3、生物电阻抗传感器 4、定位系统(GPS) 5、皮电反应传感器 6、温度传感器 7、气压传感器 9、霍尔传感器
2023-03-02 03:16:16 78KB 智能穿戴中的传感器
1
设计一款穿戴式的心率血氧健康监测耳机系统,完成了硬件设计和软件设计,并实现三个主要功能:信号采集;计算脉搏波输出波形数据以及实时的心率和血氧值;并将数据通过蓝牙模块发送到上位机。测试者通过上位机软件输出的结果,实现对自身健康的实时监测。对比设计的穿戴式健康监测耳机与标准的心率血氧监测仪测试结果,误差在允许范围内,验证了该设计的准确性。
2023-02-10 19:37:58 516KB 穿戴式
1
科技在进步,残疾人想使用电脑,键盘这种输入装置对于残疾人来说不够方便,于是在跟一些资深玩家们头脑激荡时,想到了可以用头部输入的方式,就是这个头戴式肌电鼠标! 用该设备采用运动感应、肌电传感、语音识别等技术,可以实现: 1. 用陀螺仪将头部运动转化为鼠标运动,从而解放双手,帮助双手行动不便及单/双臂缺失的人。 2. 肌肉电传感器检测牙齿咀嚼肌的咬合,实现鼠标单击双击。 3. 语音可选控制/输入模式,控制模式可实现命令控制,如“复制”“粘贴”等;输入模式可将语音转换为文字。从而实现快速控制与输入。 4. 运动感应器,实现坐姿检测、颈椎病预防等功能; 硬件列表: 视频展示: 详细制作过程详见附件! 【转载自DF社区】
2023-02-03 17:20:56 922KB 语音识别 运动感应 电路方案
1
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。
2023-01-11 01:10:24 171KB ZigBee 可穿戴 传感器 生理参数
1
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;
2022-12-27 21:26:40 34.82MB stm32 ME3616 nb-iot MPU6050
1
智能穿戴设备企业网站模板是一款手表科技公司HTML5网站模板下载。.rar
2022-12-23 18:22:17 1.35MB 模板
ARKit-示例程序包含: 平面检测(检测到平面并根据平面绘制在平面上放3D物体) 骨骼检测(找到身体的所有骨骼,包含2D坐标和3D坐标并且添加3D物体) 图片检测(通过设置图片组,追踪到图片) 仿得物穿戴(参考得物试衣间写了一个demo 包含姿态的识别) metal渲染(使用metal 渲染相机流,不在局限于 iOS 的 SecneKit) UV裁剪 (在metal 渲染时 如果屏幕发生了渲染,会根据旋转来做 纹理裁剪以保证位置)
2022-12-20 09:21:54 5.2MB ARKit
1
DA14580模块是一款超低功耗的蓝牙模块。应用于智能穿戴式设备、蓝牙手表、无线键盘、无线鼠标、平板电脑等。 DA14580主要特点: 超低功耗 最小尺寸 内嵌16MHZ 32位ARM Cortex M0:trade_mark: 处理器 专用链路层处理器 内置aes-128位加密处理器 32 kB One -Time -Programmable(OTP) 内存 42 kB系统SRAM 84 KB ROM 8 kB记忆存储器 知识普及:小米手环主芯片采用台湾的华邦电子W25Q80BV,传感器采用ADI的三轴MEMS加速度传感器ADXL362,蓝牙芯片采用Dialog的DA14580蓝牙SoC。 小米智能手环设计资料:点击下载 今借电路城平台介绍使用业界最低功耗蓝牙MCU:DA14580(带屏)开源可编程手环,此手环预留了代码下载调试口,通过专用下载线,可反复烧写自己的代码,实现想要的功能。 拨开手环外套,带屏手环的内部结构如下: 手环预留了代码下载调试口,通过专用下载线,可反复烧写自己的代码,实现想要的功能 手环(主从、OTA、睡眠)视频教程 手环(带屏&不带屏)学习教程见附件
2022-11-11 10:35:35 28.18MB 智能手环 智能穿戴 开源 电路方案
1
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。
1
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。
2022-10-29 16:19:59 817KB 精神疲劳检测 HRV 曼—惠特尼 U检验
1