| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究目的与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 手势识别研究现状 | 第10-11页 |
| 1.2.2 雷达传感技术引起关注 | 第11-12页 |
| 1.2.3 利用机器学习信号与信息分析方法成为热点 | 第12-13页 |
| 1.2.4 支持向量机的提出与发展 | 第13页 |
| 1.3 论文的主要创新点 | 第13-14页 |
| 1.4 论文的章节安排 | 第14-16页 |
| 2 手势雷达硬件平台 | 第16-26页 |
| 2.1 硬件架构 | 第16-21页 |
| 2.1.1 系统基本框架 | 第16页 |
| 2.1.2 微处理器中控单元 | 第16-17页 |
| 2.1.3 雷达模块 | 第17-20页 |
| 2.1.4 无线蓝牙传输模块 | 第20-21页 |
| 2.2 信息采集原理 | 第21-25页 |
| 2.2.1 雷达发射波调制原理 | 第21-22页 |
| 2.2.2 多普勒效应 | 第22-23页 |
| 2.2.3 采样定理 | 第23-24页 |
| 2.2.4 蓝牙通信原理 | 第24-25页 |
| 2.3 手势雷达采集装置 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于Matlab的数据采集软件开发 | 第26-48页 |
| 3.1 数据采集系统设计平台 | 第26-28页 |
| 3.1.1 Matlab图形用户界面介绍 | 第26页 |
| 3.1.2 Matlab串口通信 | 第26-28页 |
| 3.2 数据采集系统设计方案 | 第28-38页 |
| 3.2.1 常见的预处理方案及比对 | 第28-37页 |
| 3.2.2 功能规划 | 第37-38页 |
| 3.3 手势信号采集设计实现 | 第38-47页 |
| 3.3.1 软件分析 | 第38-45页 |
| 3.3.2 数据采集系统界面 | 第45-46页 |
| 3.3.3 采集过饱和现象的规避 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 4 多普勒雷达手势识别算法研究 | 第48-63页 |
| 4.1 手势识别成熟机器学习算法介绍 | 第48页 |
| 4.2 支持向量机概述 | 第48-54页 |
| 4.2.1 支持向量机理论 | 第48-50页 |
| 4.2.2 核函数 | 第50-52页 |
| 4.2.3 支持向量机四分类模型 | 第52-54页 |
| 4.3 支持向量机参数优化算法 | 第54-62页 |
| 4.3.1 遗传算法 | 第56-58页 |
| 4.3.2 网格搜索算法 | 第58-60页 |
| 4.3.3 网格-遗传算法 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 多普勒雷达手势识别实现 | 第63-74页 |
| 5.1 手势信号数据库的建立 | 第63页 |
| 5.1.1 手势信号的采集 | 第63页 |
| 5.1.2 训练集与测试集的选择 | 第63页 |
| 5.2 基于支持向量机对雷达手势信号的识别 | 第63-72页 |
| 5.2.1 信号预处理对分类准确率的影响 | 第63-64页 |
| 5.2.2 核函数对识别精度的影响 | 第64-65页 |
| 5.2.3 算法选择对识别效率的影响 | 第65-68页 |
| 5.2.4 参数优化对识别精度的影响 | 第68-71页 |
| 5.2.5 最优结果 | 第71-72页 |
| 5.3 本章小结 | 第72-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间发表的成果 | 第82页 |