形状各向异性对垂直磁隧道结磁化动态的影响

纳米磁性结构内磁矩翻转动态特性对于磁存储以及自旋电子学的研究具有十分重要的意义。基于Landau-Lifshitz-Gilbert(LLG)方程,研究了垂直磁各向异性(PMA)磁隧道结(MTJ)的自由层尺寸及磁矩倾角对磁矩翻转动力学特性的影响。具体讨论了宏自旋(Macrospin)模型中自由层的形状和尺寸对磁矩翻转特性的影响,给出了自由层磁矩翻转时间与阈值电流密度随自由层长度、厚度变化的特征。同时也分析了自由层磁矩倾角对磁矩翻转时间及阈值电流密度的影响。结果表明,在垂直MTJ结构中,小的磁矩倾角及合适的自由层长厚比可以大幅度地缩短磁矩翻转时间及减小所需阈值电流密度。     

基于DTW算法的肌电信号手势识别方法

为了提高肌电信号手势识别算法的准确度,增强实时性,提出了一种基于动态时间规整（DTW）算法的手势识别方法,该方法利用肌电信号（EMG）对个体间的手势进行识别。首先,采用滑动平均能量的方法对原始的EMG信号进行数据分割,探测有效动作;其次,对于分割的数据段使用平均绝对值（MAV）来提取信号特征;最后,用DTW算法将8维的EMG信号融合并计算测试样本和模版的相似度,其中采用了DTW算法寻找规整路径的方法进行了模板制作,实现了个体间的手势识别。实验结果表明,使用DTW算法对肌电信号进行手势识别,其动作识别的准确率达到96.09%,该方法计算速度快,实时性强。     

基于肌电信号和加速度信号的动态手势识别方法

为了增强手势识别的多样性和简便性,提出了一种基于肌电信号（EMG）和加速度（ACC）信息融合的方法来识别动态手势。首先,利用MYO传感器采集EMG和ACC的手势动作信息;然后分别对ACC和EMG信号作特征降维和预处理;最后,为减少训练样本数,提出用协作稀疏表示分类器来识别基于ACC信号的姿态手势,用动态时间规整（DTW）算法和K-最邻近分类器（KNN）来分类EMG信号的手形手势。其中在利用协作稀疏表示分类器识别ACC姿态信号时,通过对创建字典最佳样本个数以及特征降维的维数进行研究来降低手势识别的复杂度。实验结果表明,手形手势的平均识别率达到了99.17%,对于向上向下、向左向右4种姿态手势平均识别率达到 96.88%,而且计算速度快;对于总体的12个动态手势,其平均识别率达到96.11%。该方法对动态手势的识别率较高,计算速度快。