基于MEMS慣性傳感器的手勢(shì)模式識(shí)別.pdf

1、在移動(dòng)電子設(shè)備高速發(fā)展的今天,人們的生活已經(jīng)和移動(dòng)智能設(shè)備緊密的結(jié)合在了一起。人機(jī)交互是用戶和機(jī)器系統(tǒng)聯(lián)通的橋梁,人機(jī)交互的主要方式有:鍵盤、觸屏和語音識(shí)別。然而,由于移動(dòng)設(shè)備的尺寸限制使得鍵盤操作的用戶體驗(yàn)大打折扣。同時(shí),語音識(shí)別由于受到性別、語速、發(fā)音準(zhǔn)確度、周圍環(huán)境噪聲、麥克風(fēng)質(zhì)量等因素的影響,語音識(shí)別的準(zhǔn)確率一直達(dá)不到較高的水平。因此本文提出了一種基于MEMS慣性傳感器的手勢(shì)模式識(shí)別方法。該方法的本質(zhì)是通過慣性傳感器對(duì)手勢(shì)的原始

2、數(shù)據(jù)進(jìn)行采集,然后將采集的數(shù)據(jù)傳輸?shù)诫娔X或者手機(jī)當(dāng)中進(jìn)行預(yù)處理,其次進(jìn)行特征量的提取,最后設(shè)計(jì)分類器進(jìn)行分類和識(shí)別。當(dāng)前的研究方法主要分為5類:隱馬爾可夫模型、模糊神經(jīng)網(wǎng)絡(luò)、動(dòng)態(tài)時(shí)間匹配、軌跡重構(gòu)方法和手勢(shì)原始數(shù)據(jù)統(tǒng)計(jì)分析,本文選擇的是基于手勢(shì)原始數(shù)據(jù)統(tǒng)計(jì)分析方法。
　　基于MEMS慣性傳感器的手勢(shì)模式識(shí)別仍然處在較為初始的階段,對(duì)于該課題存在著許多困難,比如特征量的提取和分類器的設(shè)計(jì)等。本文圍繞這些問題開展了一系列研究,課題的主

3、要工作包括:
　　(1)本文對(duì)MEMS加速度計(jì)和陀螺儀進(jìn)行了誤差分析,并針對(duì)MEMS慣性傳感器的誤差模型提出了一種傳感器的標(biāo)定方法,對(duì)傳感器的隨機(jī)誤差采用了濾波器進(jìn)行濾波,保證了算法的精度。
　　(2)在進(jìn)行特征量的提取過程中,提取的特征量在較大程度上避免了個(gè)體性差異,使得識(shí)別算法不受個(gè)體的影響,具有較大的應(yīng)用范圍。通過坐標(biāo)系轉(zhuǎn)換、姿態(tài)更新和陀螺儀的引用使得識(shí)別算法對(duì)設(shè)備姿態(tài)的要求不再嚴(yán)格,用戶基本在任何情況之下都能準(zhǔn)確的對(duì)