基于信道状态信息的中国手语孤立词识别方法研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-18页 |
1.1 论文研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-15页 |
1.2.1 基于传感器的手语识别方法 | 第11-13页 |
1.2.2 基于计算机视觉的手语识别方法 | 第13-14页 |
1.2.3 基于无线信号的动作识别方法 | 第14-15页 |
1.3 论文研究内容 | 第15-16页 |
1.4 论文组织结构 | 第16-18页 |
第2章 基于无线信号的动作识别相关技术基础 | 第18-27页 |
2.1 无线信号室内传播特性 | 第18-19页 |
2.2 正交频分复用技术 | 第19-21页 |
2.3 多输入多输出技术 | 第21页 |
2.4 从RSSI到CSI | 第21-24页 |
2.5 基于CSI的动作分类识别方法 | 第24-26页 |
2.5.1 模板匹配法 | 第24-25页 |
2.5.2 支持向量机 | 第25页 |
2.5.3 K-近邻算法 | 第25-26页 |
2.6 本章小结 | 第26-27页 |
第3章 数据采集与预处理 | 第27-35页 |
3.1 方法概述 | 第27-28页 |
3.2 数据采集 | 第28页 |
3.3 CSI特性分析 | 第28-30页 |
3.3.1 静态环境的稳定性 | 第28-29页 |
3.3.2 动态环境的敏感性 | 第29页 |
3.3.3 数据流的相关性 | 第29-30页 |
3.4 数据预处理 | 第30-34页 |
3.4.1 离散小波去噪 | 第31-32页 |
3.4.2 插值 | 第32-33页 |
3.4.3 主成分分析去噪 | 第33-34页 |
3.5 本章小结 | 第34-35页 |
第4章 手语孤立词动作分割与识别 | 第35-46页 |
4.1 动作分割与特征提取 | 第35-40页 |
4.1.1 局部异常因子算法 | 第35-37页 |
4.1.2 基于多数据流异常检测的动作分割 | 第37-39页 |
4.1.3 动作特征提取 | 第39-40页 |
4.2 手语孤立词识别 | 第40-45页 |
4.2.1 基于支持向量机的手语孤立词识别方法 | 第40-41页 |
4.2.2 基于K-近邻的手语孤立词识别方法 | 第41-42页 |
4.2.3 基于极限学习机的手语孤立词识别方法 | 第42-45页 |
4.3 本章小结 | 第45-46页 |
第5章 实验结果与分析 | 第46-57页 |
5.1 实验环境配置 | 第46-48页 |
5.2 手语数据集 | 第48-50页 |
5.3 性能指标与基准方法 | 第50-51页 |
5.3.1 性能指标 | 第50-51页 |
5.3.2 基准方法 | 第51页 |
5.4 识别性能分析 | 第51-56页 |
5.4.1 动作分割的准确率 | 第51-52页 |
5.4.2 不同系统分类方法的识别性能 | 第52页 |
5.4.3 中国手语孤立词识别方法的识别性能 | 第52-53页 |
5.4.4 不同特征对性能的影响 | 第53-54页 |
5.4.5 设备距离对性能的影响 | 第54页 |
5.4.6 采样率对性能的影响 | 第54-55页 |
5.4.7 不同测试对象对性能的影响 | 第55页 |
5.4.8 移动对象对性能的影响 | 第55-56页 |
5.5 本章小结 | 第56-57页 |
结论 | 第57-58页 |
参考文献 | 第58-62页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
致谢 | 第63页 |