利用超声波技术，在智能手机上实现手势识别功能。非常实用的一篇论文徐曾春,吴凯娇,胡平:使用超声波的智能手机手势识别 ()挥手向前 ()挥手向后 ()挥手向左 ()挥手向右 图不同的手势时频图 特征均为先靠近发射源,然后远离发射源,但是细节方 面咯有不同。 实现细节 系统流程 获得反射的超声波数据集 图为系统流程图。首先,通过话筒获取 最初,系统先获得手势运动的时间序列片段,此时 段时间序列,经过快速傅里叶()变换将此序列从时片段已经经过处理,结果如图所示。出于本实验 域信号转换为频域信号。接着搜

定期非均匀采样是非均匀采样的一种特殊情况。 由于不完善的时基或随机事件，它在广泛的应用中出现。 由于偏移线性规范变换（OLCT）已被证明是用于光学和信号处理的强大工具，因此探索OLCT域中周期性非均匀采样信号的频谱分析和重构是有价值且有趣的。 在本文中，我们解决了与OLCT相关的周期性非均匀采样信号的频谱分析和重构问题。 首先，已经对周期性非均匀采样的一维信号进行了详细的频谱分析。 通过应用结果，推导了离散频谱和连续频谱之间的关系，并提出了一种从一维情况下的周期性非均匀采样信号重构数字频谱的方法

均匀或不均匀采样信号的频谱分析是数字信号处理领域的热门话题之一。 已经对传统傅里叶域中均匀和不均匀采样的一维或二维信号的理论和应用进行了深入研究。 但是到目前为止，还没有关于线性典范变换域中采样信号频谱分析的研究论文发表。 在本文中，我们研究了线性规范变换域中采样信号的频谱。 首先，根据均匀采样信号频谱的性质，推导了二维信号的均匀采样定理。 其次，获得了周期非均匀采样的一维和二维信号的一般频谱表示。 第三，已经对线性典范变换域中的周期性非均匀采样的线性调频信号进行了详细分析。