Influence of Sampling Rate on Wearable IMU Orientation Estimation Accuracy for Human Movement Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Wearable inertial measurement units (IMUs) have been widely used in human movement analysis outside the laboratory. However, the IMU-based orientation estimation remains challenging, particularly in scenarios involving relatively fast movements. Increased sampling rate has the potential to improve accuracy, but it also increases power consumption and computational complexity. The relationship between sampling frequencies and accuracies remains unclear. We thus investigated the specific influence of IMU sampling frequency on orientation estimation across a spectrum of movement speeds and recommended sufficient sampling rates. Seventeen healthy subjects wore IMUs on their thigh, shank, and foot and performed walking (1.2 m/s) and running (2.2 m/s) trials on a treadmill, and a motion testbed with an IMU was used to mimic high-frequency cyclic human movements up to 3.0 Hz. Four widely used IMU sensor fusion algorithms computed orientations at 10, 25, 50, 100, 200, 400, 800, and 1600 Hz and were compared with marker-based optical motion capture (OMC) orientations to determine accuracy. Results suggest that the sufficient IMU sampling rate for walking is 100 Hz, running is 200 Hz, and high-speed cyclic movements is 400 Hz. The accelerometer sampling rate is less important than the gyroscope sampling rate. Further, accelerometer sampling rates exceeding 100 Hz even resulted in decreased accuracy because excessive orientation updates using distorted accelerations and angular velocity introduced more error than merely using angular velocity. These findings could serve as a foundation to inform wearable IMU development or selection across a spectrum of human gait movement speeds.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle