作者:孔冬荣,朱杰 单位:北京无线电技术研究所 出版:《电子测量技术》2019年第05期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFDZCL2019050200 DOC编号:DOCDZCL2019050209 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于手机加速度传感器的手势识别系统研究》PDF+DOC2016年第08期 王鹏,丁任之,何天翔,雷汝霖 《基于加速度传感器的连续动态手势识别》PDF+DOC2016年第01期 陈鹏展,罗漫,李杰 《基于佩戴式输入设备的手语识别方法》PDF+DOC2016年第24期 贾维闯,吴雄华,贾博文 《基于加速度轨迹图像的手势特征提取与识别》PDF+DOC2017年第03期 刘蓉,刘家祺,刘红 《基于加速度传感器的手势识别系统》PDF+DOC2018年第S2期 丁利琼,程鹏,潘泽云 《一种鞋垫式跌倒检测装置设计》PDF+DOC2018年第05期 包滨豪,匡进升,文世林 《一种基于加速度特征提取的手势识别方法》PDF+DOC2012年第08期 陈意,杨平,陈旭光 《运动传感驱动的3D直观手势交互》PDF+DOC2010年第03期 梁秀波,张顺,李启雷,张翔,耿卫东 《基于极限学习机的老人防摔倒系统设计》PDF+DOC2015年第05期 沈雪微,毛文涛 《基于加速度传感器的大手势集手势识别算法改进研究》PDF+DOC2013年第10期 王原,汤勇明,王保平
  • 针对现有手势识别方法中人为提取特征具有局限性的问题,考虑到MYO臂环稀疏多通道的特点,提出一种融合表肌电信号(sEMG)和加速度(ACC)信息的手势识别方案。首先由5位受试者佩戴MYO臂环,同步采集8组不同手势的多通道sEMG、ACC数据;其次采用一种新的数据预处理方法,使用高能量滑动窗将数据进行分割,得到短时有效活动段;最后设计出一种并行多层的LSTM网络,对两类数据进行特征提取和融合,实验准确率达96.87%。结果表明,所提出的手势识别方案简便可行。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。