MM1314午夜免费视频

                    24小時論文定制熱線

                    咨詢電話

                    熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
                    您當前的位置:論文定制 > 畢業設計論文 >
                    快速導航
                    畢業論文定制
                    關于我們
                    我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
                    代做畢業設計
                    常見問題

                    野外訓練計算機輔助系統的研究

                    添加時間:2021/08/16 來源:未知 作者:樂楓
                    野外訓練中采用傳感器技術采集士兵的各項運動參數,對上述提到的各種復雜情況,是一種有效的實施方法,可以滿足野外訓練的各種情況。
                    以下為本篇論文正文:

                    摘 要

                      野外訓練是提升部隊士兵體能和戰斗力的重要方式,對于建立強軍強國的部隊具有重要意義。計算機輔助訓練技術的應用,對軍事訓練過程中的士兵信息管理、訓練方案的實施、士兵運動狀態的檢測、保障訓練過程安全等方面,都有非常實際的意義。計算機輔助訓練的關鍵是訓練場所士兵訓練的實時數據采集,對運動形態的模式識別。

                      野外訓練的地理環境復雜,包括山林、湖泊等;訓練時間段不定,白天夜晚都有訓練任務;訓練場景多樣,會放置形狀各異的障礙物;參訓人員數量較多,人員之間經;ハ嗾趽。這些因素對于基于圖像處理技術的運動形態模式識別、全天候使用存在一定的難度,某種程度上應用受限。

                      野外訓練中采用傳感器技術采集士兵的各項運動參數,對上述提到的各種復雜情況,是一種有效的實施方法,可以滿足野外訓練的各種情況。人體裝備的傳感器不受白天黑夜的影響,周邊的障礙物和人員的重疊不會影響傳感器的數據。

                      根據野外訓練的特殊場合,本文研究的野外訓練計算機輔助系統,信息采集和運動模式識別主要基于傳感器技術。

                      論文主要做了以下幾方面的工作:
                      1)分析系統的功能需求,給出系統設計方案,由用戶單元模塊、上位機接口和計算機三部分組成系統。用戶單元模塊是可穿戴式設備,由部位數據采集單元和數據匯總單元組成,采集每一個士兵裝備的傳感器運動信息并發送出去;上位機接口接收單元模塊用于接收和存儲多個訓練士兵發送的數據,向計算機發送數據;計算機實現對數據的處理。確定用戶單元模塊內部信息采用無線通信方法、用戶單元模塊和上位機接口單元模塊采用 LoRa 通信方法、上位機接口單元模塊和計算機采用 LAN 通信方式。

                      2)根據系統設計方案,對加速度傳感器、大氣壓傳感器、定位傳感器、無線通信模塊、PHY芯片和微處理器等選型、確定接口電路。

                      完成原理圖設計、PCB 布局和硬件電路制作。

                      3)上位機接口部分的軟件設計。在嵌入式處理器中通過移植FreeRTOS 設計一個數據管理存儲系統,對上位機接口中的 Flash,單元索引為每個用戶單元模塊保存識別信息以及現場工作數據,對Flash 的數據采用 FAT 管理,單元的運動信息包括 GPS 位置、高度、步數及運動類型,用結構體的形式保存到單元信息。另外用三個線程分別實現以太網通信、LoRa 通信管理和運動數據運算。

                      4)部位數據采集和數據匯總單元的軟件設計,對大氣壓傳感器和加速度傳感器的實時數據進行分析,根據加速度傳感器的數據變化規律,控制傳感器的轉換速率。檢測在設備不使用的情況下,關閉大氣壓傳感器。以滿足穿戴設備節能低功耗的需求。微處理器通過串口的 RX 端口接收北斗定位信息,由于通信數據速率高,USART 采用DMA 工作模式接收北斗數據。對 LoRa 模塊的協議棧進行移植。LoRa的 SPI 同樣采用 DMA 通信方式。通過 DMA 控制,可以大幅降低微處理器的負荷。

                      關鍵詞:可穿戴式設備;低功耗;無線數據采集;LoRa 通信

                    Abstract

                      Field training is an important way to improve soldiers' physical fitness and combat effectiveness. It is of great significance to establish a strong army. The application of computer-aided training technology has very practical significance for soldier information management, the implementation of training scheme, the detection of soldier movement state, and ensuring the safety of training process. The key of computer-aided training is the real-time data acquisition of soldiers' training in the training place and the pattern recognition of movement form.

                      The geographical environment of field training is complex, including mountains, forests, lakes, etc; The training period is uncertain, and there are training tasks during the day and night; There are various training scenes, and obstacles of different shapes will be placed; There are a large number of trainees, and they often block each other. These factors have certain difficulties in motion pattern recognition and all-weather use based on image processing technology, and their application is limited to some extent.

                      Using sensor technology to collect soldiers' motion parameters in field training is an effective implementation method for the above-mentioned complex situations, which can meet various situations of field training. The sensors of human body equipment are not affected by day and night, and the overlap of surrounding obstacles and personnel will not affect the sensor data.

                      According to the special occasions of field training, the computer-aided system of field training studied in this paper is mainly based on sensor technology.

                      The main work of this paper is as follows: 1) analyze the functional requirements of the system, and give the system design scheme, which is composed of user unit module, host computer interface and computer. The user unit module is a wearable device, which is composed of a position data acquisition unit and a data summary unit to collect and send the sensor motion information of each soldier's equipment; The upper computer interface receiving unit module is used to receive and store the data sent by a plurality of training soldiers and send data to the computer; The computer processes the data. It is determined that the internal information of the user unit module adopts the wireless communication method, the user unit module and the upper computer interface unit module adopt the Lora communication method, and the upper computer interface unit module and the computer adopt the LAN communication mode.

                      2) According to the system design scheme, the acceleration sensor, atmospheric pressure sensor, positioning sensor, wireless communication module, PHY chip and microprocessor are selected and the interface circuit is determined.

                      Complete schematic design, PCB layout and hardware circuit making.

                      3) Software design of host computer interface. In the embedded processor, a data management storage system is designed by transplanting FreeRTOS. For the flash in the upper computer interface, the unit index saves the identification information and field work data for each user unit module. The flash data is managed by fat. The motion information of the unit includes GPS position, height, steps and motion type, Save to cell information in the form of structure. In addition, three threads are used to realize Ethernet communication, Lora communication management and motion data operation respectively.

                      4) The software design of part data acquisition and data summary unit analyzes the real-time data of atmospheric pressure sensor and acceleration sensor, and controls the conversion rate of the sensor according to the data change law of acceleration sensor. Detect that the atmospheric pressure sensor is turned off when the equipment is not in use. To meet the needs of energy saving and low power consumption of wearable devices. The microprocessor receives Beidou positioning information through the RX port of the serial port. Due to the high communication data rate, USART adopts DMA working mode to receive Beidou data. Porting the protocol stack of Lora module. The spi of Lora also adopts DMA communication mode. Through DMA control, the load of microprocessor can be greatly reduced.

                      Keywords: wearable device; Low power consumption; Wireless data acquisition; Lora communication

                    目錄

                      第一章 緒論

                      1.1 研究背景及意義

                      野外訓練是部隊中士兵訓練的一個重要項目,可以提升部隊士兵的體能和戰斗力,對于建立強軍強國的部隊具有重要意義。野外訓練包括野外行軍、部隊駐扎、實彈射擊等。為更接近實戰,部隊會選擇野外無人區進行訓練,培養士兵對陌生地域的適應性、鍛煉野外生存能力。

                      野外地勢環境復雜,包括山林、湖泊等;訓練時間不定,白天夜間都有訓練任務;訓練場地范圍大,會有障礙物對人進行遮蔽;訓練人員數量多,人員之間存在肢體遮蔽。訓練中存在一定危險性,所以需要保障訓練人員的安全以及體能進行估計,需要計算機輔助訓練,關鍵在于訓練的數據采集以及運動形態的識別。

                      目前基于視覺圖像技術的運動識別方法在野外全天候的使用中具有局限性,而基于傳感器技術的運動識別方法可以解決以上的問題,不受光線和設備部署的局限,可實現對每個訓練人員的運動信息進行采集。

                      目前傳感器以體積小、功耗低、性能穩定等特點常用于人體運動識別中。通過有線傳輸數據方式佩戴傳感器會影響到正常訓練,采用低功耗無線傳輸的方式不影響運動且可以實現數據傳輸到計算機當中。上述傳感器技術、通信技術、計算機等幾部分的組成,構成一套嵌入式穿戴式智能設備,當前嵌入式設備以其成本低、功耗低等優勢適用于戶外運動中。

                      本文設計的野外訓練計算機輔助系統,關鍵在于通過收集訓練人員的運動信息,識別運動狀態,對訓練效果的評估和訓練方案的設定提供基礎依據,在軍事訓練中具有很重要的現實意義。

                      1.2 研究現狀

                      1)加速度傳感器在人體動作識別應用方面的研究現狀早于 1953 年,Saunders 等人就在人體動作識別研究中引入加速度傳感器的運用[1],但由于早期的加速度計體積大、質量重、價格高等客觀因素,其相關的研究工作和應用市場都比較匱乏。直到近年來,隨著 MEMS 慣性傳感器的技術發展逐漸成熟,其價格低、耗能低、體積小、質量輕、精度高、工作穩定等特點,使得傳感器在科學研究和實際應用領域都得到廣泛的使用。

                      加速度傳感器為運動數據的采集提供數據支撐。Saunders 等人提出一種基于三軸加速度信號的失重特征識別方法,利用向量機(SVM)對四個活動進行分類識別,平均準確率為 97.21%,優于基于傳統的時域特征方法,針對加速度計不同位置有較強的魯棒性[2].He 等人提出一種基于人體佩戴式無線加速度計的精確活動識別系統,加速度計佩戴在腰間,采集到的運動數據區分六種日常生活活動和過渡活動,應用于病人監護的實際應用中[3].Khan 等人提出分層識別方法,基于胸部安裝一個三軸加速度計數據,在低層次,通過統計信號特征和人工神經網絡(ANNs)用于識別活動所屬的狀態。上層使用加速度信號的自回歸(AR)模型,可實現識別三種狀態和 15 種活動狀態[4].Curone 等人對一個可穿戴三軸加速度計產生的信號實時處理,實現人體姿態和活動水平檢測,在檢測到危險條件時啟動警報,可應用于老年人健康監測中[5].Yang 等人提出一種基于三軸加速度計的上下樓人體識別算法,該算法包括垂直加速度標定,特征(四分位距和小波能量)提取,包裝法特征選擇方法,支持向量機分類算法,實現傳感器在不同位置時(被測者腰帶上、褲袋中、襯衫口袋中)的上下樓梯識別[6].同一運動不同位置的加速度輸出會有所不同,存在內部差異,Khan 等人提出通過線性判別分析減少內部差異,實現對休息(躺著/坐著/站著),步行,上樓,步行到樓下,跑步,騎自行車和吸塵七個動作的區分,可適用于老年人的長期活動監測[7].

                      文獻[8]中將多個加速度傳感器放置在手腕、臀部、大腿、腳踝處,通過多特征方法可以識別到 30 個體育運動動作。郝立果提出以 ARM7、三軸加速度傳感器為核心,采用 5 個傳感器節點實現人體運動信息采集,實現用運動信息控制對電腦游戲[9].朱國康等人提出將加速度計配置在手腕處,為腕臂動作識別提供數據支持[10].Gao 等人使用三軸加速度傳感器捕獲大量動物身體運動和姿態數據,提出 SAAR ( Semantic Annotation and Activity Recognition)系統,對特定的動物行為進行識別[11].Vinh 等人使用基于加速度計的傳感設備,提出半馬爾可夫條件隨機場( semi-Markov Conditional Random Fields)的實現方法,可有效識別吃飯、開車等復雜活動[12].Catrine 等人使用佩戴在腰間的加速度計,測量兒童的清醒時間和睡眠時間,檢測人體的體育活動和久坐時間,給兒童肥胖、生活方式的研究提供數據[13].

                      Mangiarotti 等人設計一種可穿戴式的無線系統,該穿戴設備有兩個獨立單元,每個單元含有一個三軸加速度計和陀螺儀、一個安裝在 TinyDuino 平臺上的微控制器和一個電池,分別放置在兩個手腕上,采用藍牙通信技術實現與計算機的連接,用于實時識別籃球運動員的雙手動作[14].Burns 等人使用基于腕表的加速度計,對馬拉松中的運動員進行步頻的檢測,顯示了步頻與跑步速度、人體疲勞和人體特征的關系[15].Makhni 等人使用基于加速度傳感器的可穿戴式設備,放置在內側肘部,通過測量內側肘關節的扭矩,以及手臂速度、手臂槽和肩部旋轉等附加參數,實現棒球運動中對快速球、曲線球、變速球的識別[16].

                      3)穿戴式設備的研究現狀無線技術、低功耗電子產品以及物聯網的進步推動了可穿戴設備的創新。

                      Shang 等人指出智能穿戴設備在中國醫療保健中起了重要作用[22].Yasser 等人提出靈活且可擴展的傳感器與基于硅的低功耗電子設備相結合是一種可行且有效的醫療監控方法,用于監視人體生命體征(例如體溫,心率,呼吸頻率,血壓,脈搏氧合和血糖)的柔性醫療設備已應用于健康狀況監測和醫學診斷中[23].不久的將來可能存在機器人同步跟隨人類行動,Kim 等人提出通過手勢識別控制機器人暫停同步模式,穿戴式設備中使用三維加速度計識別人類手勢,使用 125 kHz低頻(LF)和 2.4 GHz 藍牙低功耗(BLE)兩種無線通信協議實現實時交互和同步 [24].Zhang 等人提出一個在劇烈運動中使用腕式光電容積描記信號進行心率監測的通用框架,稱為 TROIKA,該框架包括用于降噪的信號分解,用于高分辨率頻譜估計的稀疏信號 RecOnstructIon 以及帶有驗證的頻譜峰值跟蹤,該框架對于可穿戴設備(例如使用 PPG 信號監測心率是否適合健康的智能手表)具有重要價值[25].Abro 等人開發了一種智能保護皮帶,用 FBG 傳感器來監測膝蓋關節的運動,設計簡單并且易于佩戴和使用,持續收集準確的信息,在關節屈膝時,系統通過膝蓋的姿勢改變進行校準,避免運動中的關節受損,并用于識別實驗者各種靜態和運動姿勢下的身體姿勢,可用于體育運動以及在監測中風患者[26].

                      Roh 等人設計了一種恒溫的可穿戴式衣物,支持感應溫度和加熱操作,可以設定最佳舒適溫度,當環境溫度發生變化時,能及時調整溫度到人體最舒適的溫度[27].

                      4)2.4G 通信研究現狀通過 2.4G 無線技術可以實現短距離內的無線通信。米秋香將 WiFi、藍牙、2.4G 通信功能與終端設備組合,實現多種無線通信技術的結合,構建一種高性能、低成本的智能家居系統[28].呂剛等人結合 2.4 G 無線短距離通訊技術,設計絕緣子噴涂設備控制系統,實現了絕緣子的自動化噴涂和清洗[29].江武志等人給出一個以 STC89C52 為控制核心、nRF24L01 為無線通訊模塊的紅綠燈識別系統,對行車過程進行控制,紅燈停,綠燈行,防止汽車闖紅燈[30].王宇純等人通過nRF24L01 無線通訊模塊將各點溫度傳感器中采集到的數據傳輸至控制中心,實現了環境溫度的遠程測量[31].朱慧彥等人通過高性能 MCU 和 nRF24L01 無線傳輸芯片組成無線通信系統,通過軟件配置實現了多點對單點的雙向通訊,在網格化條件下實現了穩定可靠的無線通信[32].孫建朋以 ARM9 為核心,使用 Zigbee組建家居系統內部網絡,通過手機等移動終端對家居設備進行無線控制,實現家居系統自動化和智能化[33].肖林京等人通過電池檢測芯片和溫度傳感器精準檢測電池電壓和溫度數據,通過 nRF24L01 模塊實現傳輸的收發,通過上位機對數據進行存儲管理,實現大規模串聯鋰電池電壓、溫度參數的遠程無線檢測[34].劉婷以 STM32 為主控制器,通過 nRF24L01 模塊實現手持終端發送裝車站情況的數據到裝車站接收端,解決了人員對裝車站存在視覺盲區的問題,實現了操作人員對裝車站情況的實時控制[35].石瑛提出以 STM32 為處理器,綜合 Zigbee、藍牙和 WiFi 無線技術實現智能家居系統,Zigbee 實現各終端設備間的組網,藍牙實現用戶對整個系統的控制,通過 WiFi 實現傳輸數據至云平臺并處理,多傳輸模塊設計實現了用戶的個性化需求[36]. 5)LoRa 通信研究現狀LoRa 無線通信技術是一種低功耗、遠距離的無線傳感器網絡擴頻通信技術,最早由 Semtech 公司在 2013 年發布。2015 年 Semtech 公司建立 LoRa 聯盟,為眾多小公司提供 LoRa 服務,推動了低成本低功耗物聯網的發展[37].

                      LoRa 技術以其低功耗、遠距離傳輸等特點在無線傳感領域中有廣泛應用。

                      例如在漁業養殖方面,張錚等人利用低功耗的 LoRa 技術設計了雙信道網關,如果魚塘內有環境監測指標超標情況,向計算機發送警報,LoRa 技術既滿足低功耗的要求,又能實現數據實時傳輸的要求,給大面積魚塘的管理帶來新選擇[38].

                      室內空氣質量問題一直是人們的關注焦點,含有甲醛和揮發性有機物的空氣影響人體健康,周成狀等人利用 LoRa 模塊組建一種智能環境監測調節系統,可同時檢測室內氣溫以及空氣質量,通過LoRa模塊將采集到的數據發送到監控中心[39].

                      在農業大棚應用中,棚內溫濕度對作物的生長發揮重要作用,使用現代化農業是必然趨勢,仲宇璐等人利用 LoRa 技術對溫室內的溫、濕度進行自動監測,根據溫、濕度變化自動調整到適宜生長的溫、濕度環境,有效提高了生產質量[40].LoRa技術還廣泛適用于智能電表領域[41] .LoRa 技術不僅僅適用于室內、室外環境,在穿戴式設備中也得到了應用。在井下的電力施工中需檢測是否有易燃氣體和有毒氣體,施工人員佩戴基于 LoRa 的可穿戴式氣體檢測裝置實時監測井下空氣含量,利用 LoRa 傳輸到地面監測裝置,增加了通信距離和傳輸穩定性,增強了施工的安全性[42]. 6)人體動作識別的研究現狀早于 1973 年,心理學家 Johansson 做了人體運動感知實驗[43],發現人體的運動識別可以通過人體肢體關節點的運動來識別,對 10-12 個關節點進行組合追蹤,可以刻畫出跳舞、走路、跑步等人體行為。人體動作識別一直是研究的熱門領域,在跌倒檢測、醫療監控、動作追蹤、人機互動、體育訓練等領域得到了廣泛的應用。

                      Li 等人將軌跡池卷積與 3D 卷積方法相結合,提出一種新的用于動作識別的多尺度軌跡池 3D 描述符對人體動作進行識別,提高視頻中的動作識別效率[44].

                      李玉明利用 Kinect 獲取骨骼信息,通過肢體姿勢識別實現人體姿勢識別,提取肢體信息特征值,根據基于骨骼向量特征值的模板匹配算法設計的分類器實現人體姿勢識別,識別率高達 98%,解決了人體姿勢識別算法復雜度高、不易實現的問題[45].胡春生等人基于安卓機內置的傳感器,提取傳感器特征值,利用網格搜索法、遺傳算法對參數進行尋優,提高人體運動識別準確率,可識別人體行走、站立、跑步等動作 [46].Lei 等人提出使用回歸模型,基于 RGB 視頻數據中的細粒度評估函數對人體動作進行識別,對動作質量進行評估,用于體育動作的評估打分[47].Majd 等人基于 RGB 圖像,提出使用光流的時空視頻識別網絡,估計運動光流并提取時空特征,實現對人體動作識別,在計算時間上具有優勢[48].Yadav等人基于 RGB 圖像,使用基于卷積神經網絡(CNN)和長短時記憶(LSTM)的深度學習算法,實現對瑜伽 6 種體式的識別[49].Nazir 等人提出一個動態時空表情袋(D-STBoE)模型進行人類行為識別,適用于現實場景中出現視圖獨立、遮擋的問題[50]. 7)軍事模擬訓練研究現狀Fan 等人通過身體局域網(BAN)(有線)收集訓練數據,實時識別士兵的身體動作或姿勢,將虛擬現實技術與 BAN 結合在一起,在虛擬環境中捕獲步行、跑步、射擊等動作,可以提供訓練過程中完整的信息,實現真實的虛擬訓練[51]

                      陳苒君等研究的基于計算機視覺的士兵對抗系統,使用視頻流的運動檢測與跟蹤,實現對視頻中士兵運動形態的識別與跟蹤,通過運動軌跡判斷士兵是否被擊中,進而判斷士兵對抗結果,既保證了訓練的實時真實性,又保護了士兵的訓練安全[52].在真實戰場中,為了保證士兵的健康狀況與安全問題,Pulimamidia 等人提出使用遠程士兵健康檢測工具監測士兵身體狀況,采用 GPS 定位技術支持跟蹤士兵位置,通過無線通信提供與基站服務器的連接[53].

                      1.3 本文研究內容

                      野外訓練是部隊中提升部隊士兵的體能和戰斗力的重要方式,對于建立強軍強國的部隊具有重要意義。野外訓練包括野外行軍、部隊駐扎、實彈射擊等。為了更接近實戰,部隊會去野外山林進行訓練,培養士兵對陌生地域的適應能力、鍛煉野外生存能力。野外訓練在提升士兵的體能和戰斗力的同時,也會伴有安全隱患,例如走失、掉下懸崖、運動量過度等。如果訓練方案不夠完善,訓練過程中出現訓練損傷,有悖于訓練的目的。訓練人員的運動信息反應了訓練的體能情況,對訓練方案、戰略計劃提供數據基礎,定位信息對及時救援具有重要作用。

                      針對上述背景,本文提出一種野外訓練計算機輔助系統,主要內容有:

                      1) 提出一個可擴展的穿戴式運動數據采集設備。

                      考慮到對訓練人員運動量的估計,需要對人體運動進行識別。雖然基于視覺的運動識別已經成熟,但是在本研究中,野外訓練地理環境復雜,包括山林、湖泊等,不滿足視覺采集設備的布置;同時訓練時間段不定,包括白天和夜晚的訓練,夜晚光線不佳影響采集圖像的質量;天氣情況復雜,刮風下雨等對圖像采集設備影響很大;訓練中會有很多障礙物遮擋,訓練人員數量多,人員之間相互遮擋,也會影響圖像內容的識別。用穿戴式傳感器檢測技術,根據傳感器數據進行運動識別,不受上述因素的影響,適合在野外環境應用。在人體的某個部位放置單個傳感器可以識別簡單的運動,滿足簡單的訓練要求。為了精準判斷人體運動的不同姿態和運動方式,可以采用可擴展的穿戴式設備,在人體的多個部位運動數據采集單元,再用一個數據匯總單元統一向外發送檢測數據。本系統作為野外訓練計算機輔助系統,需要采集訓練人員更多的肢體動作,以便判斷訓練動作和訓練強度是否符合訓練要求,因此需要在人體多個部位添加穿戴式設備,分別放置在肩膀、大腿、腳踝、手腕等處,擴展采集數據的范圍。同時需要考慮訓練時,同樣的肢體運動方式,上坡和下坡的運動量不同,因此本文設計的穿戴式部位運動數據采集單元需同時配置加速度傳感器和大氣壓傳感器,協同完成人體運動數據的采集。數據匯總單元還需添加 GPS 定位功能,為野外訓練發生意外時提供訓練位置,以便救援人員及時趕到現場營救?紤]到設備佩戴在身體各個部位,盡量不影響正常訓練運動,在硬件設計時以體積小、重量輕為標準。

                      2) 短距離傳輸和遠距離傳輸共同實現。

                      訓練現場采集到的數據需要發送到訓練指揮車上的計算機,進行數據的處理和存儲。野外訓練人員數量大,訓練范圍廣,訓練場地不定,基本沒有有線通信網絡,數據有線傳輸方式明顯不適用,故采用無線通信的方式傳輸數據。野外訓練時,訓練人員和指揮車的距離通常相距數公里遠,從現場訓練人員身上采集到的數據需要傳輸的距離大,必須采用大功率遠距離的 LoRa 無線通信技術。訓練人員個體內部各單元采集到的數據需要匯總到數據匯總單元,由匯總單元發送到指揮車計算機。為了不對人員的運動造成影響,訓練人員個體內部各單元和數據匯總單元也采用無線通信。由于個人身上佩戴多個設備,它們的信息如果也用遠距離方式傳輸,會對邊上其他人員產生干擾,所以人員個體內部采用可設定發射功率和發射通道的短距離通信方式?紤]到設備使用鋰電池供電,在采取傳輸方式時都以低功耗為標準。

                      3) 上位機接口板設計。

                      計算機與外界的數據傳輸方式只包含藍牙、WiFi、USB、LAN,無法通過 LoRa直接通信,為了實現計算機接收無線傳輸的數據,通過設計上位機接口板,實現與人員設備間的 LoRa 無線通信,與計算機之間通過 LAN 接口實現數據的傳輸,野外計算機的通信可靠性不強,為了數據能夠持續的接收,在上位機接口中添加一個存儲模塊,緩存無線傳輸過來的人員信息,和計算機再次連接時能保證后期的數據追溯,減小野外訓練輔助系統對計算機的依賴性。

                      4) 軟件設計。

                      在計算機中接收到的數據需要進行處理和存儲,考慮使用一個數據管理系統實現對每個人員的信息的管理和保存。通過程序設計實現數據采集設備的工作,包括各傳感器的工作方式以及無線傳輸的工作模式?紤]到整個設備使用電池供電,為了盡量延長電池使用時間,程序設計時盡可能考慮節能的工作方式。

                      1.4 論文結構

                      本文后續章節內容安排如下:

                      第二章,系統設計分析。分析系統需要完成的任務和功能,根據功能分析提出系統方案設計,闡述各個系統部分的功能要求,根據系統模塊之間數據傳輸的需求,分析當前常用的無線傳輸技術,確定系統的無線通信方案。

                      第三章,用戶單元模塊硬件設計。簡要闡述用戶單元模塊的功能,用戶單元模塊分為部位數據采集單元和數據匯總單元兩個部分,分別對兩個部分進行硬件電路設計,根據單元模塊的系統框架開始硬件芯片選型、模塊接口電路設計,最后完成整體電路設計以及 PCB 布線和制板。

                      第四章,上位機接口硬件設計。簡要闡述上位機接口的功能,完成從硬件模塊的選型到模塊接口電路設計,最后完成整體電路設計以及 PCB 布線和制版。

                      第五章,接口部分軟件設計。計算機與用戶單元之間通過無線通信進行數據傳輸,上位機接口通過軟件實現對采集數據的接收,提出用戶數據管理系統,對信息進行處理和存儲,通過三個線程實現各模塊的工作管理。

                      第六章,部位數據和數據匯總單元程序設計。程序控制各傳感器的工作模式,控制單元之間數據的無線傳輸,以及與上位機接口之間的無線傳輸。通過程序實現低功耗的工作模式。

                      第七章,總結與展望?偨Y本文的主要工作,針對本文系統提出進一步研究的方向,展望未來。

                      第二章 系統設計分析

                      2.1 系統功能分析

                      2.1.1 功能需求

                      2.2.2 性能需求

                      2.2 系統設計方案

                      2.3 近距離無線傳輸技術方案

                      2.4 遠距離無線技術方案

                      2.5 本章小結

                      第三章 用戶單元模塊硬件設計

                      3.1 部位數據采集單元硬件系統設計

                      3.1.1 功能分析和硬件結構

                      3.1.2 加速度模塊選型及電路設計

                      3.1.3 高度模塊選型與電路設計

                      3.1.4 2.4G 通信模塊選型及電路設計

                      3.1.5 微處理器選型及電路設計

                      3.1.6 電源電路設計

                      3.2 數據匯總單元硬件設計

                      3.2.1 功能分析和硬件結構

                      3.2.2 北斗定位模塊選型及電路設計

                      3.2.3 LoRa 模塊選型及電路設計

                      3.2.4 微處理器選型及電路設計

                      3.4 本章小結

                      第四章 上位機接口硬件設計

                      4.1 功能分析和硬件結構

                      4.2 微處理器選型及電路設計

                      4.3 外圍存儲模塊選型及電路設計

                      4.4 LAN 模塊選型及電路設計

                      4.5 網絡連接接口選型及電路設計

                      4.6 電源電路設計

                      4.7 本章小結

                      第五章 接口部分軟件設計

                      5.1 數據管理系統結構

                      5.1.1 單元索引

                      5.1.2 FAT 管理

                      5.1.3 單元信息

                      5.2 數據管理系統工作

                      5.2.1 數據初始化

                      5.2.2 數據保存

                      5.2.3 數據讀取

                      5.3 接口設備系統工作

                      5.3.1 以太網通信線程

                      5.3.2 LoRa 通信線程

                      5.3.3 運動數據運算線程

                      5.4 本章小結

                      第六章 部位數據和數據匯總單元程序設計

                      6.1 部位數據采集單元軟件設計

                      6.1.1 2.4G 通信模塊控制

                      6.1.2 加速度傳感器與大氣壓傳感器

                      6.2 數據匯總單元軟件設計

                      6.2.1 北斗定位模塊數據的讀取

                      6.2.2 LoRa 通信

                      6.3 本章小結

                    第七章 總結與展望

                      7.1 總結

                      本文研究設計了適用于野外訓練的計算機輔助系統,實現了需要完成的基本功能,實現對人體運動數據的采集,通過無線通信傳輸數據到計算機,由計算機控制各用戶單元模塊的數據傳輸,對接收到的數據進行運動識別和存儲管理。本文主要完成的工作如下:

                      1)概述了本研究的背景及意義,分析了與本研究相關技術的研究現狀,根據野外訓練的實際需求提出了本文的研究內容。

                      2)根據研究內容對本系統進行功能分析,設計系統方案,野外訓練計算機輔助系統含有用戶單元模塊、上位機接口和計算機三部分。用戶單元模塊是嵌入式穿戴設備,由部位數據采集單元和數據匯總單元組成,完成對每個訓練人員信息的采集并發送。上位機接口實現接收和保存每個人員的運動信息,再向計算機發送數據。計算機接收每個人員的數據,進行處理和保存。

                      3)分析了當前適用于用戶單元模塊內部的近距離無線傳輸技術,對 Zigbee、WiFi、藍牙等 2.4G 傳輸技術與 nRF24L01 進行對比;分析了當前適用于用戶單元模塊與上位機的遠距離無線傳輸技術,對 LoRa、NB-IoT 和Sigfox 進行對比分析。

                      4)根據系統設計方案完成硬件設計,包括了用戶單元模塊和上位機接口的硬件設計,對加速度傳感器、大氣壓傳感器、定位傳感器、無線通信模塊、PHY 芯片和微處理器等選型、確定接口電路。完成原理圖設計、PCB布局和硬件電路制作。

                      5)完成上位機接口部分的軟件設計。通過在 STM32F407 中移植 FreeRTOS設計一個數據管理存儲系統,實現 Flash 保存單元模塊發送的數據,以及實現計算機讀取 Flash 中存儲的數據。其中定義單元索引為每個用戶單元模塊保存識別信息以及現場工作數據,對 Flash 的數據采用 FAT 管理,單元的運動信息包括 GPS 位置、高度、步數及運動類型,用結構體的形式保存到單元信息。通過三個線程,實現 LoRa 管理,同步單元模塊的時間,設定工作參數。通過設定緩沖隊列,解決了不同工作速率的 LAN 和LoRa 的協同工作問題。

                      6)完成部位數據采集單元和數據匯總單元的軟件設計。通過控制 nRF24L01的設備地址,完成它們單元之間數據的收發。通過 I2C 接口區分大氣壓傳感器和加速度傳感器且控制操作,根據加速度傳感器的數據變化規律,控制傳感器的轉換速率。通過 SPI 的 DMA 通信方式控制 LoRa 模塊、北斗定位模塊的工作。在最大程度實現節能方面,根據加速度傳感器的數據變化規律,控制傳感器工作,在設備不使用的情況下,關閉大氣壓傳感器,SPI 采用 DMA 通信方式減少微處理器的負擔。

                      7.2 展望

                      由于時間的限制,系統目前實現了基本功能,本研究還有很多方面有待繼續研究和探討,對各方面功能進行增強和完善,以下是我總結的值得深入研究和探討的問題:

                      1)進一步完善運動數據采集系統,從能耗、體積、成本等方面繼續完善。 2)該設備主要適用于野外訓練場景,場景使用具有針對性,可將其功能進一步改進,引入日常生活、商業領域。

                      3)對收集到的數據可進一步處理,對運動模式進行區分。

                      參考文獻[1] Saunders JB, Inman VT, Eberhart HD. The Major Determinants in Normal and PathologicalGait[J]. Journal of Bone and Joint Surgery, 1953, 35(1): 543-558.

                      [2] He Z, Liu Z, Jin L, et al. Weightlessness Feature - A Novel Feature for Single Tri-axialAccelerometer based Activity Recognition[C]// 19th International Conference PatternRecognition on IEEE, 2009: 1-4.

                      [3] Gupta P, Dallas T. Feature Selection and Activity Recognition System Using a Single TriaxialAccelerometer[J]. IEEE Transactions on Biomedical Engineering, 2014, 61(6): 1780-1786.

                      [4] Khan AM, Lee YK, Lee SY, et al. A Triaxial Accelerometer-Based Physical-ActivityRecognition via Augmented-Signal Features and a Hierarchical Recognizer[J]. IEEETransactions on Information Technology in Biomedicine, 2010, 14(5): 1166-1172.

                      [5] Curone D, Bertolotti GM, Cristiani A, et al. A Real-Time and Self-Calibrating Algorithm Basedon Triaxial Accelerometer Signals for the Detection of Human Posture and Activity[J].

                      Transactions on Information Technology in Biomedicine, 2010, 14(4): 1098-1105.

                      [6] Yang X, Jin L. Discrimination between Upstairs and Downstairs Based on Accelerometer[J].Ieice Transactions on Information & Systems, 2011, E94-D (6):1173-1177.

                      [7] Khan AM, Lee YK, Lee S, et al. Accelerometer's Position Independent Physical ActivityRecognition System for Long-term Activity Monitoring in the Elderly[J]. Medical &Biological Engineering & Computing, 2010, 48(12):1271-1279.

                      [8] Tapia E M, Intille SS, Haskell W, et al. Real-Time Recognition of Physical Activities and TheirIntensities Using Wireless Accelerometers and a Heart Rate Monitor[C]// IEEE InternationalSymposium on Wearable Computers, 2007: 37-40.

                      [9] 郝立果。 基于加速度傳感器的運動信息采集和應用研究[D]. 天津大學,2010.

                      [10] 朱國康, 周濤。 面向腕臂動作識別的加速度計數據分析[J]. 機械科學與技術, 2018,37(09): 1426-1430.

                      [11] Gao L, Campbell HA, Bidder OR, Hunter J. A Web-based Semantic Tagging and ActivityRecognition System for Species' Accelerometry Data[J]. Ecological Informatics, 2013, 13: 47-56.

                      [12] Vinh LT, Lee S, Le HX, Ngo HQ, Kim HI, Han M, Lee YK. Semi-Markov Conditional RandomFields for Accelerometer-based Activity Recognition[J]. Applied Intelligence, 2011, 35(2):226-241.

                      [13] Catrine TL, Tiago VB, John MS, et al. Improving Wear Time Compliance with a 24-hour WaistWorn Accelerometer Protocol in the International Study of Childhood Obesity, Lifestyle andthe Environment (ISCOLE)[J]. International Journal of Behavioral Nutrition and PhysicalActivity, 2015, 12(1): 11-19.

                      [14] Mangiarotti M, Ferrise F, Graziosi S, Tamburrino F, Bordegoni M. A Wearable Device to Detectin Real-Time Bimanual Gestures of Basketball Players During Training Sessions [J]. Journalof Computing and Information Science in Engineering, 2019,19(1): 1-10.

                      [15] Burns GT, Zendler JM, Zernicke RF. Step Frequency Patterns of Elite Ultramarathon RunnersDuring a 100-km Road Race[J]. Journal of applied physiology,2019,126(2): 462-468.

                      [16] Makhni EC, Lizzio VA, Meta F, Stephens JP,Okoroha KR,Moutzouros V. Assessment ofElbow Torque and Other Parameters During the Pitching Motion: Comparison of Fastball,Curveball, and Change-up[J]. Journal of Applied Physiology, 2018,34(3): 816-822.

                      [17] Moon J, Kim J, Kim J, et al. Roller Skiing Biomechanical Information Analysis Using GPS,IMU, and Atmospheric Pressure Sensors: A Case Study[J]. Sports Engineering, 2018,21(4):341-346.

                      [18] 劉善武, 陳帥, 譚聚豪, 顧得友。 一種輔助GNSS/INS組合導航系統的高度計設計[J]. 航天控制, 2019, 37(05): 75-80.

                      [19] 侯小華, 胡文東, 張利利。 一種大氣壓力傳感器數據采集系統的研究[J]. 計算機測量與控制, 2011, 19(09): 2300-2301.

                      [20] Zhang L, Ma L, Wang X, et al. Application of Pressure Sensor in Chinese Area PositioningSystem[M]. 2012: 551-558.

                      [21] He Z, Liu Z, Jin L, et al. Weightlessness Feature-A Novel Feature for Single Tri-axialAccelerometer based Activity Recognition[C]// 2008 19th International Conference on PatternRecognition. IEEE, 2008: 1-4.

                      [22] Shang G, Zhang X, Peng S. Understanding the Adoption of Smart Wearable Devices to AssistHealthcare in China[C]// Conference on e-Business, e-Services and e-Society. Springer, Cham,2016:280-291.

                      [23] Yasser Khan, Aminy E, Ostfeld, Claire M. Lochner, Adrien Pierre, Ana C. Arias. Monitoringof Vital Signs with Flexible and Wearable Medical Devices[J]. Advanced Materials, 2016,28(22): 4373-4395.

                      [24] Kim M, Lee J, Kang S. A Self-Organizing Interaction and Synchronization Method between aWearable Device and Mobile Robot[J]. Sensors, 2016, 16(6): 842-856.

                      [25] Zhang Z, Pi Z, Liu B. TROIKA: A General Framework for Heart Rate Monitoring Using WristType Photoplethysmographic Signals During Intensive Physical Exercise[J]. BiomedicalEngineering IEEE Transactions on, 2015, 62(2):522-531.

                      [26] Abro Z A, Hong C, Chen N. A fiber Bragg Grating-based Smart Wearable Belt for MonitoringKnee Joint Postures[J]. Textile Research Journal, 2020, 90(3-4): 386-394.

                      [27] Roh JS, Kim S. All-fabric Intelligent Temperature Regulation System for Smart ClothingApplications[J]. Journal of Intelligent Material Systems and Structures, 2016, 27(9): 1165-1175.

                      [28] 米秋香。 基于 2.4G 技術的智能家居系統實現[D]. 華南理工大學, 2018.

                      [29] 呂剛, 唐華東, 陳亮, 鄧文斌, 王春, 張瑞亮。 基于 2.4 G 無線通訊的絕緣子噴涂清潔設備控制系統[J]. 環境技術, 2020, 38(04): 36-39.

                      [30] 江武志, 許娜芬, 普清民。 基于 nRF24L01 的小車自動識別紅綠燈的設計[J]. 汽車零部件, 2011(10): 82-84.

                      [31] 王宇純, 羅紅宇。 智能溫度采集系統研究與設計[J]. 吉林工程技術師范學院學報, 2020,36(01): 94-96.

                      [32] 朱慧彥, 林林。 基于 MCU 和 nRF24L01 的無線通信系統設計[J]. 電子科技, 2012, 25(04):81-83.

                      [33] 孫建朋。 基于 ZigBee 和 ARM 的智能家居系統的設計與實現[D]. 安徽理工大學, 2017.

                      [34] 肖林京, 于鵬杰, 常龍, 張森。 基于 LTC6803 和 NRF24L01 的動力電池檢測系統[J]. 計算機測量與控制, 2015, 23(07): 2278-2280.

                      [35] 劉婷。 基于 nRF24L01 和 STM32 的定量裝車站無線控制系統[J]. 工礦自動化, 2015,41(06): 104-106.

                      [36] 石瑛。 基于 ZigBee 與 WiFi 深度結合的智能家居系統的研究與設計[D]. 南京郵電大學,2019.

                      [37] Cotrim J R, Kleinschmidt J H. LoRaWAN Mesh Networks: A Review and Classification ofMultihop Communication[J]. Sensors, 2020, 20(15): 4273-4283.

                      [38] 張錚, 曹守啟, 朱建平, 陳佳品。 面向大面積漁業環境監測的長距離低功耗LoRa傳感器網絡[J]. 農業工程學報, 2019, 35(01): 164-171.

                      [39] 周成狀, 王琪。 基于 LoRa 技術的室內環境監測及智能調節系統設計[J]. 傳感器與微系統, 2021, 40(04): 96-98.

                      [40] 仲宇璐, 李娜。 基于 LoRa 技術的農業大棚溫室監測系統設計[J]. 淮北職業技術學院學報, 2019, 18(02): 111-113.

                      [41] 劉羽軒, 蔡高琰, 梁炳基, 駱德漢, 何家峰。 基于 LoRa 的智能電表通信方案設計[J]. 信息技術與網絡安全, 2021, 40(03): 54-59.

                      [42] 鞏文東, 王廣濤, 林毓梁。 基于 LoRa 無線通信的氣體檢測裝置在電力施工中的應用[J].山東電力技術, 2021, 48(03): 32-35.

                      [43] Johansson G. Visual Perception of Biological Motion and a Model for its Analysis[J].Perception&Psychophysics, 1973, 14(2): 201-211.

                      [44] Lu X, Yao H, Zhao S, et al. Action Recognition with Multi-scale Tajectory-pooled 3DConvolutional Descriptors[J]. Multimedia Tools and Applications, 2019, 78(3):1-17.

                      [45] 李玉明。 基于 Kinect sensor 的人體姿勢識別研究[D].東北大學,2017.

                      [46] 胡春生, 趙匯東。 基于腕部 IMU 數據采集的人體運動模式識別[J]. 寧夏大學學報(自然科學版), 2021, 42(01): 45-50.

                      [47] Lei Q, Zhang H, Du J, Hsiao T, Chen C. Learning Effective Skeletal Representations on RGBVideo for Fine-Grained Human Action Quality Assessment[J]. Electronics, 2020, 9(4): 568-588.

                      [48] Majd M, Safabakhsh R. A Motion-aware ConvLSTM Network for Action Recognition[J].Applied Intelligence, 2019, 49(7): 1-7.

                      [49] Yadav SK, Singh A, Gupta A, Raheja JL. Real-time Yoga Recognition Using Deep Learning[J].Neural Computing and Applications, 2019, 31(12): 9349-9361.

                      [50] Nazir S, Yousaf M H, Nebel J C, Velastin SA. Dynamic Spatio-Temporal Bag of Expressions(D-STBoE) Model for Human Action Recognition[J]. Sensors, 2019, 19(12): 2790-2810.

                      [51] Fan Y C, Wen C Y. A Virtual Reality Soldier Simulator with Body Area Networks for TeamTraining[J]. Sensors, 2019, 19(3): 451-472.

                      [52] 陳苒君。 士兵射擊視頻對抗系統中運動目標的捕捉與跟蹤[D]. 東華大學, 2014.

                      [53] Pulimamidia B, Kumar D N, Prasad S. Soldier Tracking and Health Monitoring Systems[C]//International Conference on Electrical Electronics and Data Communication, 2015, 3: 37-42.

                    致謝

                      兩年研究生時光稍縱即逝,即使時光短暫,但在東華大學的求學生活給我的人生留下了精彩的篇章。

                      在此畢業論文完成之際,我要向所有關心我、幫助我、鼓勵我的人表示感謝。

                      首先,尤其要感謝我的導師曾培峰教授,從畢業設計的選題,到畢業論文的撰寫,過程中給了我很多幫助,他嚴謹的治學精神和嚴格的科研態度,深深地感染了我,同樣也非常感謝唐莉萍老師,在我遇到困難的時候,提供了很多有用的意見。在我研究生生涯中,遇到了兩位和藹可敬的老師,是我人生的幸運。

                      其次,我還要感謝我的朋友們,在生活中給予我很多關懷,給我很多陪伴,讓我的生活充滿活力。

                      最后,我要感謝我的家人,給我無限的支持,毫無保留的關心我,愛護我,相信我。

                      在未來的工作生活中,定不負身邊人對我的信任,不懈努力,滿懷感恩。

                    (如您需要查看本篇畢業設計全文,請您聯系客服索。

                    相關內容
                    相關標簽:計算機畢業設計
                    好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
                    所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
                    如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!

                    將微信二維碼保存到相冊

                    打開微信掃一掃從相冊識別

                    1.點擊下面按鈕復制QQ號

                    3008637063

                    2.打開QQ→添加好友/群

                    粘貼QQ號,加我為好友

                    MM1314午夜免费视频