基于自适应样本熵的穿戴式传感器人体活动识别

作者：陈达理; 刘雪红^*

来源：武汉理工大学学报, 2022, 44(08): 91-96.

• 人体活动识别
• 可穿戴传感器
• 自适应样本熵
• 特征工程
• 机器学习

针对样本熵对功能性参数极端依赖的不足，从而影响最终的人体活动识别效果，提出了自适应样本熵来提取运动传感器数据的特征。其核心思想是根据传感器数据本身自适应地确定参数，减少人为干扰。为了验证所提出的自适应样本熵方法在在活动识别的有效性，通过公开的人体活动数据集MHEALTH，对步行、上下楼梯、跑步、跳跃等10种日常活动进行了识别。首先对传感器数据进行预处理并通过滑动窗口分为较短的数据，然后利用自适应样本熵方法提取特征，最后基于随机森林分类器完成活动分类。实验结果表明，自适应样本熵可达到98.07%的识别准确率，高于现有的时域（92.93%）、频域（94.61%）、时频域（96.21%）和样本熵（96.95%）方法。自适应样本熵作为一种自适应调节参数的方法，解决了样本熵对参数的极端依赖性，是用于人体活动识别的有效方法。

• 单位
  武汉理工大学; 机电工程学院