英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料
将移动设备变为空中鼠标
Sangki Yun, Yi-Chao Chen, Lili Qiu
德克萨斯大学奥斯汀分校
摘要
鼠标因其使用较直观已经成为最成功的用户接口之一。随着越来越多的设备配备显示器，且提供给用户丰富的选择，传统的需要操作平面的鼠标不再满足需求。虽然市场中有不同类型的空中鼠标，但它们依赖于加速度计和陀螺仪，这显然限制了其可靠性和易用性。
在本文中，我们开发了一个可以实现鼠标功能的准确跟踪手部运动的系统。其独特优势在于使用移动设备（例如，智能手机和智能手表）中的现有硬件以及要控制的设备（例如智能电视）实现高跟踪精度。更具体地说，我们选择几种特定频率发送人耳听不到的声音脉冲，并使用频移来估计速度和距离。然后我们开发技术来校准扬声器之间的距离，并利用移动设备的运动轨迹缩小其初始位置。根据这些信息，我们可以实时跟踪设备的位置。该方案是可行的，因为诸如智能电视、PC和笔记本电脑的许多设备带有多个扬声器。当只有一个扬声器可用时，我们可利用所接收到的声波信号的频移和相应的Wi Fi信号的相位实现跟踪。我们的评估和用户研究表明该系统达到了高精度跟踪（平均误差约1.4cm）和易于使用。
类别和主题描述符
C.2.m [计算机通信网络]：杂项
通用术语
算法，测量，性能
关键词
多普勒效应；追踪；加速度计；陀螺仪
1.介绍
动机：鼠标因其使用的便捷性成为控制图形用户界面的最成功的技术之一，它的吸引力将很快渗透到远远超出计算机，现已有专为游戏机和只能电视设计的鼠标。智能电视可让用户运行流行的计算机程序和智能手机应用程序。例如一个智能电视用户可能想要使用网页浏览器，并使用鼠标点击某个网站或地图的某个部分。使用按钮进行用户输入的传统遥控器无法满足智能电视提供的全部功能。未来越来越多的设备，如谷歌眼镜，婴儿监视器和新一代家用电器，都将希望使用鼠标功能，这使得用户可以从各种选项中进行选择，轻松点击视图的不同部分。
另一方面，传统的鼠标，需要一个平坦和光滑的平面进行操作，不能满足许多新的使用场景。一个用户可能希望在移动时与远程设备进行交互，例如，发言人想要自由移动的同时点击幻灯片中的不同对象；智能电视用户想要在房间的任意位置看电视；谷歌眼镜用户想要查询他在移动过程中见到的物体。如果用户只需在空中挥动智能手机或智能手表即可将它们转换成鼠标岂不是很好？
挑战：为了实现空中鼠标功能，设备运动应该在几厘米内被非常准确地跟踪，。现有的米级室内定位方法无法实现这一目标。许多智能电视和机顶盒厂商提供先进的遥控器[37]，有的甚至利用惯性传感器提供运动控制和手势识别，如加速度计和陀螺仪[34,35]。众所周知现有的加速度计有显著的测量误差，无法提供准确的跟踪，通过我们的测量研究可进一步确认这一点。陀螺仪在跟踪旋转上精度更高，然而用户必须学习如何旋转以便控制二维空间中的位移。这并不直观，并且在对角线方向移动特别困难，从而降低了用户体验和控制速度。
近期有研究跟踪RFID标签[40,41,46] 精度达到厘米级，但是它们需要多个特殊的RFID读取器，每个都有4个天线。 使用诸如深度传感器（例如，Kinect [1]）和红外传感器（例如，Wii [2]）的外部设备，这会明显增加额外成本并限制可被控制的设备的类型。
我们的方法：在本文中，我们提出AAMouse，可以实时准确跟踪设备移动。它可以使任何具有麦克风的移动设备（如智能手机和智能手表）作为鼠标来控制自带扬声器的电子设备。其独特之处在于它利用移动和电子设备中的现有硬件。
图1是我们系统的示例，其中具有麦克风的移动设备用作具有两个扬声器的智能电视的鼠标，智能电视发出人耳听不见的声音信号，移动设备记录并将其馈送回智能电视，由其基于多普勒频移估计移动设备的位置。
虽然现有的一些研究利用多普勒手势来识别手势，但追踪更具挑战性，因为手势识别仅需要与训练模式匹配，而跟踪需要精确定位设备。这不仅需要准确估计频移，而且还要将频移转换成位置，涉及重要的附加研究问题，例如如何估计扬声器之间的距离，设备的初始设备位置和根据频移估计其新位置。
我们通过以下方式解决这些具有挑战性的问题。我们首先估计频移并利用它来定位，假设扬声器间距和设备的初始位置是已知的。然后我们开发使用多普勒频移校准扬声器之间的距离的技术。为了得到设备的初始位置，我们使用了多个粒子滤波器，它产生与设备可能位置相对应的许多粒子，并对位置与其测量的频移不一致的粒子进行滤波。设备的位置被估计为剩余粒子的质心。为了进一步增强鲁棒性，我们以多个频率传输信号，去除异常值，并结合剩余的估计。最后，为使我们的方法一般化，我们应对只有一个扬声器与另一无线设备（例如，Wi Fi）的设备情况。此时我们使用来自不可听声音信号的频移和接收的Wi Fi信号的相位来导出移动设备与扬声器和WiFi传输器的距离。我们应用相同的框架实现实时跟踪设备。
我们利用智能手机和桌面PC上实现了一个原型，我们进行详细的实验和用户研究以演示实时跟踪的可行性和有效性。我们的评估揭示了基于加速度计的跟踪的局限性，与此同时显示了AAMouse的跟踪轨迹误差平均为1.4厘米。这与需要4阵列的RF-IDraw [41]不相上下，与Tagoram[46]中未知的轨迹相比，AAMouse的准确性是其7倍。此外，由于其更直观的使用，我们还表明AAMouse提供了比基于陀螺仪的方法更好的用户体验，后者广泛应用于商用空中鼠标和智能电视遥控控制器中。
论文安排：本文的其余部分组织如下。第2节显示加速度计不足以提供准确的位置信息。第3节描述我们的方法，并在第4节中介绍实现细节。在第5节中对其性能进行评估，我们在第6节中回顾相关工作，并在第7节中得出结论。
2.动机
现有的大多数智能手机配备有MEMS加速度传感器来测量设备的运动。 一个自然的想法是使用设备自带的加速度计进行设备跟踪。本节我们会显示现有的加速度计不能提供高精度跟踪或行使鼠标功能，并阐明其背后的根本原因。
加速度计通常给出三轴输出，使我们可以计算运动的方向和速度。理论上我们可以对加速度积分得到速度再对速度积分得到移动距离。然而众所周知的是基于加速度计的定位只能提供有限的精度[18,26]。下面是用加速度进行设备跟踪的几个基本问题。
- 测量结果很容易受重力的影响。虽然有一些技术可以消除重力的影响，但其精确度仍然受限。
- 基于加速度来计算速度很难（例如，随着设备移动速度达到恒定速度，加速度接近0，设备突然停止时，加速度又很大）。
- 基于加速度估计行驶距离需要双重积分，而一个小测量误差很容易在双重积分过程中被放大。
本节我们进行测量研究，并确认基于加速度的跟踪是容易出错的。我们将在第5节展示更多的基于加速度计的跟踪的用户研究。
为了证明这些问题，我们观察到加速度计测量的加速度包含固有的重力加速度，约为。 当设备平放时，重力仅影响Z轴的加速度，所以X和Y轴加速度为零。但是，手在握住设备时不能避免自然的抖动，从而在所有轴上产生重力加速。这种加速度比由有意运动（例如，在我们的实验中平均约为0.12）引起的加速度大得多，这使得该方法不可靠。
从测量的加速度中去除重力的一种方法是应用高通滤波器[11]。由于重力频率低，所以认为过滤低频加速度有效减少了重力的影响。安卓开发工具包（SDK）提供了一种线性加速度计应用程序编程接口（API），它在高通滤波器之后提供加速度。这有助于以粗略去除重力，但是它仍然不能提供足够的精度来跟踪设备。 有如下两个原因：（i）过滤总是引起额外延迟，（ii）滤波后的残余加速度仍然大到足以导致显著的定位误差。
接下来，我们执行安卓设备中线性加速度的测量，我们使用谷歌 NEXUS 4和三星Galaxy 3。他们的加速度计来自InvenSense [15]，这是几个加速度计制造商之一，它为最新的苹果和许多安卓手机提供加速器，因为InvenSense 微机电系统（MEMS）传感器被认为是最准确的。
我们有3个用户进行实验，加速度计的采样率设定为最高（即200Hz）。 为了知晓实际情况，我们在天花板上附上一个摄像头，并运行一个物体跟踪程序来精确地跟踪手机的移动。
图2（a）显示了当用户手持设备时加速度的快照。为了方便观看，我们只绘制Y轴加速度。用户正在握住设备时，所有设备的加速度平均大小为 。由于设备未被移动，这可以被视作测量噪声引起的。
图2（b）显示了使用者沿一个方向移动设备时的加速度。在这个实验中，用户被要求模仿移动鼠标的速度。设备在1秒钟开始移动，4.3秒时停止。比较（a）和（b），很难准确地指出装置何时开始移动和停止。在运动开始时，它提供了足够高的加速度来计算初始速度，但是随着设备速度接近常数，加速度降低，这使得位置跟踪不可靠。另外，即使在停止运动后，由于减速和滤波噪声，加速度仍然很高。
图2（c）显示了通过加速度的双重积分计算出的距离。我们可以观察到跟踪误差是显着的，方向完全不对。这仅仅只是一次尝试，但这种显著的错误在其它试验中也是常见的。设备移动时的平均加速度为，这与测量噪声没有太大的不同。使用双重积分获得距离会导致小的测量误差得到快速的积累。图2（c）显示了由于累积误差造成设备停止后距离仍在增加。这表明现有的加速度计不能提供足够高的精度来跟踪小幅度的运动。
3.我们的方法
本节展示我们的设备跟踪方法。
3.1 基于多普勒的跟踪
众所周知，多普勒效应是当发送端或接收端移动时信号频率会发生改变的一种现象。不失一般性，我们考虑只有接收端移动而发送端静止。让表示信号的原始频率，表示频移，v和c分别表示接收端相对发送端的移动速度和声波的传播速度。它们有如下关系：
所以如果我们知道和并测得，我们可以利用上述关系估计移动速度。和需要对加速度双重积分得到距离的方法相比，多普勒频移让我们用一次积分的方法更可靠。多普勒效应在任何波段中都可以发生，包括射频和声波。我们用声波实现高精度因为(i)更窄的带宽和(ii)更慢的传播速度。它的窄带宽使得它比射频更容易检测到1Hz中的频移（即，声波用44.1KHz而WiFi用20MHz）。为了提高Wi Fi信号中检测频率偏移的准确性，Wi See [30]提出通过首先解码数据来获得信道估计，然后使用估计信道重新编码重复数据，来降低接收信号的带宽，即使有显著的计算量，Wi See也只能检测到2 Hz的频移。相比之下，我们可以使用声信号实时检测1 Hz频移，即使假设Wi Fi和声信号都能检测1 Hz的频移，由于声波较慢的速度，它估计的精度仍然高于前者。声波在26℃的干燥空气中以346 .6m / s的速度传播。如果我们用17KHz的声波，速度分辨率即为。比较而言，当射频中心频率是2.4GHz，其分辨率为，这是前者的大约六倍。这暗示了同样的移动，用声波测的多普勒频移是射频的6倍，这也让我们能更准确地测移动速度。
此外，可以使用扬声器和麦克风容易地产生和接收声信号，这在电视，Google眼镜、智能手机和智能手表上广泛可用。为了避免对别人的干扰，我们可以产生听不见的声学信号。 在理论上有些人可能听到高达20KHz，我们发现超过17KHz的声音通常听不见。我们可以使用任何以至少44.1 KHz的采样率播放音频文件的设备来轻松发音。
我们进行一个简单的实验，看看我们如何准确地跟踪使用多普勒频移的设备移动。 使用MATLAB，我们生成一个17 KHz正弦音频文件，频域分辨率为1 Hz，并使用普通的PC扬声器播放，并使用谷歌NEXUS 4上的麦克风进行录音。我们在设备向扬声器移动时测量多普勒频移，将在3.2节中详细介绍如何准确计算多普勒频移。图3显示了通过等式1估计的随时间推移的多普勒频移和距离，设备在1秒移动并在2.8秒停止。不像图2所示的基于加速度的测量，它能轻易辨别设备运动的起始与终止时间（比如，多普勒频移在运动时明显在1Hz以上，当停止运动时则在1Hz以下）。此外，由于我们从多普勒频移得到速度并且可以仅通过一次积分就可得到距离，这比通过双重积分得到距离的基于加速度的方法精确度显著提高。如图3（b）所示，最大追踪误差只有0.7cm。
基于以上概念，我们提出如下系统，如图1所示，带有两个扬声器的发射端发送超声波脉冲到移动设备用以跟踪，这个移动设备只要带麦克风就可以，比如只能是手机和手表。为了区分不同扬声器，让它们发送不同频率的声波。刚开始用一个简单的手势或轻敲屏幕以启动设备用于跟踪。移动设备要么在本地处理收到的信号来计算自己的位置，要么通过无线信号（例如，WiFi或蓝牙）传送收到的音频信号给发射端处理。音频信号是一串简单的脉冲编码序列（PCM），典型的每个样本包含16个比特。假设采样率44.1KHz，则每秒音频数据有705.6Kb，这比蓝牙的比特率（即2.1Mbps）低多了[13]。依此应用，可将其转换为光标位置或用于跟踪用户运动的轨迹。
为了实现上述系统有几个重要的问题需要研究解决：
- 如何估计多普勒频移？
- 如何依据多普勒频移估计位置？
- 如何提高系统的鲁棒性？
- 如何确定扬声器的间距？
- 如何决定移动设备的初始位置？
- 如何延伸该方法的应用使其不需要多个扬声器就能控制设备？
下面我们依此解决这些挑战。注意我们的跟踪专注于鼠标使用的二维空间，其他应用可能需要在3-D空间进行跟踪，当有3个以上锚点（例如3个扬声器）时，我们的方法支持3-D跟踪。
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[139924]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
