基于双频的超声波手势识别方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 基于计算机视觉的方案 | 第13-14页 |
| 1.2.2 基于WiFi的方案 | 第14-15页 |
| 1.2.3 基于超声波的方案 | 第15-16页 |
| 1.2.4 基于手势追踪的方案 | 第16-17页 |
| 1.3 研究内容及贡献 | 第17-19页 |
| 1.4 论文结构安排 | 第19-20页 |
| 第2章 基础知识及相关工作 | 第20-30页 |
| 2.1 引言 | 第20页 |
| 2.2 基础知识 | 第20-27页 |
| 2.2.1 多普勒效应 | 第20-22页 |
| 2.2.2 傅里叶变换 | 第22-23页 |
| 2.2.3 卷积定理与采样定理 | 第23-24页 |
| 2.2.4 滤波与窗函数 | 第24-26页 |
| 2.2.5 动态时间规整 | 第26-27页 |
| 2.2.6 k近邻分类 | 第27页 |
| 2.3 相关工作 | 第27-28页 |
| 2.3.1 基于ToF的手势追踪 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 DopGest系统的实现 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 系统结构 | 第30-31页 |
| 3.3 数据采集和预处理 | 第31-32页 |
| 3.4 手势特征提取 | 第32-37页 |
| 3.4.1 数据归一化 | 第33页 |
| 3.4.2 次峰搜索 | 第33-35页 |
| 3.4.3 手势特征选取 | 第35-37页 |
| 3.5 手势分类 | 第37页 |
| 3.6 实验分析 | 第37-43页 |
| 3.6.1 实验环境配置 | 第37-39页 |
| 3.6.2 手势分类准确率 | 第39-40页 |
| 3.6.3 手势识别准确率与声音强度的关系 | 第40页 |
| 3.6.4 误报数 | 第40-41页 |
| 3.6.5 阈值α | 第41-42页 |
| 3.6.6 kNN中k的选取 | 第42-43页 |
| 3.6.7 方案对比 | 第43页 |
| 3.7 本章小结 | 第43-46页 |
| 第4章 二维手势追踪系统的实现 | 第46-58页 |
| 4.1 引言 | 第46页 |
| 4.2 系统设计 | 第46-47页 |
| 4.3 系统实现 | 第47-51页 |
| 4.3.1 信号采集和预处理 | 第47-48页 |
| 4.3.2 手势移动速度提取 | 第48-50页 |
| 4.3.3 手势定位 | 第50-51页 |
| 4.4 实验分析 | 第51-56页 |
| 4.4.1 基于IMU的实验对比 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 全文总结 | 第58页 |
| 5.2 技术展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 在读期间发表的学术论文与取得的研究成果 | 第68页 |
