| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-12页 |
| 1.2 基于生物特征身份识别方法的研究现状 | 第12-15页 |
| 1.3 研究内容和目标 | 第15-16页 |
| 1.4 本文主要贡献与创新点 | 第16-17页 |
| 1.5 论文组织 | 第17-18页 |
| 第二章 新型生物特征——人体差分电容 | 第18-23页 |
| 2.1 人体生物电容 | 第18页 |
| 2.2 触摸屏幕行为特征 | 第18-19页 |
| 2.3 人体电容的定量计算与测量 | 第19-21页 |
| 2.4 人体差分电容具备身份识别生物特征的特性 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 人体差分电容采集平台设计 | 第23-39页 |
| 3.1 人体差分电容采集平台硬件设计 | 第23-32页 |
| 3.1.1 人体差分电容采集平台整体架构 | 第23-24页 |
| 3.1.2 人体差分电容近体传感芯片 | 第24-27页 |
| 3.1.3 触摸传感器设计原理 | 第27-29页 |
| 3.1.4 设备总控模块芯片设计 | 第29-30页 |
| 3.1.5 低功耗人体差分电容采集平台工作流程 | 第30-32页 |
| 3.2 人体差分电容采集平台参数调整 | 第32-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 预处理采样数据及提取特征向量 | 第39-55页 |
| 4.1 原始采样样本数据 | 第39-40页 |
| 4.2 数据预处理算法 | 第40-46页 |
| 4.2.1 基于滑动窗口的数据周期划分算法 | 第41-43页 |
| 4.2.2 基于快速排序的以最大值为基准的回归合并算法 | 第43-46页 |
| 4.3 特征的选择与提取方法 | 第46-53页 |
| 4.3.1 直接接触下人体差分电容特征值 | 第46-47页 |
| 4.3.2 接触过程人体差分电容特征箱值 | 第47-50页 |
| 4.3.3 人体差分电容拟合曲线参数特征 | 第50-53页 |
| 4.3.4 特征向量选取 | 第53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 数据分类与识别判定方法 | 第55-63页 |
| 5.1 现有的数据分类识别方法 | 第55-56页 |
| 5.2 基于曲线距离差的分类识别方法 | 第56-58页 |
| 5.3 基于曲线相关性的分类识别方法 | 第58-59页 |
| 5.4 基于SVM的分类识别判定方法 | 第59-62页 |
| 5.4.1 学习样本分类方法 | 第59-61页 |
| 5.4.2 测试样本的识别判定方法 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 基于人体差分电容的人体识别系统验证与测试 | 第63-75页 |
| 6.1 基于人体差分电容的人体识别系统设计 | 第63-66页 |
| 6.2 系统测试结果 | 第66-73页 |
| 6.2.1 测试平台及测试样本 | 第66页 |
| 6.2.2 人体差分电容提取的准确率 | 第66-67页 |
| 6.2.3 基于SVM不同核函数的识别准确率 | 第67-68页 |
| 6.2.4 三种识别方法的识别准确率 | 第68-69页 |
| 6.2.5 系统的用户识别准确率 | 第69-70页 |
| 6.2.6 错误接收率FAR与错误拒绝率FRR | 第70-71页 |
| 6.2.7 识别时间 | 第71-72页 |
| 6.2.8 系统的功耗 | 第72-73页 |
| 6.3 测试总结 | 第73页 |
| 6.4 本章小结 | 第73-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 总结 | 第75-76页 |
| 7.2 不足与展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 硕士学位期间取得的成果 | 第82页 |