基于DTW算法的肌电信号手势识别方法

为了提高肌电信号手势识别算法的准确度,增强实时性,提出了一种基于动态时间规整（DTW）算法的手势识别方法,该方法利用肌电信号（EMG）对个体间的手势进行识别。首先,采用滑动平均能量的方法对原始的EMG信号进行数据分割,探测有效动作;其次,对于分割的数据段使用平均绝对值（MAV）来提取信号特征;最后,用DTW算法将8维的EMG信号融合并计算测试样本和模版的相似度,其中采用了DTW算法寻找规整路径的方法进行了模板制作,实现了个体间的手势识别。实验结果表明,使用DTW算法对肌电信号进行手势识别,其动作识别的准确率达到96.09%,该方法计算速度快,实时性强。     

基于心电图的身份识别方法

针对当前心电图(ECG)身份识别中存在的小样本、多特征点检测问题,提出基于小波变换和动态时间规整(DTW)相结合的方法.利用小波变换对ECG信号进行预处理并提取R波峰值点,提取并保存肢导联QRS波及心拍模板,根据QRS波测试数据与各QRS波模板间的相关性分析以及阈值条件缩小身份识别范围,采用 DTW算法确定心拍测试数据...     

基于CM-DTW算法的智能手机动态手势身份认证

针对DTW算法在手势身份认证中存在的问题，提出了一种基于约束多维DTW算法（Constraints Multi-dimension Dynamic Time Wrapping，CM-DTW）的智能手机动态手势身份认证方法.该方法利用手机内置传感器获取代表用户生物行为特征的手势数据，通过Sakoe-Chiba窗约束下的DTW算法选择合法用户的候选模板集，采用线性升降采样归一化候选模板得到一个标准模板.该方法与DTW算法相比，不仅提高了身份认证的时间效率，并且保证了用户身份认证的准确率.     

改进的马氏距离动态时间规整手势认证方法

针对现有动态手势认证方法普遍采用的动态时间规整(DTW)算法在计算欧氏距离(ED)时各维特征向量被同等对待且各维特征间的相关性被忽视等问题,提出一种改进的马氏距离动态时间规整手势认证方法.通过手机内置三轴加速度传感器实时获取动态手势信号,经数据预处理后由改进动态时间规整算法进行加速度信号相似性度量,在计算过程中根据协方差矩阵特点进行时间复杂度优化,最后根据模板匹配法得出认证结论.实验结果表明,经改进后等错率(EER)由3.02%降至1.39%,经优化后认证响应时间平均降低87.84%.该方法进一步提高了动态手势认证精确度,同时实时性良好.     

改进型蚁群算法的语音动态规划研究

针对语音识别中动态时间规整(DTW)对语音端点检测精确性过度依赖、识别时间长及识别效率低等问题.为提高语音识别精度和效率,采用改进型的蚁群算法来处理动态时间规划间题,核心是对基本蚁群算法采用自适应的挥发系数,动态信息素更新策略.用新的状态转移规则以及最优的蚂蚁参数选择等改进方法,使能在较短的时间内能寻找到最佳路径,提高执行效率.仿真实验分别测试了传统DTW算法和基于改进蚁群算法的DTW算法的识别率,结果表明,新算法的全局搜索能力、准确性都优于传统的DTW算法,能有效的提高语音识别系统的效率.     

基于DSP的穿戴式动作传感器的手势识别

针对基于加速度传感器的手势识别算法实时性的需求以及识别算法性能的问题,提出了一种集加速度、地磁信号于一体的6轴AMI602动作传感器的手势识别系统:在硬件方面,运用无线方式进行传感器数据的采集,用DSP(TMS320F2812)强大的处理能力实现手势识别算法,增强了其系统识别的实时性;在算法方面,将提取的加速度特征值做动作姿态投影,得到新的加速度特征值,运用动态时间规整(DTW)算法进行模板匹配,提高了动作识别算法的性能.经过在DSP系统上实机验证,该方法在识别率和延时上都较以往方法有显著的提高.     

一种婴儿哭声识别优化算法的研究

针对现有婴儿哭声识别方法在噪声环境下和不同婴儿间鲁棒性不足的问题,提出一种婴儿哭声识别的优化算法。利用子带谱熵法端点确定婴儿哭声信号的有效区间,增强算法在噪声环境下的鲁棒性;从有效哭声信号中提取平滑Mel频率倒谱系数 (SMFCC)作为特征参数;基于SMFCC构建婴儿哭声模板,增强算法在不同婴儿间的鲁棒性;使用动态时间规整算法（DTW）计算哭声信号与模板的距离,得到识别结果。实验表明：在具有噪声的婴儿哭声测试集中,哭声识别准确率均达到72%以上,该方案在噪声环境下和不同婴儿个体的哭声识别中表现出较强的鲁棒性。     

基于DTW与混合判别特征检测器的手势识别

在动态手势识别领域,动态时间规整(DTW)算法在消除不同时空表示模式之间的时间差异方面具有优势,但作为一种模板匹配算法,受限于样本库的容量大小并且缺乏统计模型框架训练,其识别效果和稳定性较差,尤其在大数据量、复杂手势和组合手势的情况下。针对上述不足,提出一种基于DTW和混合判别特征检测器(CFDF)的手势识别算法。利用DTW只对手势信号在时域进行规整,通过CFDF将手势特征的概率分布转换成二值的分段线性函数,根据允许的偏差范围分别做归0或归1处理后,再进行二次分类。实验结果表明,该算法通过舍弃无辨识度特征有效地降低了维度和噪声,手势平均识别率可达91.2%,比单独采用DTW的识别算法提高了6.0%。     

嵌入式语音识别系统中的DTW在线并行算法*

为提高语音识别系统的实时性,利用动态规划和并行计算思想,提出一种适用于嵌入式语音识别系统的DTW(动态时间规整)在线并行算法。通过分析标准DTW及其主要衍生算法,对DTW算法的数据结构进行改进以满足在线算法要求,在寻找最佳路径过程中动态连续地分配和释放内存或预先分配固定大小的内存,并将多个关键词的DTW计算分布到多个运算单元;最后汇总各运算单元的结果得到识别结果。实验表明,该算法比经典DTW降低了内存使用和识别时间,并使语音识别的实时系数达到1.17,具有较高的实时性。     

基于动态时间规整的手势加速度信号识别

为了提高基于加速度传感器的动态手势识别算法的性能,本文采用了动态时间规整(DTW)识别算法。通过该算法计算测试模板和参考模板的相似度,从而得出识别结果。为了验证该方法,建立了一套手势加速度无线采集系统,并采集了41个志愿者的手势信息。实验结果表明,该方法手势平均识别率在97%以上。与HMM识别算法相比,DTW识别算法在识别的准确率上比HMM识别算法更具优势。     

基于DTW的交警指挥手势识别方法

对于日益成熟的无人驾驶技术,如何快速准确地识别交警的手势成为无人驾驶领域中一个重要的研究内容。本文提出一种基于DTW算法的交警指挥手势识别方法。首先,使用Kinect传感器获取人体关节点数据并根据交警手势特点进行预处理,建立训练模板库;接着深入分析了该模板库的两个特征：类内高内聚性和类间低耦合性,由此给出交警指挥手势识别的实现步骤。实验结果表明,该方法能自动识别各种交警指挥手势,具有识别准确度较高、实时性较强、稳定性好的特点。     

基于听觉感知和概率神经网络的语音识别模型

提出了一种基于Bark子波变换和概率神经网络（PNN）的语音识别模型。利用符合人耳听觉特性的Bark滤波器组进行信号重构并提取语音特征,然后利用训练好的概率神经网络进行识别。通过训练大量语音样本来构成语音识别库,并建立综合识别系统。实验结果表明该方法与传统的LPCC/DTW和MFCC/DWT方法相比,识别率分别提高了14.9%和10.1%,达到了96.9%的识别率。     

基于多模板匹配的室性早搏判别算法

提出一种基于可变宽度模板的多模板匹配的室性早搏判别算法。该方法通过样本数据创建初始模板库,根据不同的RR间期确定模板宽度,使用基于模板队列匹配和模板库匹配的二级匹配策略,利用相关系数和RR间期比相结合的算法检测室早,模板库可自动扩充。经MIT-BIH心律失常数据库测试,该算法达到了98.66%的灵敏度(正确率),平均错误率为1.11%。     

频率规整线性预测系数的实时提取算法研究

在语音识别特征提取过程中,为克服传统自相关法在计算特征参数时实时性较差的缺点,提出一种用于提取频率规整线性预测系数（WLPC）的自适应最小均方误差（LMS）算法。该方法通过自适应LMS技术,不仅能提取出符合人耳的听觉特性的特征参数,而且实现了对WLPC系数的实时提取。实验采用DTW（动态时间规整）算法,对比了自相关法WLPC预测误差和自适应法WLPC两种特征参数对孤立词识别率的影响结果和预测误差,结果证明了采用该算法具有较高的分类准确率和良好的时间性能。     

室性早搏的多模板匹配自适应识别算法

为实现室性早搏的自动判别,提出一种基于多模板匹配的自适应识别算法。采用滤波提高数据信噪比,利用样本数据通过特定的自学习机制建立模板库,设计模板的压缩算法实现待测心搏与模板心搏宽度的对齐,采用模板队列匹配和模板库匹配相结合的匹配策略,设计自适应更新规则实时优化队列与库的结构,利用相关系数检测室早。使用MIT-BIH数据库进行测试,达到99.39%的灵敏度和98.79%的特异度。