一种基于神经网络的手势数据采集手套及识别方法

    公开(公告)号:CN113076928A

    公开(公告)日:2021-07-06

    申请号:CN202110454322.3

    申请日:2021-04-26

    Applicant: 东南大学

    Abstract: 本发明提供了一种基于神经网络的手势数据采集手套及识别方法,包括向计算平台发送手部数据的数据采集手套和根据手部数据的基于神经网络的手势识别方法;装置采集的数据首先经过MATLAB平台预处理后,传送到卷积神经网络进行学习,得到相应的计算模型;之后应用此模型对新的手部数据进行识别,得到手势类别。本发明传感器等电子元件不搭建在皮革或织物手套上,采用“骨架”式手套设计方式。该设计方式易于手套穿脱、拆卸组装,不易产生污垢,易于清洁,且清洁风险与成本小;采用电子设计的方式以及柔性FPC线材,相比于现有机械结构,可大大减小设备体积和重量,增强手指运动灵活性,便于长时间穿戴。

    有效波达角估计方法、估计装置及存储介质

    公开(公告)号:CN118741417A

    公开(公告)日:2024-10-01

    申请号:CN202410798419.X

    申请日:2024-06-20

    Abstract: 本发明公开了一种提高DOA估计精度及成功率的有效波达角估计方法、估计装置及存储介质。有效波达角估计方法,包括步骤:构建反映阵列天线间的幅度‑相位误差的对角矩阵;基于构建的对角矩阵,获得具有幅度相位误差的接收信号;基于获得的具有幅度相位误差的接收信号,构造Toeplitz矩阵;基于构造的Toeplitz矩阵,采用MUSIC算法得到DOA估计结果。本发明结合信道幅度相位误差及传感器位置误差,建立了一种新的系统失配模型。在分析了多信号分类算法在该失配模型下的工作性能后,提出了MUSIC算法的迭代Toeplitz预处理方法,该算法能在获得接收信号的协方差矩阵期间保持Toeplitz特性。仿真与实测结果表明,在模型失配的情况下,迭代Toeplitz预处理方法能有效提高DOA估计性能。

Patent Agency Ranking