声明
摘要
第1章 绪论
1.1 课题背景和意义
1.2 本文研究的问题
1.3 本文的研究内容与章节安排
第2章 人体行为识别研究现状
2.1 人体行为识别各模块介绍
2.1.1 数据采集模块
2.1.2 预处理模块
2.1.3 特征提取和选择模块
2.1.4 分类器
2.2 人体行为识别的现状和难点
2.3 本章小结
第3章 基于小波分析的加速度信号去噪方法研究
3.1 小波分析的理论基础
3.1.1 连续小波变换
3.1.2 离散小波变换
3.1.3 常用小波函数介绍
3.2 小波阈值去噪
3.3 改进阈值的小波去噪方法
3.3.1 改进的阈值函数
3.3.2 阈值的估计
3.3.3 仿真实验结果及分析
3.4 本章小结
第4章 基于加速度传感器的人体行为识别
4.1 加速度传感器信号的获取
4.2 五种步态模式的识别
4.2.1 信号预处理
4.2.2 特征的选择
4.2.3 分类识别
4.2.4 实验结果
4.3 三种步态模式的分类
4.3.1 特征的选择
4.3.2 分类识别
4.4 基于加速度传感器的步态识别
4.4.1 步态识别
4.4.2 特征的选择
4.4.3 分类识别
4.5 本章小结
第5章 粒子群优化的支持向量机分类器研究
5.1 支持向量机
5.1.1 VC维和结构风险最小化原则
5.1.2 线性支持向量机
5.1.3 非线性支持向量机
5.2 粒子群优化算法
5.2.1 粒子群算法的概述
5.2.2 粒子群算法的原理
5.2.3 粒子群算法的改进
5.3 粒子群优化支持向量机参数的选择方法
5.3.1 网格搜索的支持向量机参数选择方法
5.3.2 粒子群优化的支持向量机参数选择方法
5.4 仿真分析
5.5 本章小结
第6章 总结与展望
参考文献
致谢
攻读学位期间参加的科研项目和成果