手勢識別技術(shù)基于DTW動態(tài)時間規(guī)整算法的模板匹配，計劃預(yù)設(shè)8-10種通用手勢，以后可加入手勢學(xué)習(xí)功能，用戶自定義手勢。

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。該模塊能夠滿足作品對通信的要求，并且便于使用手機與作品通信，進行配置。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(xí)與重放

　　紅外學(xué)習(xí)與重放采用一體化接收頭VS1838B。接收與解調(diào)可以使用一種集紅外接收、解調(diào)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遙控和紅外線數(shù)據(jù)傳輸。紅外重放與紅外學(xué)習(xí)實現(xiàn)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(yīng)用軟件安裝在用戶智能手機上。它控制紅外信號的學(xué)習(xí)和配置手勢對應(yīng)關(guān)系。運行“紅外小伙伴”應(yīng)用的手機需要硬件支持BLE，同時運行Android 4.3以上系統(tǒng)。目前，市場上支持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)可以大量見到BLE的身影?？梢哉f，在不遠的將來BLE一定會得到迅速普及。“紅外小伙伴’界面如圖7所示。

2.7 供電

　　本系統(tǒng)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行充電管理，可直接通過USB充電。使用MCP1700T低壓差穩(wěn)壓芯片將鋰電池電壓穩(wěn)至3.3V，供STM32、傳感器、藍牙使用。

3 總結(jié)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，提出了一種無障礙的，用戶友好的體感手勢控制方式，并且可以通過紅外學(xué)習(xí)控制任意家電。相對于采用機器視覺的手勢識別方案，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(nèi)，都可以對家電進行控制。

3.1 自定義手勢學(xué)習(xí)

　　我們定義了預(yù)設(shè)8-10種通用手勢，以后可加入手勢學(xué)習(xí)功能，實現(xiàn)用戶自定義手勢學(xué)習(xí)。在指環(huán)側(cè)面做出指定的學(xué)習(xí)手勢，指環(huán)進入手勢學(xué)習(xí)模式;指環(huán)側(cè)面的指示燈顯示二進制數(shù)字，代表當(dāng)前學(xué)習(xí)的手勢編號。用戶此時按照使用流程做出幾遍對應(yīng)手勢即可完成學(xué)習(xí)。一個手勢學(xué)習(xí)完成后，指示燈會指示進行下一個手勢的學(xué)習(xí)。

3.2 基于指向的家電選擇

　　在設(shè)備選擇方式上，目前我們采用的選擇設(shè)備方法為電容觸摸，預(yù)計將來可以將室內(nèi)定位技術(shù)整合在“Wave”中。結(jié)合室內(nèi)定位，通過室內(nèi)定位技術(shù)獲取用戶所在的大概位置，結(jié)合預(yù)設(shè)的環(huán)境地圖，可以知道用戶當(dāng)前與各個設(shè)備的相對方向;再通過指環(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(dāng)前指向的設(shè)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。從芯片尺寸來說，目前選型的各個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(jié)合柔性電路，電池可以應(yīng)用異型電池等技術(shù)和產(chǎn)品，最終實現(xiàn)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 微控制器原理與實踐[M]. 北京航空航天大學(xué)出版社, 2008

　　[3] 丁武鋒, 莊嚴, 周春陽. 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(shè)計[M]. 電子工業(yè)出版社, 2007

　　[5]荊雷, 馬文君, 常丹華. 基于動態(tài)時間規(guī)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