【技术实现步骤摘要】
本专利技术属于雷达信号处理领域，尤其涉及一种毫米波雷达的手势识别方法。
技术介绍
1、随着人工智能技术的快速发展，人类对人机交互方式的需求日益多样化，追求高效、简单、安全的信息交互方式成为人机交互的主题之一。手势识别作为该领域的一个重要代表，已成为该领域最活跃的研究分支之一。手势识别在各种场景中有着广泛而重要的应用，如车辆控制、智能家居、娱乐游戏等。常见的手势识别解决方案分为可穿戴式传感器和非接触式传感器。可穿戴式传感器存在电池续航时间短、佩戴不舒服等问题。非接触式传感器主要包括光学传感器、wifi传感器和雷达传感器。光学传感器存在不可避免的隐私泄露问题，并且容易受到光线条件的影响。由于wifi信号是专门为通信而设计的，因此分辨率较低，并且难以识别细粒度的运动细节。雷达由于具有非侵入性、高抗干扰性、低功耗、高分辨率和出色的隐私保护等特点，在民用和非民用场景中都有广泛的应用。随着雷达尺寸和成本的不断减小，其便携性和部署便捷性有了显著提高。在各种类型的雷达中，基于调频连续波技术的毫米波雷达由于其高带宽和高频特性，特别适合捕捉手势识别中的细微运动变化。
2、以往的方法涉及从原始雷达信号中提取一类或多类谱图，如距离-多普勒谱图、距离-角度谱图或多普勒-角度谱图，作为手势识别模型的输入。这些谱图通过在不同维度执行快速傅里叶变换而获得，并包含不同类型的物理信息。然而，这些方法的谱图生成部分简单地将雷达信号转换为谱图，所生成的谱图是信息稀疏的，并且包含大量不相关的信息，使它们不能完全地与手势识别任务相匹配。在这种情况下，谱图生成部
3、因此，有必要设计一种基于多维密集手势谱图的毫米波雷达手势识别方法，以解决上述问题。
技术实现思路
1、针对上述技术的不足，本专利技术的目的在于提供一种基于多维密集手势谱图的毫米波雷达手势识别方法，用以解决现有技术中谱图生成部分与手势识别应用之间相关性差，使得谱图中存在大量手势无关信息，影响手势识别的实际应用的问题。
2、为了达到上述目的，本专利技术采取的技术方案如下：
3、基于多维密集手势谱图的毫米波雷达手势识别方法，包括以下步骤：
4、步骤一、使用信号形式为调频连续波的毫米波雷达采集多种预定义的手势动作数据，并将每帧的原始回波数据重组为包含距离维，多普勒维和通道维的三维数据块；
5、步骤二、沿基于步骤一获得的三维数据块的三个维度依次执行快速傅里叶变换，得到距离-多普勒谱图和距离-角度谱图；
6、步骤三、对基于步骤二获得的距离-多普勒谱图执行静态杂波去除方法；
7、步骤四、对基于步骤三获得的距离-多普勒谱图和基于步骤二获得的距离-角度谱图执行非相干累加方法；
8、步骤五、对基于步骤四获得的距离-多普勒谱图执行一种基于最小值和单元平均的恒虚警检测方法；
9、步骤六、对基于步骤五获得的距离-多普勒谱图执行一种快速手势范围定位方法，获得手势范围；
10、步骤七、根据基于步骤六获得的手势范围在距离维上对基于步骤四获得的距离-多普勒谱图和距离-角度谱图进行裁剪；
11、步骤八、根据一种时空融合公式将基于步骤七获得的距离-多普勒谱图和距离-角度谱图转化为多维密集手势谱图mfdrs；
12、步骤九、建立一种基于残差的手势识别模型；
13、步骤十、将基于步骤八获得的所有多维密集手势谱图划分为训练集和测试集，使用训练集训练步骤九所述的基于残差的手势识别模型，并使用测试集对步骤九所述的基于残差的手势识别模型进行测试。
14、进一步地，所述步骤二中距离-多普勒谱图和距离-角度谱图的获取方式为，首先沿基于步骤一获得的三维数据块的距离维执行快速傅里叶变换提取动态手势的距离信息，再沿多普勒维执行快速傅里叶变换提取动态手势的速度信息，再沿通道维执行快速傅里叶变换提取动态手势的角度信息。
15、进一步地，所述步骤三中静态杂波去除方法的具体表达式为：
16、
17、r[m,n]＝r[m,n]-c[m]
18、其中，m为距离维的采样点，i为多普勒维的采样点。
19、进一步地，所述步骤五中一种基于最小值和单元平均的恒虚警检测方法为，首先在距离维使用基于最小值的恒虚警检测方法，再根据检测到的目标点在对应的多普勒维使用基于单元平均的恒虚警检测方法。
20、进一步地，所述步骤六的一种快速手势范围定位方法为逐帧沿距离维和速度维确定手势目标点，并根据手势目标点确定手势范围。
21、进一步地，当该采样点的值在距离维和多普勒维上均大于最近采样点时，该采样点被确定为手势目标点。
22、进一步地，所述步骤八的多维密集手势谱图mfdrs包含距离维、时间维和两个通道，所述一种时空融合公式的具体表达式为：
23、
24、其中，为基于步骤七获得的第t帧的距离-多普勒谱图在距离维索引为r和速度维索引为v时的取值，velocityv为索引为v时的实际径向速度，为基于步骤七获得的第t帧的距离-角度谱图在距离维索引为r和角度维索引为a时的取值，anglea为索引为a时的实际极坐标角度。
25、进一步地，所述步骤九的一种基于残差的手势识别模型的由卷积层、池化层和四个残差块组成，每个残差块由多个卷积层、归一化层和激活层组成，残差块内及残差块间包含残差连接。
26、与现有技术相比，本专利技术的优点在于：以手势识别为目标的生成特定的多维密集手势谱图，所得到的手势谱图仅包含与手势相关的信号，而不包含静态环境信息和其他无关干扰和噪声，所使用的基于残差的手势识别模型有效提高了手势识别的准确率。
本文档来自技高网...【技术保护点】
1.基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，所述步骤二中距离-多普勒谱图和距离-角度谱图的获取方式为，首先沿基于步骤一获得的三维数据块的距离维执行快速傅里叶变换提取动态手势的距离信息，再沿多普勒维执行快速傅里叶变换提取动态手势的速度信息，再沿通道维执行快速傅里叶变换提取动态手势的角度信息。
3.根据权利要求1所述的基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，所述步骤三中静态杂波去除方法的具体表达式为：
4.根据权利要求1所述的基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，所述步骤五中一种基于最小值和单元平均的恒虚警检测方法为，首先在距离维使用基于最小值的恒虚警检测方法，再根据检测到的目标点在对应的多普勒维使用基于单元平均的恒虚警检测方法。
5.根据权利要求1所述的基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，所述步骤六的一种快速手势范围定位方法为逐帧沿距离维和速度维确定手势目标点，
6.根据权利要求5所述的基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，当该采样点的值在距离维和多普勒维上均大于最近采样点时，该采样点被确定为手势目标点。
7.根据权利要求1所述的基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，所述步骤八的多维密集手势谱图MFDRS包含距离维、时间维和两个通道，所述一种时空融合公式的具体表达式为：
8.根据权利要求1所述的基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，所述步骤九的一种基于残差的手势识别模型的由卷积层、池化层和四个残差块组成，每个残差块由多个卷积层、归一化层和激活层组成，残差块内及残差块间包含残差连接。
...【技术特征摘要】
1.基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，所述步骤二中距离-多普勒谱图和距离-角度谱图的获取方式为，首先沿基于步骤一获得的三维数据块的距离维执行快速傅里叶变换提取动态手势的距离信息，再沿多普勒维执行快速傅里叶变换提取动态手势的速度信息，再沿通道维执行快速傅里叶变换提取动态手势的角度信息。
3.根据权利要求1所述的基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，所述步骤三中静态杂波去除方法的具体表达式为：
4.根据权利要求1所述的基于多维密集手势谱图的毫米波雷达手势识别方法，其特征在于，所述步骤五中一种基于最小值和单元平均的恒虚警检测方法为，首先在距离维使用基于最小值的恒虚警检测方法，再根据检测到的目标点在对应的多普勒维使用基于单元平均的恒虚警检测方法。<...
【专利技术属性】
技术研发人员：黄庭培，王昊天，高荣宇，刘建航，李世宝，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：
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。