[论文解读] Capacitor Based Activity Sensing for Kinetic Powered Wearable IoTs

Guohao Lan, Dong Ma+3 more|arXiv (Cornell University)|Jun 19, 2018

Context-Aware Activity Recognition Systems参考文献 2被引用 3

一句话总结

本文提出CapSense，一种用于动能俘获（KEH）供电可穿戴物联网设备的新型活动感知方法，通过电容充电速率直接指示人体活动。通过每5秒仅测量一次电容电压（0.2 Hz），该方法在系统功耗较传统运动采样方法降低73%的情况下，实现了95%的分类准确率。

ABSTRACT

We propose a novel use of the conventional energy storage component, i.e., capacitor, in kinetic-powered wearable IoTs as a sensor to detect human activities. Since different activities accumulate energies in the capacitor at different rates, these activities can be detected directly by observing the charging rate of the capacitor. The key advantage of the proposed capacitor based activity sensing mechanism, called CapSense, is that it obviates the need for sampling the motion signal during the activity detection period thus significantly saving power consumption of the wearable device. A challenge we face is that capacitors are inherently non-linear energy accumulators, which, even for the same activity, leads to significant variations in charging rates at different times depending on the current charge level of the capacitor. We solve this problem by jointly configuring the parameters of the capacitor and the associated energy harvesting circuits, which allows us to operate on charging cycles that are approximately linear. We design and implement a kinetic-powered shoe sole and conduct experiments with 10 subjects. Our results show that CapSense can classify five different daily activities with 95% accuracy while consuming 73% less system power compared to conventional motion signal based activity detection.

研究动机与目标

• 通过消除频繁的运动信号采样，降低可穿戴物联网设备的功耗。
• 解决在不同初始电荷水平下电容非线性充电行为带来的挑战。
• 探索在KEH供电设备中使用电容电压作为单一稳定特征进行活动识别的可行性。
• 通过最大限度减少传感器唤醒频率，实现微控制器单元（MCU）的激进节电模式。
• 证明基于电容的传感方法可在极低系统功耗下实现高精度

提出的方法

• CapSense利用储能电容的充电速率作为动能产生情况的代理指标，不同人体活动对应的充电速率各不相同。
• 系统仅在每个5秒的活动检测周期内采样一次电容电压，将采样频率降低至0.2 Hz。
• 通过联合优化电容和能量俘获电路参数，有效缓解非线性充电行为，实现近似线性的充电周期。
• 活动分类基于每个5秒间隔内的电压变化量完成，避免了连续信号采样。
• 制作并测试了一款动能供电的鞋垫原型，共10名受试者参与，以验证该方法的有效性。
• 该方法利用电容固有的储能功能，无需额外的运动传感器

实验结果

研究问题

• RQ1 在KEH供电的可穿戴设备中，电容充电速率能否作为人体活动识别的可靠特征？
• RQ2 如何缓解电容充电固有的非线性特性，以确保在不同电荷水平下分类性能的一致性？
• RQ3 通过用稀疏的电容电压读数替代连续运动采样，系统功耗可降低到何种程度？
• RQ4 与多点采样运动信号方法相比，仅使用单一特征（电容电压）能否实现高精度活动分类？
• RQ5 在真实可穿戴设备部署中，基于电容的传感方法可实现的准确率和功耗节省是多少？

主要发现

• CapSense仅使用每5秒一次的电压读数，即可在五类日常活动中实现95%的分类准确率。
• 与基于传统运动信号的活动检测方法相比，该系统整体功耗降低了73%。
• 通过以0.2 Hz的采样频率运行，CapSense实现了对微控制器单元（MCU）的极端激进节电模式。
• 对电容和能量俘获电路参数的联合优化，成功最小化了非线性充电行为的影响。
• 在10名受试者的真实世界实验中，该方法在不同用户和活动类型下均表现出鲁棒性。
• 该方法证明电容可同时承担储能和传感双重功能，且无需额外硬件或功耗开销。