作者:潘家瑶 单位:山东电子学会 出版:《》 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFSDDZ2018110440 DOC编号:DOCSDDZ2018110449 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于可穿戴设备的跌倒检测算法综述》PDF+DOC2018年第09期 忽丽莎,王素贞,陈益强,高晨龙,胡春雨,蒋鑫龙,陈振宇,高兴宇 《基于惯性传感器MPU6050的手势识别方法》PDF+DOC2018年第01期 张平,刘祚时 《基于智能手表运动传感器的新型攻击及其防范》PDF+DOC2015年第S1期 宋晨光,刘建伟,伍前红,关振宇 《基于多传感器数据融合的跌倒检测算法》PDF+DOC2016年第05期 李坤,姜萍萍,颜国正 《一种惯性传感器与编码器相结合的AGV航迹推算系统》PDF+DOC2018年第03期 吴鹏,李东京,贠超 《微型四旋翼飞行控制器设计》PDF+DOC2016年第27期 张权权,王立成,李浩 《从第五届惯性传感器与系统国际研讨会看国外惯性技术的发展情况》PDF+DOC2018年第09期 薛连莉,葛悦涛,陈少春 《捷联惯导系统仿真器的设计》PDF+DOC2004年第07期 刘柱,陈勤,高伟,曹洁 《基于三轴转台的MEMS惯性传感器参数测量方法》PDF+DOC2012年第05期 李姣姣,王东波,赵祚喜,谭志斌,赵汝准 《基于FPGA和高精度ADC的组合导航系统设计》PDF+DOC 田育民,刘思伟,白云超
  • 随着电子技术的不断发展,智能手表等电子设备应运而生,这种可穿戴设备以最简洁的形式向用户提供有用可靠的信息。同时,多种MEMS惯性传感器(加速度计、陀螺仪、磁力计等)也被广泛的应用于移动电子设备中,促使产生了基于惯性传感器的可穿戴设备智能控制技术。本文所研究的该技术应用是手写字母识别技术。本文针对字母表中的26个英文字母,由志愿者佩戴手表后,用笔在纸上书写,每个字母的样本个数为30个左右。对于原始数据(时间、加速度以及陀螺仪数据),分段地特征提取,通过支持向量机(SVM)进行模型训练。实验结果表明:该系统对英文字母有着较高的识别准确率,准确率为95.38%,系统实现在LG G Watch上。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。