VIP20
本课程属于：058-Nordic nRF TinyML低功耗与BLE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

7. nRF传感器动作识别：IMU采集、窗口特征和板端分类

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
学习目标 · 核心概念 · 整体框架
课程导入学习目标
02
IMU传感器基础
加速度计 · 陀螺仪 · 磁力计的工作原理
IMU传感器基础
03
nRF平台与硬件准备
常用nRF开发板（如nRF52840… · IMU传感器模块（如LSM6DS3）…
nRF平台
04
IMU数据采集
使用nRF SDK或Zephyr R… · 读取原始加速度和角速度数据
IMU数据采集
05
数据采样与同步
采样率设置 · 时间戳管理 · 多传感器数据同步
数据采样同步
06
数据预处理
去噪滤波（低通 · 高通 · 卡尔曼）
数据预处理去噪滤波
07
动作识别概述
常见动作类型（静止 · 走路 · 跑步
动作识别概述常见动作类型
08
窗口化处理
滑动窗口原理 · 窗口大小与重叠率的选择 · 以及实时数据流的分帧方法
窗口化处理滑动窗口原理
09
特征工程基础
时域特征（均值 · 方差 · 均方根
特征工程基础时域特征
10
频域特征提取
FFT · 功率谱密度 · 频带能量等频域特征
频域特征提取FFT
11
特征选择与降维
主成分分析（PCA） · 线性判别分析（LDA）在动作识别中的…
特征选择降维
12
分类算法入门
常用分类器（KNN · 决策树 · 随机森林
分类算法入门KNN
13
板端机器学习
在nRF上部署轻量级模型（如Tens… · Edge Impulse）的流程
板端机器学习nRF
14
模型训练与验证
数据集划分 · 交叉验证 · 混淆矩阵
模型训练验证
15
实时推理与延迟优化
在nRF上实现实时分类 · 优化计算资源与功耗
实时推理延迟优化
16
案例实战
使用nRF52840和IMU实现三轴… · 上下挥动）
案例实战nRF52840
17
案例实战
基于加速度计和陀螺仪的步数检测与计步…
案例实战基于加速度计
18
案例实战
跌倒检测系统设计 · 包括阈值判断与机器学习结合
案例实战跌倒检测系统设计
19
案例实战
人体活动识别（静止 · 走路 · 跑步）的完整端到端流程
案例实战人体活动识别
20
数据采集工具与可视化
使用nRF Connect · 串口助手或Python脚本采集并可视…
数据采集工具可视化
21
Edge Impulse集成
在Edge Impulse中导入IM… · 设计特征与模型 · 并导出到nRF
EdgeImpulse
22
Zephyr RTOS下的传感器驱动
使用Zephyr的传感器子系统读取I…
ZephyrRTOS
23
低功耗设计
在动作识别中如何平衡采样率 · 处理频率与电池寿命
低功耗设计动作识别
24
常见问题与调试
IMU数据漂移 · 噪声干扰 · 采样不同步
常见问题调试
25
性能优化技巧
使用定点运算 · 查表法 · 硬件加速（如FPU）提升板端推理速度
性能优化技巧使用定点运算
26
多传感器融合
融合加速度计 · 陀螺仪和磁力计数据提高动作识别鲁棒性
多传感器融合融合加速度计
27
模型压缩与量化
将浮点模型转换为int8量化模型 · 减小内存占用并加速推理
模型压缩量化
28
综合项目
设计一个可穿戴设备原型 · 实现多种动作的实时识别并通过BLE上…
综合项目设计一个可穿戴设…
29
测试与部署
在真实环境中测试系统稳定性 · 处理边界情况 · 并部署到目标硬件
测试部署
30
课程总结与进阶方向
回顾核心知识点 · 探讨未来扩展（如深度学习 · 边缘AI）与学习资源
课程总结进阶方向