| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-10页 |
| 1.1 研究背景与研究动机 | 第6-7页 |
| 1.2 技术挑战及解决方案概述 | 第7-9页 |
| 1.3 研究意义及论文组织结构 | 第9-10页 |
| 2 击键识别技术研究 | 第10-19页 |
| 2.1 主要研究问题 | 第10页 |
| 2.2 国内外研究现状 | 第10-13页 |
| 2.2.1 基于声音信号的击键识别 | 第11-12页 |
| 2.2.2 基于电磁波信号的击键识别 | 第12-13页 |
| 2.2.3 基于其他传感器信号的击键识别 | 第13页 |
| 2.3 基于声音信号的典型解决方案 | 第13-18页 |
| 2.3.1 基于定位的击键识别 | 第13-16页 |
| 2.3.2 基于机器学习的击键识别 | 第16-18页 |
| 2.4 发展趋势 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 3 LOL系统设计与实现 | 第19-37页 |
| 3.1 系统模块简介 | 第19-20页 |
| 3.2 击键信号特征提取和优化 | 第20-25页 |
| 3.3 噪声移除及有效击键信号的检测和提取 | 第25-32页 |
| 3.3.1 击键声音信号建模 | 第25-27页 |
| 3.3.2 检测有效击键的机器学习算法的选取 | 第27-30页 |
| 3.3.3 提取有效击键声音信号的算法设计 | 第30-32页 |
| 3.4 位置无关的击键识别 | 第32-36页 |
| 3.4.1 基于角度划分的采样策略 | 第32-34页 |
| 3.4.2 基于神经网络的击键识别 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 LOL系统实验及性能评估 | 第37-50页 |
| 4.1 实验平台搭建及数据采集 | 第37-38页 |
| 4.2 有效击键检测结果评估 | 第38-42页 |
| 4.2.1 不同噪声环境及击键信号测量 | 第38-41页 |
| 4.2.2 弱噪声环境下的结果评估 | 第41页 |
| 4.2.3 现实强噪声环境下的结果评估 | 第41-42页 |
| 4.3 击键识别结果评估 | 第42-49页 |
| 4.3.1 受控环境下评估多种因素对击键识别的影响 | 第43-47页 |
| 4.3.2 真实环境下系统性能评估 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-56页 |