| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 人体姿态监测系统的研究意义 | 第10-12页 |
| 1.2 研究背景与研究现状 | 第12-14页 |
| 1.3 本文研究工作 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 人体运动特征分析与加速度传感器 | 第16-26页 |
| 2.1 人体运动特征分析及跌倒分析 | 第16-19页 |
| 2.1.1 人体静止与活动的躯体拓扑特征 | 第16页 |
| 2.1.2 人体运动加速度特征 | 第16-17页 |
| 2.1.3 人体跌倒分析 | 第17-19页 |
| 2.2 加速度传感器 | 第19-22页 |
| 2.2.1 加速度传感器简介 | 第19-20页 |
| 2.2.2 加速度传感器原理 | 第20-21页 |
| 2.2.3 MEMS加速度传感器 | 第21-22页 |
| 2.3 加速度传感器应用于人体运动监测 | 第22-25页 |
| 2.3.1 人体运动学原理 | 第22-24页 |
| 2.3.2 用加速度传感器测量人体运动 | 第24页 |
| 2.3.3 加速度传感器应用于人体运动无人监测的能力 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于二叉树的人体运动分类器算法 | 第26-42页 |
| 3.1 基于加速度的人体运动分类算法简介 | 第26-27页 |
| 3.1.1 固定阈值法 | 第26页 |
| 3.1.2 模式识别法 | 第26-27页 |
| 3.1.3 模糊逻辑 | 第27页 |
| 3.1.4 人工神经网络 | 第27页 |
| 3.2 基于二叉树的人体运动分类器模型 | 第27-30页 |
| 3.2.1 现有分类算法的不足 | 第27-28页 |
| 3.2.2 基于决策树的分类模型 | 第28页 |
| 3.2.3 二叉分类树改进模型 | 第28-30页 |
| 3.3 基于二叉分类树模型的人体运动分类算法的设计与实现 | 第30-41页 |
| 3.3.1 运动类别的设计 | 第30-32页 |
| 3.3.2 加速度信号预处理 | 第32-35页 |
| 3.3.3 区分活动和静止状态 | 第35-36页 |
| 3.3.4 区分各种静止状态 | 第36-37页 |
| 3.3.5 跌倒监测 | 第37-39页 |
| 3.3.6 行走与姿态转换 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 人体姿态监测系统的设计与实现 | 第42-58页 |
| 4.1 系统需求分析 | 第42-43页 |
| 4.1.1 基本需求 | 第42-43页 |
| 4.1.2 实时性需求 | 第43页 |
| 4.1.3 性能需求 | 第43页 |
| 4.2 系统总体设计 | 第43-46页 |
| 4.2.1 系统各模块的总体设计方案 | 第44-45页 |
| 4.2.2 系统总体架构 | 第45-46页 |
| 4.2.3 加速度信息在人体上的获取位置 | 第46页 |
| 4.3 系统硬件设计与实现 | 第46-54页 |
| 4.3.1 加速度信息采集模块的设计与实现 | 第47-52页 |
| 4.3.2 加速度信息传输模块的设计与实现 | 第52-54页 |
| 4.4 系统软件设计与实现 | 第54-57页 |
| 4.4.1 单片机软件模块的设计与实现 | 第54-55页 |
| 4.4.2 上位机软件的设计与实现 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 实验与数据分析 | 第58-64页 |
| 5.1 实验组织 | 第58-60页 |
| 5.2 实验数据与分析 | 第60-61页 |
| 5.3 相关参数的分析 | 第61-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 本文的贡献 | 第64页 |
| 6.2 未来工作展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72页 |