использование беспроводных сенсорных сетей для

УДК 004.3
ИСПОЛЬЗОВАНИЕ БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЕЙ ДЛЯ
ОПРЕДЕЛЕНИЯ РАЗЛИЧНЫХ ВИДОВ ДВИЖЕНИЯ ЧЕЛОВЕКА
Рыбина Е.В., Терновой М.Ю.
Национальный технический университет Украины НТУУ «КПИ»,
Институт телекоммуникационных систем
Е-mail: rybina-k@mail.ru, maximter@mail.ru
Application of wireless sensor networks for detecting different types of human movements
The expressive power of time domain features of data, obtained during the monitoring of
different human movement types while diagnosing locomotorium problems was reviewed. The
correlation coefficient is used in particular. Monitoring is done with help of acceleration sensors.
The following types of movements are considered: hopping, running, jumping, balancing and
skipping.
Наблюдение за физическим состоянием, в том числе развитием опорно-двигательного
аппарата детей и выявление отклонений от нормы на ранних стадиях является одной из
приоритетных задач в современном здравоохранении. Используя беспроводные сенсоры,
измеряющие ускорения (acceleration sensors) можно получить данные о разных типах
движения ребенка, на основе анализа которых делается вывод о развитии и состоянии его
опорно-двигательной системы.
В работе исследуется выразительность свойств временных характеристик данных, на
примере коэффициента корреляции для определения таких видов движений как: прыжок в
длину, бег, балансировка, прыжок вверх, прыжок с ноги на ногу. Коэффициент корреляции в
теории вероятностей и статистике [1] — это показатель корреляции (линейной зависимости)
между двумя случайными величинами. В данной работе для исследования зависимостей
применялся коэффициент корреляции Пирсона[2].
Для создания беспроводной сенсорной сети использовались: пять Mica2 сенсорных
мота с встроенными ATmega128L микроконтроллерами низкой мощности, Mib 510
программная плата и персональный компьютер. Четыре Mica2 сенсорных мота оснащены
ADXL 202JE акселерометрами низкой мощности, которые измеряют ускорение по двум осям
Х и У. Программирование сенсоров реализовано с помощью операционной системы TinyOS
и языка программирования nesC.
Выполнив два эксперимента и проведя анализ данных было показано, что коэффициент
корреляции оказался мощным инструментом для определения следующих видов движений:
«прыжок вверх», где коэффициент корреляции изменялся в пределах от 0,9 до 0,99, «прыжок
в длину» (от 0,83 до 0,9), «прыжок с ноги на ногу» ( от 0,75 до 0,9) и менее подходящим для
определения вида движения «бег» и «балансировка».
Использую матрицу неточностей такие движения как «прыжок вверх», «прыжок в
длину», «прыжок с ноги на ногу» в 100 % случаев были определены правильно. «Бег» и
«балансировка» в 11 случаях из 12.
Литература
1. Correlation Coefficient [Электронный ресурс]. – Электрон. текстовые данные. – Режим
доступа: http://mathworld.wolfram.com/CorrelationCoefficient.html
2. Коэффициент корреляции Пирсона [Электронный ресурс]. – Электрон. текстовые
данные. – Режим доступа: http://alglib.sources.ru/statistics/correlation.php