基于Wi-Fi的运动手势检测与识别技术研究

发布时间：2022-01-26 06:20

　　随着人工智能的快速发展,手势识别作为新一代的人机交互技术得到了广泛关注。传统的基于可穿戴设备的手势识别技术需要使用者佩戴专有设备,无法在电量较低时使用并且容易造成用户的不便;基于计算机视觉的手势识别技术依赖于高分辨的视频或图像,无法在浓烟、黑暗条件下使用;射频中,专有设备的手势识别技术由于设备庞大且昂贵从而限制手势识别的推广,但商用Wi-Fi信号的手势识别技术无需额外的设备以及光照的条件,具有低开销、易部署等优点,易于推广。现有基于Wi-Fi信号的手势识别技术具有以下特点:一、缺乏成熟的手势检测提取方法。手势检测提取是进行手势识别的基础,对分类结果具有较大影响,而目前采用的手势检测提取算法不适用于实际环境;二、特征类型较单一。现有手势识别算法大部分仅仅只考虑时域特征或者频域特征;三、在训练时间成本开销和分类精度之间难以达到平衡。根据以上特点,本文基于Wi-Fi信号开展了手势检测提取与识别技术的研究,主要研究内容如下:第一,研究手势行为检测与提取算法。借鉴入侵检测原理,首先,利用核密度估计方法估计静默状态下的概率密度函数,求取初始检测门限;此外,通过加入在线阶段监测的静默数据,完成检测门... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于可穿戴设备的手势识别技术
        1.2.2 基于计算机视觉的手势识别技术
        1.2.3 基于射频信号的手势识别技术
    1.3 本文研究内容及章节安排
第2章 基于Wi-Fi信号的手势识别系统方案设计
    2.1 基于Wi-Fi的手势识别基本原理
        2.1.1 信道状态信息
        2.1.2 基于Wi-Fi信号的手势识别可行性分析
    2.2 现有手势检测提取算法
        2.2.1 基于相似度的手势提取算法
        2.2.2 基于阈值的手势提取算法
    2.3 现有手势识别算法
        2.3.1 基于动态时间规整的手势识别算法
        2.3.2 基于支持向量机的手势识别算法
    2.4 系统方案设计
    2.5 本章小结
第3章 基于自适应阈值检测的手势提取算法
    3.1 引言
    3.2 基于滑窗的信号处理
        3.2.1 小波抑噪
        3.2.2 主成分分析法
        3.2.3 基于滑窗的信号处理
    3.3 基于自适应阈值检测的手势提取算法
        3.3.1 核密度估计
        3.3.2 自适应阈值的检测门限
        3.3.3 行为提取
    3.4 算法验证与结果分析
        3.4.1 实验环境
        3.4.2 实验数据
        3.4.3 检测提取性能分析
    3.5 本章小结
第4章 基于IPSO的 SVM手势分类算法研究
    4.1 引言
    4.2 手势行为的特征提取
        4.2.1 CSI信号预处理
        4.2.2 时频特征提取
        4.2.3 特征标准化
    4.3 基于IPSO的 SVM手势分类模型构建
        4.3.1 SVM模型参数分析
        4.3.2 基于改进粒子群优化的参数寻优
    4.4 算法验证与实验分析
        4.4.1 实验环境与数据说明
        4.4.2 手势识别系统性能验证
    4.5 本章小结
第5章 总结与展望
    5.1 本文工作总结
    5.2 下一步工作
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3609978