《表4 降噪算法对比：基于可穿戴设备的跌倒检测方法综述》

  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

《基于可穿戴设备的跌倒检测方法综述》

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

Sucerquia等人[37]分别使用原始数据和低通滤波后的数据进行特征提取，再使用相同的分类算法判断系统的性能，通过对比发现在大部分的情况下，使用滤波后的数据进行处理，系统性能更好。因此，将传感器设备采集到的数据直接进行特征提取和算法分类，将会对系统性能产生较大的影响。以加速度计为例，系统的电源波动和环境因素的改变会影响加速度数据的准确性。加速度计测量精度影响最大的是随机噪声和系统误差。其中比较常见的噪声有：加速度随机游走、速度随机游走、零偏不稳定和量化噪声等。这些噪声信号使得加速度实际输出的数据包含大量的高频成分的信号，从而造成加速度数据的不准确。为了解决数据采集模块存在的噪声现象，需要进行数据预处理，从而降低噪声对于跌倒检测性能的影响。跌倒检测系统中常见的滤波算法包括低通滤波器[37]、滑动平均滤波器[6]和卡尔曼滤波器[17，37]等。这些滤波器都可以将数据中的高频噪声信号滤除掉，但是几种滤波器实现的效果不一样。如表4所示，表中给出了跌倒检测中常用滤波算法的优缺点。