基于MEMS惯性传感器的运动状态识别
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.2 微机电系统(MEMS)的发展及其应用 | 第9-11页 |
| 1.3 国内外运动姿态研究综述 | 第11-14页 |
| 1.4 论文的结构安排 | 第14-16页 |
| 第2章 数据采集相关问题以及原始数据预处理 | 第16-28页 |
| 2.1 传感器的选择 | 第16-18页 |
| 2.2 加速度计的固定部位和个数的研究 | 第18-19页 |
| 2.3 运动信息的数据预处理 | 第19-27页 |
| 2.3.1 位置校正处理 | 第19-21页 |
| 2.3.2 原始加速度信号的滤波处理 | 第21-22页 |
| 2.3.3 零速更新分析 | 第22-24页 |
| 2.3.4 加窗处理 | 第24页 |
| 2.3.5 特征提取的理论 | 第24-26页 |
| 2.3.6 交叉验证 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 分类器算法综述 | 第28-40页 |
| 3.1 神经网络的基本概念 | 第28-30页 |
| 3.1.1 人工神经元模型 | 第28-30页 |
| 3.2 模糊逻辑控制理论 | 第30-31页 |
| 3.3 模糊神经网络 | 第31-34页 |
| 3.4 极限学习机的概述 | 第34-35页 |
| 3.5 支持向量机的概述 | 第35-37页 |
| 3.6 决策树的概述 | 第37-38页 |
| 3.7 分类器比较 | 第38-39页 |
| 3.8 本章小结 | 第39-40页 |
| 第4章 运动状态的研究 | 第40-70页 |
| 4.1 运动研究 | 第40-46页 |
| 4.1.1 计步器系统的设计 | 第40-44页 |
| 4.1.2 数据传输 | 第44-46页 |
| 4.2 神经网络模式识别分类器的设计 | 第46-51页 |
| 4.2.1 加速度数据的采集 | 第47-48页 |
| 4.2.2 神经网络的运动模式识别 | 第48-51页 |
| 4.3 模糊神经网络的模式识别 | 第51-53页 |
| 4.4 分类识别结果对比 | 第53-67页 |
| 4.5 本章小结 | 第67-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 5.1 研究总结 | 第70-71页 |
| 5.2 后续展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第80页 |
