| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·移动智能终端发展现状 | 第10-12页 |
| ·对于运动量传感信号分析及应用的研究现状 | 第12-16页 |
| ·算法层面 | 第12-14页 |
| ·应用层面 | 第14-16页 |
| ·本文结构 | 第16-17页 |
| 第二章 基于移动智能终端运动量传感信号的分析 | 第17-34页 |
| ·基于移动智能终端传感信号的动作识别与运动信息评估 | 第17-26页 |
| ·数据采集 | 第17-18页 |
| ·滤除重力 | 第18-21页 |
| ·特征选择 | 第21-23页 |
| ·动作类型分类方案 | 第23-25页 |
| ·实时游戏介绍 | 第25页 |
| ·运动信息评估 | 第25-26页 |
| ·融合地理位置获取的跌倒监测 | 第26-33页 |
| ·用户地理位置获取流程 | 第27-28页 |
| ·基于移动智能终端传感信号的跌倒识别算法 | 第28-31页 |
| ·融合地理位置获取的跌倒事件处理流程 | 第31-32页 |
| ·本节小结 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于 ANDROID 平台的《每日运动量分析》软件设计与实现 | 第34-55页 |
| ·《每日运动量分析》主要功能 | 第34-35页 |
| ·《每日运动量分析》的框架设计 | 第35-37页 |
| ·《每日运动量分析》各模块实现 | 第37-42页 |
| ·《每日运动量分析》的 UI 设计 | 第42-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 《每日运动量分析》在移动智能终端的优化 | 第55-66页 |
| ·节电的优化 | 第55-61页 |
| ·智能终端的电源管理 | 第55页 |
| ·Cpu 降频 | 第55-60页 |
| ·软件后台的后续处理 | 第60-61页 |
| ·实验结果 | 第61页 |
| ·算法的优化 | 第61-64页 |
| ·算法复杂度与耗时的监测 | 第61-62页 |
| ·算法优化 | 第62-64页 |
| ·多采样率的适配以及其他优化 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 基于 WINDOWS PHONE 7 系统的《DAILYACTIVITY》软件设计与实现 | 第66-77页 |
| ·WINDOWS PHONE 7 系统简介 | 第66页 |
| ·WINDOWS PHONE 7 平台特色 | 第66-67页 |
| ·基于 WINDOWS PHONE 7 系统的 DAILY ACTIVITY 的具体实现 | 第67-76页 |
| ·界面设计 | 第67-71页 |
| ·功能实现 | 第71-76页 |
| ·本章小结 | 第76-77页 |
| 结论 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 附件 | 第83页 |
