端到端的超声波手势识别系统
Elfi Fertl1,2, Do Dinh Tan Nguyen1, Martin Krueger1
1Infineon Technologies AG, 85579 Neubiberg, Germany.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
这项研究引入了一种新的机器学习方法,用于使用低成本传感器进行基于超声波的手势识别 (HGR). 该方法通过直接处理原始回声数据来实现高精度,简化了有效的人与计算机交互的过程.
科学领域:
- 人与计算机的交互
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 在电子设备中对直观输入方法的需求日益增加.
- 目前基于超声波的手势识别 (HGR) 系统的稳定性和准确性的局限性.
- 需要具有成本效益和功率效率的HGR解决方案.
研究的目的:
- 为HGR提供一种基于机器学习 (ML) 的全新端到端解决方案.
- 为了利用低成本的微电机械 (MEMS) 系统超声波传感器.
- 为了证明高精度与最小的数据预处理.
主要方法:
- 开发一个定制的硬件设置,配有四个MEMS超声波传感器在不同的安排.
- 通过ML模型直接处理原始超声波回声样本.
- 对各种ML模型的基准测试,包括CNN,GRU,LSTM,ViT和CrossViT.
主要成果:
- 通过LSTM,ViT和CrossViT模型实现了超过88%的准确性.
- 证明了最小的预处理,即使省略了富里埃变换,也会产生高精度.
- 通过ML模型展示了直接原始回声样本处理的有效性.
结论:
- 对于高精度超声波HGR使用具有成本效益的MEMS传感器,最小的预处理就足够了.
- 通过紧的ML模型进行直接信号处理,可以实现低成本,高功率的HGR.
- 这种方法为使用视觉,WiFi或雷达的现有HGR系统提供了可行的替代方案.
