面向可穿戴手势交互设备的肌电与惯性信号采集系统设计开题报告

全文总字数：1738字

1. 研究目的与意义

现代社会智能化程度日益增强，大量智能软件和智能硬件层出不穷，但目前人们操作这些软硬件的手段相对单一且受到很多限制。人与机器的交互主要还是通过触摸屏、键盘、鼠标、遥控器等接触性设备进行，人-机交互智能化程度较低，尚未形成以人为中心的交互理念和系统性设计概念，难以适应未来社会发展对各类工作、生活场景的智能、时敏、海量多元信息处理等要求。以人为中心的交互是使用户能在生活的三维物理空间中无需专门的操作，通过隐式人机交互方式得到信息或服务。而语音、视觉、动作等人类自然交互方式，是未来人机融合系统设计的核心。本课题对面向可穿戴手势交互设备，设计数据采集系统，对手势动作的肌电信号和惯性信号进行采集和显示。

2. 国内外研究现状分析

人体动作识别技术作为一种新型的自然人机交互方式，在国内外掀起了研究热潮。已经有许多研究者从不同的角度、不同的层次对动作识别技术及其应用进行了研究，近十几年来更是涌现了大量的科研成果，如各种学术论文或专利成果发表在国内外权威学术期刊、学术会议上。政府与企业也是加大科研资金投入，倡导产、学、研相结合，并有大量的高科技产品投入市场，大大地推动了社会的发展与进步。从动作数据来源方面考虑，目前主流的人体上肢动作识别研究包括三个方面：基于肌电信号(emg)的、基于视觉图像的和基于加速度传感器的研究。

手势交互的国内研究概况：手势交互通过计算机图学等技术来识别人的肢体语言，并将其转化为可操作的命令来控制设备。它是继鼠标、键盘和触屏之后新的人机交互方式。识别手势的方法可视为手势交互技术的重大突破。最初是采用传感器、手套等低端的技术；随后，网络摄像头、图像处理软件和游戏工具等使得手势交互变得更容易。手势可以通过红外线、数据手套和照相机以及许多相互关联的技术（如重力感知、红外信号网络服务器等）被识别。最近，基于视频和网络摄像头的手势识别法能够捕获任何直观的手势使得手势操作变得三维可视化。现在的信息速递时代为手势交互技术的发展提供了更大的空间。

手势研究的国外研究概况： leap motion是手势交互在智能产品中应用的典范，而myo则是手势交互在可穿戴设备中应用的开端。 2013年，来自加拿大的thalmic labs公司推出了一款终端控制设备 myo智能腕带。myo的中文意思是肌肉，用户的手臂肌肉在运动中会产生生物电位变化，myo腕带的感应器能捕捉这些电位变化信息，从而判断佩戴者的意图，经过电脑分析处理后的命令通过蓝牙发送至控制设备。myo开发出的机器算法，能识别更多的手势（20种左右），可以将其视作一个开放的手势识别平台，用户除了利用myo操控电脑和电视机，甚至可以操作智能电器和飞行器等。

3. 研究的基本内容与计划

一、研究内容：

针对对于肌电信号以及惯性信号的采集，研究一种最为全面精确的采集方法。具体完成以下内容：1.肌电信号和惯性信号传感器型号选择；2.确定肌电信号和惯性信号的采集方法（分别采集肌电信号与惯性信号的采集方式，以及合理同步采集的实现）；3.labview同步数据采集程序设计；4.信号处理与显示程序面板设计；5.采集系统总体调试。

二、研究计划：第1~3周：准备工作、确定设计方案明确毕业设计的目的、任务和要求。第4周理清整个设计思路。第5~7周：将整块采集系统分为几个大的分支，开始逐一研究并加以选择。对肌电信号与惯性信号分别进行研究。根据两者各自的特性分别选择合理的传感器并且实现较为精确的采集。第8~10周：开始研究合理的多通道采集系统，以便能够实现同步采集肌电信号与惯性信号的目标。第11~14周：调试程序加以仿真验证。第15周：撰写设计说明等内容。第16周：毕业设计答辩。

4. 研究创新点

对面向可穿戴手势交互设备的肌电与惯性信号采集系统设计，可以对人体动作识别的研究更加精确化，在理论方面，涉及到嵌入式技术，信号处理，模式识别，机器学习等多学科的相互交融，并与虚拟现实技术、模式识别技术、人机交互技术及传感器技术等密切相关；在应用方面，在自然人机交互、虚拟现实、体育训练、医疗康复锻炼、智能监控等领域得到了广泛的应用，在健身运动、体感游戏等新兴消费领域也显示出巨大的应用潜力。