行组合以生成运动状态的融合特征集。

6.根据权利要求5所述的方法，其特征在于，从符合预置信噪比阈值的运动参数信息中提取运动状态的时域特征，包括：

从符合预置信噪比阈值的运动参数信息中提取作用力中的垂直力曲线；

通过一阶差分算法确定前后、垂直方向曲线的波峰点和波谷点，以作为前后方向曲线、垂直方向曲线的关键点，并将垂直方向曲线的波谷点作为垂直方向曲线的参考点；

提取垂直方向曲线的关键点的力值及力值出现的时相、相邻关键点作用力的变化率及驱动冲量，并提取前后方向曲线的关键点的力值、驱动冲量及制动冲量，将提取结果作为运动状态的时域特征。

7.根据权利要求5所述的方法，其特征在于，从符合预置信噪比阈值的运动参数信息中提取运动状态的频域特征，包括：

从符合预置信噪比阈值的运动参数信息中提取作用力中的垂直力曲线，并通过一阶差分算法确定垂直方向曲线的波谷点，以作为垂直方向曲线的参考点；

以垂直方向曲线的参考点为基准，通过线性插值算法对作用力进行波形对齐，以得到对齐后的作用力；

通过分层小波包分解算法从对齐后的作用力中提取运动状态的频域特征。

8.根据权利要求5所述的方法，其特征在于，将运动状态的时域特征与频域特征进行组合以生成运动状态的融合特征集，包括：

通过模糊C均值法从运动状态的频域特征的多个小波包中获取符合预置条件的小波包集合；

通过模糊C均值法基于模糊隶属度排序从所述小波包集合中出获取符合预置条件的小波包分解系数，以生成运动状态的频域特征子集；

将运动状态的频域特征子集与运动状态的时域特征进行组合，以得到运动状态的融合特征集。

9.根据权利要求1所述的方法，其特征在于，所述SVM模为采用非线性映射径向基核函数的SVM模型。

10.根据权利要求9所述的方法，其特征在于，将所述运动参数信息基于支持向量机SVM模型进行训练以确定用户的运动状态，包括：

判断运动参数信息是否对应于预置的运动状态种类；

若是，则确定运动参数信息对应的运动状态；

若否，则在对运动状态种类进行更新后确定对应的运动状态。

11.根据权利要求1所述的方法，其特征在于，还包括：通过遗传算法对SVM模型进行适应度评估，

其中，适应度评估函数为f(x_i)＝min(1-g(x_i))，为SVM模型对样本划分的正确率。

12.一种运动状态的识别装置，其特征在于，包括：

运动参数获取单元，用于获取终端设备用户的运动参数信息；

运动状态确定单元，用于将所述运动参数信息基于支持向量机SVM模型进行训练以确定用户的运动状态。