由于暑假放假后参加了三下乡活动，为期一个星期，回到学校后，队友们已经开始项目工作，有些情况也不是很了解，因此我这个星期也没做什么，主要是学习Android和了解传感器数据传送方面的知识。接下来我也将讲讲这方面的内容。
首先是传感器方面的内容。由于我们项目需要通过传感器来收集老人在户外运动时的状态信息，传感器收集到数据通过蓝牙发送给老人身上的手机客户端，然后发送到服务器进行数据处理。因此，为了比较全面的收集到老人的状态信息，我们将在老人身上安装5种传感器，加速度传感器、方位传感器、磁力传感器、温度和气压传感器，这四种分别在老人的手上，脖子上，脚上进行安装，从而收集老人的状态数据。Android平台上提供了各种各样的传感器的API。sensor类是管理各种传感器的共同属性的类。因此在技术上能是实现Android与传感器的交互。下面将介绍下我们采用的传感器。
加速度传感器：检测物体的加速度的传感器。物体运动加速度也跟着变化，如果能取到加速度，物体受到什么样的作用力或则物体进行什么样的运动，就可以得知了。通过Android的加速度传感器能取得X,Y,Z轴上的加速度。
方位传感器：通过角速度传感器我们可以取到方位角，倾斜角，回转角三个角度的值。
磁力传感器：返回老人受到X,Y,Z三个轴方向上的磁力。
温度传感器：返回老人所处的温度。
气压传感器：返回老人所处的气压。
我们将采用上诉五种传感器收集数据，将数据进行建模，分析模型从而得到老人的状态。目前了解过的模型是隐马尔科夫模型。该模型主要是可以进行两个方面的内容进行建模。第一种是在统计以往事件发生的概率来预测接下来事件的发生。以天气为例，我们可以统计以往天气的晴，雨，多云的发生情况，在得知前天或前几天的天气情况预测明天的天气。这运用到我们项目里面，可以在服务器后台里把以往收集的老人信息进行归纳总结，得出几个状态条件，并统计状态条件的发生概率，从而可以通过之前的老人数据信息预测今天的老人的状态。另一种是借助观察状态和隐含状态来获取时间发生的概率。还是先以天气为例，由于海藻跟天气的变化息息相关，海藻就是观察状态，我们可以通过观察海藻结合之前统计3种天气状态发生概率来预测接下来的天气情况。因此在我们项目里，各种传感器的数据就是观察状态，而老人以往的状态就是隐含状态，我们通过建立概率矩阵即HMM找出老人今天的状态概率。因此，个人认为我们可以先找出老人的几种的状态信息，比如运动剧烈，运动平缓类似等等，然后分析我们从传感器得出的数据跟老人的这几种状态的关系，才能根据隐马尔科夫模型得出老人现今的运动状态。至于隐马尔科夫模型如何建立我看不懂，还得再研究。
Android方面的知识我还在学习，就不加赘诉了，以上就是我这周的收获。也许是下乡回来还没有学习的状态，导致很多事没做，接下来这周会加油的。
