CN105919599A - 基于磁传感器的手指运动检测识别系统及方法 - Google Patents

Abstract

本发明及一种基于磁传感器的手指运动检测识别系统及方法，其信号采集模块包括小磁体贴片、磁传感器阵列、置位/复位电路；磁体贴片用于贴在手指上，磁传感器阵列由N(N≥10)个磁传感器组成，磁传感器在信号采集器上等间距排列一周；置位/复位电路用于产生置位/复位脉冲。信号处理模块包括模拟开关切换电路、一级放大电路和二级放大滤波电路、模/数转换电路；模拟开关切换电路将由多个磁传感器输入的多路差分电压信号逐路输出到后续电路，多路信号共用一组模拟信号调理电路；一级放大电路、二级放大滤波电路将模拟开关切换电路传送来的微弱信号进行放大和高频滤波；模/数转换电路对经过放大滤波的模拟信号进行模/数转换。

Description

基于磁传感器的手指运动检测识别系统及方法

技术领域

本发明涉及一种手指运动检测识别系统及方法，尤其涉及一种基于磁传感器的手指运动检测识别系统及方法。

背景技术

随着计算机在各个领域的不断发展，传统的二维平面内的如鼠标键盘的人机交互方式已经不能满足人们的日常需求。近年来兴起的虚拟现实技术和增强现实技术不断推动人机交互技术向前发展，促使我们研究一种更加自然的、以人为本的人机交互方式。

手是人体最灵活的器官之一，可以做出大量的动作。而手势作为一种直观的自然语言，具有较强的表达力。因而将手指动作的检测与识别引入人机交互可以给用户带来更加逼真的感受，使用户完全沉浸在虚拟而又真实的环境中，大大增强互动性与娱乐性。

当前手指动作检测和识别技术主要有以下方式：数据手套和计算机视觉。数据手套一般采用IMU传感器来直接测量手指关节的角度位置，可以得到可靠的数据，具有无遮挡的优点。不过其在使用前都需要进行校准动作，随着使用时长的增加，会产生较大的误差，且数据手套较为昂贵，用户需要佩戴整套传感设备，使用并不方便。计算机视觉技术则利用一个或多个摄像机拍摄手部运动的图像，而后交由计算机进行图像处理识别，具有无需穿戴，精度高的优点。不过，由于手部运动必须限制在摄像机拍摄范围内，不能进行较大的动作，且存在遮挡的问题。

发明内容

为了解决以上问题本发明提供了一种基于磁传感器的，能够检测与识别手指运动的系统及方法，该系统具有成本低廉、精确可靠、实时显示的优点。

为实现上述目的，本发明提供如下技术方案：一种基于磁传感器的手指运动检测识别系统，其特征在于：包括信号采集模块、信号处理模块、单片机控制模块、无线传输模块、上位机。

所述信号采集模块包括磁源、信号采集器；所述磁源为小磁体贴片，用于贴在手指上；所述信号采集器包括磁传感器阵列、置位/复位电路；所述磁传感器阵列由N(N≥10)个磁传感器组成，磁传感器在信号采集器上等间距排列一周；所述的置位/复位电路用于产生置位/复位脉冲，使磁传感器磁畴方向统一，恢复磁传感器灵敏度。

所述的信号处理模块包括模拟信号处理电路、模/数转换电路；所述的模拟信号处理电路包括模拟开关切换电路、一级放大电路和二级放大滤波电路；所述的模拟开关切换电路将由多个磁传感器输入的多路差分电压信号逐路输出到后续电路，多路信号共用一组模拟信号调理电路；一级放大电路、二级放大滤波电路将模拟开关切换电路传送来的微弱信号进行放大和高频滤波；所述模/数转换电路对经过放大滤波的模拟信号进行模/数转换。

所述单片机控制模块包括置位/复位信号控制电路、一级放大电路增益控制电路、模/数转换芯片信号控制电路、无线传输信号控制电路。

所述无线传输模块将下位机处理后的数字信号发送给上位机，由上位机进行后续处理及显示；所述上位机包括计算机和数据库模块；所述计算机用于处理数据信号和进行显示；所述数据库模块用以存储数据，所述的数据为检测到的数据和预先存储手势的分类数据，以便完成手势识别。

所述的一级放大电路具体为可编程仪表放大电路，将磁传感器阵列输出的微弱信号电压幅值放大至mV级；所述的二级放大滤波电路放大增益为32dB；输出电压幅值范围为：0.8-5V。

所述的上位机指安装LABVIEW虚拟仪器开发软件的PC机，利用LABVIEW虚拟开发软件进行编程接收无线传输模块发送来的数据，并对手部动作进行实时显示，存储。

所述的信号采集器为戒指式信号采集器。

在戒指式信号采集器的侧面设有供电开关，控制整个系统的元器件是否工作，在上位机的人机交互界面上设有虚拟开关，控制何时开始建立通信并进行数据采集与处理。

所述的磁体贴片为5个。

一种基于磁传感器的手部运动检测识别方法，其特征在于：包括以下步骤：

步骤一：将小磁体贴片分别粘贴在指甲的表面，将信号采集器佩戴于中指底部，打开供电开关与虚拟开关，单片机控制模块控制产生置位/复位脉冲，使磁传感器磁畴方向统一，保证其检测灵敏度。

步骤二：磁传感器阵列将采集到的多路信号经过模拟开关切换电路切换输出至一级放大电路和二级放大滤波电路进行放大滤波处理，再经过模/数转换电路传输给单片机控制模块做预处理。

步骤三：单片机控制模块对接受的信号建立初始方程，并建立误差函数，并将数据通过无线传输模块发送给上位机。

步骤四：上位机利用优化算法定位小磁体贴片的位置，建立手指运动几何模型，得到手指姿态方程组，最后再利用优化算法求解获得整个手指的运动状态，最终完成手指运动的检测识别，在计算机显示器上实时显示。

以定位一个小磁体贴片的位置为例，步骤三中所述的初始方程如下：

式中，l＝[1，2]；μ₀为真空导率，为4π×10^-7H/m；(a，b，c)为一个小磁体贴片在某一时刻的位置，(M_n，M_p，M_q)为此小磁体在这一位置的磁矩，(x_l，y_l，z_l)为这一时刻磁传感器的位置作为已知量；该方程组为多元高次非线性方程组，要求解的变量为小磁体贴片的位置坐标(a，b，c)和其磁矩(M_n，M_p，M_q)，其中五个自由变量，属于超静定方程组，采用非线性拟合算法求解。

以定位一个小磁体贴片的位置为例，步骤三中所述的误差函数如下：

式中，μ₀为真空导率，为4π×10^-7H/m；(a，b，c)为一个小磁体贴片在某一时刻的位置，(M_n，M_p，M_q)为此小磁体在这一位置的磁矩，(x_l，y_l，z_l)为这一时刻磁传感器的位置作为已知量。定义目标函数f＝E_x+E_y+E_z，求解目标函数最小值即可解得这一个小磁体贴片的位置坐标(a，b，c)和其磁矩(M_n，M_p，M_q)；

步骤四中所述的优化算法具体为PSO算法和L-M算法相结合的算法，PSO算法可以在没有初始值的情况下，通过智能寻优获得一个较为可靠的初始值，但该算法耗时较长。而L-M 算法运行较快，能够满足系统的实时性要求。所以调用一次PSO算法获得初始值之后利用L-M算法进行连续的定位。

所述PSO算法的数学描述为：在D(D≥1)维搜索空间中，有m(20≤m≤40)个粒子构成一群体，第i(1≤i≤m)个粒子在D维空间中当前位置表示为x_i＝(x_i1，x_i2，...，x_id，...，x_iD)，(1≤d≤D)；飞行速度为V_i＝(V_i1，V_i2，...，V_id，...，V_iD)，(1≤d≤D)；第i个粒子目前的最优位置为P_i＝(P_i1，P_i2，...，P_id，...，P_iD)，(1≤d≤D)；群体目前的最优位置为p_g＝(P_g1，P_g2，...，P_gd，...，P_gD)，(1≤g≤i，1≤d≤D)。粒子按照以下公式更新位置和飞行速度。

x_id(t+1)＝x_id(t)+V_id(t+1)；

V_id(t+1)＝V_id(t)+c₁×r₁×(P_id(t)-x_id(t))+c₂×r₂×(P_gd(t)-x_id(t))；

式中，1≤d≤D，1≤i≤m；r₁，r₂为[0，1]之间的随机数；c₁，c₂为学习因子，其取值决定了粒子向自身与向群体学习的能力，一般取c₁＝c₂＝2；t为粒子更新迭代的次数，一般根据实际问题人为设定，这里可取[100，1000]。

所述L-M算法，对于一个非线性方程组：

简记为F(x)＝0。x按下式更新：

x^(k+1)＝x^(k)+h，其中k为迭代次数，一般人为设定其值，这里可取[100，1000]；h为迭代步长，由下式决定：

(J^TJ+μI)h＝-J^Tf；

式中，f＝f(x)，J＝J(x)是f的Jacobian式，J^T为J的转置；比例系数μ＞0为常数。

步骤四中所述的手指运动几何模型可以有不同的类型，以一种较为简单的手指几何模型为例。如图8，将掌指关节的内收/外展自由度视为固定值的情况下，建立此手指运动几何模型。根据此前求得的小磁体贴片的位置坐标(a，b，c)其磁矩(M_n，M_p，M_q)列出手指姿态方程，如下：

此方程组中，(a，b，c)为小磁体贴片的位置坐标，(M_n，M_p，M_q)为小磁体的磁矩；ω为掌指关节的内收/外展角度作为已知量；分别为掌指关节、第二指间关节、第一指间关节的屈曲/伸展角度，是需要求解的量；h₁，h₂，h₃分别为各指关节之间的距离，是需要求解的量。

本发明系统及方法通过戒指式信号采集器将采集到的数据进行一系列处理，最终由上位机利用优化算法即可逆向求解出手部的运动状态，无需其他辅助传感器。具有检测、识别、实时显示手部姿态等功能。结构简单，成本低廉，使用方便，可应用于手势识别、机械外骨骼的控制、虚拟现实等领域。

附图说明

图1为本发明系统的结构框图；

图2为本发明系统的具体结构原理图；

图3为本发明磁源及戒指式信号采集器佩戴示意图；

图4为本发明中戒指式信号采集器结构示意图；

图5为本发明中上位机所用优化算法流程图。

图6为本发明中所用PS0算法流程图。

图7为本发明中所用L-M算法流程图。

图8为本发明中所建立的手指几何模型示意图。

具体实施方式

下面结合附图对本发明做进一步详细的说明。

如图1至4所示，本发明提供了一种基于磁传感器的手指运动检测识别系统，包括信号采集模块、信号处理模块、单片机控制模块、无线传输模块、上位机(计算机和数据库模块)；

所述信号采集模块包括磁源、信号采集器；所述磁源为5个小磁体贴片1，分别粘贴于五个手指指甲中部表面；所述戒指式信号采集器6包括磁传感器阵列、置位/复位电路；戒指式信号采集器6佩戴于中指底部，所述磁传感器阵列由N(N≥10)个磁传感器组成，磁传感器在信号采集器上等间距排列一周。如图4，a为单个磁传感器；b为N个磁传感器在信号采集器上等间距排列一周所组成的磁传感器阵列；c为供电开关；所述的置位/复位电路用于产生置位/复位脉冲，使磁传感器磁畴方向统一，恢复磁传感器灵敏度。

所述的信号处理模块包括模拟信号处理电路、模/数转换电路；所述的模拟信号处理电路包括模拟开关切换电路、一级放大电路和二级放大滤波电路；所述的模拟开关切换电路将由多个磁传感器输入的多路差分电压信号逐路输出到后续电路，多路信号共用一组模拟信号调理电路；一级放大电路、二级放大滤波电路将模拟开关切换电路传送来的微弱信号进行放大和高频滤波；所述模/数转换电路对经过放大滤波的模拟信号进行模/数转换。

所述单片机控制模块包括置位/复位信号控制电路、一级放大电路增益控制电路、模/数转换芯片信号控制电路、无线传输信号控制电路。

所述无线传输模块将下位机处理后的数字信号发送给上位机，由上位机进行后续处理及显示；

所述计算机用于处理数据信号和进行显示；所述数据库模块用以存储数据，所述的数据为检测到的数据和预先存储手势的分类数据，以便完成手势识别。

所述的一级放大电路具体为可编程仪表放大电路，将磁传感器阵列输出的微弱信号电压幅值放大至mV级；所述的二级放大滤波电路放大增益为32dB；输出电压幅值范围为：0.8-5V。

所述的上位机指安装LABVIEW虚拟仪器开发软件的PC机，利用LABVIEW虚拟开发软件进行编程接收无线传输模块发送来的数据，并对手部动作进行实时显示，存储。

在戒指式信号采集器6的侧面设有供电开关7，控制整个系统的元器件是否工作，在上位机的人机交互界面上设有虚拟开关，控制何时开始建立通信并进行数据采集与处理。

一种基于磁传感器的手部运动检测识别方法，包括以下步骤：

步骤一：将小磁体贴片分别粘贴在指甲的表面，将信号采集器佩戴于中指底部，打开供电开关与虚拟开关，单片机控制模块控制产生置位/复位脉冲，使磁传感器磁畴方向统一，保证其检测灵敏度。

步骤二：磁传感器阵列将采集到的多路信号经过模拟开关切换电路切换输出至一级放大电路和二级放大滤波电路进行放大滤波处理，再经过模/数转换电路传输给单片机控制模块做 预处理。

步骤三：单片机控制模块对接受的信号建立初始方程，并建立误差函数，并将数据通过无线传输模块发送给上位机。

步骤四：上位机利用优化算法定位小磁体贴片的位置，建立手指运动几何模型，得到手指姿态方程组，最后再利用优化算法求解获得整个手指的运动状态，最终完成手指运动的检测识别，在计算机显示器上实时显示。

以定位一个小磁体贴片的位置为例，步骤三中所述的初始方程如下：

式中，l＝[1，2]；μ₀为真空导率，为4π×10^-7H/m；(a，b，c)为一个小磁体贴片在某一时刻的位置，(M_n，M_p，M_q)为此小磁体在这一位置的磁矩，(x_l，y_l，z_l)为这一时刻磁传感器的位置作为已知量；该方程组为多元高次非线性方程组，要求解的变量为小磁体贴片的位置坐标(a，b，c)和其磁矩(M_n，M_p，M_q)，其中五个自由变量，属于超静定方程组，采用非线性拟合算法求解。

以定位一个小磁体贴片的位置为例，步骤三中所述的误差函数如下：

式中，μ₀为真空导率，为4π×10^-7H/m；(a，b，c)为一个小磁体贴片在某一时刻的位置，(M_n，M_p，M_q)为此小磁体在这一位置的磁矩，(x_l，y_l，z_l)为这一时刻磁传感器的位置作为已知量。定义目标函数f＝E_x+E_y+E_z，求解目标函数最小 值即可解得这一个小磁体贴片的位置坐标(a，b，c)和其磁矩(M_n，M_p，M_q)；

步骤四中所述的优化算法具体为PSO算法和L-M算法相结合的算法，流程图如图5所示。PSO算法可以在没有初始值的情况下，通过智能寻优获得一个较为可靠的初始值，但该算法耗时较长。而L-M算法运行较快，能够满足系统的实时性要求。所以调用一次PSO算法获得初始值之后利用L-M算法进行连续的定位。

所述PSO算法的数学描述为：在D(D≥1)维搜索空间中，有m(20≤m≤40)个粒子构成一群体，第i(1≤i≤m)个粒子在D维空间中当前位置表示为x_i＝(x_i1，x_i2，...，x_id，...，x_iD)，(1≤d≤D)；飞行速度为V_i＝(V_i1，V_i2，...，V_id，...，V_iD)，(1≤d≤D)；第i个粒子目前的最优位置为P_i＝(P_i1，P_i2，...，P_id，...，P_iD)，(1≤d≤D)；群体目前的最优位置为p_g＝(P_g1，P_g2，...，P_gd，...，P_gD)，(1≤g≤i，1≤d≤D)。粒子按照以下公式更新位置和飞行速度。

x_id(t+1)＝x_id(t)+V_id(t+1)；

V_id(t+1)＝V_id(t)+c₁×r₁×(P_id(t)-x_id(t))+c₂×r₂×(P_gd(t)-x_id(t))；

式中，1≤d≤D，1≤i≤m；r₁，r₂为[0，1]之间的随机数；c₁，c₂为学习因子，其取值决定了粒子向自身与向群体学习的能力，一般取c₁＝c₂＝2；t为粒子更新迭代的次数，一般根据实际问题人为设定，这里可取[100，1000]。

PSO算法流程图如图6所示。

所述L-M算法，对于一个非线性方程组：

简记为F(x)＝0。x按下式更新：

x^(k+1)＝x^(k)+h，其中k为迭代次数，一般人为设定其值，这里可取[100，1000]；h为迭代步长，由下式决定：

(J^TJ+μI)h＝-J^Tf；

式中，f＝f(x)，J＝J(x)是f的Jacobian式，J^T为J的转置；比例系数μ＞0为常数。。

L-M算法流程图如图7所示。

步骤四中所述的手指运动几何模型可以有不同的类型，以一种较为简单的手指几何模型为例。如图8，将掌指关节的内收/外展自由度视为固定值的情况下，建立此手指运动几何模型。根据此前求得的小磁体贴片的位置坐标(a，b，c)其磁矩(M_n，M_p，M_q)列出手指姿态方程，如下：

此方程组中，(a，b，c)为小磁体贴片的位置坐标，(M_n，M_p，M_q)为小磁体的磁矩；ω为掌指关节的内收/外展角度作为已知量；分别为掌指关节、第二指间关节、第一指间关节的屈曲/伸展角度，是需要求解的量；h₁，h₂，h₃分别为各指关节之间的距离，是需要求解的量。

以上所述仅为本发明的优选实施例而已，并不限制于本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种基于磁传感器的手指运动检测识别系统，其特征在于：包括信号采集模块、信号处理模块、单片机控制模块、无线传输模块、上位机；

所述信号采集模块包括磁源、信号采集器；所述磁源为小磁体贴片，用于贴在手指上；所述信号采集器包括磁传感器阵列、置位/复位电路；所述磁传感器阵列由N个磁传感器组成，其中N≥10；磁传感器在信号采集器上等间距排列一周；所述的置位/复位电路用于产生置位/复位脉冲，使传感器磁畴方向统一；

所述的信号处理模块包括模拟信号处理电路、模/数转换电路；所述的模拟信号处理电路包括模拟开关切换电路、一级放大电路和二级放大滤波电路；所述的模拟开关切换电路将由多个磁传感器输入的多路差分电压信号逐路输出到后续电路，多路信号共用一组模拟信号调理电路；一级放大电路、二级放大滤波电路将模拟开关切换电路传送来的微弱信号进行放大和高频滤波；所述模/数转换电路对经过放大滤波的模拟信号进行模/数转换；

所述单片机控制模块包括置位/复位信号控制电路、一级放大电路增益控制电路、模/数转换芯片信号控制电路、无线传输信号控制电路；所述无线传输模块将下位机处理后的数字信号发送给上位机，由上位机进行后续处理及显示；所述上位机包括计算机和数据库模块；所述计算机用于处理数据信号和进行显示；所述数据库模块用以存储数据。

2.根据权利要求1所述的基于磁传感器的手指运动检测识别系统，其特征在于：所述的一级放大电路具体为可编程仪表放大电路，将磁传感器阵列输出的微弱信号电压幅值放大至mV级；所述的二级放大滤波电路放大增益为32dB；输出电压幅值范围为：0.8-5V。

3.根据权利要求1所述的基于磁传感器的手指运动检测识别系统，其特征在于：所述的上位机指安装LABVIEW虚拟仪器开发软件的PC机，利用LABVIEW虚拟开发软件进行编程接收无线传输模块发送来的数据，并对手部动作进行实时显示，存储。

4.根据权利要求1所述的基于磁传感器的手指运动检测识别系统，其特征在于：所述的信号采集器为戒指式信号采集器(6)。

5.根据权利要求1所述的基于磁传感器的手指运动检测识别系统，其特征在于：所述的小磁体贴片(1)为5个。

6.一种基于磁传感器的手部运动检测识别方法，其特征在于：包括以下步骤：

步骤一：将小磁体贴片分别粘贴在指甲的表面，将信号采集器佩戴于中指底部，打开供电开关与虚拟开关，单片机控制模块控制产生置位/复位脉冲，使磁传感器磁畴方向统一；

步骤二：磁传感器阵列将采集到的多路信号经过模拟开关切换电路切换输出至一级放大电路和二级放大滤波电路进行放大滤波处理，再经过模/数转换电路传输给单片机控制模块做预处理；

步骤三：单片机控制模块对接受的信号建立初始方程，并建立误差函数，并将数据通过无线传输模块发送给上位机；

步骤四：上位机利用优化算法定位小磁体贴片的位置，建立手指运动几何模型，得到手指姿态方程组，最后再利用优化算法求解获得整个手指的运动状态，最终完成手指运动的检测识别，在计算机显示器上实时显示。

7.根据权利要求6所述的基于磁传感器的手部运动检测识别方法，其特征在于：

以定位一个小磁体贴片的位置描述步骤三中所述的初始方程：

$B_{lx}=\frac{{\mathrm{\μ}}_0}{4\mathrm{\π}}\{\frac{3\[M_n(x_l-a)+M_p(y_l-b)+M_q(z_l-c)\](x_l-a)}{{R_l}^5}-\frac{M_n}{{R_l}^3}\}$

$B_{ly}=\frac{{\mathrm{\μ}}_0}{4\mathrm{\π}}\{\frac{3\[M_n(x_l-a)+M_p(y_l-b)+M_q(z_l-c)\](y_l-b)}{{R_l}^5}-\frac{M_p}{{R_l}^3}\}$

$B_{lz}=\frac{{\mathrm{\μ}}_0}{4\mathrm{\π}}\{\frac{3\[M_n(x_l-a)+M_p(y_l-b)+M_q(z_l-c)\](z_l-c)}{{R_l}^5}-\frac{M_q}{{R_l}^3}\};$

式中，l＝[1，2]；μ₀为真空导率，为4π×10^-7H/m；(a，b，c)为一个小磁体贴片在某一时刻的位置，(M_n，M_p，M_q)为此小磁体在这一位置的磁矩，(x_l，y_l，z_l)为这一时刻磁传感器的位置作为已知量；该方程组为多元高次非线性方程组，要求解的变量为小磁体贴片的位置坐标(a，b，c)和其磁矩(M_n，M_p，M_q)，其中五个自由变量，属于超静定方程组，采用非线性拟合算法求解。

8.根据权利要求6所述的基于磁传感器的手部运动检测识别方法，其特征在于：

以定位一个小磁体贴片的位置描述步骤三中所述的误差函数：

$E_x=\underset{l=1}{\overset{2}{\Σ}}{\{B_{lx}-\frac{{\mathrm{\μ}}_0}{4\mathrm{\π}}(\frac{3\[M_n(x_l-a)+M_p(y_l-b)+M_q(z_l-c)\](x_l-a)}{{R_l}^5}-\frac{M_n}{{R_l}^3})\}}^2$

$E_y=\underset{l=1}{\overset{2}{\Σ}}{\{B_{ly}-\frac{{\mathrm{\μ}}_0}{4\mathrm{\π}}(\frac{3\[M_n(x_l-a)+M_p(y_l-b)+M_q(z_l-c)\](y_l-b)}{{R_l}^5}-\frac{M_p}{{R_l}^3})\}}^2$

$E_z=\underset{l=1}{\overset{2}{\Σ}}{\{B_{lz}-\frac{{\mathrm{\μ}}_0}{4\mathrm{\π}}(\frac{3\[M_n(x_l-a)+M_p(y_l-b)+M_q(z_l-c)\](z_l-c)}{{R_l}^5}-\frac{M_q}{{R_l}^3})\}}^2$

式中，μ₀为真空导率，为4π×10^-7H/m；(a，b，c)为一个小磁体贴片在某一时刻的位置，(M_n，M_p，M_q)为此小磁体在这一位置的磁矩，(x_l，y_l，z_l)为这一时刻磁传感器的位置作为已知量。定义目标函数f＝E_x+E_v+E_z，求解目标函数最小值即可解得这一个小磁体贴片的位置坐标(a，b，c)和其磁矩(M_n，M_p，M_q)。

9.根据权利要求6所述的基于磁传感器的手部运动检测识别方法，其特征在于：

步骤四中所述的优化算法具体为PSO算法和L-M算法相结合的算法：调用一次PSO算法获得初始值之后利用L-M算法进行连续的定位；

所述PSO算法的数学描述为：在D维搜索空间中，其中D≥1；有m个粒子构成一群体，其中20≤m≤40；第i个粒子在D维空间中当前位置表示为x_i＝(x_i1，x_i2，...，x_id，...，x_iD)，其中1≤i≤m，1≤d≤D；飞行速度为V_i＝(V_i1，V_i2，...，V_id，...，V_iD)，其中1≤d≤D；第i个粒子目前的最优位置为P_i＝(P_i1，P_i2，...，P_id，...，P_iD)，其中1≤d≤D；群体目前的最优位置为p_g＝(P_g1，P_g2，...，P_gd，...，P_gD)，其中1≤g≤i，1≤d≤D；粒子按照以下公式更新位置和飞行速度；

x_id(t+1)＝x_id(t)+V_id(t+1)；

V_id(t+1)＝V_id(t)+c₁×r₁×(P_id(t)-x_id(t))+c₂×r₂×(P_gd(t)-x_id(t))；

式中，1≤d≤D，1≤i≤_m；r₁，r₂为[0，1]之间的随机数；c₁，c₂为学习因子，其取值决定了粒子向自身与向群体学习的能力，取c₁＝c₂＝2；t为粒子更新迭代的次数；

所述L-M算法，对于一个非线件方程组：

$\left\{\begin{array}{c}{f}_1(x_1,x_2,...,x_n)=0\\ f_2(x_1,x_2,...,x_n)=0\\ .\\ .\\ .\\ f_n(x_1,x_2,...,x_n)=0\end{array}\right.,(n\≥2);$

简记为F(x)＝0；x按下式更新：

x^(k+1)＝x^(k)+h，其中k为迭代次数；h为迭代步长，由下式决定：

(J^TJ与μI)h＝-J^Tf；

式中，f＝f(x)，J＝J(x)是f的Jacobian式，J^T为J的转置；比例系数μ＞0为常数。

10.根据权利要求6所述的基于磁传感器的手部运动检测识别方法，其特征在于：

步骤四所述的手指姿态方程，如下：

此方程组中，(a，b，c)为小磁体贴片的位置坐标，(M_n，M_p，M_q)为小磁体的磁矩；Θ为掌指关节的内收/外展角度作为已知量；l为掌指关节在Y轴上的坐标作为已知量；分别为掌指关节、第二指间关节、第一指尖关节的屈曲/伸展角度，是需要求解的量；h₁，h₂，h₃分别为各指关节之间的距离，是需要求解的量。