| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本论文的研究内容及安排 | 第15-17页 |
| 第2章 人体手臂运动状态测量和识别系统设计 | 第17-27页 |
| 2.1 系统整体设计 | 第17-18页 |
| 2.2 基于MEMS传感器的人体手臂运动状态检测模块 | 第18-22页 |
| 2.2.1 MPU6050传感器 | 第18-19页 |
| 2.2.2 HMC5883L三轴磁强计 | 第19页 |
| 2.2.3 MEMS传感器数据采集和传输控制 | 第19-22页 |
| 2.3 Zigbee无线网络数据通信模块 | 第22-26页 |
| 2.3.1 Zigbee技术介绍 | 第23-24页 |
| 2.3.2 Zigbee网络结构 | 第24-25页 |
| 2.3.3 Zigbee网络数据通信 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 人体手臂运动状态解算 | 第27-51页 |
| 3.1 坐标系与姿态矩阵 | 第27-28页 |
| 3.2 姿态角解算 | 第28-43页 |
| 3.2.1 数据预处理 | 第28-33页 |
| 3.2.1.1 角速度数据预处理 | 第29-30页 |
| 3.2.1.2 加速度数据预处理 | 第30-31页 |
| 3.2.1.3 磁阻数据预处理 | 第31-33页 |
| 3.2.2 惯性系统姿态角解算 | 第33-35页 |
| 3.2.2.1 四元数 | 第33页 |
| 3.2.2.2 四元数与姿态矩阵间的关系 | 第33-35页 |
| 3.2.3 姿态参考系统姿态角解算 | 第35-37页 |
| 3.2.4 基于卡尔曼滤波算法的姿态角解算 | 第37-43页 |
| 3.2.4.1 卡尔曼滤波理论 | 第37-38页 |
| 3.2.4.2 姿态角的数据融合算法 | 第38-43页 |
| 3.3 手臂运动状态分析和解算 | 第43-50页 |
| 3.3.1 手臂运动分析 | 第43页 |
| 3.3.2 运动状态检测模块的安装及其坐标系建立 | 第43-45页 |
| 3.3.3 运动轨迹解算 | 第45-46页 |
| 3.3.4 运动轨迹误差分析 | 第46-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 人体运动姿态识别算法 | 第51-64页 |
| 4.1 特征提取 | 第51-55页 |
| 4.1.1 时域特征提取 | 第51-53页 |
| 4.1.2 轨迹特征提取 | 第53-55页 |
| 4.2 BP神经网络 | 第55-60页 |
| 4.2.1 BP神经网模型 | 第56-57页 |
| 4.2.2 BP神经网学习算法 | 第57页 |
| 4.2.3 BP神经网络识别 | 第57-60页 |
| 4.3 支持向量机 | 第60-63页 |
| 4.3.1 支持向量机分类原理 | 第60-62页 |
| 4.3.2 支持向量机分类 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 实验验证及结果分析 | 第64-71页 |
| 5.1 手臂运动状态数据监测系统 | 第64-65页 |
| 5.2 手臂运动状态数据采集与传输 | 第65-68页 |
| 5.2.1 Zigbee无线网络数据传输测试 | 第65-66页 |
| 5.2.2 上位机数据处理 | 第66-68页 |
| 5.3 手臂运动状态识别 | 第68-69页 |
| 5.4 本章小结 | 第69-71页 |
| 总结及展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79页 |