买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明属于睡姿识别技术领域，具体涉及一种睡姿检测和识别方法，该方法首先使用ADXL345三轴加速度传感器采集人体不同睡姿的加速度信号，制作原始加速度信号数据,然后进行预处理作为数据集,并将数据集分为训练集、验证集和测试集，训练集用于训练模型参数，验证集用于测试预测准确度，测试集用于预测睡姿姿势；使用构建的距离函数和睡姿识别算法模型实现对六种睡姿的识别，大幅度减少了信号数量与系统的复杂度，降低了系统采集、传输、计算的资源，睡姿识别准确率达到98.7％。

主权项：1.一种睡姿检测和识别方法，其特征在于，包括以下步骤：步骤a、预先于床垫内铺设三轴加速度传感器，获取人体不同睡眠姿势的加速度信号，制作原始加速度信号数据；步骤b、对所述原始加速度信号数据进行预处理，预处理后的结果作为数据集；步骤c、将数据集分为训练集、验证集和测试集，所述训练集用于训练模型参数，所述验证集用于测试预测准确度，所述测试集用于预测睡姿姿势；步骤d、构建睡姿识别算法模型；具体实现步骤如下：步骤d1；中心点选择：确定训练集中算法模型中心点，构建距离函数；具体步骤如下：步骤d11：计算样本点xi的局部密度，具体公式为： 式中：KNNxi表示样本点xi的k个最近邻点集合，dxi，xj表示样本点xi和xj之间的距离，σ＝maxdxi，xj，xi，xj∈X；步骤d12：计算样本点xi及其近邻点与更高密度点的的斥群值，具体公式为： 式中：dxi，xj表示样本点xi到xj之间的欧式距离；KNN'xi＝KNNxi∪xi；HDxi＝{xk|ρkρi，xk∈X}；步骤d13：计算样本点xi的中心评价指标，具体公式为：Yi＝ρi2×δi式中：ρi和δi分别是局部密度和斥群值；步骤d14：用该中心评价指标计算候选中心集合，具体公式为： 式中：和分别是局部密度和斥群值的均值；步骤d15：根据γ值对Centers进行升序排列，计算相邻两个点之间γ值的差值，确定点间隔断值g，具体公式为：gi＝γi+1-γi步骤d16：计算Centers中样本点xi的点间隔断gi以及gi的均值并遍历Centers找到满足的样本点中具有最小γ值的样本点，将其标记为x0；步骤d17：将Centers中所有满足Yi≥Y0的点加入集合final_centers；步骤d2；参数估计：利用训练样本调整算法模型的宽度参数及各中心点的权重；步骤d3；决策边界构造：新样本经过算法模型映射后，找到最优超平面以进行分类；步骤e、对仰卧、俯卧、右侧树干状、右侧胎儿状、左侧树干状、左侧胎儿状六种睡眠姿势的加速度信号测试集进行计算，得到最终睡姿识别结果。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种睡姿检测和识别方法