一种基于手工特征的毫米波雷达点云信号手势识别方法技术

一种基于手工特征的毫米波雷达点云信号手势识别方法，包括以下步骤：步骤1，准备阶段：准备一个毫米波雷达，将毫米波雷达置于室内固定位置，用于后续手势动作的采集；步骤2，离线构建阶段：使用步骤1中的毫米波雷达进行数据采集，毫米波雷达手势数据，并标记对应的分类标签，对毫米波雷达手势数据进行信号预处理后得到点云信号向量D

【技术实现步骤摘要】
一种基于手工特征的毫米波雷达点云信号手势识别方法


[0001]本专利技术涉及手势识别系统
，尤其涉及一种基于手工特征的毫米波雷达点云信号手势识别方法。

技术介绍

[0002]手势识别是一种非接触式人机交互(Human
‑
Computer Interaction,HCI)方式。将手势识别系统引入智能家居系统时，基于视觉的手势识别存在隐私泄露的问题且受光照强度影响；基于可穿戴设备的手势识别存在设备不容易携带的问题。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术提供一种基于手工特征的毫米波雷达点云信号手势识别方法，通过将点云信号的四维特征(距离、多普勒速度、俯仰角、水平角)进行变形和手工特征提取，利用分类网络对得到的手工特征进行分类，在兼顾不泄露隐私和不佩戴设备的同时，实现手势识别高分辨率。
[0004]本专利技术解决其技术问题所采用的技术方案是：
[0005]一种基于手工特征的毫米波雷达点云信号手势识别方法，包括以下步骤：
[0006]步骤1，准备阶段：准备一个毫米波雷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于手工特征的毫米波雷达点云信号手势识别方法，其特征在于，所述方法包括以下步骤：步骤1，准备阶段：准备一个毫米波雷达，将毫米波雷达置于室内固定位置，用于后续手势动作的采集；步骤2，离线构建阶段：使用步骤1中的毫米波雷达进行数据采集，毫米波雷达手势数据，并标记对应的分类标签，对毫米波雷达手势数据进行信号预处理后得到点云信号向量D
s
，对得到的点云信号向量进行手工特征提取，得到手工特征向量；步骤3，在线识别阶段：步骤2中得到的手工特征向量使用分类方法进行分类识别。2.如权利要求1所述的基于手工特征的毫米波雷达点云信号手势识别方法，其特征在于，在所述步骤2中，点云信号向量D
s
的建立步骤如下：步骤2
‑
1，设计动态手势动作，然后在与步骤1中所述的毫米波雷达间隔一定距离的固定位置，进行数据采集，毫米波雷达手势数据X
s
，并标记对应的分类标签F
s
；步骤2
‑
2，对步骤2
‑
1所获得的毫米波雷达手势数据X
s
进行滤波，滤除静止目标和非手势运动速度范围内的运动目标，得到手势动态数据X
d
；步骤2
‑
3，对步骤2
‑
2中得到的手势动态数据X
d
进行二维傅里叶变换2D
‑
FFT，即对每个脉冲信号做快时间向快速傅里叶变换，得到每个脉冲对应的距离信息，然后沿着2D
‑
FFT的慢时间向进行拼接，得到运动手势与毫米波雷达之间距离变化向量V
d
；步骤2
‑
4，对步骤2
‑
3中得到的距离变化向量V
d
运用短时傅里叶变换进行时频分析，得到运动手势相对于毫米波雷达径向速度变化向量V
v
；步骤2
‑
5，对手势动态数据X
d
进行特征分解，构造信号的信号子空间E
S
和噪声子空间E
N
，利用信号子空间和噪声子空间之间的正交性，可以构造出空间谱函数：式中分母为信号向量a(θ)与噪声矩阵E
N
的内积，a
H
(θ)表示a(θ)的共轭转置，表示E
N
的共轭转置，当信号与噪声空间正交时，该空间谱P
MUSIC
(θ)达到最大值，所以可以改变θ的值，求出空间谱的谱峰，则此时的θ值即为信号的波达方向值，由波达方向值θ组成角度变化向量V
j
；步骤2
‑
6，点云信号中一个点云的信号向量得到点云信号向量其中n为点云信号中点云的总数；步骤2
‑
7，对步骤2
‑
6中得到的点云信号向量D
s
进行手工特征提取，得到手工特征向量G
s
。3.如权利要求2所述的基于手工特征的毫米波雷达点云信号手势识别方法，其特征在于，在所述步骤2
‑
7中，手工特征向量G
s
的提取步骤如下：步骤2
‑7‑
1，对步骤2<...

【专利技术属性】
技术研发人员：潘赟，吴佳秀，杨哲，
申请(专利权)人：浙江大学，
类型：发明
国别省市：