摘 要

本文主要介绍基于单片机的手写识别系统。首先通过方案论证确定了本系统所采用的主控器（STM32F407ZET6）、触摸屏（4.3寸TFTLCD）。然后根据软件部分，硬件部分和算法部分进行相应的研究。硬件部分就STM32F407ZET6单片机的最小系统、TFT触摸屏的接口电路进行分析；软件部分使用C语言编写完成，算法采用了基本的BP神经网络算法。并对上述各硬件模块的软件编程进行分析。最后，对本系统调试，功能演示等进行了说明。

本系统最终实现了对于简单数字的手写识别功能，能够通过对触摸屏上指定的区域进行书写，并且在指定的显示区域内显示识别的结果，基本达到了论文设计的目的。

关键词：手写识别系统 单片机 触摸屏 神经网络

Handwriting Recognition System Based on MCU

Abstract

This paper mainly introduces the handwriting recognition system based on MCU. First of all, through the program to determine the system used by the master (STM32F407ZET6), touch screen (4.3-inch TFTLCD). And then according to the software part, the hardware part and the algorithm part carries on the corresponding research. Hardware part of the STM32F407ZET6 microcontroller minimum system, TFT touch screen interface circuit analysis; software part of the preparation of the use of C language, the algorithm uses a basic BP neural network algorithm. And the software modules of the above hardware modules for analysis. Finally, the system debugging, functional demonstration, etc. were described.

The system finally realized the simple digital handwriting recognition function, through the touch screen on the designated area to write, and in the specified display area to display the identification of the results, basically reached the purpose of the paper design.

Key Words: handwriting recognition system; MCU; touch screen; neural network

目录

摘 要 I

Abstract II

第一章 绪论 1

1.1 研究背景和意义 1

1.2 论文研究的内容 1

1.3 研究现状 2

1.4 内容安排 2

第二章 系统总体方案设计 3

2.1 总体方案 3

2.2 主控制器的选择 3

2.3 触摸屏的选择 4

2.4 手写识别算法的选择 5

2.4.1 LDA降维算法 5

2.4.2 BP神经网络算法 7

2.4.3 比较与选择 8

第三章 系统硬件电路设计 10

3.1 STM32F407最小系统 10

3.1.1 电源电路 10

3.1.2 IO口 11

3.1.3 复位电路 11

3.1.4 USB串口电路 12

3.2 触摸屏接口电路 12

3.3 单片机IO的资源分配 15

第四章 系统软件设计 17

4.1 概述 17

4.2 软件编程的整体设计方案 17

4.3 LCD模块子程序设计 18

4.4 BP神经网络手写识别算法设计 21

4.5 数字手写识别系统主要代码设计 26

第五章 系统的综合调试 29

第六章 总结与展望 31

参考文献 33

致 谢 34

第一章 绪论

1.1 研究背景和意义

手写识别处理分为手写文字信息和手写的数据信息。在文字信息中，主要处理的是全世界各个地区不同的语言文字信息和不同的文化符号，在文字方面，印刷体等方面技术已经成熟，并且有许多应用程序应运而生。不同于文字信息，数据信息是以阿拉伯数字为主组成。在处理以数据信息为主的内容时，使用手写数字识别计算就是研究此内容的核心手段。如果能够通过这项研究技术实现信息的众多智能交互功能，无疑将对社会的发展产生极大的促进作用。

在手写识别这一个研究领域中，手写体数字识别是进入这一个领域进行学习研究的一个入门学习内容。首先，阿拉伯数字作为世界通用符号，简单易懂，十分适合模式识别的初始阶段研究。同时，数字的应用相当广泛，从我们身边的快递单号，手机号码，银行卡号等等，都无时无刻影响着我们的日常生活，通过对手写数字的研究，更对于我们进一步研究复杂的字母识别，汉字识别等能够奠定坚实的基础。

经过长时间的发展，手写识别已经日趋完善，从我们日常生活利用手机触摸屏进行手写文字输入，在画画面板上进行简单的绘画并且识别图案的意思等都可以看出，手写识别对于我们的生活的重要意义。但是，即使当前的手写识别技术已经能够帮我们解决许多生活中的不便，可是仍然有许多不便的地方。毕竟机器不能完全的模拟人类的大脑去进行过多的思维活动，这也是如今困扰研究领域人员的一个重要课题。

1.2 论文研究的内容

本文主要研究基于单片机和神经网络算法的手写数字识别系统。本系统主要是采用STM32F407ZET6单片机作为主控器。一方面，通过软件编程来控制TFT触摸屏触摸功能的响应和进行相应的显示，从而实现手写输入等相关功能；另一方面，通过对识别算法的设计，实现对采集数据的分析并且识别相应的字符。

1.3 研究现状

根据目前手写识别研究的状况，主要的状况仍然集中在了传统的算法只能让机器拥有一般的识别模式，它无法像人类的大脑一样，通过对文字的识别，可以学习文字表达的种种意思，感知其中包含的各种复杂情感。随着近些年人工神经网络，深度学习和机器学习的火热，科研工作者开始将其应用在了模式识别领域，希望通过这种方式，来进一步强化识别的相关算法，寄希望能够进一步模拟人类大脑的复杂感知能力。

在现阶段的研究过程中，人工神经网络是最常用做设计手写识别算法的核心。这其中包括了反向传播人工神经网络，循环卷积人工神经网络等等。同时在设计这些神经网络模型时，渐渐朝着隐含层的增加，自学习能力等等功能靠拢。这样也就大大增加了识别领域的丰富性。传统的手写识别只能识别手写字符的相关意义，而随着近年来人工神经网络的快速发展，除了字符的相关意义外，有关手写人的情感倾向等等更复杂的因素也能识别出来。

相关图片展示：