[发明专利]一种通过腕部震动识别的手腕可穿戴系统

权利要求书

1.一种通过腕部震动识别的手腕可穿戴系统，其特征是：所述系统包括手腕键盘、数据采集模块和分类器模块，所述数据采集模块采集手腕键盘数据信息，并对信息进行处理，所述数据采集模块将处理后的信息传输至分类器模块，所述分类器模块对数据信息进行特征提取和分类输出；

所述手腕键盘包括：压电陶瓷、固定带和处理器，通过固定带将压电陶瓷固定在手腕处，所述压电陶瓷采集手腕震动信号，并传输至处理器。

2.根据权利要求1所述的一种通过腕部震动识别的手腕可穿戴系统，其特征是：采用各频率分量、功率谱、强度的信息提取为特征值，并代入多种经典的分类器模型中进行训练，采用10折交叉认证的方式验证各个分类器的性能，并用分类器训练结果作为权值，加权各个分类器得到组合分类器，最终手指在任何平面的敲击产生振动信号，经由收集、处理和分析得到分类结果即为按键输出。

3.根据权利要求2所述的一种通过腕部震动识别的手腕可穿戴系统，其特征是：数据采集模块进行数据去噪和敲击事件检测，采用在低通滤波器对信号进行滤波，设置滤波器截止频率在20-300Hz得到理想的信号；之后在处理后的信号上对窗内能量采取双阈值检测，判断出敲击振动信号发生的位置，并用窗口对震动信号进行分割，最终传递到最后的分类器模块进行分类识别。

4.根据权利要求3所述的一种通过腕部震动识别的手腕可穿戴系统，其特征是：分类器模块进行特征值提取和分类器训练，将提取的振动信号事件进行傅里叶变换，通过模运算获取信号的幅频响应作为该振动信号的特征值，将数据的特征值放在经典的随机森林分类器，进行训练，最终分类器训练结果得到最终输出。

5.根据权利要求4所述的一种通过腕部震动识别的手腕可穿戴系统，其特征是：采用的分类器不仅限于随机森林分类器，可采用SVM、决策树或者贝叶斯。

6.根据权利要求3所述的一种通过腕部震动识别的手腕可穿戴系统，其特征是：对去噪后的数据进行提取和分割敲击振动事件，使独立以便于后续的特征识别。

7.根据权利要求6所述的一种通过腕部震动识别的手腕可穿戴系统，其特征是：设L为滑动窗口的大小，i为所考虑的时间窗口的结束时间，b为敲击信号的开始时间，首先计算事件窗内的平均能量，更新记录窗口能量的标志符flag_up和flag_high，过滤能量过高的虚假事件，确定敲击事件末尾位置，得到时间长度相同的只包含一次敲击的信号段，用于特征提取。