MMA8451是一款低电压供电，电容式微机械全数字式的传感器，可测量三轴方向的加速度。基于这款高性能的传感器，设计出主从式振动检测仪器。文中介绍了整个电路的设计思路与组成结构，给出了作为前端传感器在虚拟仪器中的应用，并且给出了测试结果。使用主从式对虚拟仪器进行设计，实现了预定目标并且摆脱了虚拟仪器开发对LabView的依赖。

加速度传感器，重力传感器，线性加速度传感器

前言 　　人们在跌倒后会面临双重危险。显而易见的是跌倒本身可能对人体产生伤害；另外，如果跌倒后不能得到及时的救助，可能会使结果更加恶化。例如，许多老年人由于其身体比较虚弱，自理能力和自我保护能力下降，常常会发生意外跌倒，如果得不到及时的救助，这种跌倒可能会导致非常严重的后果。有资料显示，很多严重的后果并不是由于跌倒直接造成的，而是由于跌倒后，未得到及时的处理和救护。当出现跌倒情况时，如果能够及时地通知到救助人员，将会大大地减轻由于跌倒而造成的危害。 　　不仅是对老人，在很多其他情况下，跌倒的报警也是非常有帮助的，尤其是从比较高的地方跌倒下来的时候。比如人们在登山，建筑，擦窗户，刷油漆和修理

硅微加速度计结构示意图，总体尺寸在1400微米以内，质量块尺寸为200μmμm，质量块的厚度为80μm，梁的尺寸（300）μm*40μm，梁的厚度为30μm。 材 料：自选（可类比课件例题或前实验题） 弹性模量：1.69e11; 泊松比：0.3； 密 度：2.3e3。 网络化类型：自选

基于最小二乘方法的加速度计标定，包括有关仿真数据生成程序，线性最小二乘方法，非线性最小二乘方法，递推线性最小二乘方法等代码，还有详细的解释

51单片机与ADXL345加速度计之间的SPI通信程序，编译通过，并且实际应用很好

单摆实验是个经典实验，许多著名的物理学家都对单摆实验进行过细致的研究。本实验的目的是进行简单设计性实验基本方法的训练，根据已知条件和测量精度的要求，学会应用误差均分原则选用适当的仪器和测量方法，学习累积放大法的原理和应用，分析基本误差的来源，提出进行修正和估算的方法。 一、实验目的 （1）掌握利用单摆测定重力加速度的原理和方法。 （2）学习长度、时间的测量与处理。

研究了惯性导航中加速度计传感器和陀螺仪传感器性能． 分析加速度计和陀螺仪 的误差来源，并提出误差模型，进行误差补偿． 提出了加速度计传感器惯性导航系统算法，并结合 结合车辆系统动力学模型，对算法进行了仿真和实车测试． 仿真和测试结果和常规惯性导航系统 所采用的陀螺仪方案进行对比分析，从而验证了加速度计惯性导航算法的相对有效性．

通过apple watch设备测量的人体的手环加速度数据，文档共包含982000行数据，其中包含xyz三轴加速度的详细信息和对应的时间，可用于研究人的运动情况和生理健康问题，在疲劳的生理研究中可充当生理数据进行研究

运动分析 基于来自手机的加速度计/陀螺仪数据的人体运动分类 data-gathering包含从智能手机收集实时数据并将其转储到磁盘所需的所有代码 datasets包含我们用于训练模型的训练和验证数据 logs随时间推移的模型性能 models预训练模型 进行数据分析的src应用程序 自己测试实时分类器 首先设置您的环境： 安装node.js和python 2.7 进入data-gathering文件夹并运行npm install 进入src文件夹并运行easy install sklearn docopt 该应用程序包含三个部分：在电话上运行并获取数据的网站；以及在计算机上运行并接收数据的node.js应用程序； 一个对数据进行分类的python应用。 得到两个终端和... 在1号航站楼： $ cd src $ python dataset.py --model ../mod