科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了有效判别真实摔倒动作与疑似摔倒动作、提高动作识别准确度，提出基于希尔伯特黄变换(Hilbert-Huang transform, HHT)和改进概率神经网络(probabilistic neural networks, PNN)的信道状态信息(channel state information, CSI)人体动作识别算法。对CSI的幅度与相位融合信号进行数据预处理，利用HHT来提取区分人体动作信息的瞬时幅值和瞬时频率作为分类特征构建特征矩阵，在遗传算法(genetic algorithm, GA)优化的PNN神经网络中训练出能有效检测真实摔倒和疑似摔倒动作的GA-PNN人体动作识别模型；利用训练好的识别模型对输入的CSI数据进行摔倒动作的判别。仿真实验表明，提出的算法能有效地检测真实摔倒和疑似摔倒动作，其识别准确度可达到97.18%,且误报率较低。
- 单位
