基于频域增强与多尺度特征提取的人类活动识别方法

本发明提供了一种基于频域增强与多尺度特征提取的人类活动识别方法，属于深度学习技术领域。本研究有效提升了现有模型在未知数据上的泛化性能，解决了模型在面对分布外样本时表现欠佳的问题。其技术方案为：首先在频域使用数据增强技术来丰富原数据的分布；随后采用多尺度特征提取模块从高维时间序列数据中提取更有价值的特征表示；接着利用频域多层感知器模块来增强特征的可辨别性；最后将提取到的特征送到分类器进行活动识别。本发明的有益效果为：该方法可应用于可穿戴传感器条件下的人类活动识别系统。