基于传感器数据融合技术的腕式跌倒检测系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 论文的主要研究内容及章节安排 | 第17-19页 |
| 第二章 系统整体设计 | 第19-24页 |
| 2.1 系统需求分析 | 第19-20页 |
| 2.1.1 目标群体分析 | 第19页 |
| 2.1.2 功能性需求分析 | 第19-20页 |
| 2.1.3 非功能性需求分析 | 第20页 |
| 2.2 系统整体方案设计 | 第20-23页 |
| 2.2.1 系统硬件平台框架 | 第21-22页 |
| 2.2.2 系统软件程序框架 | 第22页 |
| 2.2.3 跌倒检测算法方案 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 跌倒检测系统硬件平台设计 | 第24-33页 |
| 3.1 主控制器模块 | 第24-25页 |
| 3.2 惯性传感器模块 | 第25-27页 |
| 3.3 通信定位模块 | 第27-28页 |
| 3.4 系统电源模块 | 第28-31页 |
| 3.4.1 电池选型 | 第29-30页 |
| 3.4.2 USB充电电路 | 第30页 |
| 3.4.3 系统供电电路 | 第30-31页 |
| 3.5 PCB板设计 | 第31-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 跌倒检测系统软件实现 | 第33-39页 |
| 4.1 数据采集程序设计 | 第33-34页 |
| 4.2 GPS定位程序设计 | 第34-35页 |
| 4.3 GPRS通信程序设计 | 第35-37页 |
| 4.4 短信收发程序设计 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 跌倒行为分析及算法研究 | 第39-55页 |
| 5.1 人体活动模式分类 | 第39-41页 |
| 5.1.1 日常活动行为 | 第39-40页 |
| 5.1.2 跌倒行为 | 第40-41页 |
| 5.2 人体跌倒相关分析 | 第41-47页 |
| 5.2.1 跌倒模型物理分析 | 第41-43页 |
| 5.2.2 典型活动行为数据分析 | 第43-47页 |
| 5.3 特征选择及提取 | 第47-51页 |
| 5.3.1 特征选择 | 第47-49页 |
| 5.3.2 基于PCA降维的特征提取 | 第49-51页 |
| 5.4 基于二次判定的跌倒检测融合算法 | 第51-54页 |
| 5.4.1 基于阈值的疑似信号段定位 | 第51-52页 |
| 5.4.2 基于SVM的跌倒特征分类模型 | 第52-53页 |
| 5.4.3 具体算法流程 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 实验结果及分析 | 第55-64页 |
| 6.1 实验样机及佩戴方法 | 第55-56页 |
| 6.2 实验步骤 | 第56-61页 |
| 6.3 实验结果与分析 | 第61-63页 |
| 6.3.1 核函数效率测试 | 第61-62页 |
| 6.3.2 阈值设定测试 | 第62页 |
| 6.3.3 佩戴部位对比实验 | 第62-63页 |
| 6.4 系统及其算法评价 | 第63页 |
| 6.5 本章小结 | 第63-64页 |
| 结论和展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间的科研成果 | 第70-72页 |
| 致谢 | 第72页 |
