基于Android手机传感器数据识别运动状态摘要：现阶段科技技术的发展进步，智能手机的功能越来越强大，手机上也集成了多种传感器模块,而手机的便于携带使用，功能强大等特性使得手机在相比于个人电脑和可穿戴设备上有着明显的优势。本文通过分析智能手机传感器采集到的用户运动状态数据，使用SVM多分类方法，来识别用户的运动状态。本文实验采用交叉验证方法，实验结果良好，能够很好地说明识别用户运动状态的准确率比较高。本文的下一个方向是结合MYO手环的手部识别，来更好更多地区分人的运动状态。关键词：Android手机；传感器数据；SVM；运动状态识别中图法分类号：TP391文献标识码：A：2095-2163(2015)03-MotionStateofDataRecognitionbasedonAndroidMobileSensorZHANGXin,LIZhijun，激ANGShouxu(SchoolofComputerScienceandTechnology,HarbinInstituteofTechnology,Harbin150001，China)Abstract：Nowadays,withthedevelopmentandprogressofscienceandtechnology，intelligentmobilephonefunctionmoreandmorepowerful，thephonealsointegratesavarietyofsensormodules，whilethephoneiseasytocarryanduse,powerfulfeaturesmakesthephoneinpersonalcomputersandcanbewornonthedevicehasobviousadvantagescompared.Inthispaper，themobilestatusdatacollectedbythesmartphonesensoriscollected,andthemotionstateoftheuserisidentifiedbyusingtheSVMmulticlassificationmethod.Theexperimentalresultsofthispaperaregood，anditcanbewelltoexplaintheaccuracyoftheusermovingstate.ThenextdirectionofthispaperistherecognitionofthehandofMYObracelet,tobetterthemovementoftheregionalperson.Keywords：AndroidMobilePhone；SensorData；SVM；MotionStateRecognition0引言随着科学技术的发展进步，智能手机也进入了高度集成和快速研发。时下，在某种意义上来讲，智能手机就是一台便于携带使用的电脑，其在人们日常生活中的重要性正与日倶增［1-3］。虽然说智能手机相当于便携式电脑，但是却有着个人电脑所不具备的优点，不仅表现在智能手机的便于携带使用，更突显于其比个人电脑更多地集成了数类新式传感器模块，这都是个人电脑所没有的。而相校于其他的可穿戴设备来讲，智能手机又是使用方便，对用户友好的普适设备，毕竟可穿戴设备普遍要求用户学习掌握特定的操作，而智能手机则不需要用户花费额外的金钱、时间和精力来操控其使用，只需要安装本研究编写的采集数据的应用，在用户运动的同时，借助该应用来采集用户的运动数据。本文正是基于智能手机相比个人电脑和可穿戴设备的优点，研宄采用智能手机来作为数据采集设备，并通过智能手机中的传感器模块来记录用户的运动数据，进而分析用户的运动数据，以最终识别用户的运动状态。1数据的采集与存储本文所采集的数据是智能手机的传感器数据，而智能手机是伴身跟随用户的，所以收集到的手机的运动数据也就相当于用户的运动数据［4］。Android手机上传感器采集运动数据的程序流程图如图1所示。图1采集程序流程图Fig.lCollectionProcedureFlowChart由图1可见，图1中新建的线程为采集程序的子线程，可用其将传感器数据写入到文本文件中，存储在手机的本地。2运动状态识别这个部分需要将上一部分采集到的数据进行分类，识别用户的运动状态，研宄中使用了SVM多分类方法来进行分类识别［5］。2.1数据格式本文所采集的数据按照“时间戳，x轴加速度，y轴加速度，z轴加速度”格式写入到文本文件中。数据格式如图2所示。图2数据格式Fig.2DataFormat图2中为某一段采集到的数据，每一个数据点为―行。2.2特征提取本研宄提出的特征有：平均值，方差，最大值，最小值，振幅（极大值的平均值和极小值的平均值，极大值和极小值的方差），频率（极大值和极小值的平均距离）总共10个特征，下面将针对各个特征展开具体分析o平均值：取样本的各轴加速度数据，分别求平均对样本的各轴数据分别求方差，方差能够体现样本的变化波动。最大最小值：对样本的各轴数据分别求最大最小值，能够描述数据的变化范围。振幅：包含4个特征值一极大值的平均值和极...