论文部分内容阅读
在即将到来的万物互联时代,人机交互是人与物连接的重要一环,而手势是一种非常方便的人机交互方式,如何感知手势也是近年来的研究热点之一。目前对于手势感知的研究主要基于光信号和电磁信号,对基于超声信号的手势感知研究较少,而超声信号具有较好的环境适应性,且有低功耗、低成本的优势,在可穿戴设备和智能家居设备中具有很大的应用潜力。因此本文进行了基于超声信号的手势跟踪与识别研究,本文的主要工作如下:针对二维手势轨迹识别场景,从超声信号手势识别系统的原理出发,设计了硬件系统结构、超声信号的产生与接收方案,介绍了电路构成、芯片选型以及收发电路,制作了超声发射与接收系统。通过检测发射信号和回波信号的波形对发射电路、回波放大电路进行了设计验证。为了消除回波采集后的信号噪声,比较了三种滤波算法,对超声回波信号进行了滤波处理。分析了环境回波和手势回波的信号特性,提出了基于互相关运算的回波自动标定算法。为解决回波幅值随距离衰减导致距离信息提取困难的问题,提出了基于动态阈值和变增益的距离信息提取方法。根据收发探头的几何关系,建立了椭圆定位模型,并研究了几何参数对定位精度的影响。提出了基于距离差分的轨迹起点和终点检测算法及基于分量差分与跳变检测的轨迹点野值处理方法。搭建了二维轨迹测试系统,验证了算法的实用性。为了实现对阿拉伯数字和大写英文字母等字符手势轨迹的识别,构建了训练和测试用的数据集。引入随机森林模型作为分类器,结合手势轨迹的实际情况,先分别使用了基于动态网格和基于方向角的轨迹特征提取方法,然后融合两种特征序列并对比了两种特征单独使用和融合使用的识别效果。为了得到更好的识别结果,研究了模型参数对分类精度的影响。最后的实验结果表明,本文中的轨迹处理方法、特征提取方法以及分类模型能够很好的应用于手势轨迹识别,精度在89%以上。