一种基于毫米波雷达的手势控制电灯方法技术

本申请公开了一种基于毫米波雷达的手势控制电灯方法，涉及毫米波雷达技术领域。本申请包括以下步骤：S1、利用77GHz毫米波雷达进行手势信号采集，并对所采集手势信号进行处理，以生成关于距离、速度、水平角度以及俯仰角度信息；S2、利用所生成的距离、速度、水平角度以及俯仰角度信息构造成矩阵，并作为卷积神经网络的输入特征；S3、将卷积神经网络的输出作为实时手势检测结果传输至电灯进行控制。本申请提供的方法在过程实现上，不仅操控方便，且识别率高，能够为夜晚起床与上床睡觉的开灯与关灯提供方便，从而起到节约能源的效果，另外通过本方法可以随处控制电灯的开关，从而进一步减少能源损耗。减少能源损耗。减少能源损耗。

【技术实现步骤摘要】
一种基于毫米波雷达的手势控制电灯方法


[0001]本申请涉及毫米波雷达
，具体涉及一种基于毫米波雷达的手势控制电灯方法。

技术介绍

[0002]日常生活中，人们在夜晚起床时存在寻找电灯开关不便的情况，以及在夜晚上床睡觉时，由于电灯开关离床铺较远，存在不想下床关灯的情形，于是便有了手势控制电灯开关的装置。
[0003]传统的手势控制电灯的装置，要么是通过图像视觉进行分辨手势，要么是使用简单雷达手势识别。由于图像视觉其成本高，且简单雷达手势识别不灵敏的，导致手势控制电灯使用范围不广。
[0004]卷积神经网络是一类包含卷积计算、具有深度结构的前馈神经网络。卷积神经网络专门用于处理具有类似网络结构数据的神经网络，例如时间序列数据即在时间轴上有规律采样形成的一维网格和图像数据。卷积神经网络可以降低网络模型的复杂度，具有减少权值的数量，有效提取特征等特点。
[0005]而本申请人发现通过77GHz雷达检测手势特征可以解决夜晚起床寻找电灯困难的问题以及上床睡觉关灯难的问题，能够为人们的日常生活提供更多便利，丰富生活体验。在此基础上，添加卷积神经网络进行进一步手势特征的分类，防止人们不经意间控制电灯的开关，造成不方便。
[0006]如果将卷积神经网络和77GHz毫米波雷达手势控制电灯的工作方法相结合，那么能够大大提升毫米波雷达手势控制电灯的准确性。且与其他手势控制电灯的方法相比，该方法成本更低，更易于操作实现。

技术实现思路

[0007]本申请的目的在于：为解决上述
技术介绍
中的问题，本申请提供了一种基于毫米波雷达的手势控制电灯方法。
[0008]本申请为了实现上述目的具体采用以下技术方案：
[0009]一种基于毫米波雷达的手势控制电灯方法，包括以下步骤：
[0010]S1、利用77GHz毫米波雷达进行手势信号采集，并对所采集手势信号进行处理，以生成关于距离、速度、水平角度以及俯仰角度信息；
[0011]S2、利用所生成的距离、速度、水平角度以及俯仰角度信息构造成矩阵，并作为卷积神经网络的输入特征；
[0012]S3、将卷积神经网络的输出作为实时手势检测结果传输至电灯进行控制。
[0013]进一步地，所述S1步骤包括以下步骤：
[0014]S11、通过77GHz毫米波雷达的发射调频连续波，并捕获手势的回波信号形成差频信号；
[0015]S12、对于形成的所述差频信号利用进行每10帧数据取平均值，再用每帧数据减去平均值的方法进行静态杂波干扰滤除，在通过MTI滤波器进行动态干扰去除；
[0016]S13、将去除干扰后的信号进行1D
‑
FFT，2D
‑
FFT，3D
‑
FFT处理生成相应的时间
‑
距离、时间
‑
速度、时间
‑
水平角度以及时间
‑
俯仰角度特征图；
[0017]S14、对所述时间
‑
距离、时间
‑
速度、时间
‑
水平角度以及时间
‑
俯仰角度特征图提取对应时间点上的数值，以得到距离、速度、水平角度以及俯仰角度信息。
[0018]进一步地，所述S2步骤包括以下步骤：
[0019]S21、将距离、速度、水平速度以及俯仰角度信息按照4
×
1的格式构造成1维数组。
[0020]S22、将构造成的1维数组按照时间维度进行叠加，构造成4
×
帧的矩阵。
[0021]S23、将生成矩阵作为卷积神经网络输入特征，进行手势分类，得到分类结果。
[0022]本申请的有益效果在于：本申请提供的方法在过程实现上，不仅操控方便，且识别率高，能够为夜晚起床与上床睡觉的开灯与关灯提供方便，从而起到节约能源的效果，另外通过本方法可以随处控制电灯的开关，从而进一步减少能源损耗。
附图说明
[0023]图1是本申请基于卷积神经网络的毫米波手势控制电灯具体实施示意图；
[0024]图2是本申请的整体结构示意图；
[0025]图3是本申请中手势信号特征矩阵生成示意图；
[0026]附图标记：1、外罩；2、毫米波雷达；3、电灯。
具体实施方式
[0027]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0028]如图1
‑
图3所示，本申请一个实施例提出的一种基于毫米波雷达的手势控制电灯方法，包括以下步骤：
[0029]S1、利用77GHz毫米波雷达2进行手势信号采集，并对所采集手势信号进行处理，以生成关于距离、速度、水平角度以及俯仰角度信息；
[0030]S2、利用所生成的距离、速度、水平角度以及俯仰角度信息构造成矩阵，并作为卷积神经网络的输入特征；
[0031]S3、将卷积神经网络的输出作为实时手势检测结果传输至电灯3进行控制；
[0032]基于以上方法，对电灯3控制时，电灯3的结构布置可以采用如图2所示的结构，通过一个外罩1来作为安装的载体，将电灯3以及毫米波雷达2设置在外罩1内，外罩1采用透明结构即可，从而可以满足光的透过以及雷达的信号透过，毫米波雷达2可以设置在电灯3的一侧，在毫米波雷达2的作用下，通过神经网络训练，即采集到不同手势动作的特征矩阵贴上对应标签，分为训练集与测试集，进行神经网络训练，得到训练好的神经网络并写入毫米波雷达2当中，再结果输出，即毫米波雷达2将手势分类结果以ASCII码形式输出给电灯3，从而进行打开，关闭，增加亮度，减少亮度指令操作，从而在整体上实现通过手势对灯的准确控制，本方法不仅操控方便，且识别率高，从而为使用者在夜晚起床与上床睡觉的开灯与关灯提供方便。
[0033]如图1
‑
图3所示，在一些实施例中，以上所述的S1步骤的完成过程，整体上大致可以采用以下的步骤：
[0034]S11、通过77GHz毫米波雷达2的发射调频连续波，并捕获手势的回波信号形成差频信号；
[0035]S12、对于形成的所述差频信号利用进行每10帧数据取平均值，再用每帧数据减去平均值的方法进行静态杂波干扰滤除，在通过MTI滤波器进行动态干扰去除，从而可以滤除身体其他部位的微动以及其他微动干扰；
[0036]S13、将去除干扰后的信号进行1D
‑
FFT，2D
‑
FFT，3D
‑
FFT处理，以生成相应的时间
‑
距离、时间
‑
速度、时间
‑
水平角度以及时间
‑
俯仰角度特征图；
[0037]S14、对所述时间
‑
距离、时间
‑
速度、时间
‑
水平角度以及时间
‑
俯仰本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于毫米波雷达的手势控制电灯方法，其特征在于，包括以下步骤：S1、利用77GHz毫米波雷达进行手势信号采集，并对所采集手势信号进行处理，以生成关于距离、速度、水平角度以及俯仰角度信息；S2、利用所生成的距离、速度、水平角度以及俯仰角度信息构造成矩阵，并作为卷积神经网络的输入特征；S3、将卷积神经网络的输出作为实时手势检测结果传输至电灯进行控制。2.根据权利要求1所述的一种基于毫米波雷达的手势控制电灯方法，其特征在于，所述S1步骤包括以下步骤：S11、通过77GHz毫米波雷达的发射调频连续波，并捕获手势的回波信号形成差频信号；S12、对于形成的所述差频信号利用进行每10帧数据取平均值，再用每帧数据减去平均值的方法进行静态杂波干扰滤除，在通过MTI滤波器进行动态干扰去除；S13、将去除干扰后的信号进行1D
‑
FFT，2D
‑
FFT，3D
‑
FFT处理生成相应的时间
‑
距离、时间
‑
速度、...

【专利技术属性】
技术研发人员：李兴广，赵屹，刘国祥，吕品博，薛力元，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：