基于IMU的可穿戴式人体行为识别系统设计与实现
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 非穿戴式行为识别技术 | 第11-12页 |
| 1.2.2 穿戴式行为识别技术 | 第12-13页 |
| 1.3 研究内容及文章结构安排 | 第13-15页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 文章结构安排 | 第13-15页 |
| 第二章 可穿戴技术及平台简介 | 第15-21页 |
| 2.1 可穿戴技术体系结构 | 第15-17页 |
| 2.2 低功耗蓝牙4.0简介 | 第17-18页 |
| 2.2.1 低功耗蓝牙4.0概述 | 第17页 |
| 2.2.2 低功耗蓝牙4.0协议栈 | 第17页 |
| 2.2.3 几种短距离无线通信技术比较 | 第17-18页 |
| 2.3 Android操作系统简介 | 第18-19页 |
| 2.4 可穿戴式行为识别系统关键技术分析 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 可穿戴式人体行为识别系统设计及实验组织 | 第21-34页 |
| 3.1 人体行为识别系统硬件框架 | 第21-22页 |
| 3.2 器件选型及电路设计 | 第22-24页 |
| 3.2.1 器件选型 | 第22-23页 |
| 3.2.2 电路设计 | 第23-24页 |
| 3.3 人体行为识别系统软件设计 | 第24-29页 |
| 3.3.1 MPU6050工作流程 | 第25-26页 |
| 3.3.2 CC2541工作流程 | 第26-27页 |
| 3.3.3 Android工作流程 | 第27-29页 |
| 3.4 实验组织 | 第29-33页 |
| 3.4.1 系统的佩戴位置及方向 | 第29页 |
| 3.4.2 系统的采样频率 | 第29-30页 |
| 3.4.3 实验过程 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 人体运动数据预处理及人体姿态角解算 | 第34-48页 |
| 4.1 人体运动数据成分分析 | 第34页 |
| 4.2 小波阈值去噪 | 第34-37页 |
| 4.2.1 小波阈值去噪的基本思想 | 第34-35页 |
| 4.2.2 阈值函数的选择 | 第35-37页 |
| 4.3 人体姿态角解算 | 第37-47页 |
| 4.3.1 坐标系理论 | 第37-38页 |
| 4.3.2 基于陀螺仪人体姿态角解算算法 | 第38-44页 |
| 4.3.3 基于加速度计人体姿态角解算算法 | 第44-45页 |
| 4.3.4 融合求解姿态角 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 人体运动姿态特征提取及运动模式识别算法 | 第48-76页 |
| 5.1 人体运动姿态特征提取 | 第48-65页 |
| 5.1.1 数据分割 | 第48-49页 |
| 5.1.2 特征提取 | 第49-50页 |
| 5.1.3 人体行为时域分析 | 第50-56页 |
| 5.1.4 人体行为频域分析 | 第56-62页 |
| 5.1.5 基于姿态角的摔倒姿态分类 | 第62-63页 |
| 5.1.6 过渡动作识别 | 第63-65页 |
| 5.2 支持向量机的基本原理 | 第65-68页 |
| 5.3 人体行为模式识别与结果分析 | 第68-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-79页 |
| 6.1 工作总结 | 第76-77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 作者简介 | 第84-85页 |
| 致谢 | 第85-86页 |
| 附录 | 第86-88页 |
