基于加速度时域特征的实时人体行为模式识别

针对高精度的实时人体行为模式识别,提出了一种基于加速度时域特征的行为模式识别算法.本算法选取时域特征作为唯一特征量,通过简化特征提取运算实现行为的实时识别,获得了高精度结果.通过在Android智能手机平台进行测试,每项动作识别正确率均可达80%以上.该算法相对于现有算法实时精度有明显提高,在手持终端领域具有较好的应用前景.

一种改进的行人导航算法研究

目前大多行人导航系统的研究都以手持手机、绑在腰间等单一姿态为前提,并未考虑行人使用手机过程中同时存在接电话、放在上衣口袋等多种姿态的情况。分析了行人使用手机的4种常见姿态,基于行人航迹推算(pedestrian dead reckoning,PDR)算法设计了一种改进的行人导航算法。利用神经网络(back propagation,BP)模型对手机姿态进行智能识别,设计了一种新的步态检测算法来对多姿态下的步态进行有效检测,并将行人行走过程分为单一姿态与姿态切换过程,对2个过程的航向进行了修正。软件测试结果表明,多姿态下实现系统定位精度在20‰以内,达标率在85%以上,应用于导航系统能够提供准确、可靠、持续的位置信息。

基于惯性传感器的动态步长算法研究

行人步态参数的精确估计是行人自主导航系统和行人健康监测的关键技术之一。针对当前行人自主导航系统中步长估算算法精度低和弱适应性的问题,提出了一种计算行人动态步长算法。首先对行人的步态特征进行分解,利用改进的零速检测确定行人运动状态,采用卡尔曼滤波技术降低惯性传感器中累积误差的影响,再对进行滤波和坐标转换后的加速度进行双重积分,最终得到行人脚尖的运动轨迹。通过采用MTI-700惯性模块设计实验并进行实验验证。结果表明,该文提出的步长算法计算的步长与行人实际步长的误差低于3.0%。与现有的行人动态步长算法相比,该算法首次计算出行人脚尖的运动轨迹,精度较高且适应强,在行人自主导航及行人健康监测领域具有较大的应用价值。

5G行人导航技术的改进研究

针对行人导航终端在室内无法接收到全球导航卫星系统(Global Navigation Satellite System,GNSS)信号,室内智能化位置服务越来越受到业界重视。基于超宽带、ZigBee和惯导等方式的行人导航技术存在适用性、鲁棒性问题,5G通信凭借毫米波、多输入多输出、超密集部署等优势赋予了行人导航新方向。文章基于5G信号在室内通信信道的特点改进了5G行人导航技术架构,采用反向(Back Propagation,BP)神经网络实现5G信道分类,将多基站位置估计方法与虚拟基站点和反射路径相结合,实现在5G基站数量较少时可以连续追踪行人位置。依托5G的改进行人导航技术对保障高质量、高时效室内位置服务具有重要意义。

结构性因素对我国股市走势影响的实证分析

股票价格作为金融资产的代表,和宏观经济息息相关,我们称其为宏观经济的"晴雨表"。但我国股市的走势和宏观经济走势并不完全匹配,因为我国股市还受到结构性因素的影响。本文采用协整分析法、格兰杰因果检验和多元线性回归的方法分析了结构性因素对我国股市走势的影响。结果显示,在牛市中,股指可以作为一种先行指数,带动IPO融资额的上升;在熊市中,大小非解禁额的增加均会导致股指下跌,但股指依旧可以作为IPO融资额的先行指数。

基于5G通信的GNSS应用云计算架构

传统的全球卫星导航系统(Global Navigation Satellite System,GNSS)应用场景中,终端多为单一节点或与整个系统有限交互,解算工作均是在终端内部完成的,因此存在终端功耗大、造价高、定位精度有限以及信息交互不充分等缺点。文章构建了一种基于5G通信的GNSS应用云计算架构,对数据采集层的各类终端进行归一化改造,使其具备网络信息交互能力,然后利用以5G网络为核心的传输层链路进行传输,最后搭建集大数据云服务、云计算、交互系统为一体的服务层,完成定位解算及各类业务融合。依托该架构,能有效提升厂矿企业、水利电力、铁路物流等场景下GNSS相关业务的信息化、集成化程度,有效提升发展效率及效益。