Sismik sensör ağı kullanılarak insan düşmesinin tespit edilmesi
Indoor fall detection using a network of seismic sensors
- Tez No: 415453
- Danışmanlar: YRD. DOÇ. DR. SEVGİ ZÜBEYDE GÜRBÜZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: TOBB Ekonomi ve Teknoloji Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
İnsanlar yaşlandıkça düşme, büyük bir sağlık tehdidi oluşturmaktadır. Bu konudaki çalışmalar düşmelere hızlı tepki vermenin ölümle sonuçlanan vaka sayısında kritik azalma sağladığını göstermektedir. Bu nedenle sağlık gözetleme yapan biyomedikal uygulamalarında kullanılan sensörler yardımıyla sinyal işleme algoritmalarının geliştirilmesi önemli bir araştırma alanına dönüşmüştür. Bu çalışmada sismik sensör ağı kullanılarak hareket sınıflandırılması ve düşme tespiti için yeni bir algoritma önerilmiştir. Daha ayrıntılı olarak, insan düşmesinin yanında kapı çarpması, pencere çarpması ve bir nesnenin düşmesi gibi parazit sinyallerin sınıflandırılması değerlendirilmektedir. Bu tez çalışmasında spektral istatistik ve ayrık dalgacık dönüşümü ile öznitelik çıkarma metotları önerilmiştir. Sismik sensör ağı kullanılarak alınan gerçek verilerin performans sonuçları verilmiştir. Bu algoritma ile özellikle karışıklığa sebep olabilecek parazit sinyallere karşı yanlış alarm sayıları düşürülmüştür. Yapılan çalışmalar sonucunda insan düşmesi %99,4 doğruluk oranıyla tespit edilmiştir.
Özet (Çeviri)
Falls present a great health threat as people get older; moreover, studies have shown that rapid response is critical to decreasing fall-related mortality. Thus, the development of signal processing algorithms for sensors used in biomedical applications involving assisted living has become an avid area of research. In this work, a novel algorithm for activity classification and fall detection using a seismic sensor network is proposed. More specifically, classification of falling as well as sources of parasitic signals, such as dropping an object, slamming a door, and shutting a window, are considered. A new target detection and feature extraction algorithm based on wavelet coefficient characterization and spectral statistics is proposed. Results quantifying the performance of the algorithm on real data from a seismic sensor network are given. It is shown that the algorithm offers a reduction of false alarms especially in the case of potentially confusable parasitic signals. According to the studies human falls were detected with an accuracy rate of 99.4%.
Benzer Tezler
- Anomaly detection in diverse sensor networks using machine learning
Çeşitli sensör ağlarında makine öğrenimi ile anomali tespiti
ALİ ALP AKYOL
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Analog sismometrelerden sayısal veri transferi
Digitiser design of an analog-digital (a/d) converter for conventional analog seismometers
SÜLEYMAN TUNÇ
Yüksek Lisans
Türkçe
2006
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ.DR. SARP ERTÜRK
- Intruder detection using seismic sensor network
Sismik sensörlü ağlardan faydalanarak tehdit algılama
GÖKHAN KOÇ
Yüksek Lisans
İngilizce
2013
Elektrik ve Elektronik MühendisliğiYeditepe ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
DOÇ. DR. KORKUT YEĞİN
- Node clustering and fusion for moving target localization in distributed seismic sensor networks
Dağıtık sismik sensör ağlarında hareketli hedef konumlandırma için sensör kümelemesi ve füzyonu
ERDEM KÖSE
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiGebze Teknik ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ KÖKSAL HOCAOĞLU
- Jeofon dizinleri vasıtasıyla sismik yön tespiti
Seismic direction estimation via geophone arrays
ARDA ARAS
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL