VIP20
本课程属于：042-TinyML智能穿戴与健康监测项目 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

1. TinyML智能穿戴项目：动作识别、健康监测与低功耗告警

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
TinyML在智能穿戴中的价值 · 课程目标 · 学习路径与项目总览
课程导入TinyML
02
智能穿戴硬件基础
常见传感器（加速度计 · 陀螺仪 · 心率
智能穿戴硬件基础常见传感器
03
TinyML核心概念
模型压缩 · 量化 · 剪枝
TinyML核心概念
04
开发环境搭建
Arduino · Edge Impulse · TensorFlow Lite fo…
开发环境搭建Arduino
05
数据采集与标注
使用穿戴设备采集动作和生理信号 · 数据清洗 · 标注与数据集构建
数据采集标注
06
动作识别基础
常见动作（走路 · 跑步 · 静止
动作识别基础常见动作
07
健康监测基础
心率 · 血氧 · 体温等生理信号的处理与异常检测方法
健康监测基础心率
08
低功耗设计原则
功耗来源分析 · 低功耗模式 · 事件驱动架构与电源管理
低功耗设计原则功耗来源分析
09
特征工程
时域特征（均值 · 方差 · 峰值）
特征工程时域特征
10
经典机器学习模型
决策树 · 随机森林 · KNN
经典机器学习模型决策树
11
深度学习模型
CNN · LSTM · TCN在时序数据上的应用与轻量化设计
深度学习模型CNN
12
模型训练与优化
使用Edge Impulse或Ten… · 调参 · 正则化与过拟合处理
模型训练优化
13
模型量化与转换
将训练好的模型量化为int8 · 转换为.tflite格式并生成C数组
模型量化转换
14
嵌入式部署
在Arduino/STM32等平台上… · 编写推理代码
嵌入式部署Arduino/STM3…
15
实时动作识别实战
实现一个基于加速度计的动作分类器 · 识别3-5种动作
实时动作识别实战实现一个基于加速…
16
健康监测实战
基于PPG传感器实现心率计算与异常告…
健康监测实战PPG
17
低功耗告警系统
结合动作与健康数据 · 设计低功耗触发告警逻辑（如跌倒后无响…
低功耗告警系统结合动作
18
数据融合与多传感器协同
融合加速度计 · 陀螺仪 · 心率数据提升识别准确率
数据融合多传感器协同
19
边缘-云协同
本地推理与云端分析结合 · 数据同步 · 模型更新与隐私保护
边缘云协同
20
系统集成与原型制作
将硬件 · 软件 · 电池
系统集成原型制作
21
性能评估与测试
准确率 · 召回率 · 功耗
性能评估测试
22
常见问题与调试
传感器噪声 · 数据漂移 · 模型过拟合
常见问题调试
23
电池续航优化
动态电压频率调整 · 睡眠调度 · 传感器采样率优化与能量估算
电池续航优化动态电压频率调整
24
安全与隐私
穿戴数据敏感性与加密传输 · 本地处理优势与合规性
安全隐私
25
项目实战
从零构建一个完整的TinyML智能手… · 实现动作识别+心率监测+跌倒告警
项目实战TinyML
26
进阶
使用TinyML实现手势识别 · 情绪识别或睡眠监测等扩展功能
进阶TinyML
27
模型持续学习与自适应
在线学习 · 迁移学习在穿戴设备上的应用与挑战
模型持续学习自适应
28
多平台移植
将模型部署到不同MCU（ESP32 · nRF52 · RP2040）的移植技巧
多平台移植MCU
29
综合项目答辩与优化
展示项目成果 · 分析不足 · 提出优化方案与未来展望
综合项目答辩优化
30
课程总结与资源推荐
回顾核心知识 · 推荐工具 ·
课程总结资源推荐