生命在于運(yùn)動(dòng)。隨著社會(huì)的發(fā)展,人們對(duì)運(yùn)動(dòng)健身的需求也日益增加。采用智能手機(jī)來(lái)實(shí)時(shí)監(jiān)測(cè)用戶的運(yùn)動(dòng)情況,甚至指導(dǎo)其運(yùn)動(dòng)過(guò)程已經(jīng)慢慢的成為了人們跑步過(guò)程時(shí)所青睞的健身方式。醫(yī)學(xué)研究表明,人體在跑步時(shí),呼吸和步伐兩者節(jié)奏的穩(wěn)定性在整個(gè)運(yùn)動(dòng)過(guò)程中起到了至關(guān)重要的作用。因此,能夠?qū)崿F(xiàn)一套對(duì)跑步運(yùn)動(dòng)狀態(tài)進(jìn)行有效監(jiān)測(cè)的系統(tǒng)有著極其重要的現(xiàn)實(shí)意義。本文基于Android平臺(tái)內(nèi)嵌傳感器,對(duì)人體跑步過(guò)程中步伐和呼吸的檢測(cè)算法進(jìn)行了研究和改進(jìn)。針對(duì)上述存在的需求,本文就基于Android平臺(tái)的步伐和呼吸檢測(cè)進(jìn)行了以下研究:（1）對(duì)現(xiàn)有的步伐檢測(cè)算法進(jìn)行分析和總結(jié)的基礎(chǔ)上,設(shè)計(jì)并實(shí)現(xiàn)了一種基于位置無(wú)關(guān)性及對(duì)運(yùn)動(dòng)無(wú)干擾性等特點(diǎn)的有效算法。包括:首先運(yùn)用了Butterworth濾波器消除了高頻干擾,然后利用投影變換方法解決了智能手機(jī)的位置無(wú)關(guān)性問(wèn)題,最后采用了平滑濾波手段剔除了偽峰谷,經(jīng)計(jì)算得到步伐頻率。該算法在Android平臺(tái)上進(jìn)行實(shí)驗(yàn),結(jié)果表明算法在準(zhǔn)確性上取得了較好的效果。（2）對(duì)呼吸信號(hào)的時(shí)域和頻域特性進(jìn)行分析研究,通過(guò)比較呼氣和吸氣階段在短時(shí)能量、短時(shí)過(guò)零率、梅爾頻率倒譜系數(shù)（MFCC）、線性預(yù)測(cè)編碼（... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 加速度傳感器應(yīng)用的研究現(xiàn)狀
        1.2.2 步伐探測(cè)的研究現(xiàn)狀
        1.2.3 呼吸檢測(cè)的研究現(xiàn)狀
        1.2.4 語(yǔ)音信號(hào)處理的研究現(xiàn)狀
        1.2.5 智能設(shè)備運(yùn)動(dòng)監(jiān)測(cè)的研究現(xiàn)狀
    1.3 本文組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)介紹
    2.1 Android系統(tǒng)介紹
        2.1.1 Android系統(tǒng)架構(gòu)
        2.1.2 Android開(kāi)發(fā)環(huán)境
        2.1.3 Android內(nèi)置加速度傳感器
    2.2 機(jī)器學(xué)習(xí)簡(jiǎn)介
        2.2.1 支持向量機(jī)
        2.2.2 K最近鄰
        2.2.3 人工神經(jīng)網(wǎng)絡(luò)
        2.2.4 K-Means
    2.3 本章小結(jié)
第三章 基于加速度傳感器的步伐檢測(cè)
    3.1 人體步態(tài)模型分析
    3.2 智能手機(jī)位置
    3.3 步伐探測(cè)算法設(shè)計(jì)
        3.3.1 步伐探測(cè)算法總體流程
        3.3.2 數(shù)據(jù)預(yù)處理
        3.3.3 坐標(biāo)系統(tǒng)轉(zhuǎn)換
        3.3.4 峰值檢測(cè)計(jì)步算法
    3.4 本章小結(jié)
第四章 基于語(yǔ)音信號(hào)的呼吸檢測(cè)
    4.1 語(yǔ)音信號(hào)的數(shù)字化和預(yù)處理
    4.2 語(yǔ)音信號(hào)分析
        4.2.1 語(yǔ)音信號(hào)時(shí)域分析
        4.2.2 語(yǔ)音信號(hào)線性預(yù)測(cè)分析
        4.2.3 語(yǔ)音信號(hào)頻域分析
    4.3 呼吸特征的研究
        4.3.1 呼吸信號(hào)的時(shí)域特性
        4.3.2 呼吸信號(hào)的線性預(yù)測(cè)特性
        4.3.3 呼吸信號(hào)的頻域特性
    4.4 呼吸頻率算法設(shè)計(jì)
        4.4.1 呼吸頻率算法總體流程
        4.4.2 MFCC特征提取
        4.4.3 基于SVM的呼吸模型訓(xùn)練
        4.4.4 呼吸頻率的計(jì)算
    4.5 呼吸頻率算法優(yōu)化
        4.5.1 基于聚類的錯(cuò)誤分類點(diǎn)消除算法
        4.5.2 基于周期的噪音消除算法
    4.6 本章小結(jié)
第五章 Android端設(shè)計(jì)與實(shí)驗(yàn)
    5.1 系統(tǒng)概述
    5.2 系統(tǒng)設(shè)計(jì)
        5.2.1 界面設(shè)計(jì)
        5.2.2 步伐監(jiān)測(cè)模塊的實(shí)現(xiàn)
        5.2.3 呼吸監(jiān)測(cè)模塊的實(shí)現(xiàn)
        5.2.4 音樂(lè)播放器服務(wù)的實(shí)現(xiàn)
    5.3 實(shí)驗(yàn)分析
        5.3.1 步伐監(jiān)測(cè)算法實(shí)驗(yàn)結(jié)果
        5.3.2 呼吸監(jiān)測(cè)算法實(shí)驗(yàn)結(jié)果
        5.3.3 適當(dāng)音樂(lè)對(duì)運(yùn)動(dòng)節(jié)奏的影響
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
在校期間研究成果及發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]基于MEMS加速度傳感器的步數(shù)檢測(cè)算法研究綜述[J]. 謝光強(qiáng),黃向龍,李楊,徐峰.  計(jì)算機(jī)應(yīng)用研究. 2018(12)
[2]呼吸頻率檢測(cè)技術(shù)研究現(xiàn)狀[J]. 嚴(yán)旭,劉洪英,賈子如,田森富,皮喜田.  北京生物醫(yī)學(xué)工程. 2017(05)
[3]基于MEMS三軸加速度傳感器的摔倒檢測(cè)[J]. 劉鵬,盧潭城,呂愿愿,鄧永莉,陸起涌.  傳感技術(shù)學(xué)報(bào). 2014(04)
[4]一種新型的阻抗式呼吸檢測(cè)系統(tǒng)[J]. 王建波,鄧親愷,郭勁松,馮學(xué)技.  中國(guó)醫(yī)療器械雜志. 2009(02)
[5]一種具有自動(dòng)補(bǔ)償功能的呼吸信號(hào)檢測(cè)電路[J]. 張瑞華,葉逢春.  醫(yī)療衛(wèi)生裝備. 2009(03)

碩士論文
[1]基于MEMS傳感器的智能手機(jī)運(yùn)動(dòng)軌跡檢測(cè)系統(tǒng)的研究[D]. 張睿驍.蘭州大學(xué) 2017
[2]基于加速度傳感器的可穿戴人體運(yùn)動(dòng)狀態(tài)監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)[D]. 楊亞軍.華中科技大學(xué) 2016
[3]基于單個(gè)加速度傳感器的人體行為識(shí)別研究[D]. 徐仙.江南大學(xué) 2015
[4]基于三維加速度傳感器的人體行為識(shí)別[D]. 徐川龍.浙江工業(yè)大學(xué) 2013
[5]利用加速度傳感器實(shí)現(xiàn)人體步態(tài)識(shí)別[D]. 翟文婷.沈陽(yáng)工業(yè)大學(xué) 2013



本文編號(hào)：3573388