基于多流隐马尔可夫模型的网络信号传输过程建模

网络输入信号进入网络后,会不可避免地被网络延时污染,所以接收端得到的网络输出信号与发送端的输入信号间存在着误差,这种误差在接收端分别为事件驱动(Event-Driven)节点触发方式和时间驱动(Time-Driven)节点触发方式时分别由不同原因造成;基于多流隐马尔可夫模型(MS-HMMs)对接收端分别工作在两种节点触发方式时的网络信号传输过程进行建模,采用Viterbi算法对网络输入信号进行估计;实验结果表明该模型能够有效地实现对网络输入信号的估计。

基于多传感器融合的动态手势识别研究分析

研究利用三类传感器(表面肌电仪、陀螺仪和加速度计)信号的特点进行信息融合,提高可识别动态手势动作的种类和准确率。将动态手势动作分解为手形、手势朝向和运动轨迹三个要素,分别使用表面肌电信号(s EMG)、陀螺仪信号(GYRO)和加速度信号(ACC)进行表征,利用多流HMMs进行动态手势动作的模式识别。对包含有5个运动轨迹和6个静态手形的识别实验结果表明,该方法可以有效地从连续信号中识别动态手势,三类传感器组合使用获得的全局平均识别率达到92%以上,明显高于任意两个传感器组合和仅采用单个传感器获得的平均识别率。实验表明该方法是一种有效的动态手势识别方法,并且相较于传统的动态手势识别的方法更具有优势。