基于可穿戴设备的多传感器手势设计与识别方法研究

发布时间：2021-02-16 05:18

　　随着计算机软硬件技术的发展,计算机的运算能力得到了飞速地提升,如今人机交互的方式已经成为影响计算机的发展的因素之一。近年来涌现了许多新兴的交互方式,如语音、眼电、脑电、手势等。其中手势从古至今都是人类与工具交互的主要方式,它可以带来更加直观、自然、有效的交互。因此,关于手势交互的研究对人机交互有着重大的意义。目前关于手势交互的研究工作多集中于手势识别算法的研究,而忽视了以用户为中心的手势设计方法的研究,这限制了手势识别算法在实际产品中的应用。在手势识别算法的研究中,关于混合静态手势和动态手势的手势集研究较少,而且通常算法使用单一信号进行识别,这限制了识别的准确率。因此本文在使用手势控制无人机操作的场景下,设计了以用户体验为中心的手势集,使用肌电传感器、弯曲传感器、惯性传感器和嵌入式电路板构建了一套可穿戴手势识别设备,并基于该可穿戴设备对融合肌电信号、形变信号和惯性信号的手势识别算法进行研究,最后通过无人机控制模拟软件对可穿戴设备上的手势识别算法进行了验证。本文所做的研究工作如下:1.构建了多传感器融合的可穿戴手势识别设备。该设备使用肌电传感器采集前臂的肌电信号,使用放置在手指处的弯曲传... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

不同又佰的识黔}准确麦

gaussian表示使用高斯分布作为权重计算方式，ours 表示使用本文提出的权重计算公式作为权重计算公式。从图4.9中可以看出，在四种权重计算方式中，使用同一权重的识别准确率最低，这是因为数据集中存在一些数据点对分类造成干扰，使用同一权重将这些干扰数据与真正的类别数据一视同仁，导致分类的准确率下降。相比于使用距离反函数作为权重，本文使用的权重计算公式得到的识别准确率整体更高，这是因为数据集中存在噪声数据，若分类时计算出噪声信号的距离较近，使用距离反函数在计算最终分类结果时计算出噪声信号的权重十分大，容易发生错误分类。相比于高斯函数作为权重，本文使用的权重计算公式更加简单，且当 K 8时

机的计算能力越来越强大，国内外涌起了关于深度学习的算法可以帮助人们自动提取数据深层的特征。卷nal Neural Network，CNN）是深度学习领域中十分常见的一本识别、图像处理和语音识别领域。与传统神经网络相比部连接和权值共享。CNN 认为样本数据点的紧密程度与其据点相关性越强，距离越远，数据点相关性越弱。在传统

【参考文献】：
期刊论文
[1]面向人机交互的常见桌面手势识别[J]. 朱庆杰,潘航,陈显军,湛永松,杨明浩.  计算机工程与设计. 2018(10)
[2]基于多特征组合的动态手势识别[J]. 曹海婷,戎海龙,焦竹青,马正华.  计算机工程与设计. 2018(06)
[3]基于卷积神经网络的手势识别算法[J]. 朱雯文,叶西宁.  华东理工大学学报(自然科学版). 2018(02)
[4]人机交互中的手势设计原则分析[J]. 娄泽华,殷继彬.  软件导刊. 2018(04)
[5]基于表面肌电信号的肌肉疲劳状态分类系统[J]. 曹昂,张珅嘉,刘睿,邹炼,范赐恩.  计算机应用. 2018(06)
[6]基于惯性传感器MPU6050的手势识别方法[J]. 张平,刘祚时.  传感器与微系统. 2018(01)
[7]基于人工神经网络对sEMG信号的手势动作识别[J]. 王景芳,施霖.  传感器与微系统. 2017(06)
[8]面向静态手势识别的边缘序列递归模型算法[J]. 杨纪争,冯筠,卜起荣,刘潇,韩晓旭,刘晓宁.  计算机辅助设计与图形学学报. 2017(04)
[9]基于DTW算法的肌电信号手势识别方法[J]. 谢小雨,刘喆颉.  计算机工程与应用. 2018(05)
[10]基于样本熵的肌电信号起始点检测研究[J]. 成娟,陈勋,彭虎.  电子学报. 2016(02)

博士论文
[1]基于肌电信号的人机接口技术的研究[D]. 何乐生.东南大学 2006

硕士论文
[1]基于MYO臂环的假肢手控制技术研究[D]. 王朋.上海师范大学 2017
[2]表面肌电信号模式识别及其运动分析[D]. 张莉.吉林大学 2013



本文编号：3036235