Использование методов анализа данных при разработке адаптивного драйвера манипулятора

• Автор: Пономарев, Дмитрий Иванович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Москва
• Количество страниц: 107 с. : ил.

СОДЕРЖАНИЕ
Введение

Актуальность темы

Цель работы

Методы исследования

Практическая значимость исследования

Положения, выносимые на защиту

Глава 1. Проблемы разработки драйвера дистанционного манипулятора на

основе МЕМБ-акселерометра и задачи анализа данных

Глава 2. Использование ЕМ-алгоритма в Байесовской фильтрации

управляющих сигналов манипулятора

Линейная динамическая система с дискретным временем
Сглаживающий фильтр Калмана
ЕМ-алгоритм
ЕМ-алгоритм для ЛДС с дискретным временем
Использование ЕМ-алгоритма для обучения нелинейной динамической системы с
дискретным временем
Нелинейная Байесовская фильтрация управляющих сигналов манипулятора
Глава 3. Использование ЕМ-алгоритма в Марковской модели непрерывного
профиля для синхронизации сигналов манипулятора
Марковская модель непрерывного профиля
Обучение модели посредством ЕМ-алгоритма
Синхронизация сигналов манипулятора
Глава 4. Использование метода Прони и методов обнаружения паттернов в компонентах управляющих сигналов манипулятора для идентификации жестов
оператора
Аппроксимация сегментов временных рядов по методу Прони
Использование алгоритмов сокращения размерности пространства поиска для
обнаружения паттернов временного ряда
Обнаружение паттернов в записях сигналов дистанционного манипулятора с
прецизионным акселерометром
Использование алгоритма ОТУ для обнаружения паттернов

Г лава 5. Использование ЕМ-алгоритма для абстракции данных при обнаружении синхронных паттернов - жестов оператора в трехмерных
управляющих сигналах манипулятора
Алгоритм К-средних в оптимизационной постановке
Алгоритм К-теат++
Кластеризация данных на основе ЕМ-алгоритма
Алгоритмы поиска последовательных эпизодов
Обнаружение паттернов управляющего сигнала дистанционного манипулятора на
основе абстракции данных
Ускорения вычислений при обнаружении паттернов многомерных временных рядов с
использованием МУЮМСиБА
Анализ главных компонент
Анализ независимых компонент
Заключение
Список использованных источников

Введение
Актуальность темы
В последнее время широкое распространение получают дистанционные манипуляторы, передающие движения руки оператора в трехмерном пространстве. Примерами таких устройств являются манипуляторы типа «мышь», позволяющие отслеживать движения руки в трехмерном пространстве, игровые джойстики, передающие движения оператора в трехмерном пространстве, системы виртуальной реальности, различного рода указатели для проведения презентаций, роботизированные системы для проведения хирургических операций и т.д. При разработке дистанционных манипуляторов возникают задачи, связанные с созданием интеллектуального драйвера, способного отслеживать такие движения. В данной работе рассматриваются проблемы, которые возникают при разработке интеллектуального драйвера. К ним относятся задачи фильтрации шумов, синхронизации управляющих сигналов, а также задачи поиска паттернов в управляющих сигналах, являющихся следами жестов оператора.
Цель работы
Целью диссертационной работы является решение задач, связанных с разработкой интеллектуального драйвера дистанционного манипулятора, способного отслеживать движения руки оператора в трехмерном пространстве, а также классифицировать жесты оператора и строить портрет действий оператора.
Для этого решаются следующие задачи:
1. создание математических моделей анализа управляющих сигналов манипулятора с целями идентификации паттернов, представляющих жесты оператора;
2. выявление на основе моделей требуемых характеристик вычислительных алгоритмов и комплексов программ;

подтверждается визуально. Поэтому, компонента х[1] на рис.2.7а представляет результат нелинейной Байесовской фильтрации исходного сигнала у на рис.2.5а.
Глава 3. Использование ЕМ-алгоритма в Марковской модели непрерывного профиля для синхронизации сигналов манипулятора
В данной главе рассматривается задача синхронизации сигналов, получаемых от нескольких независимых датчиков, установленных на печатной плате манипулятора. Так как в цепях питания акселерометров присутствуют электрические шумы, а также из-за неточной калибровки датчиков, показания акселерометров могут отличаться друг от друга. Для восстановления управляющего сигнала манипулятора в данной работе используется Марковская модель непрерывного профиля, параметры которой оцениваются при помощи алгоритма ожидания и максимизации правдоподобия.
Марковская модель непрерывного профиля
Рассмотрим набор из К временных рядов х* = {хк ,хк2>—,хк„) • При этом
частота дискретизации не обязана быть одинаковой для различных временных рядов из данного набора. Более того, она может не быть постоянной в пределах одного временного ряда к. Для удобства считаем, что ТУ* = N для всех к. Данное ограничение не является требованием данной модели. Ее можно распространить и на случай различных Мк. Модель непрерывного профиля задается следующим образом: предполагается, что существует скрытая
последовательность, г = (г],г2,...,гм), каноническое представление набора зашумленных входных данных [22]. Любой временной ряд из данного набора моделируется как неравномерно во времени формируемая версия скрытой последовательности, к которой применены локальные преобразования масштаба. В идеальном случае М должно быть бесконечно большим, чтобы