CN109766798A - 基于经验小波的手势数据处理方法、服务器及感知设备 - Google Patents
基于经验小波的手势数据处理方法、服务器及感知设备 Download PDFInfo
- Publication number
- CN109766798A CN109766798A CN201811618088.8A CN201811618088A CN109766798A CN 109766798 A CN109766798 A CN 109766798A CN 201811618088 A CN201811618088 A CN 201811618088A CN 109766798 A CN109766798 A CN 109766798A
- Authority
- CN
- China
- Prior art keywords
- signal
- processed
- experience
- small echo
- gesture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Telephone Function (AREA)
Abstract
本发明公开了一种基于经验小波的手势数据处理方法、服务器及感知设备，本发明通过根据姿态传感器的采样频率确定窗口长度，将待处理手势数据根据窗口长度进行窗口划分，获得窗口中的待处理信号；基于经验小波变换将待处理信号进行分解，获得信号分量；将信号分量进行快速傅里叶变换，获得信号分量的主频；在主频不小于有效频率阈值时，从待处理信号中删除信号分量，获得当前手势数据，实现了对手势数据的实时降噪，既可以保证高保真的降噪效果，又可以保证数据处理的实时性，而基于经验小波的感知设备采用3层架构，数据采集、数据转发、数据处理分别位于不同的层级，更好的利用了处理器性能，缩短了数据处理延时。
Description
技术领域
本发明涉及肢体语言语义识别领域，尤其涉及一种基于经验小波的手势数据处理方法、服务器及感知设备。
背景技术
随着电子设备的种类、数量越来越多，手势交互方式在各应用场景的需求也越来越大，在手势交互方式中需要进行手势识别，手势识别的前提是需要准确的手势姿态数据，因此，手势姿态数据的准确性和鲁棒性直接决定了手势识别的精度和手势交互的有效性。手势识别设备中，诸如陀螺仪、加速度计、磁力计等常用的、小体积的姿态检测传感器，往往存在着较大的内部噪声和外部噪声干扰，如果检测电路中包含了模拟电路部分，则线路耦合等干扰对弱信号数据带来的影响也是十分巨大的。如何对手势数据进行有效的噪声压制是一个值得探索的问题。
目前常用的数据降噪方法主要有频率域滤波方法、频率波数域滤波方法、频率空间域滤波方法、基于Radon变换的去噪方法、聚束滤波方法、基于小波分解和重建的去噪方法，以及局部径向道中值滤波方法和傅里叶相关系数滤波方法等，其他去噪方法还有多项式拟合、K-L变换和矢量分解等方法。上述的常规降噪方法均在一定程度上存在着噪声去除不干净、有效信号丢失等问题，归根到底是因为这些算法不是自适应算法，即算法本身不能识别出信号中的噪声成分，尤其在面对非线性非平稳的手势姿态信号时，常规的去噪方法很难提高手势数据的信噪比，且容易产生虚假信号和假频。
经验小波变换能很好地分解出原始信号中固有的本征信号，具有更高的自适应性，而且经验小波变换理论建立在成熟的小波理论基础上，具有充分的数学理论基础，其借助于小波分解快速算法使得自身具有较高的计算效率。但目前往往采用离线方式进行数据处理，不能满足手势交互中的实时性要求。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于经验小波的手势数据处理方法、服务器及感知设备，旨在解决现有技术中无法实现手势数据实时且高保真降噪的技术问题。
为实现上述目的，本发明提供一种基于经验小波的手势数据处理方法，所述方法包括以下步骤：
根据姿态传感器的采样频率确定窗口长度，将待处理手势数据根据所述窗口长度进行窗口划分，获得窗口中的待处理信号；
基于经验小波变换将所述待处理信号进行分解，获得信号分量；
将所述信号分量进行快速傅里叶变换，获得所述信号分量的主频；
在所述主频不小于有效频率阈值时，从所述待处理信号中删除所述信号分量，获得当前手势数据。
优选地，所述根据姿态传感器的采样频率确定窗口长度，具体包括：
将所述所述窗口长度设置为所述姿态传感器的采样频率的2的幂级数。
优选地，所述基于经验小波变换将所述待处理信号进行分解，获得信号分量，具体包括：
计算所述待处理信号的傅里叶频谱；
根据所述傅里叶频谱对所述待处理信号进行自适应分割，获得所述待处理信号的频带边界；
根据所述频带边界定义尺度函数及经验小波函数；
根据所述尺度函数及所述经验小波函数分别获得经验小波的近似系数及细节系数；
根据所述近似系数及细节系数获得各信号分量。
优选地，所述根据所述傅里叶频谱对所述待处理信号进行自适应分割，获得所述待处理信号的频带边界，具体包括：
获取待处理信号的傅里叶频谱的局部极大值；
将各局部极大值按降序排列；
将每个相邻局部极大值的中心位置设置为频带边界。
优选地，所述在所述主频不小于有效频率阈值时，从所述待处理信号中删除所述信号分量，获得当前手势数据之前，所述方法还包括：
根据所述待处理信号的频率确定固定频率阈值；
根据所述固定频率阈值及自适应阈值算法获得有效频率阈值。
此外，为实现上述目的，本发明还提供一种基于经验小波的服务器，所述基于经验小波的服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于经验小波的手势数据处理程序，所述基于经验小波的手势数据处理程序配置为实现所述的基于经验小波的手势数据处理方法的步骤。
此外，为实现上述目的，本发明还提供一种基于经验小波的感知设备，所述感知设备包括所述的基于经验小波的服务器及手势手套，所述手势手套用于获取并输出待处理手势数据。
优选地，所述手势手套包括姿态传感器、第一微处理器、第一无线调整通讯单元及电池管理单元。
优选地，所述感知设备还包括信号中继器，所述信号中继器用于转发所述待处理手势数据。
优选地，所述信号中继器包括第二微处理器、第二无线调整通讯单元及数据接口。
本发明通过根据姿态传感器的采样频率确定窗口长度，将待处理手势数据根据窗口长度进行窗口划分，获得各窗口中的待处理信号；基于经验小波变换将待处理信号进行分解，获得信号分量；将信号分量进行快速傅里叶变换，获得信号分量的主频；在主频不小于有效频率阈值时，从待处理信号中删除信号分量，获得当前手势数据，实现了对手势数据的实时降噪，既可以保证高保真的降噪效果，又可以保证数据处理的实时性，而基于经验小波的感知设备采用3层架构，数据采集、数据转发、数据处理分别位于不同的层级，更好的利用了处理器性能，缩短了数据处理延时。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于经验小波的服务器的结构示意图；
图2为本发明基于经验小波的手势数据处理方法第一实施例的流程示意图；
图3为本发明感知设备中手势手套的功能模块图；
图4为本发明感知设备中中继器的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于经验小波的服务器结构示意图。
如图1所示，基于经验小波的服务器包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对基于经验小波的服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于经验小波的手势数据处理程序。
在图1所示的基于经验小波的服务器中，网络接口1004主要用于与外部网络进行数据通信；用户接口1003主要用于接收用户的输入指令；所述服务器通过处理器1001调用存储器1005中存储的基于经验小波的手势数据处理程序，并执行以下操作：
根据姿态传感器的采样频率确定窗口长度，将待处理手势数据根据所述窗口长度进行窗口划分，获得窗口中的待处理信号；
基于经验小波变换将所述待处理信号进行分解，获得信号分量；
将所述信号分量进行快速傅里叶变换，获得所述信号分量的主频；
在所述主频不小于有效频率阈值时，从所述待处理信号中删除所述信号分量，获得当前手势数据。
进一步地，处理器1001可以调用存储器1005中存储的基于经验小波的手势数据处理程序，还执行以下操作：
将所述所述窗口长度设置为所述姿态传感器的采样频率的2的幂级数。
进一步地，处理器1001可以调用存储器1005中存储的基于经验小波的手势数据处理程序，还执行以下操作：
计算所述待处理信号的傅里叶频谱；
根据所述傅里叶频谱对所述待处理信号进行自适应分割，获得所述待处理信号的频带边界；
根据所述频带边界定义尺度函数及经验小波函数；
根据所述尺度函数及所述经验小波函数分别获得经验小波的近似系数及细节系数；
根据所述近似系数及细节系数获得各信号分量。
进一步地，处理器1001可以调用存储器1005中存储的基于经验小波的手势数据处理程序，还执行以下操作：
获取待处理信号的傅里叶频谱的局部极大值；
将各局部极大值按降序排列；
将每个相邻局部极大值的中心位置设置为频带边界。
进一步地，处理器1001可以调用存储器1005中存储的基于经验小波的手势数据处理程序，还执行以下操作：
根据所述待处理信号的频率确定固定频率阈值；
根据所述固定频率阈值及自适应阈值算法获得有效频率阈值。
本实施例通过根据姿态传感器的采样频率确定窗口长度，将待处理手势数据根据窗口长度进行窗口划分，获得各窗口中的待处理信号；基于经验小波变换将待处理信号进行分解，获得信号分量；将信号分量进行快速傅里叶变换，获得信号分量的主频；在主频不小于有效频率阈值时，从待处理信号中删除信号分量，获得当前手势数据，实现了对手势数据的实时降噪，既可以保证高保真的降噪效果，又可以保证数据处理的实时性。
参照图2，图2为本发明基于经验小波的手势数据处理方法第一实施例的流程示意图。
在第一实施例中，所述基于经验小波的手势数据处理方法包括以下步骤：
S10：根据姿态传感器的采样频率确定窗口长度，将待处理手势数据根据所述窗口长度进行窗口划分，获得窗口中的待处理信号。
需要说明的是，根据姿态传感器的采样频率，确定经验小波变换的窗口长度，将包含有最新采集数据的窗口内数据作为待处理信号。考虑到采样点数与可辨识的频率域之间为正相关关系，使窗口长度设定为最接近采样频率的2的幂级数(2M)，既可以保证较高的频率域辨识范围，又可以使得算法计算不会过于复杂，保证了实时性。
在具体实现时，从最新采样数据点向前截取一段长度为窗口长度的数据，作为待处理信号，进行降噪处理，并将所得结果的最后一个数据点作为此时的数据结果；当下一个采样值到来时，原采样数据抛弃第一个采样点，并集体左移，实现数据处理窗口内的数据不断更新，并在有新的数据点输入时快速输出相对应的数据处理结果，如此循环。
S20：基于经验小波变换将所述待处理信号进行分解，获得信号分量。
应理解的是，传统的信号理论是建立在Fourier分析基础上的，而Fourier变换作为一种全局性的变化，其有一定的局限性，如不具备局部化分析能力、不能分析非平稳信号等，经验小波变换能很好地解决这一问题。
具体地，首先需要计算所述待处理信号f(t)的傅里叶频谱f(ω)，根据所述傅里叶频谱对所述待处理信号进行自适应分割，获得所述待处理信号的频带边界ωn；在确定边界之后，根据所述频带边界定义尺度函数φn(ω)及经验小波函数ψn(ω)；根据所述尺度函数φn(ω)及所述经验小波函数ψn(ω)分别获得经验小波的近似系数及细节系数最后根据所述近似系数及细节系数获得各信号分量f0(t)、fk(t)。
进一步地，在对待处理信号进行自适应分割时，需要获取待处理信号的傅里叶频谱的局部极大值；将各局部极大值按降序排列；将每个相邻局部极大值的中心位置设置为频带边界。
进一步地，可以基于Littlewood-Paley小波和Meyer小波的构造思想，根据所述频带边界定义尺度函数φn(ω)及经验小波函数ψn(ω)，计算得到尺度函数的傅里叶频谱和经验小波的傅里叶频谱具体计算公式如下：
其中，过渡函数β(x)满足如下性质：
β(x)一般可取为：
β(x)＝x4(35-84x+70x2-20x3)；
为了得到尺度函数和经验小波的紧支撑频率框架，参数γ应该满足：
采用类似于传统的小波变换方法来定义经验小波变换，则经验小波变换细节系数由经验小波函数与信号内积产生：
近似系数通过尺度函数与信号内积产生：
其中，F-1[.]表示傅里叶逆变换，及分别表示ψn(t)及φ1(t)的复共轭。
待处理信号f(t)可分解表示为：
上式中，符号*表示卷积。
各信号分量为：
S30：将所述信号分量进行快速傅里叶变换，获得所述信号分量的主频。
需要说明的是，计算信号分量的主频，可以利用快速傅里叶变换算法，对其分析频率域成分，得到该信号分量的主频，所述主频的计算公式可以为：
其中，df是主频，f是频率分量，s(f)是振幅谱。
需要说明的是，所述主频也可以根据频率谱里峰值最高的值确定，或者由其他方法确定，本实施例对此不加以限制。
S40：在所述主频不小于有效频率阈值时，从所述待处理信号中删除所述信号分量，获得当前手势数据。
需要说明的是，有效频率阈值的确定可采用专家给定固定频率阈值、也可以采用先根据待处理信号的频率确定固定频率阈值，再根据固定频率阈值及自适应阈值算法获得有效频率阈值，本实施例对此不加限制。
具体地，专家给定固定频率阈值是指根据大多数人的手势习惯，将有效频率阈值固定在某个值上不再变动。本实施例中所述有效频率阈值优选设置为0.732。
根据固定频率阈值及自适应阈值算法获得有效频率阈值是指在初始状态下采用专家给定法预设固定频率阈值，如取值0.732，然后在用户使用过程中，根据数据的表现来自适应确定有效频率阈值的变动。例如，在实际使用中，当窗口长度大于采集频率时，有效频率阈值应适当增大，反之，则应适当减小。
进一步地，在确定有效频率阈值后，需要对有效信号进行挑选，即将各个信号分量的主频与有效频率阈值相比较，若某个信号分量的主频小于有效频率阈值，则将其看作是有效信号；否则，看作是噪声信号。将所有的有效信号进行叠加，即可得到最终经过实时降噪处理的信号，即当前手势数据。
本实施例通过根据姿态传感器的采样频率确定窗口长度，将待处理手势数据根据窗口长度进行窗口划分，获得各窗口中的待处理信号；基于经验小波变换将待处理信号进行分解，获得信号分量；将信号分量进行快速傅里叶变换，获得信号分量的主频；在主频不小于有效频率阈值时，从待处理信号中删除信号分量，获得当前手势数据，实现了对手势数据的实时降噪，既可以保证高保真的降噪效果，又可以保证数据处理的实时性。
本发明进一步提供一种基于经验小波的感知设备。
本实施例中，所述感知设备包括基于经验小波的服务器及手势手套，所述手势手套用于获取并输出待处理手势数据。
需要说明的是，感知设备中服务器在收到待处理手势数据后，首先应用基于经验小波的手势数据处理方法，对手势数据进行实时噪声压制处理，得到当前手势数据，再根据各个传感器的位置，经过线性运算，即可输出当前手势姿态，即获得手势感知结果。
参照图3，图3为本发明感知设备中手势手套的功能模块图。
所述手势手套包括姿态传感器100、第一微处理器200、第一无线高速通讯单元300及电池管理单元400。
应理解的是，姿态传感器是基于微机电系统技术的高性能三维运动姿态测量系统。它包含三轴陀螺仪、三轴加速度计，三轴电子罗盘等辅助运动传感器，通过内嵌的低功耗处理器输出校准过的角速度，加速度，磁数据等，通过基于四元数的传感器数据算法进行运动姿态测量，实时输出以四元数、欧拉角等表示的零漂移三维姿态数据。具体的，姿态传感器100包括陀螺仪、加速度计、磁力计、电阻应变片中的一种或者几种，本实施例对此不加以限制。
手势手套中的第一微处理器200驱动姿态传感器100，并获取姿态传感器100返回的手势姿态数据，这些数据通过第一无线高速通讯单元300发送至信号中继器或者直接发送到服务器。电池管理单元400负责检测电池电量、控制充放电过程，并及时上报给第一微控制器200。
进一步地，本实施例中，所述感知设备还包括信号中继器，所述信号中继器用于转发所述待处理手势数据。
参照图4，图4为感知设备中信号中继器的功能模块图。
所述信号中继器包括第二无线高速通讯单元500、第二微处理器600、数据接口700。第二无线高速通讯单元500在收到手势手套发来的待处理手势数据后，马上报告给第二微处理器600，第二微处理器600再将这些数据通过数据接口700传送给服务器，其中，数据接口包括有：USB(Universal Serial Bus，通用串行总线)接口、PCI-E(PCI-Express，基于PCI-E总线)接口、WIFI(Wireless-Fidelity，无线保真)接口、Zigbee接口、RS232接口、RS485接口、以太网网口等，本实施例对此不加以限制。
在手势手套和服务器之间增加信号中继器，不仅可以增大手势手套和服务端的无线通讯距离；还可以针对某些服务端设备中可能不具备与手势手套的第一无线高速通讯单元相适配的通讯接口，而通过信号中继器的数据接口来增强接口兼容性。
本实施例通过上述方案，由手势手套捕捉待处理手势数据，并通过无线传输至中继器，由中继器发送至服务器对手势数据进行基于经验小波变换的手势处理，最终输出当前手势姿态，采用3层架构，数据采集、数据转发、数据处理分别位于不同的层级，更好的利用了处理器性能，缩短了手势处理延时。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于经验小波的手势数据处理方法，其特征在于，所述基于经验小波的手势数据处理方法包括以下步骤：
根据姿态传感器的采样频率确定窗口长度，将待处理手势数据根据所述窗口长度进行窗口划分，获得窗口中的待处理信号；
基于经验小波变换将所述待处理信号进行分解，获得信号分量；
将所述信号分量进行快速傅里叶变换，获得所述信号分量的主频；
在所述主频不小于有效频率阈值时，从所述待处理信号中删除所述信号分量，获得当前手势数据。
2.如权利要求1所述的基于经验小波的手势数据处理方法，其特征在于，所述根据姿态传感器的采样频率确定窗口长度，具体包括：
将所述所述窗口长度设置为所述姿态传感器的采样频率的2的幂级数。
3.如权利要求1所述的基于经验小波的手势数据处理方法，其特征在于，所述基于经验小波变换将所述待处理信号进行分解，获得信号分量，具体包括：
计算所述待处理信号的傅里叶频谱；
根据所述傅里叶频谱对所述待处理信号进行自适应分割，获得所述待处理信号的频带边界；
根据所述频带边界定义尺度函数及经验小波函数；
根据所述尺度函数及所述经验小波函数分别获得经验小波的近似系数及细节系数；
根据所述近似系数及细节系数获得各信号分量。
4.如权利要求3所述的基于经验小波的手势数据处理方法，其特征在于，所述根据所述傅里叶频谱对所述待处理信号进行自适应分割，获得所述待处理信号的频带边界，具体包括：
获取待处理信号的傅里叶频谱的局部极大值；
将各局部极大值按降序排列；
将每个相邻局部极大值的中心位置设置为频带边界。
5.如权利要求1至4中任一项所述的基于经验小波的手势数据处理方法，其特征在于，所述在所述主频不小于有效频率阈值时，从所述待处理信号中删除所述信号分量，获得当前手势数据之前，所述方法还包括：
根据所述待处理信号的频率确定固定频率阈值；
根据所述固定频率阈值及自适应阈值算法获得有效频率阈值。
6.一种基于经验小波的服务器，其特征在于，所述基于经验小波的服务器包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于经验小波变换程序，所述基于经验小波变换程序配置为实现如权利要求1至5中任一项所述的基于经验小波的手势数据处理方法的步骤。
7.一种基于经验小波的感知设备，其特征在于，所述感知设备包括如权利要求6所述的基于经验小波的服务器及手势手套，所述手势手套用于获取并输出待处理手势数据。
8.如权利要求7所述的基于经验小波的感知设备，其特征在于，所述手势手套包括姿态传感器、第一微处理器、第一无线调整通讯单元及电池管理单元。
9.如权利要求8所述的基于经验小波的感知设备，其特征在于，所述感知设备还包括信号中继器，所述信号中继器用于转发所述待处理手势数据。
10.如权利要求9所述的基于经验小波的感知设备，其特征在于，所述信号中继器包括第二微处理器、第二无线调整通讯单元及数据接口。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811618088.8A CN109766798A (zh) | 2018-12-27 | 2018-12-27 | 基于经验小波的手势数据处理方法、服务器及感知设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811618088.8A CN109766798A (zh) | 2018-12-27 | 2018-12-27 | 基于经验小波的手势数据处理方法、服务器及感知设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109766798A true CN109766798A (zh) | 2019-05-17 |
Family
ID=66450375
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811618088.8A Pending CN109766798A (zh) | 2018-12-27 | 2018-12-27 | 基于经验小波的手势数据处理方法、服务器及感知设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109766798A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110579746A (zh) * | 2019-10-11 | 2019-12-17 | 湖南时变通讯科技有限公司 | 一种回波信号的处理方法、装置、设备及存储介质 |
| CN111898080A (zh) * | 2020-08-20 | 2020-11-06 | 拉扎斯网络科技（上海）有限公司 | 数据序列去噪方法、装置、电子设备及计算机存储介质 |
| CN113218391A (zh) * | 2021-03-23 | 2021-08-06 | 合肥工业大学 | 一种基于ewt算法的姿态解算方法 |
| CN115902528A (zh) * | 2023-02-21 | 2023-04-04 | 华东交通大学 | 一种直流牵引网振荡与短路故障辨识方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105929940A (zh) * | 2016-04-13 | 2016-09-07 | 哈尔滨工业大学深圳研究生院 | 基于细分特征值法的快速三维动态手势识别方法及系统 |
-
2018
- 2018-12-27 CN CN201811618088.8A patent/CN109766798A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105929940A (zh) * | 2016-04-13 | 2016-09-07 | 哈尔滨工业大学深圳研究生院 | 基于细分特征值法的快速三维动态手势识别方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| JEROME GILLES: "Empirical wavelet transform", 《IEEE》 * |
| 刘蓉 等: "基于三轴加速度传感器的手势识别", 《计算机工程》 * |
| 覃发兵 等: "基于经验小波变换的地震资料噪声压制方法", 《中国石油勘探》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110579746A (zh) * | 2019-10-11 | 2019-12-17 | 湖南时变通讯科技有限公司 | 一种回波信号的处理方法、装置、设备及存储介质 |
| CN111898080A (zh) * | 2020-08-20 | 2020-11-06 | 拉扎斯网络科技（上海）有限公司 | 数据序列去噪方法、装置、电子设备及计算机存储介质 |
| CN111898080B (zh) * | 2020-08-20 | 2024-05-03 | 拉扎斯网络科技（上海）有限公司 | 数据序列去噪方法、装置、电子设备及计算机存储介质 |
| CN113218391A (zh) * | 2021-03-23 | 2021-08-06 | 合肥工业大学 | 一种基于ewt算法的姿态解算方法 |
| CN115902528A (zh) * | 2023-02-21 | 2023-04-04 | 华东交通大学 | 一种直流牵引网振荡与短路故障辨识方法 |
| CN115902528B (zh) * | 2023-02-21 | 2023-05-26 | 华东交通大学 | 一种直流牵引网振荡与短路故障辨识方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110364144B (zh) | 一种语音识别模型训练方法及装置 | |
| CN109766798A (zh) | 基于经验小波的手势数据处理方法、服务器及感知设备 | |
| CN104866099A (zh) | 基于运动传感器提高智能设备手势识别精度的误差补偿方法 | |
| CN110972112B (zh) | 地铁运行方向的确定方法、装置、终端及存储介质 | |
| EP2967446A2 (en) | Determining activities from sensed motion signals | |
| CN112580486B (zh) | 一种基于雷达微多普勒信号分离的人体行为分类方法 | |
| CN103948398A (zh) | 适用于Android系统的心音定位分段方法 | |
| CN106203437B (zh) | 个体驾驶行为特征识别方法和装置 | |
| CN110491373A (zh) | 模型训练方法、装置、存储介质及电子设备 | |
| CN112733609A (zh) | 一种基于离散小波变换的领域自适应Wi-Fi手势识别方法 | |
| CN111477243A (zh) | 音频信号处理方法及电子设备 | |
| Pan et al. | Cognitive acoustic analytics service for Internet of Things | |
| CN108431761B (zh) | 用于在可穿戴设备中识别姿势的系统、方法、介质及设备 | |
| CN116913258B (zh) | 语音信号识别方法、装置、电子设备和计算机可读介质 | |
| CN116580290B (zh) | 无人机的识别方法、装置及存储介质 | |
| CN110808061B (zh) | 语音分离方法、装置、移动终端及计算机可读存储介质 | |
| CN115294648A (zh) | 一种人机手势交互方法、装置、移动终端及存储介质 | |
| CN117541770A (zh) | 数据增强方法、装置及电子设备 | |
| CN109344678A (zh) | 基于小波阈值的mems陀螺去噪方法 | |
| Wang | Data feature extraction method of wearable sensor based on convolutional neural network | |
| Yanna | Research on Time-frequency Feature Fusion Method based on Dynamic Gesture Identity Authentication | |
| CN115050367B (zh) | 一种说话目标定位方法、装置、设备及存储介质 | |
| CN114520975B (zh) | 基于无线网络的轻量级无源身份认证系统及方法 | |
| CN114970618B (zh) | 基于毫米波雷达的环境鲁棒的手语识别方法及系统 | |
| CN117011649B (zh) | 一种模型训练方法和相关装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190517 |
|
| RJ01 | Rejection of invention patent application after publication |