一种用于手语识别的新型数据手套

介绍一种新型的用于手语识别的数据手套,这种数据手套与当今广泛应用的CyberGlove型号的数据手套相比,增加了新型的接触传感器,有效地利用了汉语手语中大量的接触信息,具有价格便宜、更适合中国手语的特点和识别精确度高等优点,将之种数据手套应用于新型汉语手语识别系统,与视觉部分相结合,可以更准确地识别汉语手语词汇。     

基于弯曲与组合MEMS传感器的数据手套设计

虚拟手作为一种自然、高效的人机交互方式,被广泛地应用在虚拟装配、远程手术、机器人控制及手语识别等多个领域。目前市场上多数数据手套只测量手部指关节角度变化情况,对手掌姿态角度测量较少,远不能满足市场对数据手套的需求。设计了基于弯曲与组合MEMS传感器的数据手套,不仅能测量手部指关节的弯曲程度,而且能测量手掌姿态,极大地推动了数据手套的应用。     

会展视觉形象设计中展台识别系统的设计与实现

传统展台识别系统是单感官识别系统,无法实现多感官的展台识别,为此设计了一种新型的展台识别系统.该系统使用"一对多"承接系统框架,建立3个识别模块,导入多感官识别数据,对视觉数据进行采集,提取视觉关键信息,使用行为捕捉机制对多感官数据进行采集;对采集数据进行搭配分析,完成理念识别机制,综合多项识别数据信息实现展台识别.实验结果表明,在视觉识别、空间识别、理念识别等方面,所设计展台识别系统优于传统展台识别系统,并且能够进行多感官的识别.     

一种模糊传感器数据融合的方法

基于模糊传感器数据相关的特性，给出了一种模糊传感器数据融合的方法．该方法从传感器的重要度，各个传感器对模糊命题支持度的一致度，以及传感器重要度对数据融合结果的复合作用3个方面分析了它们对模糊传感器数据集成的影响．定义了一个一致性系数综合反映了这3个因素．基于该一致性系数实现了模糊传感器的数据融合，并将该方法用于工件识别中．     

基于XML的智能传感器数据显示技术研究

介绍了智能传感器IEEE 1451标准,提出了采用XML（Extensible Markup Language,可扩展标记语言）来实现智能传感器输出数据的传输和显示方案,给出了一种智能温度传感器的实现方案.传感器以三星S3C2440A微处理器为核心,移植嵌入式Linux操作系统和Web服务器,通过数字温度传感器DS18...     

烟草类根瘤中质体蛋白体的超微结构研究

提出了一种基于累计积分及阈值判断的数据处理方法,实现了检测人体动作的无线加速度传感器系统,无线加速度传感器模块使用Analog Device公司的3轴加速度传感器ADXL330.无线蓝牙模块将加速度信号采集并发送至PC机.该文是对动作识别系统的硬件与软件实现及动作处理算法的描述,并分析相应的实验结果,详细给出了数据处理算法.该方法应用于基于网络的数字娱乐系统,采集及处理时间150ms,有一定的实用价值.     

基于ARM的颗粒物浓度的采集及远传系统设计

为实现对颗粒物浓度的实时采集和远程传输,设计了基于ARM体系结构的环境参数采集和传输系统.该系统终端采用Linux为嵌入式操作系统,硬件平台是基于TQ2440开发板,使用GP2Y1010AU0F灰尘传感器,并用中兴公司的ME3760无线通讯模块作为4G模块.在Linux嵌入式操作系统下,采集模块完成数据信息的采集和压缩,然后把处理好的数据通过4G模块传输到手机或者监控中心.该系统不仅可以运用在环境监测领域,也可以运用在智能家居、工业监测等领域.     

基于MEMS六轴传感器的上肢运动识别系统

设计并实现了一种基于MEMS六轴传感器的上肢运动识别系统.该系统通过1个MEMS六轴传感器对用户上肢运动的三维加速度和三维角速度进行实时采集并使用蓝牙发送到计算机中.通过计算机将采集到的数据进行加速度分解、滤波、周期判别、标准化等处理后,与特征数据库中的数据进行相关性分析,从而实现对特定动作的识别,并可对重复动作进行计数.以对哑铃动作采集数据为例,验证了该系统的有效性.     

压阻式柔性应变传感纤维的手指姿态识别装置

针对传统应变传感器柔顺性受限、与织物结合性差的问题,设计了一套可穿戴织物手指姿态识别装置。该装置的传感器为弹性硅橡胶和多壁碳纳米管复合的压阻式芯-鞘结构传感纤维柔性应变传感器,采用同轴湿法纺丝工艺制备,具有很好的可编织性,拉伸应变可达300%,响应时间少于200ms,可将其编织到织物手套的手指关节处,用于感知手指姿态;该装置的嵌入式控制系统采用基于STM32F103C8T6主控芯片的单片机,用于采集处理手指姿态传感信号;该装置的识别显示系统采用发光二极管、无源蜂鸣器和有机发光显示屏等功能器件,用于手指姿态的识别显示。实验结果表明,与现有手指姿态识别装置相比,该装置将柔性应变传感纤维、常规织物、单片机和功能器件集成在一起,具有舒适的可穿戴性,实现了呼吸灯、数字音乐和手语识别等移动便携式控制应用。     

基于LabVIEW的心音身份识别系统

文中以LabVIEW 2012为开发平台,设计、实现了一种心音身份识别系统.该系统包括心音采集、数据处理和身份识别3个主要模块.心音采集模块利用自制传感器采集心音并去噪;数据处理模块完成心音特征提取和建立心音特征数据库;身份识别模块采用两种算法对心音特征数据进行分类识别,并使用决策层融合算法提高识别率.文中根据心音信号s1、s2的频谱特性和虚拟仪器的特点,提出了一种低频加强型梅尔倒谱系数和频域分段相关系数的特征提取算法,重点分析了基于矢量化欧式距离和最小相关距离分类识别方法.实际应用的结果证明该系统界面友好、操作方便、运算速度快、辨识效率高,具有一定的推广应用价值.     

基于S3C2440A的振动信号采集分析系统的硬件设计

针对传统MCS-51单片机数采分析系统稳定性和实时性差的问题,提出一种基于S3C2440A和嵌入式Linux操作系统的机械设备振动信号采集分析系统的设计方案．重点阐述了系统硬件结构中的ARM主控模块、信号预处理模块和数据采集模块的设计,并对软件设计进行讨论．经实验验证表明：该系统完全能够满足实时性要求,稳定性良好,可靠性较高．     

基于DSP的指纹识别模块设计与实现

提出了一种以定点DSP芯片TMS320VC5410及FPS200指纹采集传感器为核心的自动指纹识别模块,并对指纹识别算法采用DSP专用汇编指令集与C语言混合编程的方法,以此实现了一个高效低功耗的嵌入式系统.文中介绍了其组成原理、硬件结构设计、系统功能设计、图像采集电路的实现,以及指纹识别算法的处理流程和实现方法.通过试验,该模块的采集效率高、识别速度快且准确可靠,总体性能是令人满意的.     

一种无线胎压实时监测系统

利用温度传感器和压力传感器采集轮胎的压力和温度参数,并把数据通过nRF24L01无线收发模块向主控端传输。利用S3C2440处理器驱动nRF24L01无线收发模块完成数据的接收,同时驱动TFT液晶屏。监控界面按照互关联算法与数据和命令进行关联,实现了数据的显示和命令/数据的传递,测试结果表明,该系统可以满足胎压实时监测的需要。     

基于神经网络的室内外场景识别方法

针对目前室内外场景识别方法所面临的低精度、低可靠性和低稳定性的问题,提出了一种基于神经网络算法的高精度室内外场景识别的方法.该方法利用智能手机内置的光传感器、磁传感器和全球导航卫星系统(global navigation satellite system,GNSS)模块采集训练数据,根据卫星数量、高度角、信噪比数据在室内外具有不同的特性,将场景划分成不同的区间并结合室内外的地磁数据与光照强度数据构成场景识别的特征,最后将不同时间的特征数据输入神经网络模型进行训练室内外场景识别模型.大量的测试实验结果表明,基于神经网络的室内外场景识别方法在不同的场景下识别准确率可以达到96％,能有效地识别室内外场景,具有较强的稳定性,可为室内外无缝定位系统的构建提供参考.     

基于Quest3D的虚拟人机交互系统中5DT数据手套的应用研究

在基于虚拟现实的遥操作系统的开发中,在客户端的人机交互系统中,数据手套可以同时做为输入输出通道,能够充分发挥手在交互过程中的自然性,向虚实无缝结合跨进一大步。介绍了数据手套在虚拟环境中进行交互的过程。在基于虚拟现实的遥操作原型系统中实现了基于5DTData Glove 16-W的人机交互操作,并对数据手套校准,手势的匹配输入进行了研究,设计了在Quest3D场景中用数据手套进行漫游的程序,利用Quest3D SDK编制了数据手套与虚拟环境交互的接口程序。上述方法对于各种基于数据手套的虚拟人机交互应用程序的设计将具有一定的启发作用。     

新型传感器数据记录系统设计与实现

设计一种应用于工业现场的新型传感器数据记录系统.硬件部分采用高分辨率、宽动态范围的16位∑-△A D芯片AD7705采集传感器数值,AD7705通过SPI总线和微控制器S3C2440A互联;软件部分选用嵌入式Linux操作系统,以图形化编程语言QT实现应用程序.该系统应用于汽车弹片弹力测试系统,直接采集弹力传感器数值,...     

基于智能手机传感器和SC\|HMM算法的行为识别

在获取智能手机传感器信号的基础上, 提出一种基于谱聚类和隐Markov模型的日常行为识别算法. 该方法利用智能手机获取的加速度、 地理位置和接受信号强度等数据, 结合谱聚类分析和隐Markov模型学习, 能有效地对用户日常行为进行自动识别. 实验结果表明, 在真实的手机数据集中, 该方法具有较高的准确度.     

基于连续数据量化的声纳传感器数据识别方法

为了有效识别声纳信号,提出一种基于连续数据量化的声纳传感器数据识别方法。首先用声学传感器采集数据;其次运用数据离散化方法,有效地将采集到的数据进行连续数据离散化;最后,通过数据挖掘技术(C4.5/C5.0决策树、SVM和Naive-Bayes分类器)对离散后的声纳信号数据进行分类识别。实验首先在UCI数据集上进行Naive-Bayes分类预测来评价提出离散化方法的性能,得到了较好的效果。其后,通过声学传感器收集到的Sonar数据集进行实验。结果表明,新的离散化方法提高了四个分类器的识别精度,表明该声纳传感器数据识别技术是非常有效的。