传统的手势识别通常采用数字信号处理(Digital Signal Processing,DSP)芯片或者集合方法(Ensem-ble Methods)研究实时识别问题。这些方法易导致数学模型参数繁多、硬件连接复杂和实时识别率较低。提出一种基于表面肌电信号与柔性神经树(...传统的手势识别通常采用数字信号处理(Digital Signal Processing,DSP)芯片或者集合方法(Ensem-ble Methods)研究实时识别问题。这些方法易导致数学模型参数繁多、硬件连接复杂和实时识别率较低。提出一种基于表面肌电信号与柔性神经树(Flexible Neural Trees,FNT)模型的实时手势识别模型。表面肌电信号(surface Electromyography,sEMG)具有非入侵式、易于采集特点,故被广泛应用于行为识别和诊断等领域。柔性神经树模型通过简单的预定义来构建,能够解决人工神经网络(Artificial Neural Network,ANN)的结构依赖性高的问题。柔性神经树模型不仅能够避免复杂的计算和电路连接,还具有较高的实时识别率和较低的方均根误差(Root Mean Square Error,RMSE)。实验针对六名参与者的六种手势进行测试,结果表明该模型实时识别率较高,实际应用也证明该算法可行。展开更多
就GB50371—2006《厅堂扩声系统设计规范》规定的"最大声压级"、"传输频率特性"、"传声增益"、"稳态声场不均匀度"和"系统总噪声"5项基本的声学特性指标,结合GB/T4959—1995《厅堂...就GB50371—2006《厅堂扩声系统设计规范》规定的"最大声压级"、"传输频率特性"、"传声增益"、"稳态声场不均匀度"和"系统总噪声"5项基本的声学特性指标,结合GB/T4959—1995《厅堂扩声特性测量方法》规定的测量方法,以使用Nor840Real Time Analyser声学测量仪器为例,对这5项指标的测量、数据处理和结果表达方式进行阐述。展开更多
文摘就GB50371—2006《厅堂扩声系统设计规范》规定的"最大声压级"、"传输频率特性"、"传声增益"、"稳态声场不均匀度"和"系统总噪声"5项基本的声学特性指标,结合GB/T4959—1995《厅堂扩声特性测量方法》规定的测量方法,以使用Nor840Real Time Analyser声学测量仪器为例,对这5项指标的测量、数据处理和结果表达方式进行阐述。