该文研究基于声传感器阵列的单快拍气流速度估计问题。首先,根据声波在亚音速和超音速气流中的传播特性,针对特定的测量装置,建立了声传感器线性阵列的输出模型。在此基础上,提出一种稀疏协方差矩阵迭代的单快拍(Sparse Covariance Matr...该文研究基于声传感器阵列的单快拍气流速度估计问题。首先,根据声波在亚音速和超音速气流中的传播特性,针对特定的测量装置,建立了声传感器线性阵列的输出模型。在此基础上,提出一种稀疏协方差矩阵迭代的单快拍(Sparse Covariance Matrix Iteration with a Single Snapshot,SCMISS)气流速度估计算法,与其他稀疏估计方法相比,该文提出的SCMISS算法无需正则化参数选择,计算量更低,具有更强的实时性,且只需单快拍采样数据就可对亚音速和超音速气流速度进行统一估计。最后,为了评价所提算法的估计性能,推导了气流速度估计的克拉美-罗界(Cramér-Rao Bound,CRB)表达式。仿真实验验证了该算法的有效性。展开更多
为解决无线体域网WBAN(Wireless Body Area Network)中人体姿态识别率低、算法复杂的问题,设计了一种以多层分级理论为基础的人体姿态多级分层识别算法。考虑到使用者的舒适度,将九轴加速度陀螺仪传感器(VG350)做成腰带佩戴在腰部实时...为解决无线体域网WBAN(Wireless Body Area Network)中人体姿态识别率低、算法复杂的问题,设计了一种以多层分级理论为基础的人体姿态多级分层识别算法。考虑到使用者的舒适度,将九轴加速度陀螺仪传感器(VG350)做成腰带佩戴在腰部实时采集数据。运用加速度向量幅值(SVM:Signal Vector Magnitude)、角度、角加速度和位移等参量,通过对实际测量数据的分析,将坐、蹲、弯腰、慢走和跑等姿态进行识别。实验结果表明,该算法简单,姿态识别率高达96.5%。展开更多
文摘该文研究基于声传感器阵列的单快拍气流速度估计问题。首先,根据声波在亚音速和超音速气流中的传播特性,针对特定的测量装置,建立了声传感器线性阵列的输出模型。在此基础上,提出一种稀疏协方差矩阵迭代的单快拍(Sparse Covariance Matrix Iteration with a Single Snapshot,SCMISS)气流速度估计算法,与其他稀疏估计方法相比,该文提出的SCMISS算法无需正则化参数选择,计算量更低,具有更强的实时性,且只需单快拍采样数据就可对亚音速和超音速气流速度进行统一估计。最后,为了评价所提算法的估计性能,推导了气流速度估计的克拉美-罗界(Cramér-Rao Bound,CRB)表达式。仿真实验验证了该算法的有效性。
文摘为解决无线体域网WBAN(Wireless Body Area Network)中人体姿态识别率低、算法复杂的问题,设计了一种以多层分级理论为基础的人体姿态多级分层识别算法。考虑到使用者的舒适度,将九轴加速度陀螺仪传感器(VG350)做成腰带佩戴在腰部实时采集数据。运用加速度向量幅值(SVM:Signal Vector Magnitude)、角度、角加速度和位移等参量,通过对实际测量数据的分析,将坐、蹲、弯腰、慢走和跑等姿态进行识别。实验结果表明,该算法简单,姿态识别率高达96.5%。
