支持向量机与微波传感器在手势识别中的应用

提出一种基于10.525GHz微波传感器和支持向量机(Support Vector Machine,SVM)算法相结合的手势识别方法。微波传感器输出的多普勒信号经过放大和ADS1256采样后,发送给BCM2837B0SoC,再利用快速傅里叶变换(FFT)提取手势特征,最后借助SVM进行分类。实验结果表明,本方法能够分别以87%、84%和83%的平均准确率识别2种、4种和6种手势,具有较强的扩展性和较高准确率。

基于云端的远程电源监控系统的设计

针对传统电源存在难以实时监控的问题,提出了基于云端的远程电源监控系统。该系统利用以BCM2837为主控单元的电源监控终端进行数据采集,将电源数据上传至云端服务器,通过远程监控端访问云端服务器,可以实现对设备电源的远程监控与数据记录。通过浏览器访问云端服务器,使得任何具有浏览器功能的智能设备都可接入系统充当远程监控端,实现了跨平台的数据交互与电源控制。解决了对电源人工现场值守与操作的问题,实现了对设备电源的远程集中监控与管理。