一种基于SIMO多普勒雷达的多目标动作识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113406589A(43)申请公布日2021.09.17(21)申请号202110561581.6(22)申请日2021.05.22(71)申请人西北工业大学地址710072陕西省西安市友谊西路127号(72)发明人於志文张东王齐王柱郭斌(74)专利代理机构西北工业大学专利中心61204代理人刘新琼(51)Int.Cl.G01S7/41(2006.01)G01S13/88(2006.01)G06K9/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书6页附图2页(54)发明名称一种基于SIMO多普勒雷达的多目标动作识别方法(57)摘要本发明涉及一种基于SIMO多普勒雷达的多目标动作识别方法，解决了智能人机交互与无线感知领域中基于多普勒雷达的感知方案不具备多目标感知的能力的问题。首先使用单发多收的多普勒雷达采集多个目标的手势动作信号，采集到的信号经由上位机接收并录制，交给后续算法处理；然后，对数据进行预处理，包括端点检测与信号分段、低通滤波、离散小波变换等；其次，采用基于最大信噪比的独立成分分析方法分离多目标信号，之后创新地采用双阶段特征提取的方法分别提取各个目标的特征向量，最后使用简单分类器如SVM、RF进行训练与分类，并根据分类所得结果判断出每一个被检测目标的手势动作。通过该方式，本发明能够使用多普勒雷达识别多目标运动模式。CN113406589ACN113406589A权利要求书1/2页1.一种基于SIMO多普勒雷达的多目标动作识别方法，其特征在于步骤如下：步骤1：使用单发多收的多普勒雷达采集多个目标的手势动作信号，采集过程中要求双目标位于雷达天线阵列的前方区域；步骤2：对采集到的信号进行端点检测与信号分割；步骤3：基于分割后的信号片段，采用低通滤波滤除高频噪声，并使用离散小波变换进行数据降维；步骤4：使用基于最大信噪比的独立成分分析算法SNRICA分离两个不同的信号，具体步骤如下：1)本发明使用的雷达设备为单发双收双通道多普勒雷达，因此经过预处理后的信号四个通道分别为I1(t)、I2(t)、Q1(t)、Q2(t)，将实数域的信号映射到复数域上，令：对x(t)做平滑滤波可得x(t)的估计2)求解3)解矩阵则矩阵West为盲信号分离问题模型y＝Wx中系数矩阵W的最佳估计；4)解矩阵y＝Westx，得出分离后的信号值；其中y可记为：其中即为分离后的双目标运动信号；步骤5：对每个目标各自进行双阶段特征提取，具体如下：首先对分离所得信号进行快速傅里叶变化，对变换后的时频域图提取信号强度最大的包络线，之后采用时间窗口滑动的方法，将每一个动作划分为5个帧，对每个帧的峰值包络提取包括均值、方差、起止点斜率、最大值、最小值在内的特征值计算，作为其动态特征；采用DACM算法对各目标的动作波形进行还原，还原后的动作波形为：还原动作波形后，采用滑动窗口的方法将图像分帧，并在每一帧采集包括均值、方差、最大值、最小值、正负值累加和比率特征；之后对该波形进行处理，叠加每个点之前的相位，即：同样采用滑动窗口的方法将图像分帧，并在每一帧采集包括最小值、最大值、起止点斜率、累加和特征，与动作波形提取的波形合并为静态特征；2CN113406589A权利要求书2/2页提取了动态与静态特征之后使用LSTM处理每个动作的动态特征，以提取时域上的深层特征；之后，将处理后的特征与静态特征拼接，得到每个目标的特征向量；将两个目标的特征向量拼接后，与全连接层相连；步骤6：将提取到的特征向量作为训练样本，打上标签后输入分类器进行训练，采取同样的步骤获取待识别数据，输入训练好的模型中处理并分类。2.根据权利要求1所述的一种基于SIMO多普勒雷达的多目标动作识别方法，其特征在于步骤1中所述的多普勒雷达为RFBeamKLC7。3.根据权利要求1所述的一种基于SIMO多普勒雷达的多目标动作识别方法，其特征在于步骤2使用双门限的端点检测法分割信号段。4.根据权利要求1所述的一种基于SIMO多普勒雷达的多目标动作识别方法，其特征在于步骤3采用均值平滑滤波器处理信号：假设新号段为x(t)，输出信号为y(t)，滤波过程使用公式进行处理。5.根据权利要求1所述的一种基于SIMO多普勒雷达的多目标动作识别方法，其特征在于步骤6中分类器为SVM分类器。3CN113406589A说明书1/6页一种基于SIMO多普勒雷达的多目标动作识别方法技术领域[0001]本发明涉及智能人机交互与人类行为感知领域，特别是涉及一种基于射频设备的多目标行为感知领域。背景技术[0002]文献“Lou,Xinye,etal."Gesture‑radar：Enablingnatural