本文關(guān)鍵詞：面向中老年人危急救助智能手表的若干關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著老齡化社會問題的加劇,中老年人的健康問題日益引起人們的關(guān)注。因此對中老年人日常運動姿態(tài)和心率等生理信號進(jìn)行實時監(jiān)測,評估中老年人的身體健康狀況,具有重要的社會意義�？纱┐髟O(shè)備具有體積小、攜帶方便等優(yōu)點,可以實現(xiàn)在低生理和心理壓力下進(jìn)行人體生理信號的動態(tài)獲取,對中老年人的日常健康監(jiān)護(hù)、病人康復(fù)治療等方面有著重大的實用價值�？纱┐髟O(shè)備與醫(yī)療、健康領(lǐng)域的結(jié)合,將成為新醫(yī)療模式下的重要健康監(jiān)護(hù)設(shè)備,毫無疑問,移動醫(yī)療必然是未來的趨勢。可穿戴設(shè)備迅猛發(fā)展,若干關(guān)鍵技術(shù)問題亟待解決。本文的主要研究內(nèi)容概述如下：一、心率檢測算法的改進(jìn)研究。目前能夠進(jìn)行心率檢測的設(shè)備很多,但往往體積較大、價格昂貴,有些甚至需要進(jìn)行專業(yè)操作,無法進(jìn)行實時心率監(jiān)測。智能手表體積小、攜帶方便、集成多種傳感器,可以對心率等多種生理信號和運動狀態(tài)進(jìn)行監(jiān)測。當(dāng)心率值超過設(shè)定的閾值時,能夠主動發(fā)出報警,因此心率檢測的準(zhǔn)確性就顯得尤為重要。但是通過研究發(fā)現(xiàn),目前智能手表的心率檢測核心算法僅掌握在少數(shù)心率檢測傳感器供應(yīng)商手中,如飛利浦公司、Analog Deivces公司(簡稱ADI)等,他們對核心代碼的壟斷,導(dǎo)致其他可穿戴設(shè)備公司研發(fā)具有心率檢測功能的智能手表的成本提高。本文在研究智能手表進(jìn)行心率檢測原理的基礎(chǔ)上,通過對脈搏血氧儀中的心率檢測算法進(jìn)行研究和改進(jìn),嘗試尋找一套準(zhǔn)確率高、可移植性好的心率檢測算法,實現(xiàn)其在智能手表上的應(yīng)用,從而降低面向中老年人危急救助智能手表的研發(fā)成本。本文提出一種基于PPG信號的心率檢測算法,在波谷檢測時,借鑒K-means聚類方法,提高了波谷檢測的準(zhǔn)確率,從而保證了心率檢測算法的準(zhǔn)確率。通過對比實驗,驗證該算法的有較高的準(zhǔn)確率和穩(wěn)定性。二、跌倒檢測算法的改進(jìn)研究。通過研究發(fā)現(xiàn)目前大多數(shù)跌倒檢測是基于加速度傳感器,在腰部進(jìn)行檢測。之所以選擇腰部,是由于腰部動作特征不明顯,而手部動作豐富,復(fù)雜度高,進(jìn)行腕部跌倒檢測的研究較少,即便目前市場上出現(xiàn)具有跌倒檢測功能的智能手表,其準(zhǔn)確率不高,漏報、誤報率較高。本文在研究跌倒檢測技術(shù)和總結(jié)前人經(jīng)驗的基礎(chǔ)上,結(jié)合腕部運動特點,利用加速度計、陀螺儀和高度計進(jìn)行跌倒檢測。采用加速度特征值SMVA、角速度特征值SMVW和高度值融合的閾值判斷跌倒檢測算法,對跌倒檢測算法進(jìn)行改進(jìn),以提高跌倒檢測的準(zhǔn)確率,降低誤報率,同時通過判斷動作發(fā)生后,人體所處的狀態(tài),來進(jìn)一步保證算法的準(zhǔn)確率。三、用戶分組分類方法研究。智能手表不僅可以采集心率信息,也可以采集用戶的運動信息、行為軌跡、高度信息等,這些信息蘊含著巨大的商業(yè)價值。通過對智能手表采集的信息進(jìn)行分析處理,可以從用戶的歷史數(shù)據(jù)中挖掘用戶的特征與“興趣”偏好,對用戶進(jìn)行分組分類,從而為用戶提供個性化的服務(wù)。本文主要對用戶分組分類方法進(jìn)行初步研究,找出適合對智能手表采集到的信息進(jìn)行分類的方法,為實現(xiàn)用戶分組分類,提供個性化服務(wù)提供理論依據(jù)。
【關(guān)鍵詞】：智能手表 心率檢測 跌倒檢測 分組分類 數(shù)據(jù)分析
【學(xué)位授予單位】：中國海洋大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP368.33
【目錄】：

• 摘要5-7
• ABSTRACT7-12
• 1 引言12-20
• 1.1 選題背景及研究意義12-14
• 1.1.1 課題來源12
• 1.1.2 研究的目的及意義12-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-18
• 1.2.1 心率檢測方法研究現(xiàn)狀14-16
• 1.2.2 跌倒檢測算法研究現(xiàn)狀16-17
• 1.2.3 基于數(shù)據(jù)挖掘的用戶分組分類研究現(xiàn)狀17-18
• 1.3 論文組織結(jié)構(gòu)18-20
• 2 基于PPG信號的心率檢測算法優(yōu)化研究20-34
• 2.1 主流的心率檢測方法20-22
• 2.1.1 接觸式檢測方法20-21
• 2.1.2 非接觸式檢測方法21
• 2.1.3 適用于智能手表的光電式心率檢測方法21-22
• 2.2 光電式心率檢測的現(xiàn)狀及問題22-25
• 2.2.1 光電式心率檢測現(xiàn)狀22-23
• 2.2.2 智能手表上進(jìn)行光電式心率檢測存在的問題23-25
• 2.3 基于PPG信號的光電式心率檢測的算法優(yōu)化25-30
• 2.4 實驗結(jié)果與分析30-32
• 2.4.1 實驗對象與條件30
• 2.4.2 實驗結(jié)果分析30-32
• 2.5 本章小結(jié)32-34
• 3 基于加速度、角速度與高度值融合的閾值判斷跌倒檢測算法研究34-50
• 3.1 主流的跌倒檢測34-35
• 3.1.1 跌倒檢測方法34-35
• 3.1.2 跌倒檢測算法35
• 3.2 影響跌倒檢測的因素35-37
• 3.3 基于加速度、角速度與高度值融合的閾值判斷跌倒檢測算法37-46
• 3.3.1 本文的研究思路37-38
• 3.3.2 算法實現(xiàn)38-46
• 3.4 實驗結(jié)果分析46-48
• 3.4.1 實驗數(shù)據(jù)獲取46-47
• 3.4.2 實驗結(jié)果分析47-48
• 3.5 本章小結(jié)48-50
• 4 基于數(shù)據(jù)挖掘的用戶分組分類研究50-58
• 4.1 數(shù)據(jù)挖掘簡介50-52
• 4.1.1 常用的數(shù)據(jù)挖掘方法50-51
• 4.1.2 常用的數(shù)據(jù)挖掘算法51-52
• 4.2 基于數(shù)據(jù)挖掘的用戶分類常見問題52-53
• 4.2.1 用戶數(shù)據(jù)特征選擇52
• 4.2.2 分類算法的選擇52-53
• 4.3 基于K-means算法的用戶分組分類研究53-55
• 4.3.1 數(shù)據(jù)采集53
• 4.3.2 特征分析53-54
• 4.3.3 K-means算法實現(xiàn)用戶分組分類54-55
• 4.4 本章小結(jié)55-58
• 5 總結(jié)與展望58-60
• 5.1 主要工作總結(jié)58
• 5.2 研究展望58-60
• 參考文獻(xiàn)60-64
• 致謝64-66
• 個人簡歷66
• 發(fā)表的學(xué)術(shù)論文66

【相似文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉曉菲;面向中老年人危急救助智能手表的若干關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

  本文關(guān)鍵詞：面向中老年人危急救助智能手表的若干關(guān)鍵技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：354400