| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题的研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 课题的研究内容和技术方法 | 第9页 |
| 1.4 嵌入式传感器概述 | 第9-10页 |
| 1.4.1 嵌入式传感器的定义 | 第10页 |
| 1.4.2 手机内的嵌入式传感器 | 第10页 |
| 1.5 人体特定动作识别系统的结构 | 第10-11页 |
| 1.6 论文结构 | 第11-13页 |
| 第二章 Android的传感器API与例程 | 第13-25页 |
| 2.1 传感器关联的类和接口 | 第13-16页 |
| 2.1.1 android.hardware.Sensor类 | 第13-14页 |
| 2.1.2 android.hardware.SensorManager类 | 第14-15页 |
| 2.1.3 android.hardware.SensorEvent事件 | 第15页 |
| 2.1.4 android.hardware.SensorEventListener接口 | 第15页 |
| 2.1.5 传感器的值取得 | 第15-16页 |
| 2.2 手机内加速度传感器的应用 | 第16-20页 |
| 2.2.1 通过加速度传感器能取到的值 | 第16页 |
| 2.2.2 重力对加速度传感器取值的影响 | 第16-19页 |
| 2.2.3 瞬间加速度值的取得 | 第19-20页 |
| 2.3 手机内的倾斜传感器 | 第20-24页 |
| 2.3.1 倾斜传感器能取到的值 | 第20-22页 |
| 2.3.2 使用倾斜传感器的例程 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 人体特定动作的信号数据采集 | 第25-30页 |
| 3.1 三轴加速度数据的采集 | 第25-26页 |
| 3.2 人体特定动作识别模式 | 第26-29页 |
| 3.2.1 信号源数据获取 | 第27页 |
| 3.2.2 采集数据后的预处理 | 第27-28页 |
| 3.2.3 数据特征生成和提取 | 第28-29页 |
| 3.2.4 动作分类器 | 第29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 信号数据的识别与分类处理 | 第30-42页 |
| 4.1 数据处理 | 第30-32页 |
| 4.1.1 数据处理的流程 | 第30-32页 |
| 4.1.2 数据处理的算法 | 第32页 |
| 4.2 KNN算法 | 第32-39页 |
| 4.2.1 KNN算法原理 | 第32-34页 |
| 4.2.2 KNN算法的实现程序 | 第34-39页 |
| 4.3 时域处理方法 | 第39-41页 |
| 4.3.1 有量纲特征参数 | 第39-40页 |
| 4.3.2 无量纲特征参数 | 第40-41页 |
| 4.3.3 相关分析方法 | 第41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 人体特定动作识别系统的实现 | 第42-55页 |
| 5.1 摔倒动作的识别 | 第42-50页 |
| 5.1.1 摔倒动作与加速度变量 | 第42-43页 |
| 5.1.2 摔倒动作信号数据 | 第43-45页 |
| 5.1.3 摔倒动作的特征值 | 第45-46页 |
| 5.1.4 摔倒动作识别的算法 | 第46-48页 |
| 5.1.5 摔倒动作识别的计算流程 | 第48-50页 |
| 5.2 摔倒识别的实验 | 第50-53页 |
| 5.2.1 信号分析方法 | 第50页 |
| 5.2.2 智能手机放置位置 | 第50-51页 |
| 5.2.3 实验结果与分析 | 第51-53页 |
| 5.3 摔倒识别算法的性能评测 | 第53页 |
| 5.4 本章小结 | 第53-55页 |
| 第六章 总结和展望 | 第55-56页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 发表论文和参加科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |
