步态加速度信号的无线采集系统设计

为实现步态加速度信号的无线采集,本文提出一种基于内嵌8051的无线收发芯片CC1010的有效方法,简要介绍步态加速度信号无线采集系统的工作原理,详细说明该系统的软硬件设计与实现.系统采用路由和重传机制,以确保数据的可靠传输.利用本采集系统成功建立一个36人的步态加速度数据库,可供不同领域的步态研究者参考.     

步态加速度信号的无线采集系统设计

为实现步态加速度信号的无线采集,提出一种基于内嵌8051的无线收发芯片CC1010的有效方法.简要介绍步态加速度信号无线采集系统的工作原理,详细说明该系统的软硬件设计与实现.系统采用路由和重传机制,以确保数据的可靠传输.利用本采集系统成功建立一个36人的步态加速度数据库,可供不同领域的步态研究者进行分析.     

动作传感器AMI602在步态特征提取中的应用

针对步态特征提取系统中采用模拟输出的传感器时,易受外界干扰,需外接RC滤波电路、A/D转换器、外接数据存储器,采集的数据量有限的缺陷,提出了一种基于数字输出的AMI602动作传感器的步态特征提取系统。实验中,AMI602输出的加速度数据通过CC1110微处理器进行无线发送和接收。接收到的数据通过串口发送到PC机上进行处理。通过分析人体步态信号中三轴向的加速度波形和俯仰角及倾斜角的变化来提取步态特征。经测试表明:该系统能够清晰地反映人体步态时的特征信号,且抗干扰性强,精确度高,易操作,灵活性强。     

基于手机加速度传感器的人体步态识别研究

使用福坦莫大学无线数据挖掘实验室(WISDM)利用手机采集的人体步态数据集,以支持向量机(SVM)、K最近邻(KNN)和随机森林算法实现对人体步态的识别.对加速度的时间序列进行分窗和均值平滑处理.以2s作为窗口大小,提取三轴加速数据的均值、方差和协方差作为样本特征.采用以上算法对样本的六种类别(步行、慢跑、上楼梯、下楼...     

采用三维运动分析的步态康复训练实验装置

为量化分析和评定肢体伤残患者康复训练后的康复程度,研究开发出一种基于三维MEMS加速度传感器的步态康复训练分析系统。通过单片机控制并由三维MEMS传感器采集患者行走时的加速度信号,将信号通过RF无线传输至计算机内,由计算机程序处理分析患者的步态信号,从而量化分析患者的康复程度,并储存患者的步态运动信息以供医生定期分析,作为今后康复治疗的依据。通过实验证明了使用加速度传感器代替传统影像学检测步态状况的可行性,相比于传统的基于影像学的步态分析系统,采用MEMS加速度传感器的步态分析系统大大减小了系统的体积和复杂性,使患者使用更加方便,便于推广应用。     

基于步态加速度特征的人体疲劳检测

传统基于生理学的人体疲劳检测方法存在周期较长、准确度较低的问题。为此,提出一种基于步态加速度特征的人体疲劳状态检测方法。通过微机电传感器加速度计采集被检测人的步态加速度数据,给出基于相关系数法的步态疲劳状态阈值判断方法。实验结果表明,9个样本的检测准确率为93.06%,准确率较高,时间复杂度较低。     

CC2420和MMA7260的无线传感器数据采集系统

简要介绍了ZigBee技术协议以及CC2420和MMA7260的性能和特点,设计了一种基于CC2420和MMA7260的无线传感器数据采集系统,给出了具体的软、硬件设计方法以及实际测试结果。该系统选用高灵敏度的三轴加速度传感器芯片MMA7260来采集机构的振动加速度信号,再通过支持ZigBee无线传输协议的CC2420把数据发送给接收装置。     

基于CC2420的煤矿井下采掘设备无线数据采集装置

针对位置经常随机移动的采掘设备通过单机采集方式采集数据而存在操作不方便的问题,提出了一种基于CC2420的无线数据采集装置的设计方案。该装置中的数据采集模块利用采掘设备电控箱中的PLC完成采掘设备工作状态、工作参数等数据的采集任务,并将处理后的数据通过RS485串口发送给无线发送器,无线发送器通过射频模块CC2420将数据发送到无线接收器,无线接收器将接收到的数据先存储到缓存中,缓存满时,写入U盘。实际应用表明,该装置能够方便地采集位置随机移动的采掘设备的数据。     

用块稀疏贝叶斯学习算法重构识别体域网步态模式

针对低功耗体域网步态远程监测终端非稀疏加速度数据重构和步态模式识别性能优化问题,提出了一种基于块稀疏贝叶斯学习的体域网远程步态模式重构识别新方法,该方法基于体域网远程步态监测系统架构和压缩感知框架,在体域网传感节点利用线性稀疏矩阵压缩原始加速度数据,减少传输数据量,降低其功耗,同时在远程终端基于块稀疏贝叶斯学习算法充分利用加速度数据块结构内在相关性,获取加速度数据内在稀疏性,有效提高非稀疏加速度数据重构性能,为准确识别步态模式提供可靠的数据支撑.采用USC-HAD数据库中行走、跑、跳、上楼、下楼五种步态运动的加速度数据验证新方法的有效性,实验结果表明,基于所提算法的加速度数据重构性能明显优于传统压缩感知重构算法性能,使基于支持向量机多步态分类器识别准确率可达98%,显著提高体域网远程步态模式识别性能.所提新方法不仅有效提高非稀疏加速度数据重构和步态模式识别性能,并且也有助于设计低功耗、低成本的体域网加速度数据采集系统,为体域网远程监测步态模式变化提供一个新方法和新思路.     

STM32和iNEMO模块的高精度计步器设计

设计了一种基于STM32F103RET6和iNEMOMEMS模块的高精度计步器。采用ST公司基于ARMCortex—M3内核的STM32单片机作为核心处理器,iNEMOMEMS模块采集行人行走时腰部的加速度信息,结合人行走时的步态特征,对加速度信息的实时处理实现高精度计步功能。实验结果表明,本计步器能够将步态信息及计步数据可靠地传输至远端PC机,具有体积小、可靠性高、计步准确等优点。