| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题背景 | 第8页 |
| 1.2 课题目的和意义 | 第8-9页 |
| 1.3 研究现状 | 第9-10页 |
| 1.4 论文主要工作、创新点及章节结构 | 第10-12页 |
| 第2章 基于足底动力学信号的老年人跌倒风险分析 | 第12-22页 |
| 2.1 试验数据采集 | 第12页 |
| 2.2 样本熵算法 | 第12-14页 |
| 2.3 足部动力学数据预处理 | 第14-15页 |
| 2.4 特征变量的显著性检验及检验结果 | 第15-19页 |
| 2.4.1 检验方法 | 第15-16页 |
| 2.4.2 显著性检验结果 | 第16-17页 |
| 2.4.3 显著特征变量的讨论 | 第17-19页 |
| 2.5 基于有序多分类LOGIT模型的跌倒风险评估 | 第19-22页 |
| 第3章 基于隐马尔可夫模型(HMM)的跌倒检测 | 第22-44页 |
| 3.1 人体运动状态分析 | 第22-23页 |
| 3.2 惯性传感信号和特征选择 | 第23-25页 |
| 3.3 特征数据预处理 | 第25-29页 |
| 3.3.1 滑动窗宽长度的选取 | 第26-27页 |
| 3.3.2 光滑(降噪)与分帧 | 第27-28页 |
| 3.3.3 特征变量符号化(离散化观测变量) | 第28-29页 |
| 3.4 隐马尔可夫链 | 第29-35页 |
| 3.4.1 马尔可夫链 | 第30-31页 |
| 3.4.2 隐马尔可夫链定义 | 第31-32页 |
| 3.4.3 隐马尔可夫模型假设 | 第32页 |
| 3.4.4 隐马尔可夫模型解决的三个问题 | 第32页 |
| 3.4.5 模型算法 | 第32-35页 |
| 3.5 基于隐马尔可夫链的跌倒识别 | 第35-40页 |
| 3.5.1 跌倒HMM训练 | 第36-38页 |
| 3.5.2 跌倒信号匹配 | 第38-39页 |
| 3.5.3 跌倒信号的判别 | 第39-40页 |
| 3.6 实验与分析 | 第40-44页 |
| 3.6.1 实验组织与设计 | 第40-41页 |
| 3.6.2 实验结果与分析 | 第41-44页 |
| 第4章 总结与展望 | 第44-46页 |
| 4.1 总结 | 第44页 |
| 4.2 展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 附录 | 第49-51页 |
| 致谢 | 第51页 |