| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 1 绪论 | 第12-28页 |
| ·研究背景及意义 | 第12-15页 |
| ·体感网与传统无线传感器网络的区别 | 第12-13页 |
| ·体感网在人体健康监测中的应用 | 第13-15页 |
| ·相关问题的研究现状 | 第15-25页 |
| ·体感网的研究和发展 | 第15-17页 |
| ·基于体感网的人体动作监测 | 第17-21页 |
| ·日常动作识别 | 第18页 |
| ·异常动作监测 | 第18-19页 |
| ·步态分析 | 第19-20页 |
| ·运动消耗估计 | 第20页 |
| ·辅助体育训练 | 第20页 |
| ·其他应用 | 第20-21页 |
| ·基于体感网的人体动作识别方法的研究现状 | 第21-25页 |
| ·窗口分割技术 | 第21-22页 |
| ·特征提取技术 | 第22-23页 |
| ·分类器技术 | 第23-25页 |
| ·本文的主要研究工作 | 第25-28页 |
| 2 基于耦合隐马尔可夫模型的多传感器数据融合方法 | 第28-44页 |
| ·引言 | 第28-30页 |
| ·基于耦合隐马尔可夫模型的动作识别方法 | 第30-37页 |
| ·隐马尔可夫模型介绍 | 第30-31页 |
| ·CHMM模型的建立 | 第31-32页 |
| ·CHMM模型的参数训练 | 第32-36页 |
| ·基于Viterbi算法的参数初始化 | 第32-34页 |
| ·基于Forward-Backward算法的参数训练 | 第34-36页 |
| ·应用CHMM模型识别人体动作 | 第36-37页 |
| ·CHMM模型的建立 | 第36页 |
| ·CHMM模型的动作识别 | 第36-37页 |
| ·实验设计和实验数据的采集 | 第37-39页 |
| ·实验平台介绍 | 第37页 |
| ·实验数据的采集 | 第37-39页 |
| ·实验结果分析 | 第39-42页 |
| ·实验数据的预处理 | 第39-40页 |
| ·本研究所提方法的数据预处理 | 第39-40页 |
| ·比较方法的数据预处理 | 第40页 |
| ·动作识别结果 | 第40-42页 |
| ·10-交叉验证法 | 第41页 |
| ·留一验证法 | 第41页 |
| ·实验结果分析 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 3 基于概率神经网络和可调节模糊聚类算法的增强学习方法 | 第44-64页 |
| ·引言 | 第44-45页 |
| ·本研究所提方法的理论基础 | 第45-50页 |
| ·概率神经网络 | 第45-47页 |
| ·模糊C均值聚类 | 第47-48页 |
| ·可调节模糊聚类 | 第48-50页 |
| ·聚类分裂机制 | 第49页 |
| ·聚类融合机制 | 第49-50页 |
| ·AFC的动态聚类过程 | 第50页 |
| ·基于PNN和AFC的增强学习方法 | 第50-53页 |
| ·体感网数据的预处理 | 第50-51页 |
| ·应用初始训练数据集合建立PNN分类器 | 第51-52页 |
| ·PNN分类器的建立 | 第51-52页 |
| ·PNN加和层计算方法的修改 | 第52页 |
| ·应用后续训练数据更新已有PNN分类器 | 第52-53页 |
| ·添加新的动作类别和删除已有动作类别 | 第53页 |
| ·添加新的动作类别 | 第53页 |
| ·删除已有动作类别 | 第53页 |
| ·实验设计和实验数据的采集 | 第53-54页 |
| ·实验平台介绍 | 第53-54页 |
| ·惯性数据的采集 | 第54页 |
| ·实验结果分析 | 第54-62页 |
| ·惯性数据的预处理 | 第54-55页 |
| ·应用新增训练数据集更新已有PNN分类器 | 第55-59页 |
| ·5-交叉验证法 | 第55页 |
| ·留一验证法 | 第55-57页 |
| ·实验结果分析 | 第57-59页 |
| ·增加新的动作类别和删除已有动作类别 | 第59-60页 |
| ·增加新的动作类别 | 第59页 |
| ·删除已有动作类别 | 第59-60页 |
| ·实验结果分析 | 第60页 |
| ·与其它分类算法的比较 | 第60-62页 |
| ·与已有动作识别算法的比较 | 第60-61页 |
| ·与其它增强学习网络的比较 | 第61-62页 |
| ·结论 | 第62-64页 |
| 4 基于Gram-Schmidt正交化准则的加速度传感器初始固定误差的矫正方法 | 第64-80页 |
| ·引言 | 第64-66页 |
| ·理论分析及矫正方法的提出 | 第66-74页 |
| ·三维加速度信号的公式化表示 | 第66-67页 |
| ·加速度传感器固定方向错误引起的信号误差的矫正方法 | 第67-71页 |
| ·方向错误对加速度传感器输出信号的影响 | 第68页 |
| ·矫正矩阵N的计算方法 | 第68-69页 |
| ·Gram-Schmidt正交化准则的可靠性 | 第69-71页 |
| ·加速度传感器固定位置错误引起的信号误差的矫正方法 | 第71-72页 |
| ·基于加速度数据的人体动作识别 | 第72-74页 |
| ·分类方法的训练过程 | 第72-73页 |
| ·分类方法的识别过程 | 第73-74页 |
| ·实验设计和实验数据的采集 | 第74-75页 |
| ·实验平台介绍 | 第74页 |
| ·实验数据的采集 | 第74-75页 |
| ·实验结果分析 | 第75-78页 |
| ·固定方式错误对动作识别结果的影响 | 第75-76页 |
| ·没有出现固定方式错误时的动作识别结果 | 第75-76页 |
| ·出现固定方式错误时的动作识别结果 | 第76页 |
| ·消除固定方向误差后的动作识别结果 | 第76-78页 |
| ·消除固定位置错误后的动作识别结果 | 第78页 |
| ·本章小结 | 第78-80页 |
| 5 基于体感网的腹肌训练动作的监测 | 第80-96页 |
| ·引言 | 第80-81页 |
| ·基于EMG信号的腹肌训练动作的监测 | 第81-84页 |
| ·EMG信号的采集设备 | 第81-83页 |
| ·使用EMG信号计算腹肌的肌电活性 | 第83页 |
| ·单因素方差分析 | 第83-84页 |
| ·基于惯性信号的腹肌训练动作的监测 | 第84-88页 |
| ·惯性信号的采集设备 | 第84-85页 |
| ·朴素贝叶斯分类器 | 第85-86页 |
| ·径向基神经网络 | 第86-88页 |
| ·RBF神经网络的建立 | 第86-87页 |
| ·RBF神经网络的训练过程 | 第87-88页 |
| ·实验设计和实验数据的采集 | 第88-89页 |
| ·最大随意收缩运动的EMG信号采集 | 第88-89页 |
| ·双桥运动的惯性信号和EMG信号采集 | 第89页 |
| ·实验结果分析 | 第89-94页 |
| ·使用EMG信号对双桥运动进行监测 | 第89-90页 |
| ·使用惯性信号对双桥运动进行监测 | 第90-94页 |
| ·朴素贝叶斯分类器的分类精确度 | 第90-92页 |
| ·使用径向基神经网络计算腹肌的肌电活性 | 第92-94页 |
| ·实验结果讨论 | 第94页 |
| ·本章小结 | 第94-96页 |
| 结论 | 第96-100页 |
| 参考文献 | 第100-110页 |
| 攻读博士学位期间发表学术论文情况 | 第110-112页 |
| 致谢 | 第112-114页 |
| 作者简介 | 第114-116页 |
