基于加速度传感器的步数检测模型研究和应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 本文主要工作 | 第13-14页 |
| 1.3 论文组织架构 | 第14-15页 |
| 第二章 动作识别和计步算法研究现状 | 第15-30页 |
| 2.1 动作识别研究现状 | 第15-19页 |
| 2.1.1 多层级分类法 | 第15-17页 |
| 2.1.2 特征学习分类法 | 第17-19页 |
| 2.2 步数检测算法研究现状 | 第19-29页 |
| 2.2.1 步数检测算法种类现状 | 第20-27页 |
| 2.2.2 现有计步算法性能分析 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 动作识别模型的分析设计 | 第30-43页 |
| 3.1 问题描述 | 第30-32页 |
| 3.2 人体动作定义 | 第32-34页 |
| 3.3 数据预处理方法 | 第34-35页 |
| 3.4 特征提取分析 | 第35-41页 |
| 3.4.1 能量特征 | 第35-38页 |
| 3.4.2 频率特征 | 第38-40页 |
| 3.4.3 方差特征 | 第40-41页 |
| 3.5 决策分类方法 | 第41页 |
| 3.6 动作识别模型分析 | 第41-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第四章 步数检测模型的分析设计 | 第43-51页 |
| 4.1 人体步行与加速度信号 | 第43-45页 |
| 4.1.1 人体步行过程分析 | 第43-44页 |
| 4.1.2 起始点标记方法 | 第44-45页 |
| 4.2 基于自相关系数分析的计步算法设计 | 第45-47页 |
| 4.3 基于峰值检测的计步算法设计 | 第47-49页 |
| 4.4 步数检测补偿策略 | 第49-50页 |
| 4.5 步数检测模型分析 | 第50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 实验与分析 | 第51-62页 |
| 5.1 实验环境介绍 | 第51页 |
| 5.2 样本采集策略 | 第51-52页 |
| 5.3 动作识别方法性能分析 | 第52-54页 |
| 5.4 计步算法的性能分析 | 第54-60页 |
| 5.4.1 自相关系数计步算法性能分析 | 第54-56页 |
| 5.4.2 峰值检测计步算法实验分析 | 第56-57页 |
| 5.4.3 混合动作实验分析 | 第57-58页 |
| 5.4.4 多种计步算法的对比分析 | 第58-60页 |
| 5.5 计步模型的实用性分析 | 第60-61页 |
| 5.6 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表论文 | 第68-70页 |
| 致谢 | 第70页 |
