智能人体感应方法技术

本发明专利技术公开了一种智能人体感应方法，包括如下步骤：S1，通过5.8G微波多普勒雷达连续采集人体运动参数，经模/数转换后得到数字信号，将所述数字信号传递至数字信号处理DSP模块，由DSP模块对所述数字信号进行傅里叶变换，得到数字信号的频域特征曲线；S2，在MCU中建立BP人工神经网络；S3，再次进行步骤S1的操作，通过BP神经网络对新获得的信号频域特征曲线进行分析，得出是否有人体运动的结果；S4,用户对检验结果进行校对；S5，MCU模块将得到的结果及校对结果上报至上位机对神经网络进行再训练。厂家通过用户应用的雷达人体感应系统反馈的结果对其搭建的人工神经网络持续的进行修正和完善，从而持续提高雷达人体感应系统的检测精度。

Intelligent human body induction method

The invention discloses an intelligent human body inductive method, which comprises the following steps: S1, continuous acquisition of human motion parameters by 5.8G microwave Doppler radar, the analog-to-digital conversion is obtained after the digital signal, the digital signal is transmitted to the DSP digital signal processing module, the digital signal is obtained by DSP Fourier transform module. The frequency characteristic curve of the digital signal; S2, a BP artificial neural network in MCU; S3, step S1 operation again, using BP neural network to analyze the signal frequency characteristic curve obtained, that is the result of human motion; S4, user check of test results; S5, MCU module the results obtained and submitted to the re check results of neural network training machine. Through the application of the feedback of the human body induction system, the artificial neural network is continuously revised and perfected, so as to improve the detection accuracy of the radar system.

【技术实现步骤摘要】

本专利技术涉及感应探测领域，尤其涉及一种能够准确识别人体的智能人体感应方法。
技术介绍
现有的基于微波多普勒效应的人体感应雷达已经大量应用到生活中，例如走廊灯。随着人们生活水平的提高，智能家居系统在逐渐走进人们的生活，其中智能照明，安防等设施都需要准确判断人的存在。目前市场上的微波多普勒雷达仅仅对反射波做了简单处理，因此易受干扰，误判率高，不宜在家庭环境使用。
技术实现思路
针对上述现有技术中的缺点和不足，本专利技术的目的在于提供一种借助对反射信号能够智能判断的微波雷达实现的智能人体感应方法，提高对人体运动的判断精度，使借助微波雷达形成的雷达人体感应器能在家庭环境下使用。本专利技术的目的是通过以下技术方案实现的：一种智能人体感应方法，包括如下步骤：S1，通过毫米波生物雷达连续采集生命体生命信号参数，经AD转换后将数字信号传递至DSP模块，DSP模块对数字信号进行傅里叶变换，得到数字信号的频域特征曲线；S2，多次进行步骤S1的操作后获得大量输入/输出样本对集群，通过BP算法建立人工神经网络；S3，再次进行步骤S1的操作，DSP模块利用人工神经网络对新获得的信号频域特征曲线进行分析，得出是否有人体运动的结果；S4，DSP模块将得到的结果上报至上位机。优选地，在步骤S4之后还包括降低人工神经网络误差的操作：S5，多台上位机将其获得的结果上传至云服务器；S6，通过对云服务器中汇总得到的结果进行匹配判断：S601，所述结果对应的输入样本a和输入样本与输入/输出样本对集群中的一个输入/输出样本对匹配，保留该输入/输出样本对；S602，所述结果对应的输入样本a与输入/输出样本对集群中的一个输入/输出样本对的输入样本匹配而输出样本不匹配，进入到步骤S7；S603，所述结果对应的输入样本a与输入/输出样本对集群中的所有输入/输出样本对的输入样本均不匹配，进入到步骤S8；S7，对云服务器中存储的与步骤S602中的输入样本a相同的输入样本进行统计分析，获得输入样本a对应的输出样本与输入样本a对应的输入/输出样本对集群中的输入/输出样本对中的输出样本匹配率，若匹配率处于60％～85％，则对人工神经网络中的各层权值进行调整，使输入样本a及其对应的输出样本与输入/输出样本对集群中的输入/输出样本对的匹配率大于85％；剔除人工神经网络中实际匹配率不高于60％的输入/输出样本对；S8，对云服务器中存储的与步骤S603中获得的输入样本a相同的输入样本进行统计分析，获得输入样本a对应的输出样本的比例，若比例不低于85％，则将输入样本a与对应的高于85％比例的输出样本作为新的输入/输出样本对中加入到输入/输出样本对集群中。优选地，上位机通过I2C协议从云服务器下载新的输入/输出样本对集群形成新的人工神经网络。与现有技术相比，本专利技术实施例至少具有以下优点：采用本专利技术智能人体感应方法进行人体感应的雷达人体感应器可以在家庭环境中使用。厂家通过用户应用的雷达人体感应系统反馈的结果对其搭建的人工神经网络不断的进行修正和完善，从而维持雷达人体感应系统的高精度性。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例对本专利技术要求保护的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。因此，以下对本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。下面详细描述本专利技术的实施例，实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。结合实施例对本专利技术作进一步详述：本专利技术的智能人体感应方法，包括如下步骤：S1，通过毫米波生物雷达连续采集生命体生命信号参数，经模/数(A/D)转换后得到数字信号，将所述数字信号传递至数字信号处理(DSP)模块，由DSP模块对所述数字信号进行傅里叶变换，得到数字信号的频域特征曲线；S2，多次进行步骤S1的操作后获得大量输入/输出样本对集群，通过BP算法建立人工神经网络；S3，再次进行步骤S1的操作，DSP模块利用人工神经网络对新获得的信号频域特征曲线进行分析，得出是否有人体运动的结果；S4，DSP模块将得到的结果上报至上位机。这里，所述DSP模块，可以是单片机、微控制器或其他微处理器。在步骤S4之后还包括降低人工神经网络误差的操作：S5，多台上位机将其获得的结果上传至云服务器。S6，通过对云服务器中汇总得到的结果进行匹配判断的步骤。所述步骤S6具体包括如下子步骤：S601，所述结果对应的输入样本a和输入样本与输入/输出样本对集群中的一个输入/输出样本对匹配，保留该输入/输出样本对；S602，所述结果对应的输入样本a与输入/输出样本对集群中的一个输入/输出样本对的输入样本匹配而输出样本不匹配，进入到步骤S7；或者，S603，所述结果对应的输入样本a与输入/输出样本对集群中的所有输入/输出样本对的输入样本均不匹配，进入到步骤S8。S7，对云服务器中存储的与步骤S602中的输入样本a相同的输入样本进行统计分析，获得输入样本a对应的输出样本与输入样本a对应的输入/输出样本对集群中的输入/输出样本对中的输出样本匹配率，若匹配率处于60％～85％，则对人工神经网络中的各层权值进行调整，使输入样本a及其对应的输出样本与输入/输出样本对集群中的输入/输出样本对的匹配率大于85％；剔除人工神经网络中实际匹配率不高于60％的输入/输出样本对；或者，S8，对云服务器中存储的与步骤S603中获得的输入样本a相同的输入样本进行统计分析，获得输入样本a对应的输出样本的比例，若比例不低于85％，则将输入样本a与对应的高于85％比例的输出样本作为新的输入/输出样本对中加入到输入/输出样本对集群中。上位机通过I2C协议从云服务器下载新的输入/输出样本对集群形成新的人工神经网络。用户可以通过网络从厂家处随时获取其搭建的最新的人工神经网络，用以保证在家庭中使用的雷达人体感应器。具体地步骤如下：S1，通过5.8G微波多普勒雷达连续采集人体运动参数，经模/数转换后得到数字信号，将所述数字信号传递至数字信号处理DSP模块，由DSP模块对所述数字信号进行傅里叶变换，得到数字信号的频域特征曲线；S2，在MCU中建立BP人工神经网络；S3，再次进行步骤S1的操作，通过BP神经网络对新获得的信号频域特征曲线进行分析，得出是否有人体运动的结果；S4，对检验结果进行校对；S5，MCU模块将得到的结果及校对结果上报至上位机对神经网络进行再训练。采用本智能人体感应方法进行人体感应的雷达人体感应器可以在家庭环境中使用。厂家通过用户应用的雷达人体感应系统反馈的结果对其搭建的人工神经网络不断的进行修正和完善，从而维持雷达人体感应系统的高精度性。以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本专利技术的保护范围之内。因此，本专利技术的保护范围应该以权利要求书的保护范围为准。本文档来自技高网...

【技术保护点】
一种智能人体感应方法，其特征在于，包括如下步骤：S1，通过毫米波生物雷达连续采集生命体的生命信号参数，经模/数转换后得到数字信号，将所述数字信号传递至数字信号处理DSP模块，由DSP模块对所述数字信号进行傅里叶变换，得到数字信号的频域特征曲线；S2，多次进行步骤S1的操作后获得大量输入/输出样本对集群，通过BP算法建立人工神经网络；S3，再次进行步骤S1的操作，DSP模块利用人工神经网络对新获得的信号频域特征曲线进行分析，得出是否有人体运动的结果；S4，DSP模块将得到的结果上报至上位机。

【技术特征摘要】
1.一种智能人体感应方法，其特征在于，包括如下步骤：S1，通过毫米波生物雷达连续采集生命体的生命信号参数，经模/数转换后得到数字信号，将所述数字信号传递至数字信号处理DSP模块，由DSP模块对所述数字信号进行傅里叶变换，得到数字信号的频域特征曲线；S2，多次进行步骤S1的操作后获得大量输入/输出样本对集群，通过BP算法建立人工神经网络；S3，再次进行步骤S1的操作，DSP模块利用人工神经网络对新获得的信号频域特征曲线进行分析，得出是否有人体运动的结果；S4，DSP模块将得到的结果上报至上位机。2.根据权利要求1所述的智能人体感应方法，其特征在于，在步骤S4之后还包括降低人工神经网络误差的操作：S5，多台上位机将其获得的结果上传至云服务器；S6，通过对云服务器中汇总得到的结果进行匹配判断的步骤；S7，对云服务器中存储的与输入样本a相同的输入样本进行统计分析，获得输入样本a对应的输出样本与输入样本a对应的输入/输出样本对集群中的输入/输出样本对中的输出样本匹配率，若匹配率处于60％～85％，则对人工神经网络中的各层权值进行调整，使输入样本a及其对应的...

【专利技术属性】
技术研发人员：赵军，陶承鹏，
申请(专利权)人：上海易符智能科技有限公司，
类型：发明
国别省市：上海;31