《表1 速度识别的统计特征》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于脚部惯性传感数据的人员运动速度识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

特征选取的目标在于选择最小数目的特征来获取最佳的识别准确性。这就要求我们设计的特征提取模块不要使用过多过于复杂的特征量，这样才能够尽量降低计算复杂度，同时减小内存、能量的消耗。本文选取的65维特征如表1所列。表1中的特征，均值、最大值、最小值表征数据的集中度趋势，理论上来讲，随着行人运动速度的增加，加速度和角速度的单步均值、最大值、最小值会相应的增加；标准偏差、平均绝对偏差、四分位距表征数据的分散规律，也就是用来分析数据是相互接近还是分散，理论上来讲，随着行人运动速度的增加，其数据分散程度会增加；信号幅度区域、平方和（也称之为能量）的特征类似于均值特征，随着行人运动速度的增加，其数据的能量、信号幅度区域将会增加。总体来讲，使用统计特征进行速度估计是因为它们的计算复杂度较低[15]，对内存的需求不高，可以满足我们对特征提取模块的要求，同时提高速度估计的效率。