基于MEMS传感器的手势识别算法研究
| 学位论文数据集 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 研究意义 | 第16页 |
| 1.2 研究发展现状 | 第16-18页 |
| 1.2.1 基于视觉的手势识别技术研究现状 | 第17页 |
| 1.2.2 基于传感器的手势识别技术研究现状 | 第17-18页 |
| 1.3 论文研究内容及主要成果 | 第18-19页 |
| 1.3.1 论文研究内容 | 第18-19页 |
| 1.3.2 论文主要成果 | 第19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第二章 传感器与手势识别方法简介 | 第21-31页 |
| 2.1 MEMS传感器相关技术简介 | 第21-25页 |
| 2.1.1 MEMS传感器的应用 | 第21-22页 |
| 2.1.2 MEMS传感器的工作原理 | 第22-24页 |
| 2.1.3 传感器发展前景 | 第24-25页 |
| 2.2 机器学习相关技术简介 | 第25-28页 |
| 2.2.1 神经网络算法简介 | 第25-26页 |
| 2.2.2 深度学习算法简介 | 第26-28页 |
| 2.3 手势识别方法概述 | 第28-30页 |
| 2.3.1 基于视觉的手势识别 | 第28-29页 |
| 2.3.2 基于传感器的手势识别 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于MEMS传感器的三维空间定位技术 | 第31-41页 |
| 3.1 传感器数据的采集 | 第31-34页 |
| 3.1.1 加速度 | 第32-33页 |
| 3.1.2 角速度 | 第33-34页 |
| 3.2 传感器数据的滤波处理 | 第34-37页 |
| 3.2.1 误差分析与处理 | 第34-35页 |
| 3.2.2 卡尔曼滤波算法 | 第35-37页 |
| 3.3 基于加速度积分计算的空间定位 | 第37-38页 |
| 3.4 重力加速度分量滤除 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于深度学习和神经网络的手势识别 | 第41-55页 |
| 4.1 基于深度学习算法的特征提取 | 第41-48页 |
| 4.1.1 限制波尔兹曼机算法 | 第41-44页 |
| 4.1.2 特征提取 | 第44-46页 |
| 4.1.3 深信度网络 | 第46-48页 |
| 4.2 基于BP神经网络的手势识别 | 第48-53页 |
| 4.2.1 BP神经网络算法 | 第48-49页 |
| 4.2.2 数据训练 | 第49-53页 |
| 4.3 本章小结 | 第53-55页 |
| 第五章 实验及分析 | 第55-65页 |
| 5.1 空间定位法的验证 | 第55-57页 |
| 5.1.1 数据获取 | 第55-56页 |
| 5.1.2 数据处理 | 第56-57页 |
| 5.2 基于深信度网络的动作识别实验结果及分析 | 第57-63页 |
| 5.2.1 动作的定义 | 第57-59页 |
| 5.2.2 实验结果及分析 | 第59-63页 |
| 5.3 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 未来展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 研究成果及发表的学术论文 | 第73-75页 |
| 作者和导师简介 | 第75-76页 |
| 硕士研究生学位论文答辩委员会决议书 | 第76-77页 |
