低功耗老年人活动感知技术与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 论文研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 无线感知网络的研究现状 | 第10页 |
| 1.2.2 无线感知网络的应用现状 | 第10-12页 |
| 1.2.3 人体活动数据感知技术的发展现状 | 第12-14页 |
| 1.2.4 人体活动数据感知技术的应用现状 | 第14-15页 |
| 1.3 论文主要研究内容及组织结构 | 第15-17页 |
| 第2章 相关技术分析 | 第17-25页 |
| 2.1 无线感知网络 | 第17-18页 |
| 2.2 数据感知技术 | 第18页 |
| 2.3 Zigbee低功耗技术 | 第18-23页 |
| 2.3.1 常用无线通信技术比较 | 第18-20页 |
| 2.3.2 ZigBee组网技术 | 第20-21页 |
| 2.3.3 ZigBee节点构造技术 | 第21-22页 |
| 2.3.4 节点能耗分析 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 无线感知节点低功耗技术研究 | 第25-33页 |
| 3.1 感知节点低功耗策略 | 第25页 |
| 3.1.1 感知节点硬件低功耗技术研究 | 第25页 |
| 3.1.2 感知节点软件低功耗技术研究 | 第25页 |
| 3.2 感知节点低功耗设计 | 第25-28页 |
| 3.2.1 数据采集模块低功耗设计 | 第26-27页 |
| 3.2.2 数据通信模块低功耗设计 | 第27-28页 |
| 3.3 低功耗感知节点实现 | 第28-31页 |
| 3.3.1 方案设计 | 第28-30页 |
| 3.3.2 方案实现 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 老年人活动无线感知技术研究 | 第33-45页 |
| 4.1 老年人活动建模 | 第33-35页 |
| 4.1.1 人体坐标系建立 | 第33-34页 |
| 4.1.2 老年人活动感知流程 | 第34-35页 |
| 4.2 老年人活动数据采集 | 第35-36页 |
| 4.2.1 数据采集技术 | 第35页 |
| 4.2.2 特征提取 | 第35-36页 |
| 4.3 基于Kalman的数据去噪技术 | 第36-41页 |
| 4.3.1 数据去噪技术比较 | 第36-37页 |
| 4.3.2 Kalman Filter算法实现 | 第37-41页 |
| 4.4 数据融合技术 | 第41-43页 |
| 4.4.1 数据融合算法比较 | 第41-43页 |
| 4.4.2 贝叶斯网络分类算法 | 第43页 |
| 4.5 本章小结 | 第43-45页 |
| 第5章 基于无线感知网络的老年人跌倒检测系统 | 第45-61页 |
| 5.1 系统需求 | 第45-46页 |
| 5.1.1 场景设计 | 第45页 |
| 5.1.2 软件需求 | 第45-46页 |
| 5.1.3 硬件需求 | 第46页 |
| 5.2 系统体系结构与设计 | 第46-54页 |
| 5.2.1 系统架构设计 | 第46-47页 |
| 5.2.2 硬件设计 | 第47-51页 |
| 5.2.3 软件设计 | 第51-54页 |
| 5.3 系统实验 | 第54-55页 |
| 5.3.1 实验设备 | 第54页 |
| 5.3.2 实验流程 | 第54-55页 |
| 5.4 实验数据与结果分析 | 第55-59页 |
| 5.4.1 日常行为动作数据分析 | 第55-57页 |
| 5.4.2 数据滤波前后对比分析 | 第57-58页 |
| 5.4.3 算法分类结果对比分析 | 第58-59页 |
| 5.5 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间获得的研究成果 | 第67-69页 |
| 致谢 | 第69页 |
