|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘要:利用多模态异构传感器组成身体感知网络( body sensing networks) ,是连续感知用户日常行为的重要方法之一,但是能源消耗问题一直是限制其发展的主要原因。本文提出了一种面向帕金森病的多模态异构协同感知方法,以降低用户日常行为感知过程中的功耗.该方法将行为感知分为行为识别与状态监测,基于信息论确定识别或监测不同行为的最优传感器组合,进而利用一个多分类器建模的行为识别模型与多个二分类器建模的状态监测模型感知用户行为.通过在公开两个数据集上的实验可以看出,与传统的传感器全部持续工作的方法相比,该方法能够在保证对用户行为有效感知的同时,降低了数据传输和模型计算的功耗(MHEALTH上约40% ,PAMAP2上约15% ) ,从而延长感知网络的寿命,实现长时间持续的用户日常行为感知.+ j7 Q7 C0 R6 ]) Y" J
; j; B# y$ V+ J2 L# R4 O0 P
关键词:普适计算;协同感知;行为识别;帕金森病;多模态异构;传感器;物联网0 {' X* a2 \+ B% W- m
$ r( g! {% e. G; m3 K! t, d: q) r/ z
近年随着无线传感技术的发展,尤其是可穿戴设备的研究与应用,多模态异构传感器组成的身体传感网( Body Sensor Networks , BSNs)能够通过长时间穿戴在日常生活中实现对人体行为的全面持续监测,从而在经国际运动障碍学会修订的统一帕金森病评估量表( Movement Disorder Society-Sponsored Revision of the U-nited Parkinson 's Disease Rating Scale, MDS-UPDRS) 的指导下,为客观统一的帕金森病(Parkinson's Dis-ease , PD)早期运动症状评估提供解决方案.
) T7 M* c+ X& r9 R5 m6 m7 J- j9 o9 S9 P% F
$ x4 [' Y, |. X! C$ M2 P1 b# U+ `: R
9 J# J% k7 D) k) v; u1 f# i: O
% L$ w( u9 m2 _6 k" N# r3 \- k C
/ o: e- t7 @; r5 L& ]' Z. K1 v. T0 e- J$ Z) w4 f2 C! _$ i
+ n$ l2 @2 T+ P' \& k
|
|
/1 
发表于 2021-6-1 09:26
收藏
淘帖
支持！
反对！