穿戴式跌倒感知控制系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 跌倒感知研究的背景及意义 | 第9-10页 |
| 1.2 跌倒感知研究现状 | 第10-14页 |
| 1.3 论文内容概况 | 第14-16页 |
| 1.3.1 论文主要研究内容 | 第14-15页 |
| 1.3.2 论文研究思路及章节安排 | 第15-16页 |
| 第2章 跌倒感知系统整体架构研究 | 第16-25页 |
| 2.1 跌倒感知系统需求分析 | 第16页 |
| 2.2 人体运动状态模型 | 第16-19页 |
| 2.2.1 人体力学分析模型 | 第17页 |
| 2.2.2 人体运动状态坐标系 | 第17-19页 |
| 2.3 系统结构功能整体方案设计 | 第19-21页 |
| 2.4 跌倒感知分类算法 | 第21-23页 |
| 2.4.1 基于阈值判断的跌倒感知分类算法 | 第21-22页 |
| 2.4.2 基于模式识别的跌倒感知分类算法 | 第22-23页 |
| 2.5 系统硬件平台设计 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 跌倒感知系统硬件设计 | 第25-47页 |
| 3.1 主控制器模块 | 第25-27页 |
| 3.2 MPU6050传感器模块 | 第27-37页 |
| 3.2.1 MPU6050模块工作原理 | 第29-33页 |
| 3.2.2 MPU6050寄存器说明 | 第33-36页 |
| 3.2.3 I~2C通讯协议 | 第36-37页 |
| 3.3 NRF24L01无线通讯模块 | 第37-40页 |
| 3.4 电源模块 | 第40页 |
| 3.5 人机交互界面 | 第40-41页 |
| 3.6 报警模块 | 第41-42页 |
| 3.7 系统硬件实物调试 | 第42-44页 |
| 3.8 本章小结 | 第44-47页 |
| 第4章 跌倒感知系统数据采集及其预处理 | 第47-57页 |
| 4.1 跌倒感知数据采集 | 第47-54页 |
| 4.2 跌倒感知数据预处理 | 第54-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第5章 跌倒感知分类算法比较研究 | 第57-76页 |
| 5.1 跌倒感知数据处理 | 第57-63页 |
| 5.1.1 基于DDVS方法的跌倒感知数据处理 | 第57-58页 |
| 5.1.2 基于滑动窗口的跌倒感知数据提取 | 第58页 |
| 5.1.3 跌倒感知数据的特征提取 | 第58-60页 |
| 5.1.4 基于分裂法的特征向量优化 | 第60-63页 |
| 5.2 跌倒感知数据分类算法比较研究 | 第63-71页 |
| 5.2.1 基于K近邻算法的感知数据分类研究 | 第63-64页 |
| 5.2.2 基于随机森林算法的感知数据分类研究 | 第64-65页 |
| 5.2.3 基于朴素贝叶斯算法的感知数据分类研究 | 第65页 |
| 5.2.4 基于支持向量机算法的感知数据分类研究 | 第65-68页 |
| 5.2.5 不同分类算法实验结果分析 | 第68-71页 |
| 5.3 面向感知数据的支持向量机算法参数优化 | 第71-75页 |
| 5.3.1 不同核函数敏感度实验分析 | 第71-72页 |
| 5.3.2 基于萤火虫算法的支持向量机参数优化 | 第72-73页 |
| 5.3.3 参数优化实验结果与分析 | 第73-75页 |
| 5.4 本章小结 | 第75-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 附录 | 第83-85页 |
