与手机朝向和位置无关的活动识别技术研究
| 摘要 | 第10-11页 |
| ABSTRACT | 第11页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 活动识别的分类 | 第13-14页 |
| 1.3 基于智能手机的活动识别现状 | 第14-16页 |
| 1.3.1 基于智能手机活动识别面临的难题 | 第14-15页 |
| 1.3.2 消除手机朝向影响的三类方法 | 第15页 |
| 1.3.3 消除手机位置影响的三类方法 | 第15-16页 |
| 1.4 主要研究内容 | 第16-17页 |
| 1.5 论文组织结构 | 第17-19页 |
| 第二章 相关技术研究 | 第19-29页 |
| 2.1 基于智能手机活动识别一般流程 | 第19页 |
| 2.2 运动传感器和数据预处理 | 第19-21页 |
| 2.2.1 传感器分类 | 第19-20页 |
| 2.2.2 传感器数据预处理 | 第20-21页 |
| 2.3 特征提取技术 | 第21-24页 |
| 2.3.1 时域特征提取 | 第21-22页 |
| 2.3.2 频域特征 | 第22页 |
| 2.3.3 特征学习获取特征 | 第22-23页 |
| 2.3.4 特征降维 | 第23-24页 |
| 2.4 分类算法 | 第24-28页 |
| 2.4.1 决策树学习算法 | 第25-26页 |
| 2.4.2 朴素贝叶斯算法 | 第26-27页 |
| 2.4.3 支持向量机 | 第27-28页 |
| 2.5 小结 | 第28-29页 |
| 第三章 动态辨别三轴传感器数据技术 | 第29-44页 |
| 3.1 引言 | 第29页 |
| 3.2 手机朝向处理方法 | 第29-31页 |
| 3.2.1 基于二维投影数据的处理方法 | 第29-31页 |
| 3.2.2 基于三轴合成加速度的处理方法 | 第31页 |
| 3.3 动态辨别三轴传感器数据技术 | 第31-37页 |
| 3.3.1 手机坐标系基变化 | 第31-32页 |
| 3.3.2 传感器数据可视化及滤波 | 第32-34页 |
| 3.3.3 动态的辨别三轴传感器数据技术 | 第34-37页 |
| 3.4 实验与验证分析 | 第37-43页 |
| 3.4.1 数据采集 | 第37页 |
| 3.4.2 数据预处理及特征提取 | 第37-39页 |
| 3.4.3 实验设计与实验结果分析 | 第39-43页 |
| 3.5 小结 | 第43-44页 |
| 第四章 与手机放置位置无关的活动识别模型 | 第44-61页 |
| 4.1 引言 | 第44-45页 |
| 4.2 手机放置位置问卷调查 | 第45-49页 |
| 4.2.1 问卷调查表设计 | 第45-46页 |
| 4.2.2 问卷调查答卷结果分析 | 第46-48页 |
| 4.2.3 问卷调查总结 | 第48-49页 |
| 4.3 手机放置位置识别技术 | 第49-51页 |
| 4.3.1 手机放置位置识别过程 | 第49-50页 |
| 4.3.2 特征选择 | 第50页 |
| 4.3.3 特征压缩模型实现 | 第50-51页 |
| 4.4 实验验证和分析 | 第51-60页 |
| 4.4.1 数据采集与静态数据过滤 | 第51-52页 |
| 4.4.2 特征提取及参数选择 | 第52-54页 |
| 4.4.3 实验与实验结果分析 | 第54-59页 |
| 4.4.4 模型中关键模块设计 | 第59-60页 |
| 4.5 小结 | 第60-61页 |
| 第五章 智能手机端活动识别原型实现 | 第61-72页 |
| 5.1 活动识别框架 | 第61-68页 |
| 5.1.1 数据缓存技术实现 | 第62-63页 |
| 5.1.2 数据预处理模块实现 | 第63-65页 |
| 5.1.3 识别模块实现 | 第65-68页 |
| 5.2 传感器和分类器性能测试 | 第68-70页 |
| 5.2.1 传感器基本性能对比 | 第68-69页 |
| 5.2.2 分类器在手机端的资源消耗对比 | 第69-70页 |
| 5.3 手机端结果展示 | 第70-71页 |
| 5.4 小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 工作总结 | 第72-73页 |
| 6.2 工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 作者在学期间取得的学术成果 | 第79页 |
