基于肌音信号的无线采集系统设计及手语识别初期应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第11-22页 |
| 1.1 课题的研究背景 | 第11-12页 |
| 1.2 课题目的和意义 | 第12页 |
| 1.3 肌音信号的研究现状 | 第12-14页 |
| 1.3.1 肌音信号概述 | 第12-13页 |
| 1.3.2 基于肌音信号的动作模式识别研究 | 第13-14页 |
| 1.4 手势手语动作识别研究现状 | 第14-16页 |
| 1.4.1 手势识别应用研究 | 第14-15页 |
| 1.4.2 手势识别方法研究现状 | 第15-16页 |
| 1.4.3 手语识别方法研究现状 | 第16页 |
| 1.5 基于肌音信号手语动作模式识别研究 | 第16-19页 |
| 1.5.1 数据的获取 | 第17页 |
| 1.5.2 信号预处理 | 第17-18页 |
| 1.5.3 特征提取与选择 | 第18-19页 |
| 1.5.4 分类器设计 | 第19页 |
| 1.6 无线采集系统研究现状 | 第19-20页 |
| 1.7 本课题内容介绍 | 第20-22页 |
| 第2章 系统整体设计方案 | 第22-42页 |
| 2.1 整体方案需求分析 | 第22-23页 |
| 2.2 肌音信号采集硬件设计 | 第23-32页 |
| 2.2.1 采集模块设计 | 第23-25页 |
| 2.2.2 主控模块设计 | 第25-27页 |
| 2.2.3 无线传输模块设计 | 第27-28页 |
| 2.2.4 电源管理模块设计 | 第28-30页 |
| 2.2.5 PCB设计及手环外观结构设计 | 第30-32页 |
| 2.3 肌音信号采集端固件编程 | 第32-38页 |
| 2.3.1 基于SPI的信号采集 | 第32-36页 |
| 2.3.2 基于USART的信号发送 | 第36-37页 |
| 2.3.3 主控程序编程 | 第37-38页 |
| 2.4 PC端程序及界面设计 | 第38-41页 |
| 2.4.1 基于wifi通讯的信号接收 | 第38-40页 |
| 2.4.2 MATLAB界面设计 | 第40-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第3章 肌音信号采集及软件预处理 | 第42-54页 |
| 3.1 手语动作分解及肌肉运动分析 | 第42-43页 |
| 3.1.1 手语动作分类 | 第42页 |
| 3.1.2 肌肉运动分析 | 第42-43页 |
| 3.2 手语动作肌音信号采集实验设计 | 第43-45页 |
| 3.2.1 手语采集动作设计 | 第43-44页 |
| 3.2.2 实验方案设计 | 第44页 |
| 3.2.3 实验数据采集结果 | 第44-45页 |
| 3.3 手语动作肌音信号软件滤波 | 第45-47页 |
| 3.3.1 软件滤波方法 | 第45-46页 |
| 3.3.2 手势手语信号滤波实现 | 第46-47页 |
| 3.4 手语动作信号标准化 | 第47-49页 |
| 3.4.1 数据标准化方法 | 第47-48页 |
| 3.4.2 手势手语信号标准化实现 | 第48-49页 |
| 3.5 手语动作信号动作分割 | 第49-52页 |
| 3.5.1 动作分割方法分类 | 第49页 |
| 3.5.2 基于TKEO的动作分割 | 第49-52页 |
| 3.6 本章小结 | 第52-54页 |
| 第4章 手语动作肌音信号特征提取及特征选择 | 第54-65页 |
| 4.1 特征提取理论 | 第54-55页 |
| 4.2 时域特征提取方法 | 第55-56页 |
| 4.3 频域特征提取方法 | 第56-57页 |
| 4.4 时频域特征提取方法 | 第57-60页 |
| 4.4.1 基于小波变换(WT)的特征提取 | 第57-58页 |
| 4.4.2 基于小波包变换(WPT)的特征提取 | 第58-60页 |
| 4.5 PCA降维方法 | 第60-63页 |
| 4.5.1 PCA降维概述 | 第60-61页 |
| 4.5.2 降维实现流程 | 第61-63页 |
| 4.5.3 降维结果分析 | 第63页 |
| 4.6 本章小结 | 第63-65页 |
| 第5章 基于肌音信号的手语动作模式识别方法 | 第65-76页 |
| 5.1 基于二次判别(QDA)的模式识别方法 | 第65-66页 |
| 5.1.1 二次判别(QDA)模式识别理论 | 第65页 |
| 5.1.2 QDA分类识别结果 | 第65-66页 |
| 5.2 基于随机森林的模式识别方法 | 第66-69页 |
| 5.2.1 随机森林(RF)模式识别理论 | 第66-68页 |
| 5.2.2 RF分类结果 | 第68-69页 |
| 5.3 基于SVM的模式识别方法 | 第69-71页 |
| 5.3.1 支持向量机(SVM)模式识别理论 | 第69-70页 |
| 5.3.2 SVM分类识别结果 | 第70-71页 |
| 5.4 手语识别最佳组合识别方法 | 第71-75页 |
| 5.4.1 动作分割方法比较 | 第71-72页 |
| 5.4.2 特征选择组合比较 | 第72-73页 |
| 5.4.3 分类方法比较 | 第73-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士期间成果 | 第84页 |
