| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景 | 第9-10页 |
| 1.3 研究目的和意义 | 第10-11页 |
| 1.4 国内外研究现状 | 第11-16页 |
| 1.4.1 轮椅代步设备研究现状 | 第11-14页 |
| 1.4.2 小波分析研究现状 | 第14-15页 |
| 1.4.3 K-means聚类算法研究现状 | 第15-16页 |
| 1.5 本文的研究内容及组织结构 | 第16-18页 |
| 第2章 系统需求分析与Android技术理论介绍 | 第18-32页 |
| 2.1 轮椅运动数据采集与处理系统任务描述 | 第18页 |
| 2.2 系统业务流程分析 | 第18-20页 |
| 2.3 轮椅运动数据采集与处理系统需求分析 | 第20-23页 |
| 2.3.1 轮椅运动数据采集与处理系统功能性需求 | 第20-23页 |
| 2.3.2 轮椅运动数据采集与处理系统非功能性需求 | 第23页 |
| 2.4 Android相关技术理论 | 第23-31页 |
| 2.4.1 Android系统体系结构 | 第23-25页 |
| 2.4.2 Android核心基本组件 | 第25-28页 |
| 2.4.3 Android传感器及应用 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 轮椅运动数据处理关键方法研究与优化 | 第32-56页 |
| 3.1 基于小波分析的轮椅运动数据降噪方法研究与优化 | 第32-48页 |
| 3.1.1 小波分析理论基础 | 第32-34页 |
| 3.1.2 小波阈值降噪 | 第34页 |
| 3.1.3 小波分解层数的自适应确定方法设计 | 第34-36页 |
| 3.1.4 阈值处理函数的改进 | 第36-38页 |
| 3.1.5 基于改进小波阈值的轮椅运动数据降噪方法实现过程 | 第38-40页 |
| 3.1.6 实验结果及分析 | 第40-48页 |
| 3.2 基于K-means的轮椅行为识别方法研究与优化 | 第48-55页 |
| 3.2.1 K-means算法基本原理 | 第48-49页 |
| 3.2.2 基于K-means的轮椅行为识别方法改进 | 第49-51页 |
| 3.2.3 基于改进K-means的轮椅行为识别方法实现过程 | 第51-52页 |
| 3.2.4 实验验证及结果 | 第52-55页 |
| 3.3 本章小结 | 第55-56页 |
| 第4章 数据采集与处理系统的设计与实现 | 第56-70页 |
| 4.1 系统总体架构设计 | 第56-58页 |
| 4.2 系统核心功能设计与实现 | 第58-64页 |
| 4.2.1 轮椅运动数据采集与传输 | 第58-61页 |
| 4.2.2 轮椅运动数据接收及存储 | 第61-63页 |
| 4.2.3 轮椅运动数据降噪及行为识别 | 第63-64页 |
| 4.3 系统辅助功能设计与实现 | 第64-69页 |
| 4.3.1 用户认证与信息录入 | 第64-66页 |
| 4.3.2 用户及系统模式配置 | 第66-67页 |
| 4.3.3 轮椅用户运动轨迹回放 | 第67-68页 |
| 4.3.4 用户数据管理与信息维护 | 第68-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第5章 数据采集与处理系统的测试 | 第70-78页 |
| 5.1 系统测试环境 | 第70页 |
| 5.2 系统核心功能测试 | 第70-72页 |
| 5.3 系统辅助功能测试 | 第72-76页 |
| 5.4 数据采集客户端最优工作模式匹配研究 | 第76-77页 |
| 5.4.1 采样率工作模式对设备功耗影响的实验研究 | 第76页 |
| 5.4.2 采样率工作模式对数据采集精度影响的实验研究 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-83页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第83-85页 |
| 致谢 | 第85页 |
