论文部分内容阅读
现如今,由于工作压力的加大,尤其是对于多数年轻人来说,疏于对自己生活的管理,不注重自己的生活质量,导致多种不良的生活习惯,严重影响了个人的健康状况。传统的活动识别技术,旨在依靠可穿戴设备采集用户的传感器信息,并以此数据作为基础通过建立模型进行用户的活动识别,然而其往往依靠后台服务器进行用户的活动识别,并不利于推广。有鉴于此,本文以智能手机作为开发平台,通过运用活动识别技术与室内定位技术识别用户的活动类型并通过一系列措施对用户的健康状态进行分析,为用户提供一些可行的建议,具体的研究成果如下:1.对移动端活动识别技术进行了研究。针对可穿戴设备需要额外购买设备以及需要后台服务器处理的局限性,考虑到智能手机的极速发展与便携性,本文提出利用智能手机内置传感器来替代可穿戴设备并且实现本地识别,无需后台服务器进行单独识别。除此之外,还考虑到了手机电量以及内存消耗等问题,提出了动态调节采样频率等用以实现能耗节省。2.对健康模型进行了研究。活动识别技术产生的结果只是一些枯燥的运动数据,而本文旨在通过活动识别技术,建立健康状况的估算模型,以便于为用于提供可行性建议。所以,本文引入了热量计算模块,将活动数据转换为热量消耗量,再引入了食物摄入的热量计算,成功综合了用户每天消耗与摄入的热量,并通过研究一些饮食与减肥指标,帮助用户制定饮食计划以及及时的提醒用户健康状况。3.对室内定位技术进行了研究。室内定位一直没有一个完美的解决方案,所以一直是领域的研究热点,本文首先采用分析了各个室内定位技术的优势以及局限性,由于本文借助于智能手机平台,为了最大限度运用智能手机中内置的各个传感器,引入了通过估算行人轨迹的方法进行室内定位。通过对行人轨迹推算方法的研究,本文提出一个重要的创新点,将活动识别技术中的部分结果作为行人轨迹推算方法的起始点,并且可用于定位结果的校正。4.对手机客户端的性能优化关键技术进行了研究。针对手机客户端现阶段内存有限以及电量与网络流量消耗过快等现象,本文对系统的手机客户端实现进行性能优化,研究了布局UI优化与代码优化,UI优化主要为了布局复用以及减少嵌套层数,而代码优化注重处理逻辑性能,涉及Android多线程机制与缓存机制的研究,并在最后提供并介绍了实现性能优化的可视化工具,以及其简单的使用方法。