＃＃ 概括 该存储库包含Matlab函数，可仅使用一个加速度计来识别线状结构的本征频率和模态阻尼比。 由于使用单个传感器，因此无法识别模式形状。 本文中使用的所有数据都是模拟的。 我正在使用由[1]开发并在[2]中可用的峰选择功能“ pickpeaks”。 手动峰峰值算法是由[3]在Matlab文件交换中提出的。 因此，我要感谢[1-3]的先前作品。 所应用的方法描述如下： （1）本征频率的第一估计是通过经典的峰值提取方法获得的。 （2）应用带通滤波器提取与所选特征频率相关的模态响应 （3）通过计算每个模态响应的自相关函数来获得脉冲响应函数（IRF）。 （4）由于峰值检波方法并不总是合适的，因此对IRF拟合了指数衰减函数以估计阻尼比并获得对本征频率的改进估计。 由于带通滤波器可能无法有效地将两个模态响应分开，因此本方法不应应用于具有密集模式的结构。 在[4]中使用了类似的算法

MEMS加速度计原理     技术成熟的MEMS加速度计分为三种:压电式、容感式、热感式。压电式MEMS加速度计运用的是压电效应，在其内部有一个刚体支撑的质量块，有运动的情况下质量块会产生压力，刚体产生应变，把加速度转变成电信号输出。     容感式MEMS加速度计内部也存在一个质量块，从单个单元来看，它是标准的平板电容器。加速度的变化带动活动质量块的移动从而改变平板电容两极的间距和正对面积，通过测量电容变化量来计算加速度。Freescale的MMA7660FC这一款加速度计（3-Axis Orientation/Motion Detection Sensor），这一款芯片也是利用这一原理

Bk官方网站下载的传感器教程 很经典。一种便于安装和拆卸，具有电荷放大器作用的压电加速度计前置放大器，属于振动传感器领域。该前置放大器包括插孔(1)、输出端绝缘体(2)、输出端外壳(3)、电荷放大集成电路(4)、输入端绝缘体(5)、旋钮(6)、插针(7)、连接端外壳(8)八个部件。使用该前置放大器可以方便的将普通压电加速度计的高输入阻抗转变为低输入阻抗，该发明具有连接简单、成本低廉、使用方便等优点。

弃用警告 Adafruit已弃用其，转而使用 ，该使您可以将其完整的CircuitPython代码用于传感器。 可以在这里找到： : 。 该存储库中的库仍将在Python 2下运行，但是，因此您应该将以上库与Python 3结合使用。 因此，该存储库将被存档，并且不会进行进一步的更新。 感谢过去为之贡献的每一个人。 python-lis3dh 在Raspberry Pi上使用Python库 这不是LIS3DH所有功能的完整实现-如果您可以帮助添加更多功能，请贡献力量！ 要求 需要Adafruit_Python_GPIO库，该库可在找到 有用的阅读 https://github.com/adafruit/Adafruit_Python_GPIO 学分 马特·戴森（ Matt Dyson） -原始实施 Mal Smalley-实现“点击”功能 Tunniel Holzfigure

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。