运动算法一范数二范数敏感轴

最新推荐文章于 2023-12-01 15:01:57 发布

一枚努力的程序猿

最新推荐文章于 2023-12-01 15:01:57 发布

阅读量443

点赞数

分类专栏： matlab

本文链接：https://blog.csdn.net/yanhuatangtang/article/details/100972041

版权

博客介绍了运动监测算法的设计，强调了未佩戴状态监测对降低设备功耗的重要性。通过分析单轴与三轴加速度数据，探讨了合加速度在人体活动监测中的全面性。同时，对比了一范数和二范数，指出二范数在消除毛刺方面的优势，适合敏感轴的选择。此外，还提到了MATLAB中滤波与FFT处理在数据处理中的应用及其可能遇到的问题。

摘要由CSDN通过智能技术生成

1.注意点：设计状态判别算法和工作模式转换过程；需要有未佩戴状态监测算法，实现降低设备功耗的作用。可以将人体活动规律分为活跃、休息、静止3中状态，分别对应高采样频率、中低采样频率和低采样频率3中模式，对应不同的运动监测，降低功耗。

2.单独利用单轴加速度数据很容易失去一部分的人体活动的特征，难以全面的表征人体活动的监测信息。可以考虑三个轴的加速度叠加，求取合加速度。

3. plot 标记符    颜色
r          红
g          绿
b          蓝
c          蓝绿
m          紫红
y          黄
k          黑
w          白

4. n=0:1：N-1。中间的1可省略，一般写成n=0：N-1即可。频率轴是从0开始的，到N-1，这不是真实的频率。只要将n*fs/N，即得到真实的频率。fs/N是频率分辨率。频率轴只需取f（1：N/2）即可，因为后半部分与前半部分是对称的

5. 一范数和二范数的对比

x y z 分别为三个轴的加速度。

    %% 采用对三轴加速度取模求和处理，一范数 a_sum = |ax| + |ay| + |az|
    dlen = length(x) - 1;
    xdata = x(1:dlen);
    ydata = y(1:dlen);
    zdata = z(1:dlen);
    tdata = t(1:dlen)/3600;

    f