基于手机加速度异常极值处理的步态身份识别

针对手机加速度信号预处理后仍有小范围异常极值的现象,提出一种基于四分位数去除异常极值的新方法.该方法利用四分位数特性优化信号,削弱了极端值和异常值的影响来提高识别准确率.首先,在福坦莫大学无线数据挖掘实验室开放的公用数据集中筛选步态为步行的数据,将数据经过滤波算法过滤后,采用本文所提方法进行异常值处理,随后进行模板划分以及时域与频域特征的提取,最后实现身份识别.此外,自行采集人体真实步行数据进行实验验证.实验结果表明,在公用数据集和自采数据集上,与未经本文算法处理的数据相比,本文所提方法在支持向量机、BP神经网络和级联森林 3 种分类模型上均能提高识别准确率,当采用级联森林分类器时,准确率分别达到 99.31％和 99.23％.