[发明专利]基于耳机的保护隐私的颈椎运动识别方法及系统

权利要求书

1.基于耳机的保护隐私的颈椎运动识别方法，其特征在于，包括以下步骤：

耳机内设置加速计，通过加速计采集加速度信号，设置隐私隔离区，区分当前为步行或休息状态；

处于静止状态使用子窗口合并算法来检测颈部运动，包括：

根据线性加速度信号，利用窗函数提取静息状态下的颈部运动，基于子窗合并算法，使用小尺寸子窗的连续检测并合并，以覆盖整个脖颈动作信号，如果子窗口颈部运动的RMS大于随机噪声的RMS，子窗口将被保留；考虑到子窗口重叠率为50％，每个子窗口只保留前个采样点，

其中E是合并后的窗口中的信号，通过该算法，确定动作信号的边界；

处于行动状态时通过PCA的分量提取、漂移消除、基于信号斜率的包络计算、分量选择和子窗口合并来确定颈部运动的边界，包括：

漂移去除：首先，基于最小二乘法得到各分量线性拟合的趋势项；然后从成分中减去趋势项，以集中分析数据本身的波动；

Y′_k＝Y_k-f_k，k∈{1，2，...N}

其中，Y′_k是去除漂移后的分量，f_k是分量Y_k的趋势项；N是分量的总数；

包络计算：通过下面的公式放大这个斜率差来区分随机噪声中的每个分量；

y_k＝|ΔY′_k(t)＝Y′_k(t)-Y′_k(t-1)|

其中y_k为求解的分量信号斜率的绝对值，通过希尔伯特变换提取斜率信号y_k的包络A_k，抑制噪声信号的干扰，平滑各分量信号；

其中H为斜率信号y_k经过希尔伯特变换后的值，N是分量的总数；

分量选择：对于不同的颈部运动，信噪比最大的包络对应的分量也不同，需要选择信噪比最大的包络进行分析：

其中SNR_k为包络A_k的信噪比，为信噪比最大的包络的分量数；N是分量的总数；利用子窗口合并算法，对选定的包络信号进行分割，确定颈部运动信号边界后，再将边界内的低通滤波后的六轴加速度信号输入颈部运动识别模块进行分类；

通过数据扩充来增加样本量，避免过拟合，然后将数据输入CNN以识别颈部运动。

2.根据权利要求1所述的基于耳机的保护隐私的颈椎运动识别方法，其特征在于，使用子窗口合并算法来检测颈部运动，如公式：

处于行动状态时，计算如下：

D＝[LX′，LY′，LZ′，RX′，RY′，RZ′]

C＝D^*×(D^*)^T

Y＝R×D，R为C的特征向量矩阵

Y′_k＝Y_k-f_k，k∈{1，2，...N}

y_k＝|ΔY′_k(t)＝Y′_k(t)-Y′_k(t-1)|

其中，Y′_k是去除漂移后的分量，f_k是分量Y_k的趋势项；N是分量的总数；y_k为求解的分量信号斜率的绝对值，通过希尔伯特变换提取斜率信号y_k的包络A_k，抑制噪声信号的干扰，平滑各分量信号；H为斜率信号y_k经过希尔伯特变换后的值，N是分量的总数；其中SNR_k为包络A_k的信噪比，为信噪比最大的包络的分量数。