摘要:人的特定活动状态可以反映在手腕活动轨迹上．人的手腕腕势作为人们日常生活中最广泛的活动方式，可以反映人的活动状态，比如走路、跑步或跌倒．如今手腕腕势识别的研究受到越来越广泛的关注，具有重要的理论和应用价值.人的手腕腕势反映着人的活动状态，基于手腕腕势的人体活动状态识别是实现人机交互所不可缺少的一项关键技术.基于手腕腕势的人体活动状态识别可以应用于人在遇险时紧急情况或异常情况的识别，达到及时预警和救助的目的.

     完成本设计主要利用SVM原理和技术，完成对腕势数据的训练和识别，在安卓环境中开发了对腕势数据的训练和识别的软件；并利用TCP/IP协议，完成手机与电脑服务器端的连接，将识别结果发送到服务器端．所开发的软件可以通过腕势识别行走与摔倒这两种状态，识别率基本达到预期．　　

关键词：运动状态识别；svm；安卓；TCP/IP协议

目录

摘要

ABSTRACT

第1章 绪论-1

1.1 背景及意义-1

1.1.1 课题研究背景-1

1.1.2 课题研究的目的和意义-1

1.2 研究现状-1

第2章 相关技术介绍-3

2.1 SVM算法-3

2.1.1 MATLAB-3

2.1.2 SVM算法-4

2.2 Eclipse-6

2.2.1 Eclipse的介绍-6

2.2.2 Eclipse的主要组成-7

2.3 Andriod SDK-7

2.3.1 Andriod SDK介绍-7

2.3.2 Andriod SDK tools-8

2.3.3 Andriod SDK核心包-9

2.4 TCP/IP协议-9

2.4.1 TCP/IP整体构架概述-9

2.4.2 TCP/IP中的协议-10

第3章 软件的设计-13

3.1 信号采集方案的设计-13

3.1.1 腕势信号采集方式-13

3.1.2 腕势信号的采集-13

3.1.3 腕势信号的处理-13

3.2 程序的编写-16

3.2.1 软件的安装及配置-16

3.2.2 程序的编写-17

第4章 实验及其结果-21

4.1 实验前的准备-21

4.1.1 数据采集软件的安装-21

4.1.2 电脑端服务器的启动-21

4.1.3 腕表（手机）与电脑的连接-22

4.2 实验步骤及其结果-23

4.3 实验小结-24

第5章 总结与展望-25

5.1 本文总结-25

5.2 不足之处及前景展望-25

参考文献-26

致  谢-27