声明
摘要
第一章 绪论
1.1 课题研究背景及意义
1.2 基于微惯性技术的人体运动检测识别国内外研究动态
1.2.1 国外研究动态
1.2.2 国内研究动态
1.3 论文的主要内容和章节安排
第二章 人体运动检测识别系统硬件设计及系统标定研究
2.1 人体运动检测识别系统硬件设计
2.1.1 系统硬件整体设计
2.1.2 微处理器外围电路设计
2.1.3 MPU9250外围电路设计
2.2 MIMU误差建模研究
2.2.1 系统误差建模
2.2.2 陀螺仪漂移误差建模
2.3 MIMU整机标定方法研究
2.3.1 标量场校准法
2.3.2 两平面旋转法
2.3.3 重力场校准法
2.3.4 转台旋转激励法
2.4 基于椭球拟合的磁力计标定方法研究
2.5 系统标定实验
2.5.1 基于椭球拟合的磁力计标定实验
2.5.2 MIMU整机标定实验
2.5.3 MIMU标定效果验证
2.6 本章小结
第三章 人体运动姿态解算算法研究
3.1 惯性测量中常用坐标系
3.2 坐标变换及姿态更新算法
3.2.1 方向余弦法
3.2.2 欧拉角法
3.2.3 四元数法
3.2.4 欧拉角与方向余弦、四元数的关系
3.2.5 欧拉角与方向余弦、四元数的比较
3.3 姿态解算算法研究与改进
3.3.1 卡尔曼滤波器
3.3.2 扩展卡尔曼滤波器
3.3.3 基于扩展卡尔曼滤波器的四元数姿态解算算法
3.3.4 姿态解算算法抗振动干扰改进
3.3.5 基于卡尔曼滤波器的方向余弦姿态解算算法
3.4 人体腿部运动姿态测量
3.5 本章小结
第四章 人体运动模式识别方法研究
4.1 数据分割的算法设计
4.2 特征信息的提取及归一化处理
4.3 基于BP神经网络的分类算法研究
4.3.1 BP神经网络基本原理
4.3.2 BP神经网络的学习算法
4.3.3 BP神经网络的仿真分析
4.4 基于支持向量机的分类算法研究
4.4.1 线性支持向量机
4.4.2 非线性支持向量机
4.4.3 支持向量机核函数
4.4.4 多类支持向量机
4.4.5 支持向量机的仿真分析
4.5 人体运动模式识别效果分析
4.5.1 特征信息选取及分析
4.5.2 BP神经网络的训练
4.5.3 支持向量机的训练
4.5.4 BP神经网络的识别效果验证
4.5.5 支持向量机的识别效果验证
4.5.6 运动模式切换时分类器的误识别问题及改进方法
4.6 本章小结
第五章 人体运动检测识别系统实现与性能分析
5.1 系统标定实验
5.1.1 实验电路与测试环境
5.1.2 实施方案与结果分析
5.2 腿部运动姿态测量实验
5.3 运动模式识别实验
5.4 本章小结
第六章 总结与展望
6.1 本文工作总结
6.2 未来工作展望
致谢
参考文献
攻读硕士学位期间发表的论文