手勢識別作為人機交互的重要組成部分,使人們能夠自然的、靈活的與機器進行交流,這讓手勢識別研究受到越來越多的關(guān)注。目前,手勢識別研究主要基于以下三種方案,分別是基于計算機視覺,基于可穿戴傳感器以及基于無線感知的方案。其中,基于計算機視覺的技術(shù)對光線條件要求苛刻,且目標(biāo)用戶需要暴露在攝像機前,存在隱私問題�；诳纱┐鱾鞲衅骷夹g(shù)需要用戶時刻佩戴硬件設(shè)備,且硬件設(shè)施價格昂貴,不利于應(yīng)用普及。因此,不需要考慮光線因素,無需佩戴任何設(shè)備且價格低廉的基于Wi Fi的無線感知手勢識別技術(shù)成為研究熱點。本文從數(shù)據(jù)預(yù)處理,手勢特征提取以及手勢識別三個方面介紹現(xiàn)有基于無線感知技術(shù)的手勢識別研究所采用的解決方法,分析其存在的問題和缺陷,并針對問題提出本文的解決方案來彌補相應(yīng)缺陷。本文提出了一種基于信道狀態(tài)信息（Channel State Information,CSI）的手勢識別系統(tǒng)Wi Num,通過從商用Wi Fi中提取出可以描述手勢活動的信道狀態(tài)信息數(shù)據(jù),以實現(xiàn)細粒度的十種手勢的識別。該系統(tǒng)應(yīng)用離散小波變換（Discrete Wavelet Transform,DWT）技術(shù)對數(shù)據(jù)進行降噪處理,相比于離群點... 

【文章來源】：合肥工業(yè)大學(xué)安徽省211工程院校教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于計算機視覺的手勢識別方法
        1.2.2 基于可穿戴傳感器的手勢識別方法
        1.2.3 基于無線感知的手勢識別方法
    1.3 主要研究內(nèi)容及組織結(jié)構(gòu)
第二章 WiFi信號的傳播技術(shù)與應(yīng)用
    2.1 背景知識介紹
        2.1.1 正交頻分復(fù)用技術(shù)
        2.1.2 多輸入多輸出技術(shù)
    2.2 WiFI信號傳播原理
        2.2.1 從RSSI到 CSI
        2.2.2 無線信號傳播模型
    2.3 基于CSI的相關(guān)應(yīng)用
        2.3.1 室內(nèi)定位
        2.3.2 生理指標(biāo)感知
        2.3.3 身份認證
    2.4 本章小結(jié)
第三章 基于WiFi的手勢識別技術(shù)分析
    3.1 數(shù)據(jù)預(yù)處理技術(shù)
        3.1.1 離群點去除
        3.1.2 低通濾波和加權(quán)滑動平均降噪
    3.2 特征提取
        3.2.1 動態(tài)手勢分割
        3.2.2 特征選擇
    3.3 常用的分類算法
        3.3.1 K最近鄰
        3.3.2 支持向量機
        3.3.3 長短期記憶網(wǎng)絡(luò)
    3.4 本章小結(jié)
第四章 基于信道狀態(tài)信息的手勢識別系統(tǒng)設(shè)計
    4.1 系統(tǒng)架構(gòu)
    4.2 CSI數(shù)據(jù)獲取
    4.3 子載波選擇
    4.4 離散小波變換降噪
    4.5 自適應(yīng)手勢分割算法
    4.6 特征選擇
    4.7 集成算法
        4.7.1 集成思想
        4.7.2 決策樹算法
        4.7.3 梯度提升決策樹算法
    4.8 本章小結(jié)
第五章 實驗評估與對比分析
    5.1 實驗設(shè)置及實驗步驟
    5.2 系統(tǒng)整體評估
    5.3 對比分析
        5.3.1 不同分類方法對比
        5.3.2 不同人對實驗的影響
        5.3.3 不同的動作速度對實驗的影響
        5.3.4 不同的采樣率對實驗的影響
        5.3.5 不同的訓(xùn)練樣本數(shù)對實驗的影響
        5.3.6 TX與RX的距離對實驗的影響
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 后續(xù)工作展望
參考文獻
攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況


【參考文獻】：
期刊論文
[1]一種基于CSI相位差的手勢識別方法[J]. 王擁軍,馬維華.  計算機技術(shù)與發(fā)展. 2020(04)
[2]手部活動檢測智能手套的設(shè)計[J]. 王玉博,段宇.  科技經(jīng)濟市場. 2018(04)
[3]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時間序列預(yù)測[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生.  北京航空航天大學(xué)學(xué)報. 2018(04)
[4]基于KNN算法的手寫數(shù)字識別[J]. 李詩語,王峰,曹彬,梅琪,肖飛.  電腦知識與技術(shù). 2017(25)
[5]無線手勢識別中冗余運算量的研究與優(yōu)化[J]. 李文高,李霆.  移動通信. 2015(07)
[6]基于HMM-FNN模型的復(fù)雜動態(tài)手勢識別[J]. 王西穎,戴國忠,張習(xí)文,張鳳軍.  軟件學(xué)報. 2008(09)
[7]雙手交互界面研究進展[J]. 付永剛,張鳳軍,戴國忠.  計算機研究與發(fā)展. 2005(04)
[8]基于數(shù)據(jù)手套的人機交互環(huán)境設(shè)計[J]. 曾芬芳,梁柏林,劉鎮(zhèn),王建華.  中國圖象圖形學(xué)報. 2000(02)
[9]基于數(shù)據(jù)手套輸入的漢語手指字母的識別[J]. 吳江琴,高文,陳熙霖.  模式識別與人工智能. 1999(01)

博士論文
[1]基于單個加速度傳感器的人體運動模式識別[D]. 薛洋.華南理工大學(xué) 2011



本文編號：3644169