人体活动识别智能手机传感器数据集-90名参与者活动数据
数据来源：互联网公开数据
标签：人体活动识别,HAR,传感器数据,智能手机,活动识别,加速度计,陀螺仪,时间序列,机器学习,活动分类
数据概述：
本数据集包含90名参与者（75名男性和15名女性）使用智能手机传感器（加速度计和陀螺仪）进行18种不同活动的数据。 数据集包含1945个原始活动样本和9185个子样本。 原始数据直接从参与者处收集，子样本是从原始样本中提取的。 采集频率为100 Hz，数据中已去除重力加速度，且未进行噪声过滤。
活动类型包括：
* 站立
* 静坐
* 坐姿谈话（伴随手部动作）
* 站立或行走时谈话（伴随手部动作）
* 站起坐下（重复）
* 躺着
* 躺下站起（重复）
* 捡东西
* 跳跃（重复）
* 俯卧撑
* 仰卧起坐
* 行走
* 后退行走
* 绕圈行走
* 跑步
* 上楼
* 下楼
* 打乒乓球
数据文件包含：
1. Raw_time_domian_data.zip：1945个原始时间域样本，每个样本为单独的.csv文件，包含加速度计和陀螺仪数据。每.csv文件的组织结构如下：
* 第1列，第5列：加速度计和陀螺仪输出的精确时间（自开始以来经过的时间，单位为毫秒）
* 第2、3、4列：X、Y、Z轴上的加速度（单位：m/s²）
* 第6、7、8列：绕X、Y、Z轴的旋转速率（单位：rad/s）
2. Trimmed_raw_data.zip：经过修剪的原始数据样本，去除了信号中与活动无关的部分。
3. Time_domain_subsamples.zip：9185个子样本，包含在一个.csv文件中，组织结构如下：
* 第1–1500列：加速度计X轴读数
* 第1501–3000列：加速度计Y轴读数
* 第3001–4500列：加速度计Z轴读数
* 第4501–6000列：陀螺仪X轴读数
* 第6001–7500列：陀螺仪Y轴读数
* 第7501–9000列：陀螺仪Z轴读数
* 第9001列：类别ID（0到17，对应上述活动）
* 第9002列：子样本长度（每个信号从起始列开始，其余列用零填充）
* 第9003列：子样本序列号
4. Frequency_features.zip：9185个子样本的1500点DFT输出，包含在一个.csv文件中，组织结构与Time_domain_subsamples.zip相同。
数据用途概述：
该数据集适用于人体活动识别相关的研究和应用，包括：
* 机器学习模型训练与评估：用于训练和测试人体活动识别算法，例如分类模型。
* 传感器数据分析：用于研究智能手机传感器数据的特征，以及不同活动下的数据模式。
* 活动识别系统开发：用于开发基于智能手机的活动识别系统，例如健康监测、运动跟踪等应用。
* 学术研究：为研究人员提供用于探索人体活动识别领域，进行算法优化和新方法研究的数据。
