一种基于微多普勒特征的动态连续/非连续手势识别方法技术
【技术实现步骤摘要】
本专利技术属于雷达
和人机交互领域，，具体涉及一种基于微多普勒特征的动态连续/非连续手势识别方法。
技术介绍
人机交互，即人与计算机实现“对话”的有效方法。随着计算机应用范围的拓展，人机交互技术也从鼠标键盘等工具向人类更熟知的语音、手势等方向发展。作为人与人交流的重要手段，手势识别技术得到越来越多的关注。目前比较成熟的手势识别技术均选用视频获取图像的方法进行信息采集，进而获取信号特征来实现各种手势的识别。然而，基于视频的手势识别技术在光照条件不好的情况下难以保证良好性能。雷达多普勒效应在目标运动参数估计方面具有优异表现，使其在军用、民用方面获得广阔的应用前景。目标在运动过程中经常会伴随着微运动，如人体走动或跑动时四肢的运动，直升机飞行时旋翼的转动等，这些微运动在雷达回波中反应为多普勒频移上引起的额外的频率调制，这种微动对雷达回波的调制被称为微多普勒效应。微多普勒效应自2004年提出以来，在人体运动、旋翼等目标微运动研究方面取得显著成绩。微多普勒效应是对随时间变化信号的频率估计。为了分析时变频率特性，傅里叶变换已不再适用，因为它不能提供与时间有关的频率信息。短时傅里叶变换(STFT，short-timeFouriertransform)作为时频分析的常用工具，其主要思想是给信号加窗，将加窗后的信号再进行傅里叶变换，加窗后使得变换为时间t附近的很小时间上的局部谱，窗函数可以根据t的位置变化在整个时间轴上平移，从而利用窗函数可以得到任意位置附近的时间段频谱实现时间局域化。STFT在微多普勒信号分析中得到广泛应用。支持向量机(SupportVectorMa...
【技术保护点】
一种基于微多普勒特征的动态连续/非连续手势识别方法，其特征在于，该方法首先通过雷达采集动态连续/非连续手势数据，即时域雷达信号；随后对时域雷达信号进行时频分析得到回波信号的多普勒频率随时间变化图像，即每组数据的时频图；通过对每组数据的时频分析结果进行噪声滤除和特征提取，得到手势动作的相关特征；最后由支持向量机实现对手势动作的识别分类。
【技术特征摘要】
1.一种基于微多普勒特征的动态连续/非连续手势识别方法，其特征在于，该方法首先通过雷达采集动态连续/非连续手势数据，即时域雷达信号；随后对时域雷达信号进行时频分析得到回波信号的多普勒频率随时间变化图像，即每组数据的时频图；通过对每组数据的时频分析结果进行噪声滤除和特征提取，得到手势动作的相关特征；最后由支持向量机实现对手势动作的识别分类。2.如权利要求1所述的方法，其特征在于，该方法...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。