10.13873/J.1000-9787(2023)03-0132-04
基于多传感器融合的低功耗人体活动识别方法
人体活动识别是行为监测、健康分析等许多任务的前提与基础,其中基于可穿戴设备的人体活动识别方法凭借其持续性分析的能力有着不可替代的优势.人工神经网络(ANN)可以显著提高人体活动识别的准确度,然而,基于ANN的分析方法由于计算量大,计算功耗高,不适用于可穿戴设备应用场景.基于此,提出一种基于多传感器与脉冲神经网络(SNN)的人体活动识别方法,该方法基于集成学习实现,分类准确率达到97.8%.同时将训练好的集成学习模型转换为SNN,可以充分利用SNN专用芯片低功耗的特性,以数毫瓦的功耗完成人体活动识别任务.
多传感器融合、脉冲神经网络、人体活动识别、低功耗
42
TP391.4(计算技术、计算机技术)
国家自然科学基金61603091
2023-03-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
132-135