老年人活动监测系统的设计与实现
摘要 | 第7-8页 |
Abstract | 第8-9页 |
第1章 绪论 | 第14-20页 |
1.1 研究目的和意义 | 第14-15页 |
1.2 研究现状 | 第15-18页 |
1.2.1 移动医疗系统技术现状 | 第15-16页 |
1.2.2 活动监测系统发展现状 | 第16-18页 |
1.3 研究内容与主要工作 | 第18-19页 |
1.4 本文结构 | 第19-20页 |
第2章 相关技术 | 第20-28页 |
2.1 引言 | 第20页 |
2.2 移动医疗传感器 | 第20-21页 |
2.2.1 三轴加速度传感器 | 第20-21页 |
2.2.2 脉搏及血氧饱和度传感器 | 第21页 |
2.3 数字滤波器 | 第21-23页 |
2.3.1 数字滤波器的简介 | 第21-22页 |
2.3.2 FIR数字滤波器 | 第22-23页 |
2.4 人体摔倒识别 | 第23-24页 |
2.4.1 摔倒检测自动报警设备的分类 | 第23-24页 |
2.4.2 基于可穿戴设备的摔倒检测 | 第24页 |
2.5 SVM算法 | 第24-27页 |
2.5.1 SVM算法原理 | 第25-27页 |
2.5.2 SVM算法实现步骤 | 第27页 |
2.6 本章小结 | 第27-28页 |
第3章 系统设计与实现 | 第28-42页 |
3.1 引言 | 第28页 |
3.2 系统总体架构设计 | 第28-29页 |
3.3 数据采集模块 | 第29-32页 |
3.3.1 开发环境搭建 | 第29-30页 |
3.3.2 三轴加速度传感器数据的采集 | 第30-32页 |
3.3.3 脉搏及血氧饱和度数据的采集 | 第32页 |
3.4 数据预处理模块 | 第32-34页 |
3.4.1 开发环境搭建 | 第32-33页 |
3.4.2 数据预处理 | 第33-34页 |
3.5 数据分析与报警模块 | 第34-38页 |
3.5.1 峰谷检测算法 | 第35-36页 |
3.5.2 SMO-SVM摔倒检测算法的实现 | 第36-38页 |
3.5.3 脉搏及血氧饱和度阈值设定 | 第38页 |
3.6 智能手机APP模块 | 第38-41页 |
3.6.1 开发环境搭建 | 第38-39页 |
3.6.2 Pedometer模块与SPO2模块 | 第39-40页 |
3.6.3 蓝牙通信模块 | 第40-41页 |
3.7 本章小结 | 第41-42页 |
第4章 系统测试和结果分析 | 第42-51页 |
4.1 引言 | 第42页 |
4.2 系统测试环境 | 第42-43页 |
4.2.1 硬件环境 | 第42-43页 |
4.2.2 软件环境 | 第43页 |
4.3 系统测试 | 第43-49页 |
4.3.1 数据采集模块测试 | 第44-45页 |
4.3.2 数据预处理模块测试 | 第45-46页 |
4.3.3 数据分析模块测试 | 第46-47页 |
4.3.4 智能手机APP功能测试 | 第47-49页 |
4.4 系统评价 | 第49-50页 |
4.5 本章小结 | 第50-51页 |
结论 | 第51-52页 |
参考文献 | 第52-56页 |
攻读硕士学位期间发表的论文 | 第56-57页 |
致谢 | 第57页 |