一种基于FMCW雷达的低复杂度多手势识别方法及系统技术方案

本发明专利技术公开一种基于毫米波雷达的低复杂度多手势识别方法与系统，PC端对接收到的数字信号，通过2D

【技术实现步骤摘要】
一种基于FMCW雷达的低复杂度多手势识别方法及系统


[0001]本专利技术属于数字信号处理领域，具体涉及一种基于FMCW雷达的低复杂度多手势识别方法及系统。

技术介绍

[0002]自然用户界面在过去几年一直是学术界和工业界积极研究的领域。多种传感技术已用于与计算设备无缝交互。手势识别已经成人机交互的重要组成部分，其研究发展影响着人机交互的自然性和灵活性。
[0003]手势检测和识别是用户做出手势动作时，电子设备采集手势动作数据后，对数据进行分析和处理完成手势动作的分类和识别。电子设备能够采集的数据来源主要包括RGB图像、红外图像、深度图像、陀螺仪和加速器传感器数据以及电磁波无线信号数据。手势检测和识别的研究涉及计算机视觉、图像处理、模式识别、机器学习、通信以及传感器技术等多个学科和领域。此外，由于手势检测和识别技术具有十分广泛的应用，且该技术在智能设备上的应用会带来巨大的商业价值。因此，手势识别技术是工业界和学术界的研究热点。
[0004]雷达是一种通过发射和接收电磁波探测目标的无线电技术，其应用范围比较广泛，随着信号处理技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于FMCW雷达的低复杂度多手势识别方法,其特征在于，包括如下步骤：S1、采集手部的手势动作，获得各个手势动作对应的FMCW雷达信号数据；S2、根据FMCW雷达信号数据，计算其发射信号、接收信号，并对接收信号进行模数转换；S3、对模数转换后的接收信号进行2D
‑
FFT处理，之后进行非相干相加，获得距离和多普勒解析热图；从距离和多普勒解析热图中提取关于信号幅度的特征，获得雷达预设参数的第一特征向量集合；S4、对接收信号依次进行三维FFT处理和二维FFT处理，获得关于发射信号和接收信号的方位角、仰角的第二特征向量集合，将第一特征向量集合与第二特征向量集合融合，构成融合特征集合；S5、对融合特征集合按照预设比例划分为训练集、验证集、测试集，以训练集中各个特征为输入、其对应的手势动作为输出构建并训练手势识别模型。2.根据权利要求1所述的一种基于FMCW雷达的低复杂度多手势识别方法,其特征在于，步骤S2包括对FMCW雷达信号数据采用锯齿波调制方式，按如下公式计算其发射信号：其中，f
c
代表载波的中心频率，f
T
(τ)代表长度为T为锯齿波信号在一个周期内的持续时间，A
T
是发射信号的幅值。3.根据权利要求1所述的一种基于FMCW雷达的低复杂度多手势识别方法,其特征在于，步骤S2包括对FMCW雷达信号数据采用锯齿波调制方式，按如下公式计算其接收信号：其中，A
R
代表回波信号幅值，f
c
代表载波频率，Δt
d
表示从发射信号发出到接收到回波信号的飞行时延，f
R
(τ)为回波信号频率。4.根据权利要求3所述的一种基于FMCW雷达的低复杂度多手势识别方法,其特征在于，步骤S3中，第一特征向量集合包括：加权距离：用于检测手的位置；加权多普勒：用于检测手的速度质心；瞬时能量：I＝∑
i
Z
i
，用于检测手的存在；加权距离离散：该指标用于计算加权距离值的变化范围；加权多普勒离散：该指标用于计算出加权多普勒的变化范围；其中，i为RDI数据的索引，Z
i
为第i个幅度值，R
i
为第i个距离值，D
i
为第i个索引对应的多普勒值。5.根据权利要求4所述的一种基于FMCW雷达的低复杂度多手势识别方法,其特征在于，步骤S4中获得第二特征向量集合，包括如下子步骤：S401、对接收信号进行三维FFT处理，并对应获得发射信号和接收信号的峰值索引；S402、根据接收信号的峰值索引，获得关于接收信号的到达角；S403、对到达角进行二维F...

【专利技术属性】
技术研发人员：吴蒙，房子昊，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：