收稿日期：2023-04-12基金项目：商洛学院科研基金项目（21SKY003）；陕西省教育厅专项科研计划项目（22JK0365）作者简介：张乐，男，陕西山阳人，硕士，助教GestureRecognitionBasedonMEMSInertialSensorZHANGLe,CHENLe-Xiang(CollegeofElectronicInformationandElectricalEngineering,ShangluoUniversity,Shangluo726000,Shaanxi)Abstract:AnovelgesturerecognitionmodelarchitecturewasproposedbasedongatedrecurrentneuralnetworkfortheutilizationofMEMSinertialsensorswithleveragingsmartphonesascarriersequippedwithbuilt-inMEMSinertialsensors,gesturemotiondatawasrequiredtoconstructtheLSTM-Dmodelbasedonthelongshort-termmemory(LSTM)network,aswellastheGRU-Dmodelbasedongatedrecurrentunit(GRU)network.Bothmodelsdemonstrateeffectivegesturerecognitioninthree-dimensionalspace.Ourevaluationonaself-builtdatasetshowcasesdesirableclassificationperformance,withtheLSTM-DandGRU-Dmodelsachievingaccuraciesof81%and85%,respectively.In-depthanalysisrevealsthattheGRU-DmodeloutperformstheLSTM-Dmodel,exhibitingreducedparameterization,shortertrainingtime,fasterandmoreaccuraterecognition,andenhancedstability.ThesefindingsprovidevaluableinsightsforadvancingthefieldofgesturerecognitionresearchemployingMEMSinertialsensors.Keywords:inertialsensor;deeplearning;recurrentneuralnetwork;gesturerecognitiondoi:10.13440/j.slxy.1674-0033.2023.04.006第37卷第4期２０23年8月商洛学院学报ＪｏｕｒｎａｌｏｆＳｈａｎｇｌｕｏＵｎｉｖｅｒｓｉｔｙVol．37Ｎｏ．4Aug.２０23基于MEMS惯性传感器的手势识别张乐，陈乐翔（商洛学院电子信息与电气工程学院，陕西商洛726000）������������摘要：针对基于MEMS惯性传感器的手势识别问题，提出了一种基于门控循环网络的手势识别模型架构。以智能手机为载体，通过其内置的MEMS惯性传感器获取手势运动数据，构建了基于LSTM网络的LSTM-D模型和基于GRU网络的GRU-D模型，实现了在三维空间中的手势识别。提出的两种模型均有较好的分类效果，在自建数据集上，LSTM-D模型和GRU-D模型分别可获取81%和85%的准确率，综合分析发现GRU-D模型参数更少，训练时间更短，模型识别更快更准确，模型的稳定性更高，为基于MEMS惯性传感器的手势识别研究提供了一定的参考价...
