手勢(shì)識(shí)別作為人機(jī)交互的重要組成部分,使人們能夠自然的、靈活的與機(jī)器進(jìn)行交流,這讓手勢(shì)識(shí)別研究受到越來(lái)越多的關(guān)注。目前,手勢(shì)識(shí)別研究主要基于以下三種方案,分別是基于計(jì)算機(jī)視覺(jué),基于可穿戴傳感器以及基于無(wú)線感知的方案。其中,基于計(jì)算機(jī)視覺(jué)的技術(shù)對(duì)光線條件要求苛刻,且目標(biāo)用戶需要暴露在攝像機(jī)前,存在隱私問(wèn)題�；诳纱┐鱾鞲衅骷夹g(shù)需要用戶時(shí)刻佩戴硬件設(shè)備,且硬件設(shè)施價(jià)格昂貴,不利于應(yīng)用普及。因此,不需要考慮光線因素,無(wú)需佩戴任何設(shè)備且價(jià)格低廉的基于Wi Fi的無(wú)線感知手勢(shì)識(shí)別技術(shù)成為研究熱點(diǎn)。本文從數(shù)據(jù)預(yù)處理,手勢(shì)特征提取以及手勢(shì)識(shí)別三個(gè)方面介紹現(xiàn)有基于無(wú)線感知技術(shù)的手勢(shì)識(shí)別研究所采用的解決方法,分析其存在的問(wèn)題和缺陷,并針對(duì)問(wèn)題提出本文的解決方案來(lái)彌補(bǔ)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(shì)識(shí)別系統(tǒng)Wi Num,通過(guò)從商用Wi Fi中提取出可以描述手勢(shì)活動(dòng)的信道狀態(tài)信息數(shù)據(jù),以實(shí)現(xiàn)細(xì)粒度的十種手勢(shì)的識(shí)別。該系統(tǒng)應(yīng)用離散小波變換（Discrete Wavelet Transform,DWT）技術(shù)對(duì)數(shù)據(jù)進(jìn)行降噪處理,相比于離群點(diǎn)... 

【文章來(lái)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(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于計(jì)算機(jī)視覺(jué)的手勢(shì)識(shí)別方法
        1.2.2 基于可穿戴傳感器的手勢(shì)識(shí)別方法
        1.2.3 基于無(wú)線感知的手勢(shì)識(shí)別方法
    1.3 主要研究?jī)?nèi)容及組織結(jié)構(gòu)
第二章 WiFi信號(hào)的傳播技術(shù)與應(yīng)用
    2.1 背景知識(shí)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(hào)傳播原理
        2.2.1 從RSSI到 CSI
        2.2.2 無(wú)線信號(hào)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(rèn)證
    2.4 本章小結(jié)
第三章 基于WiFi的手勢(shì)識(shí)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(diǎn)去除
        3.1.2 低通濾波和加權(quán)滑動(dòng)平均降噪
    3.2 特征提取
        3.2.1 動(dòng)態(tài)手勢(shì)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(jī)
        3.3.3 長(zhǎng)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(shì)識(shí)別系統(tǒng)設(shè)計(jì)
    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(shì)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(shù)算法
        4.7.3 梯度提升決策樹(shù)算法
    4.8 本章小結(jié)
第五章 實(shí)驗(yàn)評(píng)估與對(duì)比分析
    5.1 實(shí)驗(yàn)設(shè)置及實(shí)驗(yàn)步驟
    5.2 系統(tǒng)整體評(píng)估
    5.3 對(duì)比分析
        5.3.1 不同分類方法對(duì)比
        5.3.2 不同人對(duì)實(shí)驗(yàn)的影響
        5.3.3 不同的動(dòng)作速度對(duì)實(shí)驗(yàn)的影響
        5.3.4 不同的采樣率對(duì)實(shí)驗(yàn)的影響
        5.3.5 不同的訓(xùn)練樣本數(shù)對(duì)實(shí)驗(yàn)的影響
        5.3.6 TX與RX的距離對(duì)實(shí)驗(yàn)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(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況


【參考文獻(xiàn)】：
期刊論文
[1]一種基于CSI相位差的手勢(shì)識(shí)別方法[J]. 王擁軍,馬維華.  計(jì)算機(jī)技術(shù)與發(fā)展. 2020(04)
[2]手部活動(dòng)檢測(cè)智能手套的設(shè)計(jì)[J]. 王玉博,段宇.  科技經(jīng)濟(jì)市場(chǎng). 2018(04)
[3]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時(shí)間序列預(yù)測(cè)[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(bào). 2018(04)
[4]基于KNN算法的手寫數(shù)字識(shí)別[J]. 李詩(shī)語(yǔ),王峰,曹彬,梅琪,肖飛.  電腦知識(shí)與技術(shù). 2017(25)
[5]無(wú)線手勢(shì)識(shí)別中冗余運(yùn)算量的研究與優(yōu)化[J]. 李文高,李霆.  移動(dòng)通信. 2015(07)
[6]基于HMM-FNN模型的復(fù)雜動(dòng)態(tài)手勢(shì)識(shí)別[J]. 王西穎,戴國(guó)忠,張習(xí)文,張鳳軍.  軟件學(xué)報(bào). 2008(09)
[7]雙手交互界面研究進(jìn)展[J]. 付永剛,張鳳軍,戴國(guó)忠.  計(jì)算機(jī)研究與發(fā)展. 2005(04)
[8]基于數(shù)據(jù)手套的人機(jī)交互環(huán)境設(shè)計(jì)[J]. 曾芬芳,梁柏林,劉鎮(zhèn),王建華.  中國(guó)圖象圖形學(xué)報(bào). 2000(02)
[9]基于數(shù)據(jù)手套輸入的漢語(yǔ)手指字母的識(shí)別[J]. 吳江琴,高文,陳熙霖.  模式識(shí)別與人工智能. 1999(01)

博士論文
[1]基于單個(gè)加速度傳感器的人體運(yùn)動(dòng)模式識(shí)別[D]. 薛洋.華南理工大學(xué) 2011



本文編號(hào)：3644169