基于惯性运动传感器的跌倒检测系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.3.1 本文主要工作 | 第12页 |
| 1.3.2 本文创新点 | 第12-13页 |
| 1.4 论文章节安排 | 第13-14页 |
| 第2章 系统设计方案 | 第14-26页 |
| 2.1 系统功能分析 | 第14页 |
| 2.2 系统设计方案 | 第14-15页 |
| 2.3 硬件电路设计 | 第15-22页 |
| 2.3.1 硬件平台Arduino Nano介绍 | 第15-16页 |
| 2.3.2 采样器mpu6050介绍 | 第16-17页 |
| 2.3.3 蓝牙模块Bluetooth | 第17-19页 |
| 2.3.4 硬件电路设计 | 第19-22页 |
| 2.4 Android app设计 | 第22-25页 |
| 2.4.1 Android系统简介 | 第22-23页 |
| 2.4.2 Android系统框架 | 第23页 |
| 2.4.3 App设计流程 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 数据采集与分析 | 第26-35页 |
| 3.1 人体活动分类 | 第26页 |
| 3.2 人体各种行为的数据采集分析 | 第26-29页 |
| 3.2.1 采样频率和佩戴位置的选择 | 第26页 |
| 3.2.2 传感器Mpu6050的采样原理 | 第26-27页 |
| 3.2.3 数据预处理 | 第27-28页 |
| 3.2.4 数据转换 | 第28-29页 |
| 3.3 特征量 | 第29-31页 |
| 3.4 数据分析 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 算法的提出 | 第35-49页 |
| 4.1 联合卡尔曼数据融合理论 | 第35-43页 |
| 4.1.1 多传感器信息融合 | 第35-36页 |
| 4.1.2 离散型卡尔曼滤波 | 第36-37页 |
| 4.1.3 联合卡尔曼滤波融合 | 第37-41页 |
| 4.1.4 互补滤波 | 第41-43页 |
| 4.2 经典阈值算法 | 第43-44页 |
| 4.3 ProtoThread并行调度 | 第44-46页 |
| 4.4 基于数据融合的并行阈值算法 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 实验结果与讨论 | 第49-54页 |
| 5.1 Arduino开发软件介绍 | 第49-50页 |
| 5.2 系统初始化 | 第50页 |
| 5.3 系统流程 | 第50-52页 |
| 5.4 实验结果 | 第52页 |
| 5.5 算法性能分析 | 第52页 |
| 5.6 本章小结 | 第52-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 本文总结 | 第54页 |
| 6.2 未来展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61页 |
