基于分布式传感阵列的智能护理床系统研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-24页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外智能护理床研究现状 | 第11-22页 |
| 1.2.1 国外研究现状 | 第11-17页 |
| 1.2.2 国内研究现状 | 第17-22页 |
| 1.3 课题研究意义及内容 | 第22-24页 |
| 1.3.1 研究意义 | 第22页 |
| 1.3.2 课题研究内容 | 第22-24页 |
| 2 护理床的分布传感阵列设计 | 第24-38页 |
| 2.1 引言 | 第24页 |
| 2.2 压力分布式传感器设计 | 第24-35页 |
| 2.2.1 传感器工作原理和压电材料特性 | 第24-30页 |
| 2.2.2 压力分布式传感器硬件设计 | 第30-35页 |
| 2.3 多个压力分布式传感器通讯 | 第35-36页 |
| 2.4 护理床姿态检测 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 护理床人机交互系统设计 | 第38-53页 |
| 3.1 引言 | 第38页 |
| 3.2 智能护理床人机交互系统总体设计 | 第38-40页 |
| 3.3 护理床姿态监控系统硬件设计 | 第40-50页 |
| 3.3.1 护理床姿态控制工作原理 | 第40-44页 |
| 3.3.2 护理床姿态远程控制 | 第44-50页 |
| 3.4 护理床远程监控软件设计 | 第50-52页 |
| 3.4.1 护理床姿态远程控制 | 第50-51页 |
| 3.4.2 护理床远程监视 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 4 睡姿模式的特征获取与识别 | 第53-75页 |
| 4.1 引言 | 第53页 |
| 4.2 各睡姿压力分布数据的采集 | 第53-56页 |
| 4.3 压力分布的识别特征获取方法 | 第56-60页 |
| 4.3.1 主成分分析方法(PCA) | 第57-60页 |
| 4.4 识别特征的获取 | 第60-62页 |
| 4.4.1 主成分分析方法获取识别特征 | 第60-61页 |
| 4.4.2 主成分分析方法程序设计 | 第61-62页 |
| 4.5 分类算法 | 第62-63页 |
| 4.6 K-近邻算法分类器的设计 | 第63-67页 |
| 4.6.1 K-近邻算法(KNN) | 第63-64页 |
| 4.6.2 K-近邻算法分类器的参数 | 第64-67页 |
| 4.6.3 K-近邻算法分类器程序设计 | 第67页 |
| 4.7 离线算法验证实验 | 第67-73页 |
| 4.7.1 主成分分析(PCA)方法降维效果 | 第67-68页 |
| 4.7.2 K-近邻算法分类效果及参数选择 | 第68-73页 |
| 4.8 本章小结 | 第73-75页 |
| 5 基于实时睡姿信息的翻身控制与实验研究 | 第75-77页 |
| 5.1 引言 | 第75页 |
| 5.2 实时睡姿识别率实验 | 第75页 |
| 5.3 实时睡姿识别自动辅助翻身实验 | 第75-76页 |
| 5.4 本章小结 | 第76-77页 |
| 6 总结与展望 | 第77-80页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间科研成果和参与项目 | 第84页 |
