基于Android跑步运动监测系统的研究
发布时间：2022-01-06 23:48
生命在于运动。随着社会的发展,人们对运动健身的需求也日益增加。采用智能手机来实时监测用户的运动情况,甚至指导其运动过程已经慢慢的成为了人们跑步过程时所青睐的健身方式。医学研究表明,人体在跑步时,呼吸和步伐两者节奏的稳定性在整个运动过程中起到了至关重要的作用。因此,能够实现一套对跑步运动状态进行有效监测的系统有着极其重要的现实意义。本文基于Android平台内嵌传感器,对人体跑步过程中步伐和呼吸的检测算法进行了研究和改进。针对上述存在的需求,本文就基于Android平台的步伐和呼吸检测进行了以下研究:（1）对现有的步伐检测算法进行分析和总结的基础上,设计并实现了一种基于位置无关性及对运动无干扰性等特点的有效算法。包括:首先运用了Butterworth滤波器消除了高频干扰,然后利用投影变换方法解决了智能手机的位置无关性问题,最后采用了平滑滤波手段剔除了伪峰谷,经计算得到步伐频率。该算法在Android平台上进行实验,结果表明算法在准确性上取得了较好的效果。（2）对呼吸信号的时域和频域特性进行分析研究,通过比较呼气和吸气阶段在短时能量、短时过零率、梅尔频率倒谱系数（MFCC）、线性预测编码（...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 加速度传感器应用的研究现状
1.2.2 步伐探测的研究现状
1.2.3 呼吸检测的研究现状
1.2.4 语音信号处理的研究现状
1.2.5 智能设备运动监测的研究现状
1.3 本文组织结构
第二章 相关技术介绍
2.1 Android系统介绍
2.1.1 Android系统架构
2.1.2 Android开发环境
2.1.3 Android内置加速度传感器
2.2 机器学习简介
2.2.1 支持向量机
2.2.2 K最近邻
2.2.3 人工神经网络
2.2.4 K-Means
2.3 本章小结
第三章 基于加速度传感器的步伐检测
3.1 人体步态模型分析
3.2 智能手机位置
3.3 步伐探测算法设计
3.3.1 步伐探测算法总体流程
3.3.2 数据预处理
3.3.3 坐标系统转换
3.3.4 峰值检测计步算法
3.4 本章小结
第四章 基于语音信号的呼吸检测
4.1 语音信号的数字化和预处理
4.2 语音信号分析
4.2.1 语音信号时域分析
4.2.2 语音信号线性预测分析
4.2.3 语音信号频域分析
4.3 呼吸特征的研究
4.3.1 呼吸信号的时域特性
4.3.2 呼吸信号的线性预测特性
4.3.3 呼吸信号的频域特性
4.4 呼吸频率算法设计
4.4.1 呼吸频率算法总体流程
4.4.2 MFCC特征提取
4.4.3 基于SVM的呼吸模型训练
4.4.4 呼吸频率的计算
4.5 呼吸频率算法优化
4.5.1 基于聚类的错误分类点消除算法
4.5.2 基于周期的噪音消除算法
4.6 本章小结
第五章 Android端设计与实验
5.1 系统概述
5.2 系统设计
5.2.1 界面设计
5.2.2 步伐监测模块的实现
5.2.3 呼吸监测模块的实现
5.2.4 音乐播放器服务的实现
5.3 实验分析
5.3.1 步伐监测算法实验结果
5.3.2 呼吸监测算法实验结果
5.3.3 适当音乐对运动节奏的影响
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
在校期间研究成果及发表的学术论文
【参考文献】：
期刊论文
[1]基于MEMS加速度传感器的步数检测算法研究综述[J]. 谢光强,黄向龙,李杨,徐峰. 计算机应用研究. 2018(12)
[2]呼吸频率检测技术研究现状[J]. 严旭,刘洪英,贾子如,田森富,皮喜田. 北京生物医学工程. 2017(05)
[3]基于MEMS三轴加速度传感器的摔倒检测[J]. 刘鹏,卢潭城,吕愿愿,邓永莉,陆起涌. 传感技术学报. 2014(04)
[4]一种新型的阻抗式呼吸检测系统[J]. 王建波,邓亲恺,郭劲松,冯学技. 中国医疗器械杂志. 2009(02)
[5]一种具有自动补偿功能的呼吸信号检测电路[J]. 张瑞华,叶逢春. 医疗卫生装备. 2009(03)
硕士论文
[1]基于MEMS传感器的智能手机运动轨迹检测系统的研究[D]. 张睿骁.兰州大学 2017
[2]基于加速度传感器的可穿戴人体运动状态监测系统的设计[D]. 杨亚军.华中科技大学 2016
[3]基于单个加速度传感器的人体行为识别研究[D]. 徐仙.江南大学 2015
[4]基于三维加速度传感器的人体行为识别[D]. 徐川龙.浙江工业大学 2013
[5]利用加速度传感器实现人体步态识别[D]. 翟文婷.沈阳工业大学 2013
本文编号：3573388
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：74 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 加速度传感器应用的研究现状
1.2.2 步伐探测的研究现状
1.2.3 呼吸检测的研究现状
1.2.4 语音信号处理的研究现状
1.2.5 智能设备运动监测的研究现状
1.3 本文组织结构
第二章 相关技术介绍
2.1 Android系统介绍
2.1.1 Android系统架构
2.1.2 Android开发环境
2.1.3 Android内置加速度传感器
2.2 机器学习简介
2.2.1 支持向量机
2.2.2 K最近邻
2.2.3 人工神经网络
2.2.4 K-Means
2.3 本章小结
第三章 基于加速度传感器的步伐检测
3.1 人体步态模型分析
3.2 智能手机位置
3.3 步伐探测算法设计
3.3.1 步伐探测算法总体流程
3.3.2 数据预处理
3.3.3 坐标系统转换
3.3.4 峰值检测计步算法
3.4 本章小结
第四章 基于语音信号的呼吸检测
4.1 语音信号的数字化和预处理
4.2 语音信号分析
4.2.1 语音信号时域分析
4.2.2 语音信号线性预测分析
4.2.3 语音信号频域分析
4.3 呼吸特征的研究
4.3.1 呼吸信号的时域特性
4.3.2 呼吸信号的线性预测特性
4.3.3 呼吸信号的频域特性
4.4 呼吸频率算法设计
4.4.1 呼吸频率算法总体流程
4.4.2 MFCC特征提取
4.4.3 基于SVM的呼吸模型训练
4.4.4 呼吸频率的计算
4.5 呼吸频率算法优化
4.5.1 基于聚类的错误分类点消除算法
4.5.2 基于周期的噪音消除算法
4.6 本章小结
第五章 Android端设计与实验
5.1 系统概述
5.2 系统设计
5.2.1 界面设计
5.2.2 步伐监测模块的实现
5.2.3 呼吸监测模块的实现
5.2.4 音乐播放器服务的实现
5.3 实验分析
5.3.1 步伐监测算法实验结果
5.3.2 呼吸监测算法实验结果
5.3.3 适当音乐对运动节奏的影响
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
在校期间研究成果及发表的学术论文
【参考文献】：
期刊论文
[1]基于MEMS加速度传感器的步数检测算法研究综述[J]. 谢光强,黄向龙,李杨,徐峰. 计算机应用研究. 2018(12)
[2]呼吸频率检测技术研究现状[J]. 严旭,刘洪英,贾子如,田森富,皮喜田. 北京生物医学工程. 2017(05)
[3]基于MEMS三轴加速度传感器的摔倒检测[J]. 刘鹏,卢潭城,吕愿愿,邓永莉,陆起涌. 传感技术学报. 2014(04)
[4]一种新型的阻抗式呼吸检测系统[J]. 王建波,邓亲恺,郭劲松,冯学技. 中国医疗器械杂志. 2009(02)
[5]一种具有自动补偿功能的呼吸信号检测电路[J]. 张瑞华,叶逢春. 医疗卫生装备. 2009(03)
硕士论文
[1]基于MEMS传感器的智能手机运动轨迹检测系统的研究[D]. 张睿骁.兰州大学 2017
[2]基于加速度传感器的可穿戴人体运动状态监测系统的设计[D]. 杨亚军.华中科技大学 2016
[3]基于单个加速度传感器的人体行为识别研究[D]. 徐仙.江南大学 2015
[4]基于三维加速度传感器的人体行为识别[D]. 徐川龙.浙江工业大学 2013
[5]利用加速度传感器实现人体步态识别[D]. 翟文婷.沈阳工业大学 2013
本文编号：3573388
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3573388.html
