基于多传感器的坐姿识别系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 选题背景与意义 | 第9-11页 |
| 1.2 坐姿识别技术国内外研究现状 | 第11-15页 |
| 1.3 论文的主要工作及内容 | 第15-17页 |
| 第2章 坐姿识别系统的总体方案设计 | 第17-27页 |
| 2.1 系统需求分析 | 第17-18页 |
| 2.2 系统总体设计 | 第18-19页 |
| 2.3 系统方案设计 | 第19-22页 |
| 2.3.1 传感器的选择 | 第19-20页 |
| 2.3.2 无线通讯设备选择 | 第20-21页 |
| 2.3.3 微处理器的选择 | 第21-22页 |
| 2.4 基于BP神经网络的坐姿识别 | 第22-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 人体坐姿识别系统硬件设计 | 第27-49页 |
| 3.1 加速度传感器识别模块 | 第27-33页 |
| 3.1.1 传感器的选型 | 第27-28页 |
| 3.1.2 加速度传感器识别模块硬件结构 | 第28-29页 |
| 3.1.3 加速度传感器识别模块功能实现 | 第29-30页 |
| 3.1.4 基于阈值判断的人体坐姿识别算法 | 第30-33页 |
| 3.2 压力传感器识别模块 | 第33-38页 |
| 3.2.1 传感器的选型 | 第33-35页 |
| 3.2.2 压力传感器识别模块硬件结构 | 第35-36页 |
| 3.2.3 压力传感器的布局 | 第36-38页 |
| 3.3 肌电传感器识别模块设计 | 第38-41页 |
| 3.3.1 肌电传感器的选型 | 第38-39页 |
| 3.3.2 肌电信号的处理 | 第39-41页 |
| 3.4 人体坐姿识别融合算法 | 第41-48页 |
| 3.4.1 模糊集合理论与坐姿识别模型的关系 | 第42-43页 |
| 3.4.2 D-S证据理论 | 第43-45页 |
| 3.4.3 坐姿识别模型的建立 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 人体坐姿识别系统实验验证 | 第49-62页 |
| 4.1 实验平台的搭建 | 第49-52页 |
| 4.1.1 实验样本的选取 | 第49页 |
| 4.1.2 原始数据采集实验设计 | 第49-52页 |
| 4.2 实验验证与分析 | 第52-60页 |
| 4.2.1 加速度传感器识别模块验证与分析 | 第52-53页 |
| 4.2.2 压力传感器识别模块验证与分析 | 第53-54页 |
| 4.2.3 融合算法验证与分析 | 第54-57页 |
| 4.2.4 肌电传感器识别模块验证与分析 | 第57-60页 |
| 4.3 本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附表 | 第69-70页 |
