基于太阳能电池的人体活动识别技术解析

### 基于太阳能电池的人体活动识别技术解析 #### 1. 引言 在可穿戴物联网设备领域，人体活动识别（HAR）技术至关重要。传统的活动识别方法往往依赖于特定的传感器和外部能源，这不仅增加了设备的成本和复杂性，还限制了其可持续性。而基于太阳能电池的活动识别系统 SolAR 为解决这些问题提供了新的思路。它将太阳能电池同时用作活动传感器和能源来源，实现了能源自给的活动识别，具有广阔的应用前景。 #### 2. SolAR 系统架构 SolAR 系统的核心是将可穿戴太阳能电池作为活动传感器和能源来源。其架构如图所示，展示了能量和数据流。具体操作步骤如下： - **能量优化与存储**：使用 DC - DC 升压转换器优化收集的能量，并将收集信号与能量存储和负载行为解耦。收集到的能量存储在电容器或电池中，最终为系统供电。 - **信号处理与活动推断**：信息仅编码在收集电流中，因为 DC - DC 升压转换器将太阳能电池的电压调节为恒定的优化值。使用微控制器单元（MCU）对该电流信号进行采样和处理，推断出潜在的活动。 - **特征提取与分类**：从获取的太阳能能量收集（SEH）信号中提取各种时间和频域特征，然后将提取的特征作为分类器的输入，检测潜在活动。 - **结果传输**：推断出的活动结果通过蓝牙低功耗（BLE）无线通信协议传输到接收器，如智能手机，供健康或健身应用使用。 #### 3. 测量设置 为了评估 SolAR 系统的性能，进行了详细的测量设置： - **传感器选择**：使用 IXYS SLMD121H10L 太阳能模块收集太阳能电流，同时使用 MIDÉ 技术 S230 - J1FR - 1808XB 两层压电弯曲换能器作为基线，记录收集电流。还使用 InvenSense MPU9250 3 轴加速度计记录加速度数据。 - **实验环境与参与者**：分别在室内和室外环境进行实验。室内实验在一个 9m×22.5m 的铺有地毯的房间进行，有 13 名健康成年人参与；室外实验有 8 名健康成年人参与。 - **活动类型与数据收集**：收集五种常见人类活动的数据，即坐着（手放在桌子上）、站立、行走、跑步和上下楼梯。参与者每种活动进行三分钟，活动之间休息一分钟。总共收集了来自 21 名参与者的 390 分钟数据。 #### 4. 太阳能电池作为新型人体活动传感器 太阳能电池在不同人类活动中会产生独特的能量收集模式： - **室内外能量差异**：由于阳光的功率密度高于室内人造光，室外收集的能量明显高于室内。 - **活动与能量模式**：静态活动中，坐着时收集的功率高于站立，因为坐着时手放在桌子上，光线直接照射在太阳能电池上。动态活动如行走、跑步和上下楼梯会导致太阳能电池相对于光源的方向动态变化，产生独特的能量收集模式。 - **室内外环境特点**：室内环境有多个光源，相互补充，阴影效应较小；室外环境只有一个光源（太阳），且有更多障碍物，阴影效应更明显。因此，虽然室外收集的能量更高，但室内的活动检测准确率可能更高。 #### 5. SolAR 系统的实现 ##### 5.1 预处理 - **去除停止期**：去除收集的 SEH 能量收集数据中的停止期。 - **数据分段**：将收集的数据分割成 2 秒的等大小窗口，这是步行时覆盖一步长度的典型时间。 - **窗口重叠**：为了保留窗口边缘的上下文信息，增强数据点，在特征提取前将连续窗口重叠 50%。 ##### 5.2 特征提取 从能量收集数据中提取各种时间和频域特征，以及基于峰值的特征。为了找到提供最高 HAR 准确率的最小特征集，采用了多种监督和无监督特征选择算法，如互信息、主成分分析、单变量和基于相关性的特征选择。经过广泛分析，基于互信息的特征选择方案以最少的特征实现了最高的 HAR 准确率。具体特征如下表所示： | 信号 | 特征 | | --- | --- | | SEH - 室内 | 峰 - 峰值、变异系数、绝对面积、峰间最大距离、第一四分位数、第二四分位数、频域熵、中位数、频谱峰值、最小值、峰间平均距离、范围、最大值、均方根值、绝对均值、主导频率比、峰度 | |