Signalrekonstruktion von 3D Beschleunigungsdaten

Das Fraunhofer-Institut für Graphische Datenverarbeitung Rostock erforscht unter anderem die Erkennung physischer Aktivität von Menschen mittels mobiler Sensorik, insbesondere durch die Erfassung von Beschleunigungsdaten unter Benutzung marktüblicher Mobiltelefone. Da die Signalgüte dieser Messquellen in Hinblick auf Abtastfrequenz, Quantisierung und Messbereich beschränkt ist, werden Kriterien und Verfahren identifiziert, um die Charakteristik der ursprünglichen Bewegungsmuster bestmöglich zu rekonstruieren. Hierzu werden verschiedene Kombinationen aus Signalfilterung und Interpolationsverfahren anhand des bei der Rekonstruktion bekannter Signale auftretenden Fehlers gegenübergestellt. Dabei zeigte sich, dass sich der Interpolationsfehler durch gezielte Beseitigung typischer Signalfehler reduzieren lässt. Analog dazu stellte sich heraus, dass sich die Klassifizierbarkeit der Beschleunigungsdaten durch die Wahl geeigneter Verfahren geringfügig optimieren lässt. Die vorliegenden Ergebnisse empfehlen daher für DiaTrace eine Kombination aus Tiefpassfilterung und Interpolation durch das Sample-And-Hold-Verfahren, wodurch ein Beitrag zur besseren Detektion von Bewegungsmustern geleistet wird.

Research of the Fraunhofer-Institut für Graphische Datenverarbeitung in Rostock includes the recognition of human physical activity using mobile sensors, in particular through the acquisition of acceleration data using commercially available mobile phones. Since the signal quality of these sources is limited in terms of sampling frequency, quantization and measuring ranges, procedures and criteria shall be identified in order to reconstruct the pattern of the original movement pattern as good as possible. Therefore, different combinations of signal filtering and interpolation methods are compared based on their interpolation error for known signals. It was found that the interpolation error can be reduced by selective elimination of typical signal disturbances. Similarly, it was found that the classifiability of the acceleration data can be optimized slightly by choosing a suitable method. The present results therefore suggest the use of a combination of low-pass filtering and interpolation by the sample-and-hold method for DiaTrace, thereby contributing to a better detection of movement patterns.