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

使用非平稳 Kanai-Tajimi 模型模拟地面加速度记录。 非平稳地面加速度记录基于郭等人的论文中提出的例子进行模拟。 [3] 我找到了很好的解释。 但是，该方法本身较旧，参见例如 [1, 2]。 此外，目前提交的文件还包含一个 Matlab 函数，用于将非平稳 Kanai-Tajimi 模型拟合到地面加速度记录。 拟合程序 (lsqcurvefit) 需要优化工具箱。 然而，可以替代地使用其他功能。 这里通过 filtfilt 函数使用信号处理工具箱。 任何改进代码的评论、问题或建议都受到热烈欢迎。 参考 [1] Lin, YK, & Yong, Y. (1987)。 演化的 Kanai-Tajimi 地震模型。 工程力学杂志，113（8），1119-1137。 [2] Rofooei, FR, Mobarake, A., & Ahmadi, G. (2001)。 使用非平稳

_基于三轴重力加速度传感器的机器人状态检测.docx

使用单片机两个串口，一个串口读IMU的数据并解析，另一个串口通过串口助手打印数据

Arduino上的ADXL355 使用SPI协议在Arduino上读取ADXL355 PMDZ加速度计的代码。 它是如何工作的？ 要求 Arduino的在MKR1000上测试 ADXL355 PMDZ 更多信息： 将ADXL355接线至Arduino MKR1000 ADXL355针形数字 ADXL引脚说明 Arduino引脚 1个 片选 07 2个 主输出从站（MOSI） 08 3 主进从出（MISO） 10 4 串行时钟（SCLK） 09 5 数字地面 地线 6 数字电源 VCC 7 中断1 未连接 8 未连接 未连接 9 中断2 未连接 10 数据就绪 未连接 11 数字地面 未连接 12 数字电源 未连接