低成本惯性传感器的信号增强与手势识别

针对低成本惯性传感器中普遍存在的严重随机误差,提出了一种三阶段信号增强策略,通过复杂网络确定性指标,首次实现了对IMU信号随机性的量化,进而利用经验模态分解、小波变换对随机误差进行有效控制。进一步,首次在IMU运动识别任务中将时频特征与复杂网络拓扑特征相结合,在不同用户运动习惯各异和IMU型号多样且成本低廉的情况下,将62种三维手势动作的识别精度提升至92.4%。此外,对比了多种机器学习与深度学习模型在手势识别任务上的精度,进一步论证了复杂网络拓扑特征在运动状态识别、时间序列分析领域的重要价值。