毕业设计（论文）-基于加速度传感器的日常活动量及睡眠监测系统设计.doc

中北大学2015届毕业设计说明书毕业设计说明书基于加速度传感器的日常活动量和睡眠质量监测系统 学生姓名： 学号： 学 院： 计算机与控制工程学院 专 业： 电气工程及其自动化 指导教师： 2015 年 06 月基于加速度传感器的日常活动量和睡眠质量监测系统摘要基于对人体健康造成威胁的越来越多外部和内部因素， 本文采用ADXL375三维加速度传感器、MSP430F149微处理器搭建了加速度检测系统检测人体的活动量和睡眠质量系统检测人体的日常加速度，以便于得出被检测者想要的健康建议。本论文的目的是通过检测人体运动加速度来监测人体日常活动量（日常动作和运动或者睡眠时间）进而判断人体健康与否，并给出健康维护的建议。针对本论文的研究，我分成三部分进行。第一部分我们选择人体运动时常发生的七个动作（上楼、下楼、跑步、跳动、步行和站立以及躺）进行测量；其中，除了躺之外都进行动作的识别实验；第二部分我总结并参考了的国内外论文后，选择了基于几何均值（GM）这种方法作为实现结果的分析方法，第三部分是对于睡眠进行检测。通过数据的分析，基于几何均值GM的方法对于人体日常活动量和睡眠质量的精度达到百分之九十以上。关键词：动作识别，三维加速度，睡眠分析，传感器Monitoring system of daily activity and sleep quality based onacceleration sensorAbstractBased on human health threat of more and more external and internal factors, we use ADXL375 three-dimensional acceleration sensor, MSP430F149 microprocessor acceleration detection system set up human activity and sleep quality system detects the acceleration of the human body daily in order to get the health advice being detected by want.The purpose of this paper is to be monitored by detecting body motion acceleration of human daily activity (daily movement and exercise, or sleep time) and then determine whether or not human health and gives health maintenance recommendations. Study of this paper, I divided into three parts. The first part of our body movement choose seven action often occurs (upstairs, downstairs, running, jumping, walking and standing and lying) were measured; which, in addition to recognize both lie outside the experimental operation; the second part of my summary and at home and abroad after the reference papers, selected based on the geometric mean (GM) of this method as an analytical method to achieve results, and the third part is for sleep testing. By analyzing the data, the method based on the geometric mean of GM for the accuracy of the amount of human daily activities and sleep quality of more than 90 percent. Keywords：Gesture Recognition，Tri-axial Acceleration，Sleep Analysis，Sensor中北大学2015届毕业设计说明书目录1 绪论11.1本论文的意义与背景11.2国内外研究现状21.2.1人体动作识别的研究现状21.2.2睡眠的检测方法综述21.2.3仪器佩戴的位置论述31.2.4仪器校正的研究现状41.3论文各章节的主要内容42 加速度监测系统硬件结构52.1 ADXL375的介绍62.2系统硬件组成82.2.1传感器部分102.2.2单片机的选择112.2.3 I2C模式输出电路122.2.4电源部分122.2.5晶振部分122.2.6复位部分电路132.2.7存储模块电路132.2.8蓝牙通信142.3本章小结153 系统软件部分163.1 动作识别及采集分析框图163.2 坐标系调整163.3 加速度信号的提取和预处理163.3.1概述163.3.2数据预处理17第 I 页 共 II 页3.4 数据特征提取173.4.1动作识别173.5 动作识别算法183.6本章小结194 实验方案以及算法分析204.1概述204.2实验方案204.2.1动作识别实验以及数据分析204.2.2睡眠质量分析实验234.3本章小结245 总结与展望25参考文献26致谢29第 II 页 共 II 页1 绪论1.1本论文的意义与背景人们生活水平日益提高与生活节奏发生巨大的变化带来的饮食结构和生活方式日新月异，由此而引发的各种诸如神经衰弱，胃肠疾病，心脏病，高血压，糖尿病等。人体适量的运动和良好的睡眠可预防疾病、促进康复，保持身体健康。随着人年龄的增加，人们平均睡眠质量有逐渐下降的趋势1-3。有关学者对于六十岁以上的老年人睡眠研究表明：睡眠障碍的现患率为百分之二十到百分之六十。同时国内外的研究者研究证明了睡眠时间的不足与人体神经衰弱、胃肠等疾病发病相关。作为人体健康的两大因素之一的睡眠是人体必需的正常生理活动。对婴幼儿的年龄段来说，睡眠时间占的比例超过一半。因为，睡眠有助于脑的发育、身体的成长、疲劳的消除、体力的回复、记忆的巩周、衰老的延迟、免疫力的增强等1,3。眠紊乱等一些睡眠疾病会对人正常的精神状态造成一定的影响。睡眠问题往往是其他疾病发生的诱因，并且睡眠障碍或疾病的发生通常具有很大的随机性，是很难预测的，因此对病人进行长期的睡眠监测是非常必要的5。睡得好，精神饱满而充足，人就有精神。睡不好，长期下去将严重影响身体健康，还可能导致疾病的发生。而且，研究中还表明了，睡眠的长期不足能使人记忆力减退和精神不振，可能还会诱发高血压、糖尿病等心脑血管疾病和一些精神疾病。睡眠重要的地位可想而知1-5。运动量不足是睡眠障碍的一大因素，更加是肥胖的重要因素6。全世界有60%的人口不能产生对身体有益的活动量的一大原因是身体活动量不够，而且现代人的职业中体力活动的职业越来越少，没有太多的时间来锻炼。况且，就算有很多时间，而因为网络等科技的发展，导致人越来越不想体力运动了6-8。所以，肥胖是大问题：不但危害健康的慢性病，也是世界各国特别是我国面临的重点公共挑战之一9,11。如果不想患上肥胖的，适当的有氧运动能有效消耗人体摄取的多余能量，抑制肥胖的产生，最终达到减肥的目的。经常参加户外运动，呼吸新鲜空气，合理的安排运动量加上合理饮食。在临床医学领域中，对某些疾病的治疗如甲亢，糖尿病以及失眠症状等就需要辅以科学的运动，监测病人的运动强度和锻炼时间，以便于达到我们预期的训练效果；在日常活动的锻炼中，指导自己的运动强度和运动时间也是我们同样需要的。同时要减肥的人也需要对自己锻炼强度和耗能程度与运动时间作出一个正确的判断和科学的指导。因此，无论是健康饮食，良好的睡眠，还是科学运动都会伴随着能量消耗，因此对于身体的健康监测是很有必要的。1.2国内外研究现状目前对加速度涉及到的人体健康研究领域中，有五大方面的研究：第一个方面是人体活动分类；第二个方面是人体步态的分析；第三个方面是人体能耗的估算；第四个方面是睡眠质量评估；第五方面是跌倒监测。本论文重点就动作分类和睡眠质量评估的国内外研究现状的阐述，并对仪器佩戴的位置（测量部位）的国内外研究和加速度计的校正进行了论述。1.2.1人体动作识别的研究现状国内的研究中某学者在多加速计的系统基础上，提出了基于加速度几何特征的人体活动识别算法12。国内某些研究者在加速度信号的走路模式分成的多级分类算法理论的基础上，利用离散小波分解方法对加速度信号分解，从中得到步频参数、能量参数等参数，然后采用阈值法提取阈值进行对比，从中判断出走、跑、上楼、下楼四种活动13。该算法的识别率高达百分之九十以上，但涉及的人体日常活动较少，只有四个动作。国外的学者采用人工神经网络作为分类器14,15,30，提取实验所需要的和加速度以及加速度信号幅度区的面积16,17等的能够经线性判别分析并运用人工网络的方法，对日常活动进行分类，这些动作包括躺、坐、站、走等。不过，该算法对某些动作的识别率有点低，只有百分之七十左右，仍需改进，而且没有考虑跑这一必不可少的人体活动。1.2.2睡眠的检测方法综述目前基于基于加速计的体动监测仪多是用于非同定式的睡眠监测方法。这种方法准确性不如多导睡眠分析仪，不过它也能实现一些基本的睡眠监测，能对睡眠和清醒进行区分。而且价格比多导睡眠分析仪便宜。尺寸和功耗也不大，对人的活动干扰较小，方便20,21。研究表明，某些人体基本能在睡眠上反应出来。这样，对人体睡眠时的动作姿势的判断能分析某些疾病。例如，探讨究竟是睡眠动作姿势的改变还是因为心力衰竭导致的“伪影”对人体基本研究有重大意义22。关于睡眠体动和睡眠质量关系研究早就有人做了。Mullaney DJ的研究中认为活动计数对睡眠质量估计得可信性和科学性20。研究者Redmond和Henegan分类清醒、快速眼动期和非快速眼动期的ECG信号和呼吸信号来对睡眠质量分析23。不过，这个分析过程有些麻烦。一些学者对吸暂停综合症进行监测中，为获得心脏、呼吸产生的振动，他们用多个加速度分别固定于人体胸部、脖子处等十五个不同位置。他们通过振动来对吸暂停综合症进行监测24。 国内有些学者通过检测睡眠时的腕活动水平来进行睡眠质量的评估。有研究者将加速度传感器佩戴于前臂，通过检测加速计测量各轴与竖直方向的夹角，他可以用来判断前臂的所处的姿势进而测出人体体动的姿态18。为了估计当前一分钟内的睡眠质量20,25,范志祥等研究者首先以60s为单位时间片，将获取的加速度信号进行带通滤波(O.5HZ1lHZ)，然后对一分钟内的腕活动进行计数，再将之前四分钟、当前一分钟和之后两分钟的腕活动计数作为睡眠决策算法26,27的输入。还有Hiroyasu Miwa等学者创新性的提出对人体睡眠时的翻身频率来进行睡眠质量的分析，发现睡眠时的翻身频率越高睡眠质量越差28。国内学者对周期性腿动时间与睡眠质量的关系进行了初步的研究，他们的研究证明了周期性腿动事件在一定程度上可以反映睡眠质量19。研究结果显示，睡眠质量跟身体锻炼量有一定关系，身体锻炼能够改善心理健康状况,从而改善睡眠；体育锻炼的心理效应,即身体锻炼对心理健康的改善作用已为大量的研究所证实1-4。另外，身体锻炼量越大， 睡眠障碍越少，运动量对睡眠有促进作用；在一定范围内身体锻炼量越大,对睡眠质量的影响就越佳。研究还发现PSQI总分、睡眠障碍因子与身体锻炼量呈负相关,提示睡眠障碍得分与身体锻炼量大小成反比,即身体锻炼量越大，睡眠障碍越少3-4,20。1.2.3仪器佩戴的位置论述在过去的研究中，研究者们研究人体运动的加速度都是从身体的部位运动加速度综合求得的。这样使得人体运动加速度的测量和分析变得繁琐，也造成对于实时的分析造成很多困难，而且分析的人体运动变得很单调（只能分析跑步和走路一个周期的过程）。本文的研究放弃对身体的各部分严密的人体运动的分析，而着重对身体某一部分的速度和加速度来衡量运动量和动作识别以及睡眠质量。那么，对于人体的加速度的测量，因为不同的位置加速度测量方式等的不一样，分析的结果不尽相同。因此，对于加速度传感器佩戴位置，我们要多找一些不同学者对此的分析论文。因为人体的重心分布在躯体躯干的位置，将测量装置放于身体重心所在是我们首先想到的，因为这样更能达到准确测量的目的。通常来说，身体所受的主要外部作用力主要是重力，而人的身体对外界的作用力主要是肌肉收缩而产生的作用力。我们假定人就是一个刚体，当这个假定的刚体运动的时候，前后方向常常是匀速的，而横向的运动是微小。当然，通常情况下这一假定在日常生活中是成立的。因此，为了设计一个我们能够实用的变携式的加速度的仪器，我们也没有必要严密的测量出每块肌肉的运动加速度，这样，可以只是让加速度仪器佩戴在受试者的某个肌肉部位就可以达成测试人体加速度，进而得出人体的诸如能耗，睡眠质量和日常的动作。当然，我们也可以用多块加速度计测量人体的运动加速度，本文只运用一块加速度传感器进行人体的测量。而本人采用的测量部位就是躯干位置。因为靠近重心位置就是我们实验最佳的方案，归纳起来，还是将传感器安放于胸部。1.2.4仪器校正的研究现状在做试验之前，我们要做的一项工作，那就是校正。校正一直以来就是基于三轴加速计测人体运动实验的难点。在早期的一些研究者为了准确的校正能加速计的三轴，便在硬件中加了陀螺仪模块，陀螺仪模块能获得角加速度信息，这个角加速度信息能够很方便地转化坐标系，这样就很容易做出实验并分析数据。近年来，随着基于加速度的系统深入的研究，研究的过程中陀螺仪逐渐失去了其作为三轴加速度校正的地位，这对于算法的研究提出了很大挑战。因此，一些研究者采用“绝对同定”加速计的佩戴位置回避加速计的输出校正这一难题。“绝对同定”因为仅能使用模值信息来进行运动分析，对于算法准确度的提升空间非常有限。有鉴于此，有学者对于加速度的坐标系到绝对系的校正做了研究29，该研究者提出的理论是在假定人体运动加速度的坐标系与空间绝对坐标系偏差值较小且偏差角度的值在不变进行的情况下，对于随着佩戴者的运动偏差角处于不断的变化中的情况不适用。有鉴于此，有研究者基于加速计静止时三轴的输出为重力加速度这一特性，提出一种相对简单的竖直轴加速度校正方法。提出采用椭圆滤波器可以实现加速计输出中的重力分量和运动分量的分离。假设三轴上运动分量分别为，重力在三轴上的分量分别为，当传感器静止时，三轴加速计输出的矢量和跟重力加速度相等。由于传感器的三轴是正交的，所以也是正交的，则可以利用和的关系计算出沿着方向的投影，当V大于0时，此时的竖直方向的运动加速度沿竖直向下方向，若小于0，则沿竖直向上方向。1.3论文各章节的主要内容 通过对现有的动作识别方法的研究，设计了基于加速度传感器的人体运动能耗和日常动作及睡眠监测系统。本系统的最终目的是通过本系统监测人体日常活动量和睡眠质量以便于分析人体的健康状态并通过这个给出对人体健康的指导。本系统的关键在于人体的加速度采集，加速度的计算、动作识别的实现、睡眠质量分析的研究。 本文的组织结构正是基于上面的考虑而得出的。 第一章是本论文的背景与意义； 第二章是加速度监测系统硬件结构； 第三章是系统软件部分； 第四章是实验方案说明及实验结果与分析； 第五章是总结和展望；最后是参考文献以及致谢2 加速度监测系统硬件结构 该系统主要监测人体的运动日常加速度。本节主要介绍加速度检测系统的硬件结构和相关芯片。加速度监测系统主体硬件主要由ADXL375加速度传感器、存储数据的存储芯片、数据处理的微处理器、通信蓝牙、电源电路以及滤波电路和信号传输电路等组成，系统框架和信号流向如图2.1所示。图2.1系统框图和信号流向由图2.1 可知，系统通过ADXL375加速度传感器检测到人体身体运动时的加速度信号，当测量的加速度信号通过ADXL375加速度传感器把信号直接转成数据信号，通过数据输出口，把数据经过滤波电路进行噪声信号滤波后进入MSP430F149微处理器的进一步处理之后，送入静态存储器AT45DB081中存储，通过蓝牙通信模块把存储的数据送入PC机进行数据分析，进而得到人体的活动量和身体状态。我们为了方便采集数据，令系统采用纽扣电池和直流电源这两种方便供电的方式，采集数据时便于脱机使用，我们可采用纽扣电池，不过本文采用直流电源。2.1 ADXL375的介绍 最新ADXL375是一款可以检测来自任意方向大的加速度的三轴数字加速度计，且无需外部的ADC数模转换电路来转换模拟信号和数字信号，具有I2C和SPI（含有三线和四线输出）两种数字输出，其优点还包括了： 1、它仅3mm*5mm*1mm LGA的封装，对于测量时的穿戴变得非常方便。 2、ADXL375在采样的速率高达3.2kHz，自带的1.6kHz的带宽非常之高。 3、在高达3.2kHz采样频率下的工作的电压为2.5V电流仅为145A，待机状态下的功率为0.1A2.5V。 4、在符合程序设置的程序下的促发条件下，MCU就能保持工作并记录下随时可能发生的加速度冲击事件。MCU要想解放出来，内置FIFO模块成了良好的选择。相关促发条件下，器件会自动的记录和存储加速度的数据，MCU就能达到唤醒条件并读取这部分数据。5、大多传感器都有中断，中断是为了更好的处理时间，ADXL375含有的支持冲击、运动、静止、FIFO的内置。6、因为传感器的处理电路部分（ADC电路等）的限制，所以大量程加速度计很难实现。根据电容式加速度计因为两个极板间电容值的变化而产生电信号的工作原理，量程的设计与电容值变化成反比。为了解决这个问题，ADI就显得越发有优势了，大量程200g就可以实现了。 图2.2为ADXL375引脚图配置，表2.1为引脚功能描述。图2.2 引脚配置表2.1引脚功能描述引脚编号引脚名称说明1VDD I/O数字接口电源电压。2GND地。该引脚必须接地。3RESERVED保留。该引脚必须连接到VS或保持断开。4GND地。该引脚必须接地5GND地。该引脚必须接地。6VS电源电压。7CS片选。8INT1中断1输出。9INT2中断2输出。10NC内部不连接。11RESERVED保留。该引脚必须接地或保持断开。12SDO/ALT ADDRESSSPI 4-线式串行数据输出(SDO)/I2C备用地址选择(ALT ADDRESS)。13SDA/SDI/SDIOI2C串行数据(S DA)/SPI 4线式串行数据输入(SDI)/ SPI 3线式串行数据输入和输出(SDIO)。14SCL/SCLKI2C串行通信时钟(SCL)/SPI串行通 信时钟(SCLK)。2.2系统硬件组成 加速度传感器的日常活动量监测系统主要包括ADXL375加速度模块来采集信号，主控制器模块对处理信号进行处理，数据存储模块来进行数据存储并使信号通过蓝牙通信模块来传递，以及电源管理模块来提供模块的运转和日常活动量及睡眠监测算法模块来实现最终结果的算法。在这几大模块间可能加入些许小模块进行连接。 由于电路图太大，我把电路图放大后截成两半的图如总电路图2.3和总电路图2.4。 由于电路图太大，我把电路图放大后截成两半的图如总电路图2.3和总电路图2.4。图2.3总电路图图2.4 总电路图2.2.1传感器部分ADXL375三维加速度计可以检测六个方向上的加速度，可以识别并测上下走、跑步、跳动、上下爬楼加速度。剧烈的变化也能很好的反映出来它具有高分辨。使ADXL375 数字加速计进行数据输出时，无需进行模拟量和数据量的相互转换，从而可以节省系统成本与电路板面积连接部分。在接入到MSP430F149的微处理器采样信号之前，我们需要考虑噪声的问题。由于ADXL375芯片内部的开关电容能产生时钟噪声，因此需要在输出端接RC滤波信号如图2.5所示。图2.5 滤波电路2.2.2单片机的选择在该系统中采用了外国公司首发的MSP430F149控制器，这种控制器功耗超低，而且是混合信号的控制器，可以进行几个信号的传输，具有16 位RISC结构，它提供了大量的片内外设（看门狗、定时器、比较器、乘法器等）。CPU中的16位存储器和常熟发生器可以大大提高代码效率，而灵活的时钟选择也可以有效降低能耗，具有8通道12位，该单片机含有A/D转换器而且速率为200kbps，自带有采集保持，此外，这款微处理器还具有两通道串行通讯接口，因为我们可以同步或者异步，这样可以简化数据传输和存储电路的设计如图2.6所示。图2.6 MSP430F149(带有电源电路)2.2.3 I2C模式输出电路ADXL375可以使用I2C模式和SPI 模式，本毕设采用I2C模式，I2C正确操作需要外接上拉电阻RP见下图2.7。为了消除电源噪声而对加速度计进行去耦的操作，在VS与VDDI/O处分别连接一个电容(CS)与陶瓷电容(CI/O)，其大小分别为1 F与0.1 F。利用单独的电源与VS和VDDI/O连接，这样能尽量时钟噪声。本文中我利用一个独立电源，在电源部分我会提及，其需要附加电源过滤的滤波电路。图2.7 I2C模式下的ADXL375电路连接2.2.4电源部分本系统需要使用+5V、+3.3V、+2.5V的直流稳压电源，其中AT45DB081工作的电压是2.5-3.5V电源，我给它3.3V，MSP430Fl49需要+5V电源，另外部分需要2.5V提供给传感器供电。在本系统中，+5V直流电压为输入电压，+5V、+3.3V和+2.5V为直接的线性降压。因为过程中可能产生不稳定电压，因此加电容滤波电路。原理如图2.8所示 图2.8 供电电源部分电路 2.2.5晶振部分MSP430F149使用的晶振包括高速晶振和低速晶振，本文选择称为第二振荡器，这个晶振是高速晶振XT2，在XT2可以高达8MH中我们采用4MHz的晶振频率，其原理如图2.9所示。图2.9 晶振部分2.2.6复位部分电路我们选择常用的功能手动来进行复位，本监测系统采用复位芯片IMP811来实现复位，其如图2.10所示。 图2.10 复位电路部分 2.2.7存储模块电路加速度信号进过滤波电路滤波处理后进入微处理器MSP430F149进行进一步的处理，为了能够脱机存储数据，本系统选择了由Atmel公司生产的静态存储器AT45DB081组成，AT45DB081工作的电压是2.5-3.5V，可以提供休眠（2A)以节省能耗，AT45DB081提供8650752位（bit）的存储空间，总共4096页（page),每页264个字节（byte)，可支持页操作或者块操作（block，每八页为一块），此外还可以通过交替使用内部的两个SRAM页缓存来实现连续操作。MSP430F149和AT45DB081之间数据通信采用SPI接口，进而简化电路的设计，如图2.11所示。图2.11 MSP430F149的存储电路2.2.8蓝牙通信本文采用蓝牙模块4.0 BLE。该模块含有串口通信与直驱模式，该模块具有无需任何蓝牙协议栈及射频应用经验；具有高速传输速率6Kbps/S，高达80m3的传输空间，功耗超低，它支持一些手机通讯等优点。其与微信处理器连接如下图2.12所示。 图 2.12 蓝牙模块通过以上设计，完成后的加速度活动量监测系统实物，如下图2.13所示。图2.13 实物电路图2.3本章小结 本章主要是对系统芯片ADXL375做了详细介绍，并对系统的硬件组成做了分析，为接下来的实验铺好了硬件基础。3 系统软件部分3.1 动作识别及采集分析框图图3.1 动作识别采集分析系统框图软件主体构想为数据软件处理部分，一般通过设计适当的滤波器来得到理想的信号，为后续的分析做准备。特征提取和选择部分，采用统计技术、数学方法或者信号处理方法提取适当的能够表征该段信号的特征。最后将提取出的特征，采用模式识别方法进行分类。3.2 坐标系调整在数据采集之前，我们要进行校正，这个校正包括对于坐标系的调整以便于最后数据分析的过程中，对于各轴的加速度分析。构成的加速度传感器，坐标轴的关系是其不可忽视的非常重要的信息。坐标系是我们在使用传感器是需要注意的一个非常重要的概念，如果我们通过加速度传感器采集到的数据脱离了坐标系，那我们我们采集到的数据就很难与立体空间中的物体的实际物理量进行对应。下面是静止站立时的人体加速度计的坐标调整图。图3.2 传感器的坐标系3.3 加速度信号的提取和预处理3.3.1概述加速度测量的过程中，不可避免的采集到的信号包含了不是本实验得到的信号，而此过程中输出的加速度信号会是其它的几种信号的叠加：第一是重力加速度信号，这个信号分量在-1g1g之间；第二部分是人体运动产生的加速度，这个加速度是我们重点要的加速度，是主体；第三部分是佩戴者因自身因素或外界因素产生的抖动信号和第四部分测量时的系统噪声信号就需要通过滤波器加以滤除；第五部分是因设备佩戴方式不当，与佩戴者之间发生相对运动（如脱落或者松懈）而产生的输出信号，这个能人为的避免，实验前只需要确保其安放位置正确。3.3.2数据预处理对于数据预处理阶段的主要任务包括三方面：1)方面是噪声的滤除,利用中值滤波进行噪声的处理；2)分离运动加速度和重力加速度，通过低通滤波进行分离；3)对加速度的坐标轴进行系统校正，实验的难度正是校正。对于以上的不需要的输出信号，我们需要加以滤除并分离重力加速度和所需要的信号，这样，我们就得采用中值滤波和低通滤波这两种传统滤波方法。1、中值滤波。因为加速度传感器的输出信号是几种不同信号的叠加，而这些输出信号有参杂大量的时钟脉冲噪声，因此需要加以滤除。采用这种非线性的信号处理技术应用的中值滤波器，给定的长度窗每划过原始信号序列，它就利用窗所包含的信号的中值来代替窗内的样本值，用这种方式来消除不需要的信号。研究表明，在滤除加速度信号中的脉冲信号方面，窗长为n=3的脉冲信号效果最好。2、低通滤波。从上面我们知我们要分离出所需要的加速度，必须先把重力加速度滤除。人体运动所产生的频率在1-20HZ左右，而重力分量的频率分布在0.20.5HZ，两个信号叠加在一起，因此我们需要一个1HZ低通滤波器，在我看到的文献当中，作为分离加速度分量的信号的低通滤波是一种常用的方法之一。3.4 数据特征提取3.4.1动作识别研究者们研究总结出了很多成熟的人体运动加速度的算法，本监测系统主要是根据人体加速度的不同阈值进行不同动作的识别。经过了本人查资料了解并结合本文的实际情况，最终选择几何均值GM作为特征值的选取。1、 特征量GM的提取本监测系统采用的GM主要是输出的各轴加速度而产生的几何均数，见公式3.1,其中Ax、Ay、Az分别为的各轴输出人体运动加速度，单位为g。 (3.1) 人体的运动在空间任何一个方向都会产生加速度上的变化，由于单一轴的加速度影响判断，所以系统选用了三轴加速度的几何均值来进行判断，这样可以更好利用阈值来体现人体的动作。3.5 动作识别算法随着科技发展和研究者的大量研究，出现了各种算法和硬件的手段，对于人体健康状况的直接监测变得越受大家的关注。由此而提出了应用模糊控制，神经网络或者统计学等算法。目前动作识别方面被广泛接受的方法有两类：固定阈值和基于参考模式的分类方法，前者是通过阈值判决器区分人体活动状态；后者是根据活动时的样板样本的相关程度来区别人体活动状态。由于人体的运动能耗跟体重、运动速度、坡度等有很大的关系，目前很多的方法都是根据运动能耗和这几者的关系进行检测。 根据以上的的研究方法，我们根据特征量GM来有效的区别人体的日常活动。因此本监测系统采用基于阈值的二叉判决法，阈值TH的大小可以通过第四章的研究接结果进行选取，通过不断的比较GM与TH的大小，来识别出人体的日常活动是什么，其判决方法如图3.3所示。图3.3基于GM阈值的二叉判决法3.6本章小结本章介绍了软件部分的c语言编程和动作识别流程，以及部分算法公式，为下章的实验及结果分析做准备。4 实验方案以及算法分析4.1概述利用该系统进行人体运动识别时，其精度受到很多方面的影响，如：仪器佩戴位置、人体行走或者跑步速度、人体运动场所（比如斜坡的影响）。该系统的目的是通过监测和记录人的运动信息和数据指标，指导被测者进行科学的、有效的运动，促进人体的健康。本次实验的目的主要是两点：识别人体的动作（走、跑、跳、爬楼、站立等基本动作）和测对人体睡眠的测量。4.2实验方案 本次实验分两部分进行，第一部分是进行动作识别实验，主要识别走、跑步、上下楼梯、跳和站立以及躺动作的翻身测量识别；第二部分是进行睡眠测量实验。动作识别实验主要是为能耗的睡眠做铺垫，我们可以通过识别的动作，具体估计其能耗的范围。4.2.1动作识别实验以及数据分析 传感器应安应考虑到人体力学的原理，躯干部位是最好的选择，因为它代表了身体大部分的重量(身体的重心所在)。基于以上原因也有人提出将传感器安放在肢体部位更合适。归纳起来，还是将传感器安放于胸部的原因如下： (1)有研究者已经经过多方面的实验证实了躯干位置比其它位置容易检测行走的人体加速度。(2) 人在行走的过程中因为肌肉力量的对称性而使得没有必要选择腿部测量。(3) 手的质量较轻，手的运动幅度太大，加速度测量代表人体运动不准确。本实验在实验楼进行，根据动作的类型不同，将实验分成6组进行。具体见每个类型的动作分三次测量共18次的实验，如表4.1所示。表4.1 动作识别实验方案组别第1组第2组第3组第4组第5组第6组运动方式跳动跑步上楼下楼走路站立 如下图4.1、4.2、4.3分别是人在上楼、跳动和下楼时的加速度输出图。图4.1 是未经过重力加速度信号滤除的上楼波形图图4.2 是未经过重力加速度信号滤除的跳动波形图图4.3 是未经过重力加速度信号滤除的下楼波形图从图中分析可以得出基于GM阈值分析方法中，我们不可能绝大部分都超过分析的波形阈值，只要在一定的时间内保证有百分之八十GM的值超过TH以上的,就算那个动作。算出的人体的第一个阈值TH1为76.6，GM的值超过了这个数值就是上下跳动，依次类推：TH2 为75.9，超过这个值小于TH1就是跑步；TH3 为75.6，超过这个值小于TH2就是上楼；TH4为75.4，超过这个值小于TH3就是下楼；TH5为75.05，超过这个值小于TH5就是走；小于TH5的就是站立不动。本文只是就动作进行识别，时间可以通过计时器计时。当然，看图中也可以根据单位时间内的波形波峰或者波谷个数多少判别是某个动作，不过不大准确。本次实验注意的是以下几个方面： 1、实验对象的选择：本次实验选择了一位志愿者分别进行实验。其中身高均为170cm，体重60kg，年龄23周岁，身体健康。 2、实验方案的选择：为保证数据采集的可靠性，实验中，对每个部位的六种行为分别进行3次实验数据的采集，因此，实验中每位志愿者都需要采集18次数据，数据采集两分钟，为确保所采集的数据不受到实验中佩戴的影响，每次数据采集前进行佩戴仪器的校验，即查看每次数据采集前，仪器在静止状态下的数据输出，若数据发生变动，则进行校正。3、 系统对选择的采样频率本系统的人体运动的频率因为低于20Hz，所以本系统对采样频率的要求不需要太高，因此本系统采用的ADXL375加速度传感器的采样频率足够了。人体步行时，其上身部分的频率的竖直分量主要集中在0.8Hz-5Hz的范围（幅值范围为-0.3g-0.8g），而躯干部分和头部的水平分量主要集中在1Hz-18Hz的范围（幅值范围为3.0g-12.0g);而躯干部分和头部的竖直分量分别在0.9g-5.0g和0.8g-4.0g之间。研究者总结了人体身体在0Hz-20Hz之间的主干部分频率，其加速度分量一般也不会超过6g,所以本系统采用的ADXL375加速度传感器灵敏度足够，而且量程很大，足以胜任工作。本系统采样频率的选择是50Hz。4.2.2睡眠质量分析实验如图4.4为某天从晚上8点到第二天清晨8点（共12个小时）的活动量监测结果如下图所示，从图中可以看出，该名实验对象共有40分钟处于浅睡眠状态，剩余680分钟处于深度睡眠状态。其中，大部分浅睡眠发生在刚进入睡眠阶段和醒来之前阶段（20:00-22:00, 6:00-8:00），深度睡眠发生在夜深时候（23:00-0:00, 2:00-4:00）。1:00-2:00时间内发生的短暂的活动量，可能是由于做梦或者翻身等原因引起，而4:00-5:00时间内发生的较长时间的持续活动量，可能是由于起夜上厕所引起的醒来和再次进入睡眠前导致的。图4.4 某天睡眠睡眠质量分析结果4.3本章小结 本篇章通过对人体动作识别识别和睡眠的监测来阐述了动作识别与睡眠质量监测实验的具体方案并对实验的条件进行了详细介绍，为接下来的实验和数据分析做好铺垫得出了各个实验阈值。5 总结与展望本设计还有很大的改进的地方，例如，人体日常活动量可以是能耗的测量。而且实验过程中也有它的局限性，分组过少得出的数据较少，没有考虑对比方法就直接采用GM平均值法，站立和躺的GM可能判别不出，得不到人体睡眠质量的准确值等。基于加速度传感器的日常活动量和睡眠质量监测系统中，我认为日常活动量包括人体动作和活动时间，而动作识别对人体的健康（特别是老龄人）有着举足轻重的重要，目前每年很多老人死于因跌倒而未获及时抢救，如果能检测老年人的跌倒，无疑是巨大的贡献。人体睡眠质量监测是一种目前少有人探讨的方向，为睡眠监测拓宽了路。基于上述的考虑，基于加速度的日常活动和睡眠在未来仍然具有很大的发展空间，在市场上这方面的产品基本上处于空白空间。参考文献1 刘贤臣,唐茂芹,胡蕾等.学生睡眠质量及其相关因素J.中国心理卫生杂志, 1995,9(4):148-150+191.2麦锦城,徐惠珍,周丽云.广州市部分中学生睡眠质量调查J .中国学校卫生,2004,25(5):547-548.3 Brown FC,BuboIlz WC Jr,SoPer B.Relationship of sleep hygiene awareness,sleep hygiene practices,and sleep quality in university studentsJ.Behav Med,2002,28(1):33-38.4Palazzolo J,Piala JM,Camoin C,et al.Apropos of sleep quality in students:prospective studyJ.Encephale,2000,26(4):50-57.5范志祥,田学隆,温惠中,et a1.腕活动睡眠监测仪的设计J.仪器仪表学报,2007,28(8)：45-48.6JAMES W P T.WHO recognition of the global obesity epidemicJ.International of obesity,2008,32:s120-s126.7JAMES P T.Obesity:the worldwide epidemicJ.Clin Dermatol,2004,22(4):276-280.8OBESITY.preventing and managing the global epidemic.Report of a WHO consultationJ.World Health Organ Tech Rep Ser,2000,894:1-253.9翟屹.赵文华.肥胖疾病负担的研究现状J.中华流行病学杂志.2007,28(1):95-97.10赵文华,翟屹,胡建平等.中国超重和肥胖造成相关慢性疾病经济负担研究J.中华流行病学杂志,2006,27(7):555-559.11陈春明.防治肥胖刻不容缓J.中华预防医学杂志,2001,35(4):291-29212陈雷,杨杰,沈红斌,et a1.基于加速度信号几何特征的动作识别J.上海交通大学学报，2008,42(2):19-2213李月香,刘燕,袁涛,et a1.基于加速度信号的走路模式多级分类算法J.电子学报，2009,37(008):1794-179814AMINIAN K,ROBERT P,JEQUIER E,et a1.Incline,speed,and distance assessment during unconstrained walkingJ.Medicine&Science in Sports&Exercise,1995,27(2):226.15KlANI K SNIJDERS C,GELSEMA E.Computerized analysis of daily life motor activity for ambulatory monitoringJ.Technol Health Care,1997,5(4):307-3l816BOUTEN C VC,KOEKKOEK K T M，VERDUIN M,et a1.A triaxial accelerometer and portable data processing unit for the assessment of daily physical activityJ.IEEE Transactions on Biomedical Engineering,1997,44(3):136-14717MATHIE M.Monitoring and interpreting human movement patterns using a triaxial aceelerometerD.m University of New South Wales,200318侯文生,戴加满,郑小林,et a1.基于加速度传感器的前臂运动姿态检测J.传感器与微系统,2009,28(1):106-10819姬军,刘亚军,张鹏,et a1基于加速度传感器检测睡眠中的周期性腿动事件J.中国医疗设备,2008,23(5):23-2520范志祥,田学隆,温惠中,ct a1.腕活动睡眠监测仪的设计J.仪器仪表学报,2007,28(8):45-48.21 SAZONOV E,SAZONOVA N,SCHUCKERS S,et a1.Activity-based sleep-wake identification in infants rJ.Physiological Measurement,2004,25(1291)22 KISHIMOTO Y,AKAHORI A,OGURI K.Estimation of Sleeping Posture for M-Health by a wearable tri-axis aceelerometerC.2006Proceedings ofthe 3rd IEEE EMBS.45-4823Stephen J.Redmond,Conor Heneghan.Cardiorespira