基于MEMS慣性傳感器的手勢模式識別.pdf

1、在移動電子設(shè)備高速發(fā)展的今天,人們的生活已經(jīng)和移動智能設(shè)備緊密的結(jié)合在了一起。人機交互是用戶和機器系統(tǒng)聯(lián)通的橋梁,人機交互的主要方式有:鍵盤、觸屏和語音識別。然而,由于移動設(shè)備的尺寸限制使得鍵盤操作的用戶體驗大打折扣。同時,語音識別由于受到性別、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,語音識別的準(zhǔn)確率一直達不到較高的水平。因此本文提出了一種基于MEMS慣性傳感器的手勢模式識別方法。該方法的本質(zhì)是通過慣性傳感器對手勢的原始

2、數(shù)據(jù)進行采集,然后將采集的數(shù)據(jù)傳輸?shù)诫娔X或者手機當(dāng)中進行預(yù)處理,其次進行特征量的提取,最后設(shè)計分類器進行分類和識別。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)、動態(tài)時間匹配、軌跡重構(gòu)方法和手勢原始數(shù)據(jù)統(tǒng)計分析,本文選擇的是基于手勢原始數(shù)據(jù)統(tǒng)計分析方法。
　　基于MEMS慣性傳感器的手勢模式識別仍然處在較為初始的階段,對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MEMS加速度計和陀螺儀進行了誤差分析,并針對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,對傳感器的隨機誤差采用了濾波器進行濾波,保證了算法的精度。
　　(2)在進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體性差異,使得識別算法不受個體的影響,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別算法對設(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