CN111176449A - 基于超声波多普勒手势识别与多点触感融合的系统及方法 - Google Patents

基于超声波多普勒手势识别与多点触感融合的系统及方法 Download PDF

Info

Publication number
CN111176449A
CN111176449A CN201911368931.6A CN201911368931A CN111176449A CN 111176449 A CN111176449 A CN 111176449A CN 201911368931 A CN201911368931 A CN 201911368931A CN 111176449 A CN111176449 A CN 111176449A
Authority
CN
China
Prior art keywords
ultrasonic
gesture
gesture recognition
sampling
phased array
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.)
Granted
Application number
CN201911368931.6A
Other languages
English (en)
Other versions
CN111176449B (zh
Inventor
阳佳
张宏江
程奇峰
雍颖琼
李旗挺
王立伟
王琳娜
宋盛菊
李永远
孙光
刘冬
杜立超
刘洋
郭晶
邵秋虎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Academy of Launch Vehicle Technology CALT
Original Assignee
China Academy of Launch Vehicle Technology CALT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Academy of Launch Vehicle Technology CALT filed Critical China Academy of Launch Vehicle Technology CALT
Priority to CN201911368931.6A priority Critical patent/CN111176449B/zh
Publication of CN111176449A publication Critical patent/CN111176449A/zh
Application granted granted Critical
Publication of CN111176449B publication Critical patent/CN111176449B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/016—Input arrangements with force or tactile feedback as computer generated output to the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

基于超声波多普勒手势识别与多点触感融合的系统及方法，属于人机交互技术领域。本发明通过执行凌空手势操纵显示屏图形界面，对显示屏中的目标进行控制，并提出相控阵多焦点优化控制模式，基于声场计算基本理论，采用伪逆矩阵法的迭代加权算法和声场增益算法，可以在迭代次数较少的情况下，获取阵列在多点聚焦时每个换能器(幅值一样)的最优相位，以实现相控阵控制系统发射超声波到手上多个位置聚焦，获得复杂触觉感知。

Description

基于超声波多普勒手势识别与多点触感融合的系统及方法
技术领域
本发明涉及基于超声波多普勒手势识别与多点触感融合的系统及方法，属于人机交互领域。
背景技术
随着普适计算技术的发展，计算资源将以各种形态融入到生活的每个角落，使人们的日常生活充满着人机交互。凌空手势通过用户自然地利用手指、手腕和手臂动作表达其交互意图，主要包括指、挥手、握拳、手掌转动等，具有更广阔的交互空间、更高的灵活度和更好的交互体验等特点。凌空手势这种交互手段已经悄然进入了人们的日常生活中，例如微软公司2009年发行的带有体感设备的Xbox，突破传统的鼠标-键盘组合，用户仅需要挥动手臂即可凌空操控游戏。凌空手势作为一种最贴近人-人交互的自然交互方式，使得凌空手势识别技术成为人机交互(human computer interaction，HCI)研究中的热点问题之一。Kinect、Leap-Motion、Soli等新型交互传感设备的出现，为凌空手势识别注入了新的活力，使其从传统的手掌、手臂等大幅度动作的识别向手指精细动作的识别方向发展，为普适环境下的人机交互提供了更加自然和谐的解决方案。凌空手势识别与交互是普适环境下一种重要的新型交互技术，是手势识别未来的发展趋势。
单点触觉可以通过超声波相控阵发射超声波聚焦到工作区空间任意一点位置(手指位置)来实现。为了在人的任意多个手指获得力反馈效果或在手掌面渲染出物体的形状，则需要在皮肤表面上的多个位置产生若干聚焦点来实现，此种技术即为多点触觉感知的生成力反馈技术。通过相控阵多焦点优化控制算法，可以获取阵列在多点聚焦时每个换能器(幅值一样)的最优相位，并可在控制系统实现。
但目前商用的手势识别体感控制器Kinect和Leap-Motion基于光学传感原理，在光源波动的条件下可靠性会受到影响，识别精度下降。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供了基于超声波多普勒手势识别与多点触感融合的系统及方法，通过执行凌空手势操纵显示屏图形界面，对显示屏中的目标进行控制，并提出相控阵多焦点优化控制模式，基于声场计算基本理论，采用伪逆矩阵法的迭代加权算法和声场增益算法，可以在迭代次数较少的情况下，获取阵列在多点聚焦时每个换能器(幅值一样)的最优相位，以实现相控阵控制系统发射超声波到手上多个位置聚焦，获得复杂触觉感知。
本发明的技术解决方案是：基于超声波多普勒手势识别与多点触感融合的系统，包括上位机、手势识别模块、超声波相控阵和图形用户界面；
手势识别模块，识别手势动作姿态，将手势动作姿态信号发送至上位机；
上位机，实时接收手势动作姿态信号，并将其与上一周期手势动作姿态信号进行比较，生成对应的手势命令在图形用户界面上执行对应操作；实时检测图形用户界面上是否执行操作；若是，则向超声波相控阵发送反馈指令以及手势动作姿态信号中的手指坐标和手掌坐标；
超声波相控阵，根据接收的反馈指令，以及手指坐标和手掌坐标发射与在图形用户界面的操作对应的超声波信号至手上。
进一步地，所述手势识别模块包括超声波发射装置和超声波接收装置；所述超声波发射装置发射超声波至手上，并接收超声回波，利用超声波的多普勒频偏效应和收发时间差表征手势特征和运动情况，从而识别手势动作姿态。
进一步地，所述超声波相控阵发射多路超声波信号，多路超声波信号聚焦至多个位于手上的控制焦点，使得在手上产生对应的触感。
进一步地，所述多路超声波信号聚焦至多个位于手上的控制焦点，具体的方法为：通过优化超声波相控阵的换能器的复振速，使控制焦点声强增益最大。
进一步地，所述优化超声波相控阵的换能器的复振速的方法为：通过计算最小范数解：
Figure BDA0002339162620000031
和声强增益
Figure BDA0002339162620000032
获取声强增益G最大的优化复振速；其中，W为权重矩阵，H为前向传播算子，H*t为H的共轭转置矩阵，P为声场控制点的复声压，N为换能器的个数，ρ为介质密度，c为声波在介质中的速度。
进一步地，所述手势识别模块发送的手势动作姿态信号为中心频率为300kHz的相参脉冲信号，其带宽为20kHz，脉冲重复间隔为600μs。
进一步地，所述实时接收手势动作姿态信号的方法包括快速采样和慢速采样；所述慢速采样为采样周期小于脉冲重复间隔的采样，快速采样为以脉冲重复间隔为采样周期的采样；所述快速采样用于确定手掌和手指的范围，慢速采样用于确定手掌和手指的移动速度。
进一步地，将Chirp脉冲作为发射波形施加到手势识别模块，以在保持距离分辨率的同时改善接收信号的信噪比。
根据所述的基于超声波多普勒手势识别与多点触感融合的系统实现的基于超声波多普勒手势识别与多点触感融合方法，包括如下步骤：
手势识别模块识别手势动作姿态，将手势动作姿态信号发送至上位机；
上位机实时接收手势动作姿态信号，并将其与上一周期手势动作姿态信号进行比较，生成对应的手势命令在图形用户界面上执行对应操作；实时检测图形用户界面上是否执行操作；若是，则向超声波相控阵发送反馈指令以及手势动作姿态信号中的手指坐标和手掌坐标；
超声波相控阵，根据接收的反馈指令，以及手指坐标和手掌坐标发射与在图形用户界面的操作对应的超声波信号至手上。
进一步地，所述手势识别模块包括超声波发射装置和超声波接收装置；所述超声波发射装置发射超声波至手上，并接收超声回波，利用超声波的多普勒频偏效应和收发时间差表征手势特征和运动情况，从而识别手势动作姿态；
所述超声波相控阵发射多路超声波信号，多路超声波信号聚焦至多个位于手上的控制焦点，使得在手上产生对应的触感；
所述多路超声波信号聚焦至多个位于手上的控制焦点，具体的方法为：通过优化超声波相控阵的换能器的复振速，使控制焦点声强增益最大；
所述优化超声波相控阵的换能器的复振速的方法为：通过计算最小范数解：
Figure BDA0002339162620000041
和声强增益
Figure BDA0002339162620000042
获取声强增益G最大的优化复振速；其中，W为权重矩阵，H为前向传播算子，H*t为H的共轭转置矩阵，P为声场控制点的复声压，N为换能器的个数，ρ为介质密度，c为声波在介质中的速度。
所述手势识别模块发送的手势动作姿态信号为中心频率为300kHz的相参脉冲信号，其带宽为20kHz，脉冲重复间隔为600μs；
所述实时接收手势动作姿态信号的方法包括快速采样和慢速采样；所述慢速采样为采样周期小于脉冲重复间隔的采样，快速采样为以脉冲重复间隔为采样周期的采样；所述快速采样用于确定手掌和手指的范围，慢速采样用于确定手掌和手指的移动速度；
将Chirp脉冲作为发射波形施加到手势识别模块，以在保持距离分辨率的同时改善接收信号的信噪比。
本发明与现有技术相比的优点在于：
(1)该项技术基于超声波的多普勒频移变化特性识别手部动作变化，无需穿戴任何设备，而且不受周围背景光线环境变化和不同肤色影响。
(2)对于手势识别，采用隐马尔科夫模型的超声波凌空手势识别方法，不仅保证了手势识别的准确率，而且有效降低了手势识别过程中的资源消耗和功耗。
(3)针对超声波多点聚焦后旁瓣较多，能量分散的现象，应用基于伪逆矩阵法的迭代加权算法及抑制旁瓣的声场增益算法，可以得到良好的旁瓣抑制效果，使能量充分集中在预定位置。
附图说明
图1为本发明的基于手势识别模块和触感模块的人机交互系统框图；
图2为本发明的手势识别模块结构框图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明进行进一步解释和说明。
如图1、2，基于超声波多普勒手势识别与多点触感融合的系统，包括上位机、手势识别模块、超声波相控阵和图形用户界面；
手势识别模块，识别手势动作姿态，将手势动作姿态信号发送至上位机；
上位机，实时接收手势动作姿态信号，并将其与上一周期手势动作姿态信号进行比较，生成对应的手势命令在图形用户界面上执行对应操作；实时检测图形用户界面上是否执行操作；若是，则向超声波相控阵发送反馈指令以及手势动作姿态信号中的手指坐标和手掌坐标；
超声波相控阵，根据接收的反馈指令，以及手指坐标和手掌坐标发射与在图形用户界面的操作对应的超声波信号至手上。
具体的，本发明手势由用户设计，如食指上划解锁、食指向右拖拽、拇指食指分开放大和拇指食指闭合缩小等。
首先对手势进行识别和训练。设计一套基于主动超声技术的低成本、低功耗的手势识别装置,发射超声波并接收从手掌和手指反射回来的回声，并进行数据存储、数据传输等程序的设计，用来实现无接触式的人机交互。如图2所示：脉冲信号由DAC产生并通过前端电路放大后激发超声波换能器发射调制的300kHz超声波信号到手上；从手部反射的回波经电路放大后输入ADC，完成采样后传输到上位机进行信号处理。
超声信号在空气中的衰减速度非常快，当传播到手指表面，不平整的手指表面也会对信号产生散射。而且回波信号多含有比较大的噪音和低信噪比，为此研发相应的建模和滤波处理算法。
从超声回波中获取时间序列距离多普勒特征信号。研发脉冲多普勒信号处理技术，采用一种基于状态转移的隐马尔可夫模型提取出最本质的特征，用较少的计算复杂度实现微小动态手势的识别。
基于高分辨率的距离多普勒特征信号，使用支持向量机、BP神经网络、端到端神经网络等机器学习方式对四种手势进行分类，进一步提高识别精度。
当完成手势识别动作后，将识别的单个或多个手指或手掌的坐标，传给超声波相控阵，然后选择单点聚焦或多焦点优化模式发射聚焦超声波到焦点的位置，使人手获得力反馈，表明当前任务已完成。
多焦点优化控制模式
1、推导换能器辐射声场计算
根据惠更斯原理，对于具有N个换能器的阵列，推导声场m处的声压为：
Figure BDA0002339162620000061
式中下标n代表第n个的阵元，m代表第m个场点，rmn代表场点m到n阵元上各积分微元dsn中心点的距离，
Figure BDA0002339162620000062
为第n个换能器的表面复振速，u0n为表面振速的幅值，θn为表面振速的相位。
若令
Figure BDA0002339162620000065
Figure BDA0002339162620000063
则声场声压与阵元表面振速关系：
P＝HU (4)
2、伪逆矩阵算法与迭代加权算法
通过使用最小二乘估计，激发矢量
Figure BDA0002339162620000064
可以被表示为：
Figure BDA0002339162620000071
H+是H的伪逆矩阵。
推导(4)有最小范式解：
Figure BDA0002339162620000072
H*t是H的共轭转置矩阵。
阵列的激发效率ηA定义为
Figure BDA0002339162620000073
Ue是阵列的实际表面振速，Uen为第n个阵元表面的振速幅度，Umax为换能器表面复振速最大幅度。当一个阵列产生目标声强分布时，其激发效率越高，声强越大。
为了简化激发控制，只通过控制每个阵元的激发相位来生成所需的声强分布，需要提高阵列的激发效率，即让求解出的表面振速中各阵元的振速幅度基本相同。为此提出了一个权重矩阵W作用于式(4)，得到下列加权过的最小范数解：
Figure BDA0002339162620000074
其中，权重矩阵W是一个n×n的实正定矩阵，正确的选择W可以极大地提高阵列的激发效率。下述算法通过迭代的方式，即可以计算出满足要求的权重矩阵W。
Figure BDA0002339162620000075
3、探寻声场增益算法
为了增大焦点处的声强增益并且抑制焦点附近声场的旁瓣，通过优化控制点声压P的相位而不改变预先设定的声压幅值，求使声强增益最大的阵元表面振速向量Ue。控制点声压相位的改变并不影响生成触感的效果，声强增益得到了提高。
设声强增益G为：
Figure BDA0002339162620000081
其中Im为控制点声强，Ien为阵元表面声强。
求解声压P的相位分量，使(9)中G的值最大。用特征向量算法求HH*t的最大特征值对应的特征向量，并作为控制点复数声压P的相位分量，并经过以上的伪逆矩阵算法求得阵元表面振速向量Ue。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。

Claims (10)

1.基于超声波多普勒手势识别与多点触感融合的系统，其特征在于：包括上位机、手势识别模块、超声波相控阵和图形用户界面；
手势识别模块，识别手势动作姿态，将手势动作姿态信号发送至上位机；
上位机，实时接收手势动作姿态信号，并将其与上一周期手势动作姿态信号进行比较，生成对应的手势命令在图形用户界面上执行对应操作；实时检测图形用户界面上是否执行操作；若是，则向超声波相控阵发送反馈指令以及手势动作姿态信号中的手指坐标和手掌坐标；
超声波相控阵，根据接收的反馈指令，以及手指坐标和手掌坐标发射与在图形用户界面的操作对应的超声波信号至手上。
2.根据权利要求1所述的基于超声波多普勒手势识别与多点触感融合的系统，其特征在于：所述手势识别模块包括超声波发射装置和超声波接收装置；所述超声波发射装置发射超声波至手上，并接收超声回波，利用超声波的多普勒频偏效应和收发时间差表征手势特征和运动情况，从而识别手势动作姿态。
3.根据权利要求1所述的基于超声波多普勒手势识别与多点触感融合的系统，其特征在于：所述超声波相控阵发射多路超声波信号，多路超声波信号聚焦至多个位于手上的控制焦点，使得在手上产生对应的触感。
4.根据权利要求3所述的基于超声波多普勒手势识别与多点触感融合的系统，其特征在于：所述多路超声波信号聚焦至多个位于手上的控制焦点，具体的方法为：通过优化超声波相控阵的换能器的复振速，使控制焦点声强增益最大。
5.根据权利要求4所述的基于超声波多普勒手势识别与多点触感融合的系统，其特征在于：所述优化超声波相控阵的换能器的复振速的方法为：通过计算最小范数解：
Figure FDA0002339162610000011
和声强增益
Figure FDA0002339162610000012
获取声强增益G最大的优化复振速；其中，W为权重矩阵，H为前向传播算子，H*为H的共轭转置矩阵，P为声场控制点的复声压，N为换能器的个数，ρ为介质密度，c为声波在介质中的速度。
6.根据权利要求1所述的基于超声波多普勒手势识别与多点触感融合的系统，其特征在于：所述手势识别模块发送的手势动作姿态信号为中心频率为300kHz的相参脉冲信号，其带宽为20kHz，脉冲重复间隔为600μs。
7.根据权利要求1所述的基于超声波多普勒手势识别与多点触感融合的系统，其特征在于：所述实时接收手势动作姿态信号的方法包括快速采样和慢速采样；所述慢速采样为采样周期小于脉冲重复间隔的采样，快速采样为以脉冲重复间隔为采样周期的采样；所述快速采样用于确定手掌和手指的范围，慢速采样用于确定手掌和手指的移动速度。
8.根据权利要求1所述的基于超声波多普勒手势识别与多点触感融合的系统，其特征在于：将Chirp脉冲作为发射波形施加到手势识别模块，以在保持距离分辨率的同时改善接收信号的信噪比。
9.根据权利要求1所述的基于超声波多普勒手势识别与多点触感融合的系统实现的基于超声波多普勒手势识别与多点触感融合方法，其特征在于，包括如下步骤：
手势识别模块识别手势动作姿态，将手势动作姿态信号发送至上位机；
上位机实时接收手势动作姿态信号，并将其与上一周期手势动作姿态信号进行比较，生成对应的手势命令在图形用户界面上执行对应操作；实时检测图形用户界面上是否执行操作；若是，则向超声波相控阵发送反馈指令以及手势动作姿态信号中的手指坐标和手掌坐标；
超声波相控阵，根据接收的反馈指令，以及手指坐标和手掌坐标发射与在图形用户界面的操作对应的超声波信号至手上。
10.根据权利要求9所述的基于超声波多普勒手势识别与多点触感融合方法，其特征在于，所述手势识别模块包括超声波发射装置和超声波接收装置；所述超声波发射装置发射超声波至手上，并接收超声回波，利用超声波的多普勒频偏效应和收发时间差表征手势特征和运动情况，从而识别手势动作姿态；
所述超声波相控阵发射多路超声波信号，多路超声波信号聚焦至多个位于手上的控制焦点，使得在手上产生对应的触感；
所述多路超声波信号聚焦至多个位于手上的控制焦点，具体的方法为：通过优化超声波相控阵的换能器的复振速，使控制焦点声强增益最大；
所述优化超声波相控阵的换能器的复振速的方法为：通过计算最小范数解：
Figure FDA0002339162610000031
和声强增益
Figure FDA0002339162610000032
获取声强增益G最大的优化复振速；其中，W为权重矩阵，H为前向传播算子，H*t为H的共轭转置矩阵，P为声场控制点的复声压，N为换能器的个数，ρ为介质密度，c为声波在介质中的速度。
所述手势识别模块发送的手势动作姿态信号为中心频率为300kHz的相参脉冲信号，其带宽为20kHz，脉冲重复间隔为600μs；
所述实时接收手势动作姿态信号的方法包括快速采样和慢速采样；所述慢速采样为采样周期小于脉冲重复间隔的采样，快速采样为以脉冲重复间隔为采样周期的采样；所述快速采样用于确定手掌和手指的范围，慢速采样用于确定手掌和手指的移动速度；
将Chirp脉冲作为发射波形施加到手势识别模块，以在保持距离分辨率的同时改善接收信号的信噪比。
CN201911368931.6A 2019-12-26 2019-12-26 基于超声波多普勒手势识别与多点触感融合的系统及方法 Active CN111176449B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911368931.6A CN111176449B (zh) 2019-12-26 2019-12-26 基于超声波多普勒手势识别与多点触感融合的系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911368931.6A CN111176449B (zh) 2019-12-26 2019-12-26 基于超声波多普勒手势识别与多点触感融合的系统及方法

Publications (2)

Publication Number Publication Date
CN111176449A true CN111176449A (zh) 2020-05-19
CN111176449B CN111176449B (zh) 2023-09-29

Family

ID=70648921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911368931.6A Active CN111176449B (zh) 2019-12-26 2019-12-26 基于超声波多普勒手势识别与多点触感融合的系统及方法

Country Status (1)

Country Link
CN (1) CN111176449B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113110734A (zh) * 2021-03-03 2021-07-13 中国运载火箭技术研究院 一种基于聚焦超声波产生虚拟形状感知的系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120001875A1 (en) * 2010-06-29 2012-01-05 Qualcomm Incorporated Touchless sensing and gesture recognition using continuous wave ultrasound signals
CN105426024A (zh) * 2015-11-25 2016-03-23 吉林大学 一种基于超声波聚焦的触觉反馈系统及方法
CN107450724A (zh) * 2017-07-31 2017-12-08 武汉大学 一种基于双声道音频多普勒效应的手势识别方法及系统
CN109634300A (zh) * 2018-11-23 2019-04-16 中国运载火箭技术研究院 基于隔空手势和超声波触觉反馈的多无人机操控系统及方法
US20190196591A1 (en) * 2017-12-22 2019-06-27 Ultrahaptics Ip Ltd Human Interactions with Mid-Air Haptic Systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120001875A1 (en) * 2010-06-29 2012-01-05 Qualcomm Incorporated Touchless sensing and gesture recognition using continuous wave ultrasound signals
CN105426024A (zh) * 2015-11-25 2016-03-23 吉林大学 一种基于超声波聚焦的触觉反馈系统及方法
CN107450724A (zh) * 2017-07-31 2017-12-08 武汉大学 一种基于双声道音频多普勒效应的手势识别方法及系统
US20190196591A1 (en) * 2017-12-22 2019-06-27 Ultrahaptics Ip Ltd Human Interactions with Mid-Air Haptic Systems
CN109634300A (zh) * 2018-11-23 2019-04-16 中国运载火箭技术研究院 基于隔空手势和超声波触觉反馈的多无人机操控系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李悦欣 等: "多焦点超声相控阵控制模式的优化及仿真" *
霍健 等: "高强度聚焦超声二维相控阵列的声场控制模式研究" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113110734A (zh) * 2021-03-03 2021-07-13 中国运载火箭技术研究院 一种基于聚焦超声波产生虚拟形状感知的系统
CN113110734B (zh) * 2021-03-03 2024-06-07 中国运载火箭技术研究院 一种基于聚焦超声波产生虚拟形状感知的系统

Also Published As

Publication number Publication date
CN111176449B (zh) 2023-09-29

Similar Documents

Publication Publication Date Title
CN109634300B (zh) 基于隔空手势和超声波触觉反馈的多无人机操控系统及方法
EP3488184B1 (en) Echolocation with haptic transducer devices
Korres et al. Haptogram: Ultrasonic point-cloud tactile stimulation
US20190294258A1 (en) Touch sensitive keyboard
CN113454481B (zh) 在存在饱和的情况下检测用户姿势的基于智能设备的雷达系统
US12055656B2 (en) Detecting a frame-of-reference change in a smart-device-based radar system
KR102107685B1 (ko) 신호 검출 및 인식을 위한 장치 및 방법
US7834850B2 (en) Method and system for object control
Regani et al. mmWrite: Passive handwriting tracking using a single millimeter-wave radio
US20220326367A1 (en) Smart-Device-Based Radar System Performing Gesture Recognition Using a Space Time Neural Network
CN106575161A (zh) 用于调制触觉反馈的方法和装置
CN111175763A (zh) 基于多阵列合成孔径的局部超声波传感器阵列聚焦方法
CN111176449B (zh) 基于超声波多普勒手势识别与多点触感融合的系统及方法
CN113110734B (zh) 一种基于聚焦超声波产生虚拟形状感知的系统
Ai et al. DuG: Dual speaker-based acoustic gesture recognition for humanoid robot control
Waqar et al. A simulation-based framework for the design of human activity recognition systems using radar sensors
CN110764612A (zh) 超声波处理方法、装置、电子设备及计算机可读介质
JP2021522602A (ja) 空中インターフェースとの対話の触覚感度を変化させること
TWI786493B (zh) 具有機器學習加速器的手勢收集以及辨識系統
US20230099288A1 (en) Embedded ultrasonic transducers
Liu et al. AudioGest: Gesture-based Interaction for Virtual Reality using Audio Devices
Li Intelligent ultrasound hand gesture recognition system
CN117873314A (zh) 一种基于多模态的非接触式力触觉反馈交互系统
Zeng et al. Ultrasonic Hand Gesture Detection and Tracking using CFAR and Kalman Filter
CN117972474A (zh) 一种基于超声三维手势定位的人机交互方法及系统

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
GR01 Patent grant
GR01 Patent grant