为了实现医疗设备的微型化、医疗监护的无线化，设计基于ZigBee 可穿戴传感器的医疗监护系统，它能够扩大病人的活动空间，减轻监护人员的工作强度，降低医疗费用。

基于 STM32 和 NB-IoT 的可穿戴式老人防摔监测系统主要通过软件和硬件的相互配合 来完成相应的功能，各个功能模块通过主控 STM32F103 提供的定时器和中断以及串口等 功能相互配合使系统能够快速有效地完成工作。最终可将采集心率、老人姿态、 GPS 位置、 人体温度等传感器的数据通过 NB-IoT 模组发送给 OneNET 物联网开发平台。 主要功能： - ME3616模组数据传输； - 温湿度数据的获取； - MPU6050陀螺仪数据的获取； - mlx90614体温传感器数据的获取； - MAX30102心率传感器数据的获取； - oled显示； - sim900a短信功能； - GPS数据获取及处理；

有多种传感器的被评估为可穿戴的应用程序，用新的设计体系结构出现的那些旨在提高新的应用，减少了系统的尺寸和重量，并延长电池的使用寿命。

精神疲劳是许多慢性疾病如心血管疾病、糖尿病和癌症的关键原因，然而又难以量化评估及测量，提出了一种通过智能穿戴设备检测脑力劳动者疲劳程度的工程可行性的方案。为了检测脑力疲劳程度，通过Man-Whitney U检验评估了HRV各项指标在判断精神疲劳状态的统计显著性，并使用随机森林进行特征选择以确定HRV各项指标的重要性。研究发现，最重要的HRV指标分别是NN.mean、PNN50、VLF、LF和TP。最后采用SVM、nave Bayes、KNN和逻辑回归四种机器学习算法对疲劳状态进行识别，实验证明了KNN分类器最为有效，其交叉验证准确率为75.5%和AUC为0.74。

基于物联网技术的宠物防丢可穿戴设备系统.pdf

《android应用程序设计》，清华大学出版社，例题代码，可穿戴设备代码

项目结合边缘计算模 型 、Biomedical Informatics 领域相关的人体健康数据识别算法。预期对易发人群的常 见慢性病（糖尿病，心脏病，睡眠障碍）以及潜在的新冠感染导致的相关症状分析识别。基于 AWS FreeRTOs 标准下的 M5StickC 可穿戴设备和 AWS IoT Greengrass 服务，进行探索性的监控能力建设。应用 Amazon CloudWatch 服务完成数据监控、报警服务。利用 Amazon EC2 实例优化 CPU 使用率、磁盘读写、实例调用监控与服务终止。调用 Amazon S3 以及 SageMaker Edge Manager 服务存放机器学习模型，进行数据分析。将传感器收集的源数据在上传到云中心之前先进 行本地预处理，压缩带宽及计算资源占用，建立基础的实时数据反馈能 力。解决传统云计算模型网络带宽负载和计算资源浪费，隐私保护和边 缘节点能源有限等问题。开发基于serverless 后端架构的 web 应用程序，给用户提供实时的可视化健康数据报告

本文是关于可穿戴型下肢助力机器人感知系统传感电路的设计。

电子系统设计课件：第6讲 基于PPG的可穿戴脉搏波测量.ppt

步态matlab代码Matlab活动识别教程 本教程讲授如何在Matlab中开发活动识别算法。 它提供了几种可重复使用的抽象，以使用可穿戴计算中常用的信号处理和机器学习算法来加载过程段和过程数据。 应用 在此示例应用程序中，我们分析了母牛的步态以检测la行。 我们使用健康母牛的样本数据集和set脚母牛的另一个数据集。 我提供的代码使用峰值检测器对各个步幅进行了细分，并训练了机器学习分类器以对正常步幅和异常步幅进行分类。 设置 安装Matlab（本教程使用2018b版本开发）。 在Matlab中， addpath(genpath('./')) 在Matlab中，运行main.m 此代码使用mRMR库进行功能选择。 如果收到错误“找不到estpab函数”，则需要执行以下操作： cd libraries/mRMR_0.9/mi/ mex -setup C++ makeosmex 注意：建议您设置一个断点，逐行运行代码，并通过将鼠标悬停在每个变量的顶部来查看运行时值。 参考 开发可穿戴设备应用程序的工具包： Andreas Bulling关于活动识别的教程： 可穿戴设备的应用： 关于 我叫胡安