摘要：针对在人体行为识别的研究中集合经验模态分解法无法自适应的筛选出对不同分类行为更有用的固有模态函数的问题，本文提出一种改进的自适应集合经验模态分解特征提取方法，通过对不同分类行为筛选不同固有模态函数并提取窗口均值差异等新颖特征，有望在不同的分辨率下得到更准确、更有效的原信号特征信息。实验分别用典型时域特征与本文方法提取的特征训练KNN与SVM分类器。结果表明：该方法不仅对3种易混淆行为的平均识别准确率分别提高了29.22%和15.79%，对实验分类的7种不同行为也实现较高的平均识别准确率，分别达到了95.11%与93.14%.
关键词：人体行为识别；集合经验模态分解；窗口均值差异；固有模态函数
1 引言
近年来，可穿戴惯性传感器的人体行为识别吸引了越来越多国内外研究者的目光，通过将不同类型的传感器穿戴于身体的不同位置可实现对一些日常人体行为的识别与监测，在智能家居方面具有广泛的应用前景[1-5]。基于惯性传感器的人体行为识别的整个流程中，特征提取是非常重要的一个环节，如何提取更加新颖更能代表分类行为的特征对能否实现更好的分类效果至关重要。文献[6]提出基于小波分解的特征提取方法，提高了分类的五种行为的识别准确率，另外对步行、上楼和下楼三种容易混淆的行为的识别准确率也有明显提高。A. Wang等人[7]提出通过将加速度计与陀螺仪分别单独使用与结合使用时进行分类，验证了二者融合使用可以提高识别准确率。但上述研究并没有很好的解决不同人的行为特征差异过大导致易混淆行为的识别准确率不高的后果，那么如何提取更少更优异性能的特征来提高分类行为的识别准确率是本文的研究重点。
针对上述提到的问题，本文提出一种改进的自适应集合经验模态分解法，该方法有效解决集合经验模态分解法无法自适应的筛选出对不同分类行为更有用的固有模态函数的问题，通过对不同分类行为筛选的不同固有模态函数提取窗口均值差异、窗口均值趋势等新颖特征，有望在不同的分辨率下得到更准确、更有效的原信号特征信息，利用三轴加速度计与陀螺仪的传感器采集的原始数据，建立与用户无关的行为识别模型，不仅对行为分类中易混淆的步行、上楼和下楼三种行为有较好的分类效果，而且对本实验分类的是7种行为的平均识别准确率都有明显提高。
作者：王华华，黄 龙，周远文