论文部分内容阅读
近年来,随着微电子与传感器技术的发展,基于加速度传感器的研究越来越多,研究者提出了一些适用于加速度传感器信号的处理分析方法与运动监测方法。尽管如此,基于加速度传感器的运动监测的应用范围有限,受到一定的制约,原因大致有一下几点,第一,研究的数据来源并不完全是个人的自然活动,第二,大部分的传感器都是固定于人体,影响个人的日常行为,第三,基于加速度传感器的算法鲁棒性不够高,第四,能够识别的动作有限。针对目前的情况,本文的研究从解决上面四点因素的角度出发,对基于3轴加速度信号的信号分析与个人运动监测的研究与应用做出以下贡献:(1)本文实现了一个基于3轴加速度传感器的个人自然活动加速度数据采集系统。整个系统由硬件设备,客户端,后台服务器,后台软件组成。用户只需在平常生活中像携带手机一样把传感器放在裤袋即可,不会干扰其行为。后台软件提供了基于加速度传感器放在裤袋的动作识别算法和运动信息提取算法,能够从此系统获得的数据提取出十分有价值的运动统计信息,从而了解个人的运动状况,甚至健康情况。这个系统的实现提供了一个对个人生活活动监测的方式,有一定的存在意义。(2)本文实现了一款基于Google的Android操作系统的软件DailyTrainer,长期分析与记录个人的运动信息(包括步数,路程,能量),达到一部分运动监测的效果。正如前面所说,基于加速度传感器的个人运动监测的应用十分少,效果也不好,因此本文选择了常用的Android手机操作系统,并且对运动信息提取的算法进行进一步的研究,提高其适用范围(可适用于裤袋和手持),准确率和鲁棒性,对用户来说只需要日常使用手机即可记录运动信息,完全达到应用级别,而非实验性质。另外,用户能够随时随地的查看过往任意时间的运动情况。(3)提出了一种基于3轴加速度传感器的跌倒识别算法,其计算复杂度很低,准确率较高。跌倒动作一直是基于加速度传感器的动作识别重要方向之一,也是运动监测的基础,但是大部分研究都只能用于实验层次,因为大部分传感器都要求固定于人体。本文提出的跌倒识别算法用于加速度传感器放在裤袋,而且对传感器的旋转方向不十分敏感,即对用户的约束很小,有一定的实用价值。