胡皮肤输入-5月31号

1、Skinput: Appropriating the Body as an Input SurfaceChrus Harrison,Desney Tan,Dan Morris本文的贡献是：1）介绍了一种新型的，可穿戴式传感器设计生物声信号采集。2）描述了一个分析方法，分析手指在身体上轻敲位置。3） 通过对用户的研究来评估在此系统的鲁棒性和局限性。4）通过这个原型的应用程序和额外的经验，笔者将探索更多的生物声学输入的方式使用高度调谐的振动传感器阵列才采集信号：使用小的悬臂式压电薄膜（ 迷你型振动传感器 MiniSense100）使用Mackie Onyx 1200F调音台来收集10个传感器的信号

2、，通过火线连接电脑。每个通道采样率为5.5kHz。ATmega168芯片的Arduino平台能精确的处理带宽为77kHz的信号，而10个传感器总共为55kHz。设计的程序应用包涵三个关键功能：1，能够实时的显示从传感器收集到的信号，能够方便识别声波的特性。2，将输入的连续的信号分段成独立的信号。3，将信号进行分类。计算了186个特征信息，很多信息是推到出来的。包括：1.从每个通道计算所有信息，包括平均幅度，方差，波形的所有能量，得出30个特征信息。2.所有两个通道间平均振幅比，共45个特征信息。3.上述的平均振幅比之和，1个。4.FFT，计算10个通道，得到从0到193Hz的10个值，共100

3、个。5.从上述的0到194Hz的信号中，最中间的数值，共10个。186个特征信息通过SVM进行分类，软件使用Weka machine learning toolkit。EXPERIMENT参与者：13名，6男7女。参与者代表了多样化的实验数据，包括年龄和身体类型，年龄介于20至56（平均38.3），身体质量指数（BMI指数）从20.5（正常）至31.9（肥胖）Experimental ConditionsFingers (Five Locations)由于手指结构相似，除了大拇指外都是三个指关节，这样会造成不同手指传来的信号不容易辨认。而且从手指到肘部距离较远，关节部位较多，会导致信号衰减。实

4、验说明声波信号的差异性与手指的长短以及肥瘦，腕关节的复杂结构，手指到前臂的肌肉有很大的关联。Whole Arm (Five Locations)位置：手臂，腕关节，手掌，拇指和中指。能够很准确的敲击这些位置；这些位置产生的声波信号有很大的差异性，能在有限的空间内产生明确不同的信号。传感器阵列位置：在肘部，一个上一个下。测试者在实验的时候要求闭上眼睛，面超前。这样还可以度量测试者在不看的情况下寻找目标位置的准确度。Forearm (Ten Locations)不仅这个位置敲击的地方很密集，而且信号的差异性较低。但是面积很大，能够实现更多选项。Design and Setup5种测试方式1.手指，

5、传感器位于肘部下面2.整个手臂，传感器位于在肘部上面3.整个手臂，传感器位于在肘部下面，不能看操作的位置4.整个手臂，传感器位于在肘部下面，能看操作的位置5.前臂，传感器位于肘部上面传感器在肘部上面的，臂环放在离肘关节约7cm的地方传感器在肘部下面的，臂环放在离肘关节约3cm的地方Procedure对于每个测试，实验者都要按照规定的动作，包括手指敲击位置的测试和说明实验之前，用1分钟的时间来熟悉需要测试的位置，左右手都要训练得到的训练数据建立一个SVM分类器测试结果得到的结果平均准确度很高，达到87.6%实验也增加了BMI，年龄和性别对于实验结果的影响Five Fingers手指到传感器虽然有

6、约40cm的距离，但识别的准确率很高，平均87.7%，在其它的实验中，准确率很完美出现错误的情况下，有60.5%是误认为临近的手指，说明各个手指之间的声波信号差异性不大，食指在错误的分类中占63.3%Whole Arm整个手臂有三种测试，结果为：Below-elbow是表现最好的，准确率95.5%Above-elbow其次，准确率88.3%Above-elbow中eyes-free的条件比其它的测试准确率低，平均85.0%Forearm准确率只有81.5%由于准确率太低，于是考虑整合部分区域以提高准确率BMI EffectsBMI越高，准确率越低SUPPLEMENTAL EXPERIMENTS

7、walked and jogged，below the elbow：能够检测系统的鲁棒性在 walked中，true positive accuracy是100%；Classification accuracy中，男性100%，女性86.7%在jogged中， true positive accuracy是100%，但是系统出现了四种false-positive的情况； Classification accuracy中，男性83.3%，女性60.0%。但这种结果任然很满意，因为慢跑是最复杂的情况。1）walked and jogged2）Single-Handed Gestures单手操作，拇指点击其它的手指，准确率超过89.6%；手指轻弹，准确率96.8%；将两者和在一起作为单手操作，准确率高达87.4% 3）Surface and Ob