|
عنوان
|
تشخیص حرکت دست در محیط های مختلف با استفاده از
اطالعات وضعیت سیگنال های وای فای و یاد گیری عمیق
|
|
نوع پژوهش
|
پایاننامه
|
|
کلیدواژهها
|
تشخیص حرکت دست، اطالعات وضعیت کانال(CSI (، یادگیری عمیق، حسگری کراس-دومین، مکانیزم توجه
|
|
چکیده
|
زمینه: تشخیص حرکات بدن، بهویژه حرکات دست، نقشی کلیدی در ایجاد رابطهای کاربری غیرتماسی
و هوشمند ایفا میکند. برخالف روشهای سنتی مبتنی بر دوربین که با چالشهای حریم خصوصی و
وابستگی به نور مواجه اند، استفاده از اطالعات وضعیت کانال (CSI (در سیگنالهای وایفا به عنوان یک
راهکار غیرفعال و محیطمحور، امکان تشخیص دقیق حرکات را در محیط های مختلف فراهم میسازد.
هدف: هدف اصلی این پژوهش، توسعه یک سامانه هوشمند و مقاوم با نام »شبکه توجه دوگانه و ادغام
متقاطع (DACN» (است که بتواند با غلبه بر چالش تغییر محیط و کاربر(Domain-Cross (، حرکات
متداول دست را بدون نیاز به آموزش مجدد گسترده، در محیطهای ناشناخته با دقت باال شناسایی کند.
روششناسی: در این تحقیق، از یک معماری یادگیری عمیق دو جریانی مبتنی بر -18ResNet برای
پردازش موازی اطالعات فاز و طیف جابجایی داپلر (DFS (استفاده شده است. مدل پیشنهادی با
بهرهگیری از مکانیزمهای توجه کانالی و مکانی تقویت شده و عملکرد آن بر روی سه مجموعه داده
استاندارد ARIL ، CSIDAو 3.0Widar در قالب 180 سناریوی آزمایشی مختلف مورد ارزیابی قرار
گرفته است.
یافتهها: نتایج آزمایشها نشان داد که مدل DACN به دقت میانگین باالی 91 درصد در تشخیص
حرکات دست دست یافته است. یافته ها حاکی از آن است که ترکیب اطالعات فاز و داپلر همراه با مکانیزم
توجه، مقاومت سیستم را در برابر تداخالت چندمسیره (Multipath (و نویزهای محیطی بهطور
چشمگیری افزایش میدهد.
نتیجهگیری: این پژوهش ثابت کرد که استفاده از مکانیزمهای توجه دوگانه در شبکههای عصبی عمیق،
راهکاری کارآمد برای حل مشکل عدم تعمیمپذیری در حسگری وایفا است. سامانه توسعهداده شده با
دقت و پایداری باال، پتانسیل زیادی برای بهکارگیری در خانههای هوشمند و مراقبتهای بهداشتی
غیرتماسی دارد
|
|
پژوهشگران
|
محمدعارف امانی (دانشجو)، احمد کشاورز (استاد راهنما اول)، حجت قیمت گر (استاد راهنما دوم)
|
|
تاریخ انجام
|
1405-02-15
|