MotionSense数据集 该数据集包括由加速度计和陀螺仪传感器生成的时间序列数据（高度，重力，用户加速度和rotationRate）。 使用其与iPhone 6s放在参与者的前袋中收集，该可从iOS设备上的框架收集信息。 所有数据以50Hz采样率采集。 共有24位不同性别，年龄，体重和身高的参与者在15个试验中在相同的环境和条件下进行了6项活动：楼下，楼上，步行，慢跑，坐着和站立。 借助该数据集，我们旨在在传感器数据的时间序列中查找个人属性指纹，即可以用于推断数据主体除其活动之外的性别或个性的特定于属性的模式。 时间序列对应于数据主体的步行活动（代码3）。 有12个功能。 一些注意事项： 如果您在此处查看“”，请查看pmc_xxx和tutorial文件夹。 如果您正在训练有关传感器数据的深度神经网络，则可以在以下链接中找到我们的最新工作，这对您的工作很有用： : 下载 MotionSense数据集可公开使用也可以作为备份使用。 还有一个Kaggle版本： ：//www.kaggle.com/malekzadeh/motionsense-dataset 引文 如果您发现

基于Arduino平台的开发，结合卡尔曼滤波，有需要代码的小伙伴可自行下载哦，连上就能用！具体详细介绍可參考我的另外一个文章 https://blog.csdn.net/qq_40604876/article/details/119024790?spm=1001.2014.3001.5501

本文档介绍的是ADI ADXL362（ADXL362数据手册）三轴MEMS加速度计在小米智能手环方案的应用和参考设计。 小米手环介绍: 小米手环主芯片采用台湾的华邦电子W25Q80BV（W25Q80BV数据手册），传感器采用ADI的三轴MEMS加速度传感器ADXL362（加速度传感器典型应用），蓝牙芯片采用Dialog的DA14580（DA14580数据手册）蓝牙SoC。小米手环更像是小米手机的延生产品，支持Android4.4及以上版本MIUI，包括小米手机4，小米手机3，红米note4G版，功能有基本的计步、睡眠监测、卡路里计算，还能通过设定目标，帮助用户完成每日的运动量。 小米手环电路板截图: ADXL362介绍: ADXL362微功耗三轴MEMS加速度计（加速度传感器典型应用）。数字输出，加速度范围为±2/±4/±8 g。工作电压1.8V-3.3V,电源电压2V和100Hz输出数据速率时的功耗为2μA，运动触发叫醒模式的功耗为300nA，器件提供12位输出分辨率,8位格式的数据,在±2 g范围的分辨率为1 mg/LSB。主要用在助听器,家庭保健设备,运动使能电源开关,无线传感器和运动使能计量设备. ADXL362功能框图: 附件内容包括: 小米手环电路设计原理图PDF档； ADXL362数据手册； ADXL362驱动/参考代码； 评估板EVAL-ADXL362电路图； 基于ADXL362的卫星跟踪设计参考原理图PDF档； 小米智能手环bong II完整设计方案分享（包括原理图、PCB源文件、材料清单、源代码，详细的制作过程和设计讲解）； 相关技术方案: 加速度传感器ADXL345典型应用 本参考设计基于ADI公司的ADXL345，实现了加速度传感器的一系列典型应用，包括:计步器，闪信，硬盘跌落保护，人体跌倒保护，倾角测量，旋转检测，晃动检测，单击、双击检测以及其他智能检测功能和游戏控制功能，等等。

网上人类活动识别 使用与用户无关的基于机器学习的算法进行在线人类活动识别。 使用UCI数据集-“使用智能手机数据集的人类活动识别”来完成每种方法的学习。 测试是通过使用加速度计和陀螺仪收集的实时数据完成的。

mpu6050三轴加速度计资料，学习传感器的最佳之选。。。。

本文以对步伐特征的研究为基础，描述一个采用3轴加速度计ADXL345的全功能计步器参考设计，它能辨别并计数步伐，测量距离、速度甚至所消耗的卡路里。

2018年11月 使用智能手机数据集的人类活动识别 资料库概述： 该项目旨在建立一个模型，该模型根据智能手机的Sensor数据预测诸如步行，上楼，下楼，坐着，站着和躺下等人类活动。 仓库有3个ipython笔记本1 ：数据预处理和探索性数据分析2 ：具有特征数据的机器学习模型3 ：基于原始时间序列数据的LSTM模型所有代码都是用python 3编写的依赖 张量流 凯拉斯 麻木 大熊猫 matplotlib 海生的 斯克莱恩 itertools 约会时间 介绍： 每个现代的智能手机都有许多。 我们对加速度传感器和陀螺仪这两种传感器感兴趣。 借助传感器记录数据这是一个6类分类问题，因为我们有6个活动要检测。 该项目分为两部分，第一部分训练，调整和比较Logistic回归，线性支持向量分类器，RBF（径向基函数）SVM分类器，决策树，随机森林，梯度提升决策树模型，并使用领域专家提

广受用户欢迎的低噪声、低漂移、低功耗三轴MEMS加速度计系列新增ADXL356和ADXL357两款器件。新款加速度计可实现高频低噪声性能，提供高分辨率振动测量，可在状态监控应用中尽早检测出机器故障

ST系列芯片LISDS12,LISDh12,LISDW12 lps22hb lps25hb lsm6dsm等标准C实现demo代码

verilog语言 fpga 50Mhz时钟 1600Hz SPI协议读取加速度计ADXL345