赞
踩
Hi,大家好,学长今天向大家介绍一个 单片机项目
基于单片机的智能手环 -计步器
大家可用于 课程设计 或 毕业设计
选题指导,项目分享:
https://gitee.com/yaa-dc/warehouse-1/blob/master/iot/README.md
随着智能化时代的来临, 无线互联与智能化处理软件的大面积普及。 传统的就医形式已经通过网络互联科技而变得高效, 但是, 纵然在这种趋势下, 老年人就医依然面临很多困境, 种种的原因导致很多老年人突发疾病但是没能得多及时的救治。 老年智能手环主要致力于深入到整个救治老年人环节中, 促进几个关键人群的及时反应、 智能互联、 信息互通。 如何高效、 精准、 相对简洁的去实现种种义务之间的平衡, 包括子女对老人的赡养义务, 在大批量救治病患的过程中, 医生如何平衡好对每一个病人的义务。
随着科学技术的革新,智能化生活已经开始实现,更多的人们的目光聚焦在智能化产品上面,一方面是对自身健康的关注,另一方面是对便携轻松的生活的向往,智能手环就作为其中的一种代表性产物。其主要应用于运动显示比如显示行走及跑步的步数,距离,速度。同时可以实时健康监测比如心率,血氧,体温等。是一款突出个性与人性的智能化产物。
本设计是由STM32F103C8T6最小系统电路,DS3231时钟模块,ADXL345计步模块,MAX30100血氧心率模块,DS18B20温度模块,MPU6050体位检测模块,1.44寸TFT彩色液晶屏显示模块组成的嵌入式智能手环系统。
(1)通过DS3231时钟模块实现日期显示的功能
(2)使用传感器ADXL345检测人步数
(3)通过MAX30100传感器实时检测血氧心率;
(4)通过传感器DS18B20进行温度测量。
(5)通过MPU6050体位检测卧床病人是否跌倒或可以通过此功能蜂鸣器警报呼叫。
(6)通过1.44寸TFT彩色液晶屏实时显示日期,步数,距离,心率,血氧,跌倒状态以及温度值。
STM32C8T6(最小核心板),当然,用其他型号的32,如STM32ZET6也是可以的。
当人体正常行走时, 合成加速度在 1g 至 2.5g 左右, 如下图所示。 当人体不论从何方向跌落时, 垂直方向的位置和速度都将会改变, 所以加速度和俯仰角也会随着而变化。 如图 4.7 中设置采样频率为 350Hz 并且可以看出图中跌倒过程中各个方向加速度变化情况。 当手环佩戴者跌落时, 整个过程持大约持续约 2 秒, 其加速度曲线变化是先减小然后增加, 最后稳定。 可以得出结论, 坠落是一个暂时的过程, 在这个过程中, 测试者经历失重、 撞击和静止三个状态。 在下降过程中, 合成加速度的最大值约为 2.6 g, 并且有 7 个连续采样点的合成加速度为 2.0 g 或更多。 当人摔倒时, 通过对人体姿态角的采样, 人体的俯仰角和侧翻角都会发生变化, 在跌倒后有一个或更多姿态角的绝对值大于 45°。
跌倒最开始的加速度会是最大的, 当跌倒后人的自然反应会让加速度有所减小,所以跌倒有两个阈值, 第一个阈值较大为触发阈值, 第二个阀组为持续阈值, 然后在50 个周期内计时, 是否有 80%时间为大于第二个跌倒阈值的, 有这两个持续过程则判定为跌倒, 否则丢弃跌倒判定数据, 跌倒流程图如上图。
if(adxl345_flag == 1) { adxl345_flag = 0; Multiple_Byte_Read(0x32);//采样 sampling_cnt++;//采样次数 sampling_cnt0++; /*-------------------平均滤波算法-----------------*/ for(i=0;i<3;i++)//0->x 1->y 2->z { reg_buf3[i] = reg_buf2[i]; reg_buf2[i] = reg_buf1[i]; reg_buf1[i] = reg_buf0[i]; reg_buf0[i] = (buf[2*i+1] << 8) + buf[2*i];//数据合成 filter_out[i] = (reg_buf0[i] + reg_buf1[i] + reg_buf2[i] +reg_buf3[i])/4; if(filter_max[i] < filter_out[i]) filter_max[i] = filter_out[i]; if(filter_min[i] > filter_out[i]) filter_min[i] = filter_out[i]; } /*-------------------动态阈值和动态精度算法------------------*/ if(sampling_cnt == 50) { sampling_cnt = 0; /*printf("cnt:%ldms\r\n",cnt);//50次测量所用的时间 cnt=0;*/ //printf("interval:%ld\r\n",interval); for(i=0;i<3;i++) { Vpp[i] = filter_max[i] - filter_min[i];//计算双峰值 Dynamic_threshold[i] = (filter_max[i] + filter_min[i])/2;//计算动态阈值 filter_max[i] = 0;//重新初始各轴的最大、最小值 filter_min[i] = 4095; Error_flag[i] = 0; //>100 if(Vpp[i] >= 250) Dynamic_precision[i] = Vpp[i]/50;//跑步 else if( (Vpp[i] >= 100) && (Vpp[i]<250) ) Dynamic_precision[i] = 3;//走路 else {Dynamic_precision[i] = 2;Error_flag[i] = 1;} } } /*------------------线性移位 消除高频噪声--------------------*/ for(i=0;i<3;i++) { sample_old[i] = sample_new[i]; if(filter_out[i] >= sample_new[i]) { if((filter_out[i] - sample_new[i]) > Dynamic_precision[i]) sample_new[i] = filter_out[i]; } else if(filter_out[i] < sample_new[i]) { if((sample_new[i] - filter_out[i]) > Dynamic_precision[i]) sample_new[i] = filter_out[i]; } } /*--------------------最大峰值检测,判断活跃轴,步伐判断----------------*/ //sample_new < Dynamic_threshold 表示已迈过动态阈值下方 //sample_new - sample_old < 0 表示加速度的变化小于0,斜率为负数 if( (Vpp[0] >= Vpp[1]) && (Vpp[0] >= Vpp[2]) ) //x轴活跃 { if( (sample_old[0] > Dynamic_threshold[0]) && (sample_new[0] < Dynamic_threshold[0]) && (Error_flag[0] == 0) ) { if( (interval > 10 ) && ( interval < 100 ) ) { Step_Out+=1; regulation3 = regulation2; regulation2 = regulation1; regulation1 = regulation0; regulation0 = 1; if( regulation3 && regulation2 && regulation1 && regulation0 ) printf("Step:%d\r\n",Step_Out); } else { regulation3 = 0; regulation2 = 0; regulation1 = 0; regulation0 = 0; } interval = 0; } } else if( (Vpp[1] >= Vpp[0]) && (Vpp[1] >= Vpp[2]) ) //y轴活跃 { if( (sample_old[1] > Dynamic_threshold[1]) && (sample_new[1] < Dynamic_threshold[1]) && (Error_flag[1] == 0) ) { /*----------时间窗口--------*/ if( (interval > 10 ) && ( interval < 100 ) ) { Step_Out+=1; /*-----------计数规则--------------*/ regulation3 = regulation2; regulation2 = regulation1; regulation1 = regulation0; regulation0 = 1; if( regulation3 && regulation2 && regulation1 && regulation0 ) printf("Step:%d\r\n",Step_Out); } else { regulation3 = 0; regulation2 = 0; regulation1 = 0; regulation0 = 0; } interval = 0; } } else if( (Vpp[2] >= Vpp[0]) && (Vpp[2] >= Vpp[1]) ) //z轴活跃 { if( (sample_old[2] > Dynamic_threshold[2]) && (sample_new[2] < Dynamic_threshold[2]) && (Error_flag[2] == 0) ) { if( (interval > 10 ) && ( interval < 100 ) ) { Step_Out+=1; regulation3 = regulation2; regulation2 = regulation1; regulation1 = regulation0; regulation0 = 1; if( regulation3 && regulation2 && regulation1 && regulation0 ) printf("Step:%d\r\n",Step_Out); } else { regulation3 = 0; regulation2 = 0; regulation1 = 0; regulation0 = 0; } interval = 0; } } //printf("Step:%d\r\n",Step_Out); /*------速度 距离 卡路里-----*/ if(sampling_cnt0 == 100) { i_cnt++; sampling_cnt0 = 0; m_nPedometerValue = Step_Out; Dynamic_step = m_nPedometerValue - m_nLastPedometer;//2s的步数变化 /*---每步距离----*/ if( Dynamic_step == 1 ) //身高取 170cm = 1.70m StepLen = 1.70/5; else if( Dynamic_step == 2 ) StepLen = 1.70/4; else if( Dynamic_step == 3 ) StepLen = 1.70/3; else if( Dynamic_step == 4 ) StepLen = 1.70/2; else if( Dynamic_step == 5 ) StepLen = 1.70/1.2; else if( ( Dynamic_step >= 6 ) && ( Dynamic_step < 8 ) ) StepLen = 1.70; else if( Dynamic_step >= 8 ) StepLen = 1.70*1.2; Speed = StepLen/2; calories = Speed * weight/400; printf("Dynamic_step:%d\t",Dynamic_step); m_nLastPedometer = m_nPedometerValue; printf("StepLen:%.3f\t",StepLen); printf("Speed:%.3f\t",Speed); printf("calories:%.3f\r\n",calories); } }
选题指导,项目分享:
https://gitee.com/yaa-dc/warehouse-1/blob/master/iot/README.md
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。