6篇关于可穿戴设备的计算机毕业论文

今天分享的是关于可穿戴设备的6篇计算机毕业论文范文, 如果你的论文涉及到可穿戴设备等主题,本文能够帮助到你

面向手势交互的可穿戴设备系统设计及识别算法研究

这是一篇关于可穿戴设备,可穿戴系统设计,LSTM网络,多流卷积融合网络,BiGRU网络,手势识别的论文, 主要内容为随着物联网、传感器与人工智能等技术领域的不断突破,智能可穿戴设备作为一类功能高度集成化的系统,已经在手语识别、虚拟现实、触觉反馈、机器人遥操作等多种手势交互场景中得到了广泛应用。但目前可穿戴设备的发展还存在诸多问题:一方面,部分可穿戴设备存在传感技术落后、配套软硬件设施不完善、可穿戴系统检测精度低且实时性不高等问题,无法满足用户的基本需求;另一方面,大多数可穿戴手势交互技术落后,识别处理算法精度不够高、泛化性差,导致实际应用不成熟。针对上述穿戴设备领域存在的问题,本文选取电子皮肤(E-skin)和表面肌电(sEMG)两种典型的可穿戴设备作为研究对象,设计与集成了两种可穿戴设备的软硬件系统,并依托自主设计的实验平台开展了面向手势交互应用的手势识别算法研究,以改善当前穿戴设备性能上的不足,同时提升用户的穿戴体验。本文的主要研究内容概括如下:(1)针对穿戴设备存在的传感技术落后、用户佩戴舒适性差的问题,本文设计了一种成本低、轻薄度高的柔性可拉伸电子皮肤手套。这种传感器是基于柔性印刷电子技术和柔性传感封装技术实现,主要由柔性基底、蛇形可拉伸导线、多通道可拉伸应变传感器和封装薄膜组成。电子皮肤能够完全适应人类的手部结构特征,不仅穿戴舒适性好,还能够连续动态地提取手指弯曲运动的信息。(2)针对配套软硬件设施不完善、信号检测精度低且系统实时性不高的问题,搭建了E-skin穿戴设备和sEMG穿戴设备共两套软硬件系统平台。对于E-skin穿戴设备,以实验室自主研发的电子皮肤手套为传感核心,首先设计了以STM32为主控模块的采集电路,并基于FreeRTOS实时系统完成了下位机采集程序设计;然后基于Qt框架完成上位机采集界面设计,实现对传感数据的采集、显示、保存和处理等功能。对于sEMG穿戴设备,以实验室已有的多通道肌电采集设备Biometrics DataLITE为硬件平台,基于QCustomPlot高性能可视化控件设计了实时性好、刷新率高、界面友好的sEMG采集软件平台。设计的两套可穿戴设备为后续手势识别算法研究和交互应用提供了实验验证平台。(3)为解决手势交互效果不佳的问题,本文设计了一种基于长短时记忆网络(LSTM)的连续手指动作识别方法,能够自动完成对E-skin时序信号的特征提取和分析,实现了对5种连续手指动作和4种手指状态(共9种手势)的实时识别,并且识别精度最高能够达到93.02%。此外还设计了 LSTM网络与有限状态模型结合的方法,实现了电子皮肤与二自由度机器手4种手部状态的在线手势交互,并且实际交互控制效果良好。实验结果验证了 E-skin设备在获取手部姿态信息方面的有效性,以及在手语识别、远程操作等手势交互场景的应用潜力。(4)为解决识别处理算法精度低、泛化性差的问题,本文设计了多流卷积融合、BiGRU两种结合注意力机制的网络模型用于手势动作的识别,通过对4通道sEMG信号分别进行时空特征提取,实现了对前臂19种常见手势动作最高92.89%的识别准确率。此外还基于受试者无关的策略,通过聚合与受试者无关的sEMG数据来训练模型的特征提取模块,以达到手势迁移学习的目的,并实现了最高89.52%的识别准确率。最后基于多流卷积融合网络进行了在线手势识别实验,利用图形化交互界面连续处理、更新和显示识别结果,并获得了 86.46%的平均识别准确率。实验结果验证了所设计的多流融合方法在提高特征提取效率、在线识别精度以及改善模型泛化性能方面的有效性。

基于HTD模型的智能可穿戴设备设计开发方法的研究与实践

这是一篇关于设计方法,可穿戴设备,智能化设计的论文, 主要内容为随着信息化时代的快速发展,设计的内容在不断地改变,设计过程的每一个环节也在不断地更新,因此不同的领域需要有契合自身的设计开发方法。当今可穿戴设备发展迅猛,但存在创新性弱、同质化现象严重、定位不清晰等问题。如何在可穿戴设备和创新设计方法之间找到一个合理的契合点是亟待解决的难题,也是本篇文章所探究的重点。在智能设计领域,大量的研究工作将重心放在设计开发智能化可穿戴设备,使其更好地为人类服务,包括提供便利生活、解决日常难题和管理身体健康等,这一趋势也证明了探讨可穿戴设备设计开发方法的必要性。本文立足于情感化设计和智能化设计的前提,探讨可穿戴设备的基本设计元素以及设计出发点,针对智能可穿戴设备提出特有且合理的设计开发方法,从而为日后相关产品的设计开发提供创新方法支持。本文将理论研究与实践相结合,首先对智能可穿戴领域相关产品和研究成果进行了详细地收集、整理与总结,进而对现有可穿戴设备设计理念进行分类归纳,提出了一个适用于大部分可穿戴设备设计开发的“人+技术+数据”设计创新模型(简称“HTD”模型)。在该模型中,开发并设计出高创新度的可穿戴设备难题被转化为从“H”、“T”和“D”三要素进行发散思考的细化问题。具体来说,根据可穿戴设备的设计特点,H代表人(Human),他们可以创造技术,同时也是可穿戴设备的设计目标和服务核心,可穿戴设备的设计具体可以从人的感知、交互和文化层面出发;T代表技术(Technology),它是可穿戴设备智能化的基础支持,目前可穿戴设备主要技术包括通信技术、芯片技术、传感器和柔性材料;D代表数据(Data),它是技术的产物,可以被提取、处理并反馈给用户。通过从三个元素出发思考,系统地分析三者间的关系,最终得出具体的实施方案,从而快速有效地创造出有意义的创新可穿戴设备。以“HTD”创新设计模型为设计理论支撑,本文成功地开展了智能按摩鞋Adapshoe的设计与开发,进一步验证了该模型的合理性和可行性,为创建更广泛的产品开发方法提供了参考价值;此外,该模型的使用过程也是不断改进可穿戴设备设计开发方法和拓展其创新形式的过程,从而为推动整个可穿戴设计领域的发展作出贡献。综上所述,本文的主要贡献如下:(1)本文立足于智能可穿戴设备创新设计领域,通过大量的文献调研,提出了一个针对于可穿戴设备设计开发的“人+技术+数据”方法模型,并提供了高效的、详细的设计实施框架。(2)在模型框架的基础上,笔者以智能按摩鞋Adapshoe为案例开展了实践研究,并详细地描述了智能按摩鞋的完整设计过程及用户测试结果,进一步验证了该模型在实践过程中发挥的指导性和创新性作用。(3)本文在智能按摩鞋案例实践中取得的设计成果富有创新性和启发性,为久坐人群的健康生活提供了合理有效的设计方案,同时也为与智能可穿戴设备设计开发相关的课题研究提供了参考价值。

电力现场作业可穿戴设备无线传感网组网技术研究

这是一篇关于电力作业现场,可穿戴设备,无线传感网,组网,GPS/UWB定位的论文, 主要内容为随着变电等多类作业现场运维工作量的激增,以可穿戴设备为核心依托无线传感网络采集人体和作业环境信息,构建电力现场作业智能巡检系统对提高巡检效率及安全水平具有重要意义。基于此,本文结合课题组参与的南方电网科研项目在智能可穿戴设备方面的研究情况,针对作业现场可穿戴设备在定位、电气装置信息采集等领域的微功无线组网需求,研究面向电力作业现场可穿戴设备无线传感网协同组网优化技术,保障可穿戴设备在作业现场的精确定位和多源信息的有效采集。首先,为确保电力现场巡检人员的安全,本文设计了一种面向电力可穿戴设备的GPS/UWB组合定位方案,基于Helmert方差分量估计算法的GPS与UWB定位数据的融合机制,并通过仿真验证了其平均定位误差由米级较少到了厘米级,满足电力作业现场定位高精度要求。然后,结合作业现场环境特点、测试节点的安装部署情况及其对无线传感网组网生存性的需求,分析了传统LEACH组网算法的不足之处,本文提出了一种改进的LEACH组网算法,此算法为对各节点负载进行均衡,设计了基于能量级数的通信半径自适应方法。通过仿真表明,该算法有效均衡了网络负载,提高了网络寿命,满足电力作业现场可穿戴设备组网低功耗的要求。最后,针对东莞供电局500kV纵江变电站的现场实际环境,研究设计了包含可穿戴头盔、手环、监控传感器、4G公网与后台管理系统在内的智能巡检系统架构,同时还设计了安全作业区域内UWB现场部署及组网定位、巡检系统数据采集方案,为电网作业现场智能巡检的推广创造有利条件。

基于深度学习的可穿戴设备数据隐私保护系统的设计与实现

这是一篇关于可穿戴设备,隐私保护,生成式对抗网络,自编码器的论文, 主要内容为由于可穿戴设备上传感器的日益多样化和无线网络的普及,可穿戴设备可以用来采集用户及其周边的多种信息,与传统的无线传感器网络相比,基于可穿戴设备的感知应用在移动便捷、可扩展性、成本等方面更胜一筹。在基于可穿戴设备的感知应用中,用户会被要求上传其相关数据,这就带来了隐私泄露的问题。现有的隐私保护技术(如数据扰乱和数据转换)等通常会改变所有原始数据,这样会使降低数据所包含的信息量,对后续的数据分析工作造成影响。一个相对较好的选择是只处理与敏感信息相关的部分数据,在一定程度上减轻对用户数据价值所带来的不良影响。这种方法的主要问题是如何判断数据是敏感数据还是非敏感数据,为此本文将其抽象成一个One-Class分类问题,并且基于深度学习的方法提出了一个新的判别模型。该模型采用一个自编码器来学习非敏感数据的特征,并且使用多个判别器和自编码器进行对抗训练以提升其性能。为了提高模型的判别准确率,本文使用集成学习的方法将多个判别器的输出组合在一起并通过多数投票的方法来计算模型的最终结果。本文提出的方法有以下优点:首先该模型的训练不需要使用隐私数据,因此在实际应用中易于实现;其次该模型不会改变非隐私的传感器数据,因此适用于大多数感知应用;最后该模型具有很强的特征学习能力以及较高的准确率。本文在三个公开数据集和一个自建的隐私保护领域数据集上进行了充分的对比实验,证明了该模型在Accuracy和F1-score方面超过了四种同类代表性方法。为了验证本文所提方法的可行性,本文最后还设计并实现了一个隐私动作识别处理系统,用于收集用户的传感器数据并且对其进行去隐私化处理,以用于后续的数据挖掘工作。该系统的后台服务器以微服务的架构实现,分为通用模块、消息系统和算法部署三个部分,并且配有智能手表和手机端APP供用户使用。最后,本文通过系统测试验证了所提方法的可行性。

基于MXene/PU柔性传感器的可穿戴动作识别设备的研究

这是一篇关于MXene/PU,复合材料,柔性传感器,可穿戴设备,手势动作识别的论文, 主要内容为可穿戴动作识别设备是结合传感器和相应算法来识别人体动作的智能设备,通过监测佩戴者肢体的动作和姿势来实现动作识别。当前市面上存在的可穿戴动作识别设备主要采用传统的硬质传感器件,搭配微电机系统来实现传感功能。而硬质传感器制造成本高昂,佩戴舒适性较差,拉伸范围较小,使用不够灵活。因此,灵敏度高、贴合人体、拉伸范围广且成本低廉的柔性传感器成为了设计智能可穿戴动作识别设备的新思路。但是目前的柔性传感器存在耐久性差和数据波动的问题,并且随着数据维度的提升愈发明显,这些问题已经成为限制柔性传感器应用的主要因素。本文针对柔性传感器普遍存在的耐用性和稳定性差的问题,围绕基于MXene/PU的柔性传感器展开研究,提出了一体化的传感器设计方案,进一步地设计和制作了基于柔性传感器的数据手套、数据护腕和数据护肘,采用人工神经网络构建了手势动作识别模型并最终实现了手势识别的可视化。论文的主要工作和成果如下:(1)研究了基于MXene/PU复合材料的柔性传感机理,设计和制备了基于MXene/PU复合材料的一体化柔性传感单元,测试表明该传感单元具有高灵敏度、高响应速度和高稳定性。(2)设计和制作了基于上述一体化柔性传感单元的可穿戴数据手套、智能护腕和智能护肘。设计了基于分压法的手势动作信号采集电路,采用指数加权滤波、截止滤波和归一化算法实现了数据处理。(3)设计了基于多层感知机算法的手势动作识别模型。基于采集到的手势动作数据集对模型进行训练,实现了 1 0个静态数字手势和9种战术手势的识别,识别的准确率达到了 100%。(4)设计和实现了手势动作识别人机交互系统,实现了手势动作的实时识别和识别结果的实时显示。