当下,伴随着肥胖症、高血糖、高血脂等疾病发病率的增加,人们开始更加关注自己的身体健康。保障身体健康最简单的方法之一就是增加运动锻炼。结合当前可穿戴式概念的推广普及以及MEMS惯性传感器技术成熟发展的现状,本文提出设计一款基于加速度计的可穿戴式人体监测系统,用于实时监测人体的日常运动量。硬件和上位机设计:本论文采用STM32F405作为主控芯片;采用MMA8451Q加计芯片采集人体运动数据;采用W25Q64存储芯片保存人体日常运动数据;采用HM-12无线蓝牙模块,实现与Android智能机之间数据的通讯与显示。使用VS2010编写PC端上位机,用于接收显示加计数据和实时保存下位机硬件的数据,为后续步态算法分析做准备;使用Eclipse编写Android智能手机端交互界面App,用于显示人体的运动状态参数。步态算法设计:本文将监测系统安放在大腿部位,使用加计作为主特征量,选用离散型傅立叶低通滤波算法进行滤波。接着,分析人体日常运动的特点,利用峰值检测法,并借助7个辅助特征量,提出本论文的步态识别算法。最后,对9种人体日常运动(向前步行,向后步行,跑步,上下坡,骑自行车,上下楼梯,原地踏步)进行实验,验证本算法的有效性。睡眠质量监测算法设计:选用大腿作为监测系统安放部位,使用翻身角度作为特征量,采用峰值检测法,借助4个辅助特征量,提出本论文的睡眠监测算法,最后设计实验验证该算法的可靠性。