导　　师： 伍楷舜

授予学位： 硕士

作　　者： (）;

机构地区： 深圳大学

摘　　要： 智能手表等可穿戴智能设备在近几年得到迅猛发展。但由于屏幕小等原因,这些智能可穿戴设备的输入受到很大限制,因此交互问题成为制约可穿戴技术发展的关键性因素。与此同时,社会发展也促使人们越来越关注于个人健康,使得监测身体信息的智能设备也得到发展,不仅仅是心率检测等功能,肌电信号(EMG)也可被用于人机交互领域中,比如手势识别功能。但是,当前的研究方法或是只能识别大的动作,或者只能是少量的动作,或者是需要多种硬件支持。在此背景下,本课题设计了一套基于肌电信号解决输入受限问题的可穿戴式文本输入系统,可借用较少的硬件设备来实现细粒度的击键识别,达到虚拟键盘的效果。为实现信号采集与处理的功能,首先,本课题使用了商用的硬件配件设计了一套智能腕带,用于采集手指敲击键盘时前臂肌肉产生的肌电信号。然后,为处理采集到的原始信号,得到低损耗、高信噪比的肌电信号,本课题为系统设计了有效的噪声抑制算法。接着,本课题提出变化量的定义公式,设计了基于变化量的算法以用于检测并提取因动作而产生的肌电信号(动作信号)。除此以外,本课题设计算法对动作信号进行分析,实现文本输入功能。首先,本课题设计了内嵌式的特征工程用于选取有效的特征集。然后,本系统根据多种分类算法建立了模型,实现了从肌电信号的特征计算到字符识别的功能,并进行评估。最后,本课题基于字符识别结果重新设计了文本纠错模型对单词进行纠正,使得系统能更准确地输出文本内容。最后,本课题通过在不同的实验场景下的大量实验对本系统进行评估,发现无论是在实体键盘还是纸质键盘输入字符,本系统都能达到较高的字符识别精度,分别为87.5%和89.5%。不同实验者使用本系统,其字符输出精度最高可达95.1%,最低为82.9%。对

关 键 词： 肌电信号 可穿戴 文本输入 动作检测与提取 特征工程

领　　域： []