面向人体运动监测的无线体感网中信号压缩与动作识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 选题背景与研究意义 | 第11-12页 |
| 1.2 相关问题的研究现状 | 第12-19页 |
| 1.2.1 基于无线体感网的动作识别 | 第12-15页 |
| 1.2.2 无线体感网的数据压缩 | 第15-19页 |
| 1.3 论文的主要内容 | 第19-22页 |
| 第2章 WBSN的数据采集与特征提取 | 第22-39页 |
| 2.1 引言 | 第22页 |
| 2.2 加速度数据的采集 | 第22-26页 |
| 2.2.1 Arduino开发板 | 第24页 |
| 2.2.2 Atmega328处理器 | 第24-25页 |
| 2.2.3 MMA7260加速度计 | 第25页 |
| 2.2.4 ENC陀螺仪 | 第25页 |
| 2.2.5 XBee模块 | 第25-26页 |
| 2.3 基于小波分析的加速度信号去噪方法 | 第26-31页 |
| 2.3.1 小波分析基础 | 第26-29页 |
| 2.3.2 小波去噪改进算法 | 第29-30页 |
| 2.3.3 改进算法实验结果分析 | 第30-31页 |
| 2.4 动作特征提取 | 第31-38页 |
| 2.4.1 信号预处理 | 第32-33页 |
| 2.4.2 特征提取与选择 | 第33-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 基于粒子群优化支持向量机的动作分类 | 第39-49页 |
| 3.1 引言 | 第39页 |
| 3.2 动作分类算法 | 第39-43页 |
| 3.2.1 BP神经网络 | 第39-41页 |
| 3.2.2 K最近邻分类器 | 第41页 |
| 3.2.3 支持向量机 | 第41-43页 |
| 3.3 粒子群优化支持向量机 | 第43-46页 |
| 3.4 实验结果分析 | 第46-48页 |
| 3.4.1 粒子群优化支持向量机分类结果 | 第46-47页 |
| 3.4.2 相似动作的分类 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于压缩感知的加速度信号重构 | 第49-60页 |
| 4.1 引言 | 第49页 |
| 4.2 稀疏表示方法理论 | 第49-51页 |
| 4.3 观测矩阵的设计 | 第51-52页 |
| 4.4 信号的稀疏重构算法 | 第52-54页 |
| 4.4.1 稀疏重构算法基础 | 第52-53页 |
| 4.4.2 基于基追踪算法的信号重构 | 第53页 |
| 4.4.3 基于COSAMP算法的信号重构 | 第53-54页 |
| 4.4.4 基于块稀疏贝叶斯学习的信号重构 | 第54页 |
| 4.5 基于约束优化BSBL算法 | 第54-56页 |
| 4.5.1 BSBL框架概述 | 第54-55页 |
| 4.5.2 BSBL约束优化算法 | 第55-56页 |
| 4.6 实验结果分析 | 第56-59页 |
| 4.6.1 重建效果验证 | 第56-58页 |
| 4.6.2 分类效果算法 | 第58-59页 |
| 4.7 本章小结 | 第59-60页 |
| 第5章 基于稀疏表示的动作分类 | 第60-67页 |
| 5.1 引言 | 第60页 |
| 5.2 稀疏表示分类基础 | 第60-61页 |
| 5.3 稀疏表示分类改进算法 | 第61-64页 |
| 5.3.1 传统稀疏表示分类算法分析 | 第61-62页 |
| 5.3.2 新的稀疏近邻表示分类算法 | 第62-64页 |
| 5.4 实验结果分析 | 第64-66页 |
| 5.4.1 实验数据准备 | 第64页 |
| 5.4.2 NSNRC算法分类性能测试 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 基于无线体感网的老年人日常监测系统实现 | 第67-81页 |
| 6.1 引言 | 第67页 |
| 6.2 需求分析 | 第67页 |
| 6.3 实验数据采集 | 第67-68页 |
| 6.4 数据压缩 | 第68页 |
| 6.5 软件系统设计 | 第68-69页 |
| 6.5.1 C | 第68页 |
| 6.5.2 软件层次结构与功能 | 第68-69页 |
| 6.6 算法实现所需技术 | 第69-73页 |
| 6.6.1 BP神经网络工具箱 | 第69-70页 |
| 6.6.2 C | 第70-73页 |
| 6.6.3 C | 第73页 |
| 6.7 动作识别方法 | 第73-74页 |
| 6.7.1 第一类动作识别方法 | 第74页 |
| 6.7.2 第二类动作识别方法 | 第74页 |
| 6.8 系统验证 | 第74-80页 |
| 6.9 本章小结 | 第80-81页 |
| 第7章 总结与展望 | 第81-83页 |
| 7.1 总结 | 第81-82页 |
| 7.2 展望 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-90页 |
| 攻读学位期间参加的科研项目和成果 | 第90页 |
