fsr技術的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

東京奧運634：TOKYO 1964.2020

為了解決fsr技術的問題，作者劉善群 這樣論述：

TOKYO 1964‧2020 人文、創意和科技，就是東京奧運的精神與態度 　　謹以此書獻給所有熱愛奧林匹克的人 　　體育記者資歷達20年的劉善群，1991年首次到訪東京，採訪了在職業生涯中印象最深刻的第三屆世界田徑錦標賽，見識到世界先進國家如何舉辦頂尖賽事，也對1964年東京第一次舉辦奧運會的運動設施仍然被延續使用著，留下了極深的印象。 　　過了半個世紀，日本在311東北大地震之後，東京再度拿到2020年奧運的主辦權。於東京第一次舉辦奧運的1964年出生的劉善群，在爬梳東京奧運史料時，從中強烈感受到日本人堅持和勇往直前的精神，就如同〈昂首向前走〉歌詞形容的一樣，56年前的東京奧

運，日本人以此精神贏得全球的掌聲，2020年也將以這種態度團結人心，即使會遇上困難而哭泣，但仍勇敢地昂首抬頭不讓眼淚掉下來，成功辦出一場令國際驚豔盛讚的東京奧運。 　　奧運不僅是一場運動盛會，它與國際政治、國家建設和財經預算都息息相關。兩屆東京奧運無論是場內到場外，都有太多的事與物令人期待，尤其是「追求卓越」。劉善群以30年前的「東京印象」為基礎，加上參與過7屆奧運和其中4屆的現場採訪與轉播經歷，從人文、創意設計和科技三部分，和大家分享東京奧運的故事。 　　【歷史與人文】 　　20年不滅的奧運聖火/原爆之子、東洋魔女與赤腳大仙/從昭和到令和/「火中取栗」建築大師隈研吾/新日本人/全球矚目的

焦點──東京奧運開幕典禮/Hope Lights Our Way東京奧運聖火傳遞活動 　　【創意與創新】 　　飄櫻吹雪──融合日本絕世美景的聖火火炬/8萬噸家電垃圾提煉製作的奧運獎牌/奧運史上頭一遭──由小學生票選出的吉祥物/江戶時代的格紋──東京奧運會徽/向一九六四年致敬！奧運競技項目圖標/創意設計番外篇—浮世繪保險套 　　【科技與未來】 　　未來都市交通工具──無人車/機器人/帶你去看流星雨/奧運居，大不易！/黑科技──人工智能、評分系統、全新的轉播技術/5G在東奧、即時翻譯、新替代能源：氫 喝采推薦 　　林之晨／台灣大哥大總經理、AppWorks之初創投共同創辦人 　　吳經國／國

際奧林匹克委會員委員、國際奧會文化暨奧林匹克傳承委員會主席 　　陳怡安／兩屆奧運跆拳道金牌得主、中華奧會執行委員 　　盧希鵬／台灣科技大學特聘教授、電子商務專家 　　（依姓名筆劃順序）  

fsr技術進入發燒排行的影片

採用單一共用數位類比轉換器之音頻高動態範圍六位元二階離散時間三角積分調變器混合逐漸逼近式類比數位轉換器

為了解決fsr技術的問題，作者邱竑銘 這樣論述：

近年來物聯網與人工智慧（AIOT）及5G產業的快速發展，使得行政管理、工業效率以及生活便利等方面進入嶄新時代；相關應用的產品中需要多樣化傳感器（Transducer）來接收各式各樣的訊號，而省電且高效率的類比數位轉換器（Analog-to-digital Converter, ADC）則為這些傳感器電路的核心。 為符合越來越高的應用複雜度，以及效能需求，傳統的ADC架構已經不敷使用，使得近年來許多研究採用了混合式的設計架構，混合多種傳統ADC，來擷取不同架構的優點用以互補；其中一種組合便是通過在DSM中結合低功耗SAR ADC作為多位量化器，可以實現同時兼顧高解析度、高動態範圍以及低功

耗的要求，使得此種組合成為混合型ADC廣泛採用的架構。但在此類架構中，會使用到多個功能相似的DAC，而這些DAC通常由面積巨大的被動元件所組成；多餘的DAC會製造許多冗餘的面積消耗。因此本論文提出一種可應用在DSM混合SAR ADC架構中的類比電壓回授技術，使用硬體再利用特性，把多個相似的DAC合併為一個共用DAC，來達到節省面積的效果。 本論文以六位元二階離散時間(Discrete time, DT)DSM混合SAR ADC為系統架構，並採用UMC 0.18um CMOS製程，工作電壓為1.8V，應用於音頻信號，超取樣率64倍，來實現此技術。

3D打印機輕松DIY

為了解決fsr技術的問題，作者張統 這樣論述：

共分8章，介紹了3D打印現狀和3D打印機種類，3D打印機組裝硬件及軟件入門知識；詳解3D打印機的組裝過程、調試及故障排除，同時提供3D打印機組裝的全過程視頻光盤。附錄部分提供了3D打印機的一些故障排除和維修、國內部分3D打印機廠家及網址、國內部分3D打印行業網站及論壇網址，以及國外的一些3D打印網站。張統，3D打印技術顧問。畢業於東北電力大學計算機科學與技術專業，曾在大連軟件企業負責軟件技術工作，現為高校實驗室教師，擅長開源硬件和軟件開發，長期關注國內外3D打印行業進展，改進了多種國外先進開源3D打印機，並為大連3D打印企業和高校組裝調試過多種不同型號的3D打印機。宋闖，大連木每三維打印有限公

司總經理，一直致力於3D打印的推廣工作。曾支援西藏，獲2004年西藏自治區先進工作者，曾任美國皇家加勒比郵輪攝影師，回國后翻譯國外3D打印行業網站，並組建大連3D打印愛好者群，創建木每3D打印培訓網和木每3D打印培訓基地，首創3D打印筆創意藝術，為大連工業大學服裝學院3D打印首例服裝人台。 前言第1章 走進3D打印 1.1 3D打印起源、原理及優點 1.1.1 3D打印的起源 1.1.2 3D打印的基本原理 1.1.3 3D打印的優點 1.2 3D打印機分類及常見的3D打印機 1.3 未來3D打印應用趨勢第2章 3D打印機組裝前的准備 2.1

了解Reprap3D打印機 2.1.1 發展歷史 2.1.2 工作原理 2.2 選擇機型 2.3 3D打印材料選擇 2.3.1 常見3D打印材料 2.3.2 材料的選擇 2.4 准備工具 2.4.1 五金工具 2.4.2 電子及其相關工具第3章 3D打印機的硬件准備 3.1 框架 3.2 步進電動機 3.3 步進電動機驅動器 3.4 傳動部件 3.5 擠出部件 3.6 加熱床 3.7 FsR壓力傳感器 3.8 溫度傳感器 3.9 電源 3.10 控制電路板第4章 3D打印機的軟件配置 4.1 常用固件 4.

2 固件基本設置 4.2.1 固件詳細設置 4.2.2 機械設置 4.2.3 固件上傳 4.3 常用上位機控制軟件 4.4 切片軟件設置 4.4.1 切片軟件Slic3r 4.4.2 切片軟件Cura第5章 3D打印機的組裝過程 5.1 Prusai33D打印機組裝 5.1.1 打印機特點和性能指標 5.1.2 組裝流程 5.1.2.1 框架組裝 5.1.2.2 Y軸平台組裝 5.1.2.3 Y軸加熱平台與傳動組裝 5.1.2.4 x軸平台組裝與安裝 5.1.2.5 擠出機組裝 5.1.2.6 電子設備安裝 5.1.2.7

組裝電路圖 5.2 KosselMini3D打印機組裝 5.2.1 打印機特點和性能指標 5.2.2 組裝流程 5.2.2.1 型材框架組裝 5.2.2.2 線性導軌安裝 5.2.2.3 步進電動機安裝 5.2.2.4 同步帶安裝 5.2.2.5 聯動臂組裝 5.2.2.6 擠出頭安裝 5.2.2.7 擠出機組裝 5.2.2.8 加熱平台安裝 5.2.2.9 電子設備安裝 5.2.2.10 組裝電路圖第6章 3D打印機的調試 6.1 Prusai33D打印機的調試 6.1.1 打印平台的基本調試 6.1.2 限位開關的調試

6.1.2.1 限位開關位置的調試 6.1.2.2 限位開關觸發的調試 6.1.3 步進電動機驅動電流的調試 6.1.4 步進電動機移動方向的校准 6.1.5 平台移動距離的校准 6.1.6 加熱平台相對水平的調試 6.1.7 擠出頭與加熱床之間間距的調試 6.1.8 加熱溫度的校准 6.1.8.1 擠出頭溫度的校准 6.1.8.2 加熱床溫度的校准 6.2 KosselMini3D打印機的調試 6.2.1 框架和傳動部分的調試 6.2.2 限位開關的調試 6.2.3 加熱平台相對水平的自動調試 6.2.4 FSR的觸發校准 6.2.

5 加熱噴頭和加熱床距離的調試第7章 3D打印機打印技巧 7.1 3D打印STL文件技巧 7.2 選擇合適的打印參數 7.2.1 打印壁厚 7.2.2 打印層高 7.2.3 打印速度 7.2.4 填充密度 7.2.5 填充方式 7.3 選擇合適的打印位置 7.4 合理添加支撐 7.5 使用智能風扇 7.6 適宜的環境溫度 7.7 選擇打印平台表面固定材料 7.8 打印過程中的問題解決技巧 7.8.1 打印物體翹邊 7.8.2 堵頭 7.8.3 打印斷層 7.8.4 打印漂移 7.9 打印后模型處理 7.9.1 模型

取下 7.9.2 支撐拆除 7.9.3 模型表面后處理第8章 3D打印機改進和功能開發 8.1 框架的改進 8.2 機械結構的改進 8.2.1 SCARA機械臂結構打印機 8.2.2 小型化可折疊3D打印機 8.2.3 一機多用平台 8.2.4 傳動結構 8.3 控制電路板的改進 8.4 擠出機的改進附錄 附錄A 故障排除 附錄B 維護升級 附錄C 國內部分3D打印機廠家及網址 附錄D 國內部分3D打印行業網站及論壇網址 附錄E 國外3D打印網站參考文獻

結合足壓與慣性感測之深度學習跌倒與人體活動偵測系統設計及演算法開發

為了解決fsr技術的問題，作者賴彥宏 這樣論述：

[目錄]中文摘要i英文摘要ii目錄iii圖目錄viii表目錄xvii第一章 緒論11.1 研究背景21.2 研究目的41.3 論文架構4第二章 文獻回顧62.1基於雙閾2.1基於雙閾值和跌倒姿態實現跌倒偵測72.2使用三軸加速度計總和與歐拉角兩個特徵取得最佳閾值來判別跌倒與非跌92.3比較多個加速計與放置的位置實現姿勢識別與跌倒偵測112.4 使用足底壓力和加速度計實現跌倒偵測17第三章 實驗裝置與系統設計273.1 實驗裝置283.1.1足壓鞋子283.1.2 Microsoft KinectV2 303.2 系統介面設計343.2.1 系統介面介紹343.2.2 系統介面設計介紹363.

2.3 系統介面操作介紹41第四章 實驗方法研與流程544.1 資料集554.2 實驗場地604.3 實驗活動項目624.3.1 壓力鞋墊壓力感測器位置說明624.3.2 模擬跌倒動作說明654.3.3 日常活動(靜態)動作說明884.3.4 日常活動(動態)動作說明1094.4 實驗流程1274.5 參數介紹1274.6 模型架構1314.7 訓練模型方法1314.2.1 訓練模型介紹1334.2.1 資料預處理134第五章 研究結果1375.1評估指標1385.2交叉驗證1395.3使用雙腳資料進行跌倒與日常活動2個類別辨識結果1405.3.1 使用雙腳足壓進行2個類別辨識1405.3.2

使用雙腳六軸慣性感測器進行2個類別辨識1445.3.3 使用雙腳九軸慣性感測器進行2個類別辨識1485.3.4 使用雙腳足壓和六軸慣性感測器進行2個類別辨識1515.3.5 使用雙腳足壓和九軸慣性感測器進行2個類別辨識1555.4使用左腳資料進行跌倒與日常活動2個類別辨識結果1595.4.1 使用雙腳足壓進行2個類別辨識1595.4.2 使用雙腳六軸慣性感測器進行2個類別辨識1635.4.3 使用雙腳九軸慣性感測器進行2個類別辨識1675.4.4 使用雙腳足壓和六軸慣性感測器進行2個類別辨識1705.4.5 使用雙腳足壓和九軸慣性感測器進行2個類別辨識1745.5使用右腳資料進行跌倒與日常活

動2個類別辨識結果1785.5.1 使用雙腳足壓進行2個類別辨識1785.5.2 使用雙腳六軸慣性感測器進行2個類別辨識1825.5.3 使用雙腳九軸慣性感測器進行2個類別辨識1865.5.4 使用雙腳足壓和六軸慣性感測器進行2個類別辨識1895.5.5 使用雙腳足壓和九軸慣性感測器進行2個類別辨識1935.6使用雙腳資料進行跌倒與日常活動8個類別辨識結果….1975.6.1 使用雙腳足壓進行8個類別辨識1975.6.2 使用雙腳六軸慣性感測器進行8個類別辨識2015.6.3 使用雙腳九軸慣性感測器進行8個類別辨識2065.6.4 使用雙腳足壓和六軸慣性感測器進行8個類別辨識2105.6.5

使用雙腳足壓和九軸慣性感測器進行8個類別辨識2155.7使用左腳資料進行跌倒與日常活動8個類別辨識結果2195.7.1 使用左腳足壓進行8個類別辨識2195.7.2 使用左腳六軸慣性感測器進行8個類別辨識2245.7.3 使用左腳九軸慣性感測器進行8個類別辨識2285.7.4 使用左腳足壓和六軸慣性感測器進行8個類別辨識2335.7.5 使用左腳足壓和九軸慣性感測器進行8個類別辨識2375.8使用右腳資料進行跌倒與日常活動8個類別辨識結果2415.8.1 使用右腳足壓進行8個類別辨識2425.8.2 使用右腳六軸慣性感測器進行8個類別辨識2465.8.3 使用右腳九軸慣性感測器進行8個類別辨識

2515.8.4 使用右腳足壓和六軸慣性感測器進行8個類別辨識2555.8.5 使用右腳足壓和九軸慣性感測器進行8個類別辨識259第六章 結論與討論2646.1分析雙腳使用5種不同輸入參數分2類結果2656.2分析左腳使用5種不同輸入參數分2類結果2676.3分析右腳使用5種不同輸入參數分2類結果2696.3分析雙腳使用5種不同輸入參數分8類結果2716.4分析左腳使用5種不同輸入參數分8類結果2776.5分析右腳使用5種不同輸入參數分8類結果2836.6結論2896.7討論291參考文獻293[圖目錄]圖2-1-1 一般跌倒發生時的加速度計總和變化7圖2-1-2 跌倒後躺著的休息狀態(身體傾

斜角度大於60°)8圖2-3-1 典型跌倒的加速度計總和變化14圖2-4-1 雙腳力敏電阻(FSR)擺設的位置17圖2-4-2 8種日常活動雙腳足底中心壓力(COP)變化軌跡18圖2-4-3 4種跌倒的加速度總和的變化19圖2-4-4 決策樹演算法流程圖21圖2-4-5 利用ROC曲線進行比較決策樹演算法提出的方法22圖3-1-1 實際收集資料使用的足壓鞋29圖3-1-2 足壓鞋上搭載的藍芽模組JDY-18 29圖3-1-3 實驗室開發的11點壓力鞋墊30圖3-1-4 Kinect V2構造圖32圖3-1-5 Kinect V2 Time of Flight技術示意圖33圖3-1-6 Kine

ct V2獲取的彩色影像33圖3-1-7 Kinect V2獲取的深度影像34圖3-2-1 系統介面圖35圖3-2-2 Qt Designer設計介面範例37圖3-2-3 BLE協議架構圖38圖3-2-4 GATT協議架構圖39圖3-2-5 系統介面流程圖41圖3-2-6 根據系統執行時間建立專屬資料夾示意圖42圖3-2-7 點擊顯示即時影像按鈕(示意圖)42圖3-2-8 KinectV2即時影像已開啟訊息通知43圖3-2-9 顯示KinectV2即時影像43圖3-2-10 KinectV2即時影像已關閉訊息通知43圖3-2-11 關閉KinectV2即時影像44圖3-2-12 儲存Kinec

tV2彩色和深度影像45圖3-2-13 彩色影像儲存於指定資料夾示意圖45圖3-2-14 深度影像儲存於指定資料夾示意圖45圖3-2-15 儲存KinectV2彩色和深度影像46圖3-2-16 警示通知-未處於存取影像的狀態46圖3-2-17 匯出彩色和深度影片中47圖3-2-18 彩色和深度影片匯出完畢-1 48圖3-2-19 彩色和深度影片匯出完畢-2 48圖3-2-20 與藍牙BLE裝置開始進行連線49圖3-2-21 與藍牙BLE裝置開始進行連線49圖3-2-22 當前正在儲存足壓鞋資料的訊息通知50圖3-2-23 停止接收後儲存接收到的資料50圖3-2-24 足壓鞋資料儲存完畢的訊息通

知51圖3-2-25 資料儲存完畢後顯示本次收到的資料數51圖3-2-26 足壓鞋資料儲存於指定資料夾示意圖51圖3-2-27 警示通知-未處於接收BLE裝置的狀態52圖3-2-28 同步執行儲存影像和與BLE裝置連線並接收封包52圖3-2-29 停止同步儲存影像和與BLE裝置連線並接收封包53圖4-1-1 各項實驗項目資料選取方式示意圖57圖4-1-2 資料隨機移動方式示意圖58圖4-2-1 模擬跌倒實驗場地(KinectV2視角)60圖4-2-2 -靜態日常活動場地(KinectV2視角)61圖4-2-3 上下樓梯活動實驗場地(工學大樓7樓)61圖4-2-4 慢跑和行走活動實驗場地工學大樓

7樓)63圖4-3-1 壓力鞋墊-壓力感測器位置圖63圖4-3-2 行走時向前跌倒的動作說明圖68圖4-3-3 行走時向前跌倒九軸慣性感測器變化圖(左腳)68圖4-3-4 行走時向前跌倒九軸慣性感測器變化圖(右腳)69圖4-3-5 三次行走時向前跌倒足壓變化圖69圖4-3-6 行走時向左跌倒的動作說明圖70圖4-3-7 行走時向左跌倒九軸慣性感測器變化圖(左腳)70圖4-3-8 行走時向左跌倒九軸慣性感測器變化圖(右腳)71圖4-3-9 三次行走時向左跌倒的左右腳足壓變化圖71圖4-3-10 行走時向右跌倒的動作說明圖72圖4-3-11 行走時向右跌倒九軸慣性感測器變化圖(左腳)72圖4-3-

12 行走時向右跌倒九軸慣性感測器變化圖(右腳)72圖4-3-13 三次行走時向右跌倒的左右腳足壓變化圖73圖4-3-14 站著時向前跌倒的動作說明圖74圖4-3-15 站著時向前跌倒九軸慣性感測器變化圖(左腳)74圖4-3-16 站著時向前跌倒九軸慣性感測器變化圖(右腳)75圖4-3-17 三次站著時向前跌倒的左右腳足壓變化圖75圖4-3-18 站著時向左跌倒的動作說明圖76圖4-3-19 站著時向左跌倒九軸慣性感測器變化圖(左腳)76圖4-3-20 站著時向左跌倒九軸慣性感測器變化圖(右腳)77圖4-3-21 三次站著時向左跌倒的左右腳足壓變化圖77圖4-3-22 站著時時向右跌倒的動作說

明圖78圖4-3-23 站著時向右跌倒九軸慣性感測器變化圖(左腳)78圖4-3-24 站著時向右跌倒九軸慣性感測器變化圖(右腳)79圖4-3-25 三次站著時時向右跌倒的左右腳足壓變化圖79圖4-3-26 坐下時向後跌的動作說明圖80圖4-3-27 坐下時向後跌九軸慣性感測器變化圖(左腳)80圖4-3-28 坐下時向後跌九軸慣性感測器變化圖(右腳)81圖4-3-29 三次坐下時向後跌的左右腳足壓變化圖81圖4-3-30 站起時向前跌倒的動作說明圖82圖4-3-31 站起時向前跌九軸慣性感測器變化圖(左腳)82圖4-3-32 站起時向前九軸慣性感測器變化圖(右腳)83圖4-3-33 三次站起時向

前跌倒的左右腳足壓變化圖83圖4-3-34 站起時向左跌倒的動作說明圖48圖4-3-35 站起時向左跌九軸慣性感測器變化圖(左腳)84圖4-3-36 站起時向左九軸慣性感測器變化圖(右腳)85圖4-3-37 三次站起時向左跌倒的左右腳足壓變化圖85圖4-3-38 站起時向右跌倒的動作說明圖86圖4-3-39 站起時向右跌九軸慣性感測器變化圖(左腳)86圖4-3-40 站起時向右九軸慣性感測器變化圖(右腳)87圖4-3-41 三次站起時向右跌倒的左右腳足壓變化圖87圖4-3-42 坐直動作說明圖91圖4-3-43 坐直九軸慣性感測器變化圖(左腳)91圖4-3-44 坐直九軸慣性感測器變化圖(右腳

)92圖4-3-45 三次坐直的左右腳足壓變化圖92圖4-3-46 坐著腳伸直動作說明圖93圖4-3-47 坐著腳伸直九軸慣性感測器變化圖(左腳)93圖4-3-48 坐著腳伸直九軸慣性感測器變化圖(右腳49圖4-3-49 三次坐著腳伸直的左右腳足壓變化圖94圖4-3-50 站直動作說明圖95圖4-3-51 站直九軸慣性感測器變化圖(左腳)95圖4-3-52 站直九軸慣性感測器變化圖(右腳)96圖4-3-53 三次站直的左右腳足壓變化圖96圖4-3-54 站著舉起雙手動作說明圖87圖4-3-55 站著舉起雙手九軸慣性感測器變化圖(左腳)97圖4-3-56 站著舉起雙手九軸慣性感測器變化圖(右腳)

98圖4-3-57 三次站著舉起雙手的左右腳足壓變化圖98圖4-3-58 站著向上墊腳動作說明圖99圖4-3-59 站著向上墊腳九軸慣性感測器變化圖(左腳)99圖4-3-60 站著向上墊腳九軸慣性感測器變化圖(右腳)100圖4-3-61 三次站著向上墊腳的左右腳足壓變化圖100圖4-3-62 站著前後擺動動作說明圖101圖4-3-63 站著前後擺動九軸慣性感測器變化圖(左腳)101圖4-3-64 站著前後擺動九軸慣性感測器變化圖(右腳)102圖4-3-65 三次站著前後擺動的左右腳足壓變化圖102圖4-3-66 站著左右擺動動作說明圖103圖4-3-67 站著左右擺動九軸慣性感測器變化圖(左腳

)103圖4-3-68 站著左右擺動九軸慣性感測器變化圖(右腳)104圖4-3-69 三次站著左右擺動的左右腳足壓變化圖104圖4-3-70 原地跳一次動作說明圖105圖4-3-71 原地跳一次九軸慣性感測器變化圖(左腳)105圖4-3-72 原地跳一次九軸慣性感測器變化圖(右腳)106圖4-3-73 三次原地跳一次的左右腳足壓變化圖106圖4-3-74 原地連續跳動作說明圖107圖4-3-75 原地連續跳九軸慣性感測器變化圖(左腳)107圖4-3-76 原地連續跳九軸慣性感測器變化圖(右腳)108圖4-3-77 三次原地連續跳的左右腳足壓變化圖108圖4-3-78 上樓梯動作說明圖111圖4

-3-79 上樓梯九軸慣性感測器變化圖(左腳)111圖4-3-80 上樓梯九軸慣性感測器變化圖(右腳)112圖4-3-81 三次上樓梯的左右腳足壓變化圖112圖4-3-82 下樓梯動作說明圖113圖4-3-83 下樓梯九軸慣性感測器變化圖(左腳)113圖4-3-84 下樓梯九軸慣性感測器變化圖(右腳)114圖4-3-85 三次下樓梯的左右腳足壓變化圖114圖4-3-86 向前慢跑動作說明示意圖115圖4-3-87 向前慢跑九軸慣性感測器變化圖(左腳)115圖4-3-88 向前慢跑九軸慣性感測器變化圖(右腳)116圖4-3-89 三次向前慢跑的左右腳足壓變化圖116圖4-3-90 原地慢跑動作說

明示意圖……117圖4-3-91 原地慢跑九軸慣性感測器變化圖(左腳)117圖4-3-92 原地慢跑九軸慣性感測器變化圖(右腳)118圖4-3-93 三次原地慢跑的左右腳足壓變化圖118圖4-3-94 倒退著走動作說明示意圖119圖4-3-95 倒退著走九軸慣性感測器變化圖(左腳)119圖4-3-96 倒退著走九軸慣性感測器變化圖(右腳)120圖4-3-97 三次倒退著走的左右腳足壓變化圖120圖4-3-98 原地踏步動作說明示意圖121圖4-3-99 原地踏步九軸慣性感測器變化圖(左腳)121圖4-3-100 原地踏步九軸慣性感測器變化圖(右腳)122圖4-3-101 三次原地踏步的左右腳足

壓變化圖122圖4-3-102 向前快走/向前正常速度走動作說明示意圖123圖4-3-103 向前快走九軸慣性感測器變化圖(左腳)123圖4-3-104 向前快走九軸慣性感測器變化圖(右腳)124圖4-3-105 三次向前快走的左右腳足壓變化圖124圖4-3-106 向前正常速度走九軸慣性感測器變化圖(左腳)125圖4-3-107 向前正常速度走九軸慣性感測器變化圖(右腳)125圖4-3-108 三次向前正常速度走的左右腳足壓變化圖126圖4-4-1 實驗流程圖 127圖4-5-1 左腳COP軌跡示意圖130圖4-6-1 跌倒與日常活動辨識模型訓練流程圖131圖4-6-2 跌倒與日常活動辨識模

型架構圖132圖4-7-1 資料預處理流程圖136[表目錄]表2-1-2利用靈敏度和特異性來判斷跌倒與非跌倒的判斷能力9表2-2-1提出兩種演算法與兩種找尋最佳預設閾值測試結果11表2-3-1使用1個加速度計放置於腰部進行姿勢識別的混淆矩陣13表2-3-2使用多個加速度計及放置不同位置姿勢識別的混淆矩陣14表2-3-3使用加速度計進行跌倒與非跌倒辨識的混淆矩陣16表2-4-1比較7種方法的靈敏度、特異性、準確度24表2-4-2 7個方法對於各活動的辨識失敗數26表3-1-1 Kinect V1和Kinect V2比較30表4-1-1每項活動提取資料數和隨機移動的次數59表4-3-1 左右腳壓力

感測器位置與名稱代號說明表64表5-1-1二元混淆矩陣138表5-3-1全部受試者使用雙腳足壓最佳的分2類結果141表5-3-2全部受試者使用雙腳足壓最差的分2類結果141表5-3-3全部受試者雙腳足壓資料整體辨識分2類結果142表5-3-4全部受試者使用雙腳六軸慣性感測器最佳的分2類結果145表5-3-5全部受試者使用雙腳六軸慣性感測器最差的分2類結果145表5-3-6全部受試者雙腳六軸慣行感測器資料整體辨識分2類結果146表5-3-7全部受試者使用雙腳九軸慣性感測器最佳的分2類結果148表5-3-8全部受試者使用雙腳九軸慣性感測器最差的分2類結果149表5-3-9全部受試者雙腳九軸慣性感測

器資料整體辨識分2類結果149表5-3-10全部受試者使用雙腳足壓與六軸慣性感測器最佳的分2類結果152表5-3-11全部受試者使用雙腳足壓與六軸慣性感測器最差的分2類結果152表5-3-12全部受試者雙腳足壓和六軸慣性感測器資料整體辨識分2類結果153表5-3-13全部受試者使用雙腳足壓與九軸慣性感測器最佳的分2類結果156表5-3-14全部受試者使用雙腳足壓與九軸慣性感測器最差的分2類結果56表5-3-15全部受試者雙腳足壓與九軸慣性感測器資料整體辨識分2類結果157表5-4-1全部受試者使用左腳足壓最佳的分2類結果160表5-4-2全部受試者使用左腳足壓最差的分2類結果160表5-4-3

全部受試者左腳足壓資料整體辨識分2類結果161表5-4-4全部受試者使用左腳六軸慣性感測器最佳的分2類結果164表5-4-5全部受試者使用左腳六軸慣性感測器最差的分2類結果164表5-4-6全部受試者左腳足壓與六軸慣性感測器資料整體辨識分2類結果165表5-4-7全部受試者使用左腳九軸慣性感測器最佳的分2類結果167表5-4-8全部受試者使用左腳九軸慣性感測器最差的分2類結果168表5-4-9全部受試者左腳九軸慣性感測器資料整體辨識分2類結果168表5-4-10全部受試者使用左腳足壓和六軸慣性感測器最佳的分2類結果171表5-4-11全部受試者使用左腳足壓和六軸慣性感測器最差的分2類結果171

表5-4-12全部受試者左腳足壓和六軸慣性感測器資料整體辨識分2類結果172表5-4-13全部受試者使用左腳足壓和九軸慣性感測器最佳的分2結果175表5-4-14全部受試者使用左腳足壓和九軸慣性感測器最差的分2類結果175表5-4-15全部受試者左腳足壓和九軸慣性感測器資料整體辨識分2類結果176表5-5-1全部受試者使用右腳足壓最佳的分2類結果179表5-5-2全部受試者使用右腳足壓最差的分2類結果179表5-5-3全部受試者右腳足壓資料整體辨識分2類結果180表5-5-4全部受試者使用右腳六軸慣性感測器最佳的分2類結果183表5-5-5全部受試者使用右腳六軸慣性感測器最差的分2類結果183

表5-5-6全部受試者右腳六慣性軸感測器資料整體辨識分2類結果184表5-5-7全部受試者使用右腳九軸慣性感測器最佳的分2類結果186表5-5-8全部受試者使用右腳九軸慣性感測器最差的分2類結果187表5-5-9全部受試者右腳九慣性軸感測器資料整體辨識分2類結果187表-5-10全部受試者使用右腳足壓和六軸慣性感測器最佳的分2類結果190表5-5-11全部受試者使用右腳足壓和六軸慣性感測器最差的分2類結果190表5-5-12全部受試者右腳足壓和六軸感測器資料整體辨識分2類結果191表5-5-13全部受試者使用右腳足壓和九軸慣性感測器最佳的分2類結果194表5-5-14全部受試者使用右腳足壓和九

軸慣性感測器最差的分2類結果194表5-5-15全部受試者右腳足壓和九軸感測器資料整體辨識分2類結果195表5-6-1全部受試者使用雙腳足壓最佳的分8類結果198表5-6-2全部受試者使用雙腳足壓最差的分8類結果198表5-6-3全部受試者雙腳足壓資料整體辨識分8類結果199表5-6-4全部受試者使用雙腳六軸慣性感測器最佳的分8類結果202表5-6-5全部受試者使用雙腳六軸慣性感測器最差的分8類結果203表5-6-6全部受試者雙腳六軸慣性感測器資料整體辨識分8類結果203表5-6-7全部受試者使用雙腳九軸慣性感測器最佳的分8類結果206表5-6-8全部受試者使用雙腳九軸慣性感測器最差的分8類結

果207表5-6-9全部受試者雙腳九軸慣性感測器資料整體辨識分8類結果208表5-6-10全部受試者使用雙腳足壓和六軸慣性感測器最佳的分8類結果211表5-6-11全部受試者使用雙腳足壓和六軸慣性感測器最差的分8類結果212表5-6-12全部受試者雙腳足壓和六軸慣性感測器資料整體辨識分8類結果212表5-6-13全部受試者使用雙腳足壓和六軸慣性感測器最佳的分8類結果215表5-6-14全部受試者使用雙腳足壓和六軸慣性感測器最差的216表5-6-15全部受試者雙腳足壓和九軸慣性感測器資料整體辨識分8類結果217表5-7-1全部受試者使用左腳足壓最佳的分8類結果220表5-7-2全部受試者使用左腳

足壓最差的分8類結果221表5-7-3全部受試者左腳足壓資料整體辨識分8類結果221表5-7-4全部受試者使用左腳六軸慣性感測器最佳的分8類結果224表5-7-5全部受試者使用左腳六軸慣性感測器最差的分8類結果225表5-7-6全部受試者左腳六軸慣性感測器資料整體辨識分8類結果226表5-7-7全部受試者使用左腳九軸慣性感測器最佳的分8類結果229表5-7-8全部受試者使用左腳九軸慣性感測器最差的分8類結果230表5-7-9全部受試者左腳九軸慣性感測器資料整體辨識分8類結果230表5-7-10全部受試者使用左腳足壓和六軸慣性感測器最佳的分8類結果233表5-7-11全部受試者使用左腳足壓和六軸

慣性感測器最差的分8類結果234表5-7-12全部受試者左腳足壓和六軸慣性感測器資料整體辨識分8類結果235表5-7-13全部受試者使用左腳足壓和九軸慣性感測器最佳的分8類結果238表5-7-14全部受試者使用左腳足壓和九軸慣性感測器最差的分8類結果239表5-7-15全部受試者左腳足壓和九軸慣性感測器資料整體辨識分8類結果239表5-8-1全部受試者使用右腳足壓最佳的分8類結果242表5-8-2全部受試者使用右腳足壓最差的分8類結果243表5-8-3全部受試者左腳足壓資料整體辨識分8類結果244表5-8-4全部受試者使用雙腳六軸慣性感測器最佳的分8類結果.247表5-8-5全部受試者使用雙腳

六軸慣性感測器最差的分8類結果.248表5-8-6全部受試者右腳六軸慣性感測器資料整體辨識分8類結果………..248表5-8-7全部受試者使用右腳九軸慣性感測器最佳的分8類結果.251表5-8-8全部受試者使用右腳九軸慣性感測器最差的分8類結果.252表5-6-9全部受試者雙腳九軸慣性感測器資料整體辨識分8類結果253表5-8-10全部受試者使用右腳足壓和六軸慣性感測器最佳的分8類結果256表5-8-11全部受試者使用右腳足壓和六軸慣性感測器最差的分8類結果257表5-8-12全部受試者右腳足壓和六軸慣性感測器資料整體辨識分8類結果257表5-8-13全部受試者使用右腳足壓和九軸慣性感測器最佳

的分8類結果260表5-8-14全部受試者使用右腳足壓和九軸慣性感測器最差的分8類結果261表5-8-15全部受試者右腳足壓和九軸慣性感測器資料整體辨識分8類結果261表6-1-1雙腳使用5種不同輸入參數跌倒與日常活動辨識結果265表6-1-2雙腳使用5種不同輸入參數分2類結果266表6-2-1左腳使用5種不同輸入參數跌倒與日常活動辨識結果267表6-2-2左腳使用5種不同輸入參數分2類結果268表6-3-1右腳使用5種不同輸入參數跌倒與日常活動辨識結果269表6-3-2右腳使用5種不同輸入參數分2類結果270表6-4-1雙腳使用足壓輸入參數跌倒與7項日常活動辨識結果271表6-4-2雙腳使用

六軸輸入參數跌倒與7項日常活動辨識結果72表6-4-3雙腳使用九軸輸入參數跌倒與7項日常活動辨識結果273表6-4-4雙腳使用足壓和六軸輸入參數跌倒與7項日常活動辨識結果274表6-4-5雙腳使用足壓和九軸輸入參數跌倒與7項日常活動辨識結果275表6-4-6雙腳使用5種不同輸入參數分8類結果276表6-5-1左腳使用足壓輸入參數跌倒與7項日常活動辨識結果77表6-5-2左腳使用六軸輸入參數跌倒與7項日常活動辨識結果278表6-5-3左腳使用九軸輸入參數跌倒與7項日常活動辨識結果279表6-5-4左腳使用足壓和六軸輸入參數跌倒與7項日常活動辨識結果280表6-5-5左腳使用足壓和九軸輸入參數跌倒

與7項日常活動辨識結果281表6-5-6左腳使用5種不同輸入參數分8類結果282表6-6-1右腳使用足壓輸入參數跌倒與7項日常活動辨識結果283表6-6-2右腳使用六軸輸入參數跌倒與7項日常活動辨識結果284表6-6-3右腳使用九軸輸入參數跌倒與7項日常活動辨識結果285表6-6-4右腳使用足壓和六軸輸入參數跌倒與7項日常活動辨識結果286表6-6-5右腳使用足壓和九軸輸入參數跌倒與7項日常活動辨識結果287表6-6-6右腳使用5種不同輸入參數分8類結果288