基于主動超聲的手勢識別裝置研究.pdf

1、隨著人工智能的發(fā)展，智能生活已經(jīng)影響了當今的生活方式，傳統(tǒng)的人機交互已經(jīng)逐漸無法滿足人們的需求，自然人機交互技術(shù)成為當下的一個研究熱點，而手勢作為重要的表達方式，成為了人機交互技術(shù)的一個突破口?；谥鲃映暭夹g(shù)的手勢識別由于其低成本、低功耗、不易受外界干擾的特點，成為了一個新的研究方向。本文基于主動超聲技術(shù)設計了用于手勢識別的硬件，并對手勢識別的算法進行了討論，取得了一定的效果。本文主要的工作內(nèi)容如下:
　　(1)設計了一套基于主

2、動超聲技術(shù)的低成本、低功耗的硬件裝置。以STM32F407VGT6為核心，采用單發(fā)射、四接收的方法，使用低成本的超聲換能器以及在超聲范圍內(nèi)頻響曲線穩(wěn)定的MEMS麥克風，來進行超聲的發(fā)射及接收。并在此基礎上，進行了數(shù)據(jù)存儲、數(shù)據(jù)傳輸?shù)瘸绦虻脑O計，將手勢識別算法進行了移植。
　　(2)提出了一種改進的過零檢測法對手勢信號進行了頻率估計，并通過幅值域的處理，對手勢進行了截取。針對實驗采集到的數(shù)據(jù)，使用改進的過零檢測法對頻率進行計算，在取

3、得了不錯效果的同時，大大降低了時間和資源的消耗。使用平均電壓及低通濾波相結(jié)合的方法對幅值信息進行了處理，并使用FBGD方法通過幅值域特征對手勢進行了截取，取得了良好的效果。
　　(3)使用支持向量機及BP神經(jīng)網(wǎng)絡相結(jié)合的方式對手勢進行了分類。為了算法移植方便，采取了二級分類的方法對手勢進行了分類算法研究:使用支持向量機將手勢分為垂直方向手勢和水平方向手勢，并使用BP神經(jīng)網(wǎng)絡對各組內(nèi)的手勢分別進行計算，最終完成對上、下、左、右、推、