“Wave”家電控制指環(huán)

　　手勢識別技術(shù)基于DTW動(dòng)態(tài)時(shí)間規整算法的模板匹配，計劃預設8-10種通用手勢，以后可加入手勢學(xué)習功能，用戶(hù)自定義手勢。

2.4 BLE藍牙模塊

　　BLE藍牙模塊采用了TI公司的 CC2541芯片的藍牙低功耗(BLE)模塊。該模塊能夠滿(mǎn)足作品對通信的要求，并且便于使用手機與作品通信，進(jìn)行配置。指環(huán)和紅外收發(fā)模塊各需要一塊CC2541芯片。

2.5 紅外學(xué)習與重放

　　紅外學(xué)習與重放采用一體化接收頭VS1838B。接收與解調可以使用一種集紅外接收、解調和放大于一體的一體化紅外接收器，不需要太多外接元件，就能完成從紅外接收到輸出與TTL電平兼容的信號所有工作，而體積和普通的塑封三極管大小一樣，它適合于各種紅外線(xiàn)遙控和紅外線(xiàn)數據傳輸。紅外重放與紅外學(xué)習實(shí)現電路如圖6所示。

2.6 手機端“紅外小伙伴”

　　手機端“紅外小伙伴”手機應用軟件安裝在用戶(hù)智能手機上。它控制紅外信號的學(xué)習和配置手勢對應關(guān)系。運行“紅外小伙伴”應用的手機需要硬件支持BLE，同時(shí)運行Android 4.3以上系統。目前，市場(chǎng)上支持BLE的主流手機有小米3、三星GalaxyS4、Note3、iphone5s等。硬件支持BLE的手機尚未成為主流，但是在下一代旗艦至中端手機上已經(jīng)可以大量見(jiàn)到BLE的身影?？梢哉f(shuō)，在不遠的將來(lái)BLE一定會(huì )得到迅速普及?！凹t外小伙伴’界面如圖7所示。

2.7 供電

　　本系統采用3.7V聚合物鋰電池供電。使用TP4057鋰電池充電管理芯片進(jìn)行充電管理，可直接通過(guò)USB充電。使用MCP1700T低壓差穩壓芯片將鋰電池電壓穩至3.3V，供STM32、傳感器、藍牙使用。

3 總結與展望

　　本作品將體感技術(shù)與可穿戴計算技術(shù)運用在家電控制上，提出了一種無(wú)障礙的，用戶(hù)友好的體感手勢控制方式，并且可以通過(guò)紅外學(xué)習控制任意家電。相對于采用機器視覺(jué)的手勢識別方案，本作品采用的可穿戴式手勢控制技術(shù)沒(méi)有方向、位置的限制。只要在紅外收發(fā)器模塊的信號范圍內，都可以對家電進(jìn)行控制。

3.1 自定義手勢學(xué)習

　　我們定義了預設8-10種通用手勢，以后可加入手勢學(xué)習功能，實(shí)現用戶(hù)自定義手勢學(xué)習。在指環(huán)側面做出指定的學(xué)習手勢，指環(huán)進(jìn)入手勢學(xué)習模式;指環(huán)側面的指示燈顯示二進(jìn)制數字，代表當前學(xué)習的手勢編號。用戶(hù)此時(shí)按照使用流程做出幾遍對應手勢即可完成學(xué)習。一個(gè)手勢學(xué)習完成后，指示燈會(huì )指示進(jìn)行下一個(gè)手勢的學(xué)習。

3.2 基于指向的家電選擇

　　在設備選擇方式上，目前我們采用的選擇設備方法為電容觸摸，預計將來(lái)可以將室內定位技術(shù)整合在“Wave”中。結合室內定位，通過(guò)室內定位技術(shù)獲取用戶(hù)所在的大概位置，結合預設的環(huán)境地圖，可以知道用戶(hù)當前與各個(gè)設備的相對方向;再通過(guò)指環(huán)攜帶的地磁傳感器獲得指環(huán)的指向，就可以選出指環(huán)當前指向的設備。

3.3 小型化

　　要想真正把本作品制成指環(huán)，關(guān)鍵在于小型化。從芯片尺寸來(lái)說(shuō)，目前選型的各個(gè)芯片勉強能達到要求，但是小還不夠。另外，小型化在電路板方面可結合柔性電路，電池可以應用異型電池等技術(shù)和產(chǎn)品，最終實(shí)現真正的“指環(huán)”。

參考文獻：

　　[1]劉蓉, 劉明. 基于三軸加速度傳感器的手勢識別[J]. Computer Engineering, 2011, 37(24)

　　[2]永虹, 煒, 立平. STM32 系列 ARM Cortex-M3 微控制器原理與實(shí)踐[M]. 北京航空航天大學(xué)出版社, 2008

　　[3] 丁武鋒, 莊嚴, 周春陽(yáng). MCU 工程師煉成記: 我和 MSP430 單片機[J]. 中國科技信息, 2013, 21: 028

　　[4]榮群. Protel DXP 2004 SP2 原理圖與 PCB 設計[M]. 電子工業(yè)出版社, 2007

　　[5]荊雷, 馬文君, 常丹華. 基于動(dòng)態(tài)時(shí)間規整的手勢加速度信號識別[J]. 傳感技術(shù)學(xué)報, 2012, 25(1): 72-76

　　[6]Liu J, Zhong L, Wickramasuriya J, et al. uWave: Accelerometer-based personalized gesture recognition and its applications[J]. Pervasive and Mobile Computing, 2009, 5(6): 657-675

　　[7]Wu J, Pan G, Zhang D, et al. Gesture recognition with a 3-d accelerometer[M]//Ubiquitous intelligence and computing. Springer Berlin Heidelberg, 2009: 25-38