孙 伟 ，姜 伟 ，黄 恒 ，吴家骥

（1.辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000；2.武汉大学卫星导航定位技术研究中心，武汉 430079）

0 引言

随着微机电系统（micro-electro-mechanical system,MEMS）技术的不断发展，小体积，易携带，低成本的MEMS惯性传感器的性能越来越高，已广泛地应用到了各类可穿戴电子设备中[1-4]。基于可穿戴传感器（如MEMS惯性器件）的行人活动识别，不需要事先固定仪器设备，且实时测量人体3维（3D）加速度信息和角速度信息，通过特征提取和分类算法，实现人体行为模式的判别，具有良好的便捷性和实时性[5-8]。然而受制造工艺、安装精度和外部条件等因素的影响，使得加速度传感器的观测值中存在多种误差，影响数据质量。因此，在基于加速度信息的活动识别中，对数据进行降噪显得十分重要。

文献[9]采用巴特沃斯低通滤波器，来消除原始加速度、角速度信号中的高频噪声信号。但由于该低通滤波器有较长的过渡带，导致原始信号在过渡带上极易造成失真，使降噪效果下降。文献[10]利用中值滤波器，除去加速度信号中的噪声信号，中值滤波器具有较好的弱化噪声的能力，尤其适用于消除非平稳信号中的峰值噪声，但由于中值滤波器的降噪效果与噪声的密度分布有关，致使原始数据噪声密度较大时，降噪效果不理想。文献[11]利用梯度下降算法，对加速度数据进行优化，提高数据可用性，但该方法需要事先定义误差函数，因此不具有自适应能力。文献[12]采用小波阈值降噪方法，对数据进行预处理，通过对原始信号中不同频率的成分进行分解，有效去除了加速度计中的随机误差，但在处理过程中，需事先确定小波系数和分解层数，且降噪结果过度依赖小波基函数，因此同样不具有自适应能力。……