可穿戴设备的主流传感器介绍

 

目前,最常见的收集身体运动数据的技术是计算步数,这种技术首次是用在计步器上,如今也给消费者提供数据来源。除了在外形上的改变——从皮带夹到手环,大多数计步设备需要加入其它功能,检测身体其他指标。市场上有成千上万的传感器,并且还会越来越多。现在,工程师都开始使用传感器来检测和测量心率、汗液、温度、睡眠、生殖健康,卡路里、GPS坐标、血压、UV紫外线和葡萄糖水平。那么,这些传感器是干嘛用的,会用在哪些产品?预知后事如何,请看下文分解。

  心率

  有一类简单的硬件叫做PPG,可以在皮肤下测量血液节拍。它的工作原理是:把一个光线感应器放置在绿灯旁,当你皮肤下的血液脉冲,会改变光线感应器的亮度;而亮度的变化就是心跳的信号。这种硬件很简单,但数据不够准确。你只需要用手掠过感应器,就能假装是一个心跳。所以,机智的软件开发人员增加了一些功能,使这款传感器能获得最准确的数据。这类型的硬件也用智能手表、FitBit、微软手环2等。如果你在穿戴设备上看到绿灯,别怕,它只是一个心率传感器而已。

  测量心率很重要,因为它可以告诉你很多关于整体健康的事情。如果你的心脏跳动对你的年龄、体重范围来说太快的话,可能意味着身体有些器官是运作不正常。追求健康的生活,除了健身和注意饮食,还有健康的心脏带来的无压力的生活方式。

  汗液

  出汗是身体冷却并释放毒素的方式,所以说,对各种类型人体数据感兴趣的人而言,汗液就是百宝箱。皮肤电传感器能够检测你汗水中的分子,该传感器通过对毛孔发送小电流,你在大量出汗时的信号返回速度比不出汗时快。该传感器基本上把汗液分析过后,就能一一告诉你身体的情况。例如,如果你在上本周末喝了很多酒,今天早晨为了赶车而大汗淋漓,你会惊奇地发现,你的汗水会透露你周末放纵的秘密。

  温度

  将把心率和汗水传感器相结合时,温度传感器可透露关于一个人的很多信息,首先就是他们的情感。这种类型的计算数据一般用在情感计算中,特别是玩游戏。这个想法是,电脑可以知道你的情绪,并对此作出适当的反应。如果你感到沮丧,那么你的肌肤可能会变得黏黏的、你的心率非常轻微地增加、你的体温也会升高,牢记这些数据点之后,计算机会让你出去走走,呼吸一下新鲜空气。

  睡眠

  可穿戴设备共同追踪的另一个功能是睡眠,这也使得它在不同设备的精确度不同。有些设备只是告诉你,你睡了多长时间(但你得告诉它你睡着了),而其他设备知道,你何时睡着,并追踪你的睡眠周期和心率。最富有成效和有趣的是你是否睡够了,睡多久才够将永远是人们争论的话题;但大多数人都同意8小时是理想的选择。我喜欢知道我睡得好不好,特别是如果传感器能够告诉我,我何时进入深度睡眠,那么我就能知道我可能在床上躺了8小时,可我真正睡了5小时。

  卡路里

  人们不再需要计算每天的卡路里了,因为可穿戴技术接管了该任务。收集热量燃烧的数据提供了重要的信息,特别是如果你想知道什么运动是最有效的。集齐上面所说的传感器,就能召唤计算燃烧的卡路里的硬件。算法是使该数据如此重要的原因。一些设备,会告诉你摄入了多少卡路里,(没有食物和重量的详细说明,很难知道),而有些则是告诉你燃烧了多少卡路里。

  GPS

  一些运动训练设备内置了GPS传感器,这对分享旅行路线以及距离很有帮助。除了跟踪你的位置,另一件很棒的事情是,看你走过的海拔。并非所有的景观是平的,因此,该传感器与基本活动跟踪一起,可以提高锻炼的准确性。

  血压

  测量血压已经不再是医生用血压计和听诊器那么传统了。对于患有高血压或低血压的人来说,只需要家用无线系统,就能测量血压,实在是太方便了。虽然没有可穿戴设备那么方便,但它确实能放包包里随身带着。 Withings有特别好的设备,它可以连接到你的智能手机或平板电脑,可以与医生共享任何异常的数据。

       UV

我们都知道,太阳也越来越强,因为O型区域越来越小。这意味着每次你去看皮肤科医生时,他们会提醒你每天在暴露的皮肤抹上防晒霜。UV检测是值得注意的重要指标。有些设备将衡量你在阳光下的时间,结合你的年龄,和你的皮肤敏感度,在适当时间通知你,是时候到室内去了。其他设备则能够让你知道紫外线的强度,并发送提醒你需要抹更多的防晒霜。无论哪种方式,你都需要一款智能手机,以帮助把数据转换成可以理解的信息。

       葡萄糖

胰岛素测量对患有糖尿病的人们来说十分关键。有一些设备通过了医疗审批,可以测量你身体的葡萄糖含量。有些是胖乎乎的手表,而另一些则是各种小补丁的样子,佩戴者可以决定款式。然而,使用这些设备的人也需要配合。因为患上糖尿病需要每天都担心自身的健康,因此提高警戒,同时保持简单的生活方式,十分重要。

  目前,还有很多传感器在研发阶段,未来的几年,它们都会变得越来越小。越来越精确。

  • 3
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Current developments in nanotechnology make electromagnetic communication possible at the nanoscale for applications involving Body Sensor Networks (BSNs). This specialized branch of Wireless Sensor Networks, drawing attention from diverse fields such as engineering, medicine, biology, physics and computer science, has emerged as an important research area contributing to medical treatment, social welfare, and sports. The concept is based on the interaction of integrated nanoscale machines by means of wireless communications. One key hurdle for advancing nanocommunications is the lack of an apposite networking protocol to address the upcoming needs of the nanonetworks. Recently, some key challenges have been identified, such as nanonodes with extreme energy constraints, limited computational capabilities, Terahertz frequency bands with limited transmission range, etc., in designing protocols for wireless nanosensor networks. This work proposes an improved performance scheme of nanocommunication over Terahertz bands for wireless BSNs making it suitable for smart e-health applications. The scheme contains – a new energy-efficient forwarding routine for electromagnetic communication in wireless nanonetworks consisting of hybrid clusters with centralized scheduling; a model designed for channel behavior taking into account the aggregated impact of molecular absorption, spreading loss, and shadowing; and an energy model for energy harvesting and consumption. The outage probability is derived for both single and multilinks and extended to determine the outage capacity. The outage probability for a multilink is derived using a cooperative fusion technique at a predefined fusion node. Simulated using a Nano-Sim simulator, performance of the proposed model has been evaluated for energy efficiency, outage capacity, and outage probability. The results demonstrate the efficiency of the proposed scheme through maximized energy utilization in both single and multihop communication; multisensor fusion at the fusion node enhances the link quality of the transmission.
近年来,随着可穿戴设备的普及和传感技术的不断进步,人体运动状态识别在生活中的应用越来越广泛。国内外学者对于可穿戴设备传感器的人体运动状态识别的研究也已经取得了一些成果。 国内研究现状: 1. 基于深度学习的人体运动状态识别:近年来,深度学习在人体运动状态识别上的应用越来越广泛,国内的研究者也开始使用深度学习的方法进行人体运动状态的识别。例如,华东师范大学的研究者们使用深度神经网络和卷积神经网络(CNN)进行了人体姿态识别和运动状态识别的研究。 2. 基于机器学习的人体运动状态识别:机器学习是一种常用的人体运动状态识别方法,它通过训练模型对传感器数据进行分类和预测。例如,北京航空航天大学的研究者们采用了支持向量机、决策树等机器学习算法进行人体运动状态的识别。 3. 基于传感器的人体运动状态识别:传感器是人体运动状态识别的重要组成部分,国内研究者们也在探索不同的传感器组合以及其在人体运动状态识别中的应用。例如,南昌大学的研究者们采用了加速度传感器和陀螺仪等传感器进行人体运动状态的识别。 国外研究现状: 1. 基于深度学习的人体运动状态识别:美国的研究者们采用深度学习的方法进行了人体姿态识别和运动状态识别的研究,取得了一定的成果。 2. 基于机器学习的人体运动状态识别:英国的研究者们采用了支持向量机、随机森林等机器学习算法进行人体运动状态的识别,并取得了较好的效果。 3. 基于传感器的人体运动状态识别:荷兰的研究者们采用了加速度计和陀螺仪等传感器进行人体运动状态的识别,并取得了较好的识别效果。 总之,国内外研究者们对于可穿戴设备传感器的人体运动状态识别进行了深入研究,并取得了一些成果。未来随着技术的不断进步,人体运动状态识别技术将会更加成熟和普及。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值