1.一种基于加速度计的溺水行为识别方法，其特征在于：通过手环实现，手环的主体结构包括有MCU、WIFI模块、锂电池和加速度计，上述结构通过防水外壳体进行封装，其中加速度计为三轴加速度计，通过IIC与MCU连接，手环通过锂电池供电；加速度计测量的数据，通过WIFI模块发送至电脑端；电脑端接收到测量数据后进行存储与处理；

基于加速度计的溺水行为识别方法，其具体步骤按照如下方式进行：S1、加速度计采集数据预处理

加速度计用以测量人体运动加速度和重力加速度信号，需要对加速度计测量的数据进行噪声过滤与平滑、加窗预处理操作；

a)噪声过滤与平滑人体运动加速度信号的频带范围集中在0‑15Hz，而数据中的噪声集中在15Hz以上，使用切比雪夫低通滤波器对数据进行滤波处理；

基于实时性与处理能力考虑，此处选择I阶级切比雪夫低通滤波器，滤波器设计如下，滤波器设计中指标包括{G0,GB,Δf ,T,fs,fp}，其中G0为参考增益，GB为带宽增益，Δf为带宽，fs为通带截止频率，fp为阻带截止频率，转换到数字域公式有，ω＝2πfT                                                            (1)设定采样频率50Hz，阻带截止频率为30Hz，则数字域通带截止频率ωp＝2π×15×0.02＝0.6π，阻带截止频率ωp＝2π×25×0.02＝π；

对该滤波器做预畸变处理，预畸变算式为，

式中，Ω为模拟频率，ω为数字频率，T为采样周期；

在已知阻带内衰减αs后，αs的单位为dB，得切比雪夫滤波器阶数，式中，

λs为归一化率，表达式为，

通带内允许有0 .2dB的波动，阻带内衰减至少为40dB，使用式(3)～(5)计算得，k＝460.6131,λs＝11.5481，则切比雪夫低通滤波器阶数N＝3；

根据下式计算切比雪夫低通滤波器归一化的极点pk,k＝1,2:N，进而得到切比雪夫低通滤波器的传递函数，

将系统传递函数去归一化得到，

根据式(6)～(8)得到，

使用双线性变换，

得到离散化的切比雪夫低通滤波器系统函数，

加速度计采样的数据使用上述计算得到的滤波器系统函数滤波后，用以进一步分析；

b)数据加窗由于直接测量得到的加速度数据在时域中以数据流的形式呈现，不适合直接提取特征，需对加速度信号进行特征提取之前进行添加窗口的预处理；测量中加速度计的数据采集频率为50Hz，采样窗口设置为256点，相邻窗口重叠50％；

S2、行为特征提取

由于加速度量测的波形无法直接用于判断人体运动状态，也无法直接被分类器识别，需要加窗后的加速度计测量数据进行特征提取，选用标准差、均值、波峰间隔和波峰波谷特征组成特征集；

a)均值是最简单的表征人体运动行为的统计特征，计算公式如下，式中，Xi是测量数据，n为窗口长度，μ表示改组数据的均值；

b)标准差反应了加速度计信号的离散程度，区分静态行为和动态行为，计算公式如下，c)波峰间隔在普通游泳和溺水状态识别中，手臂的挥动频率是一个重要的特征，使用波峰间隔来度量手臂挥动频率，计算公式如下，ΔT＝|T2‑T1|                        (14)式中，T1表示前一个波峰出现的时间，T2表示后一个波峰出现的时间；

d)波峰波谷

波峰波谷值表征人体在运动时所达到的能量大小，用来分析溺水行为；

S3、基于决策树的动作识别

行为特征提取得到的特征集用于设计决策树中内部节点的属性，决策树分类法采用自上而下的递归方式，在内部比较节点的属性，并根据属性的不同得到一条自上而下的路径，在叶节点处得到分类；

使用ID3算法构造决策树，设S是训练样本集，它包括n个类别的样本，这些类别分别用C1,C2,…Cn表示，那么S的熵表示为：其中，pi表示Ci在整个训练元组中出现的概率，用属于此类元素的数量除以训练集合元素总数量作为估计，熵的实际意义表示为S中元组的类标号所需要的平均信息量；

将训练元组S按照属性A进行划分，那么A对S的期望信息为，信息增益,gain(S,A)＝entropy(S)‑entropy(S,A)                       (17)ID3算法在进行分裂时会计算训练元组中各个属性的增益率，并选择增益率最大的属性进行分裂；

以加速度计的X、Y、Z三轴测量数据计算得到的合加速度，即，式中，a表示合加速度，ax,ay,az分别表示x,y,z轴的加速度值；

以合加速度的均值、标准差、波峰间隔、波峰波谷值和两轴相间系数作为特征集，创建静止、游泳和溺水动作的决策树；

基于上述方法，对测试设备中的加速度计数据进行采集，然后对采集的数据进行低通滤波，最后基于行为特征对人员行为进行分析。

2.根据权利要求1所述的一种基于加速度计的溺水行为识别方法，其特征在于：使用的低通滤波方法包含切比雪夫低通滤波、巴特沃斯低通滤波、FIR低通滤波和卡尔曼滤波，以及这些方法的组合。

3.根据权利要求1所述的一种基于加速度计的溺水行为识别方法，其特征在于：只以决策树方法进行试验分析，使用行为分类方法还包含KNN、朴素贝叶斯和SVM以及这些方法的组合。