一种基于可变形卷积的FMCW雷达手势识别方法.pdf
fa****楠吖
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于可变形卷积的FMCW雷达手势识别方法.pdf
本发明提供一种基于可变形卷积的FMCW雷达手势识别方法,通过利用FMCW雷达采集待测手势数据;对待测手势数据进行2D‑FFT处理,得到距离‑多普勒RD图;对距离‑多普勒RD图进行空间维FFT处理,获取角度估计;将距离‑多普勒RD图中的幅值用角度估计替代,生成距离‑速度‑角度信息的RDA图;将RDA图作为输入,利用改进的C3D网络模型,输出得到待测手势的类型;其中,改进的C3D网络模型基于标定的手势类型的雷达数据进行训练得到,其至少一个卷积层包括一路标准卷积结构和一路是可变形卷积残差结构。本方案首先基于雷达
一种基于FMCW雷达的三参数特征融合手势识别方法.pdf
本发明提出了一种基于FMCW(frequencymodulatedcontinuouswave)雷达的三参数特征融合手势识别方法。首先通过雷达获取不同手势的中频信号,从中得到角度参数、距离参数和多普勒频移参数,并构造对应数据集;其次,将关于角度、距离和多普勒频移的数据集分别送入卷积神经网络中训练,得到特征值并做融合处理;最后,将融合后的特征值送入分类器,得到手势类别。本发明创新地提出多重参数在卷积神经网络中的融合方法,解决了传统识别算法使用条件受限的问题,且最终手势的分类效果优于单一参数。
一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法.pdf
一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法,采用密度聚类算法对雷达目标的点迹进行处理,有效剔除异常点和无效点,抑制了杂波和噪声,利于提取手势运动特征;采用了信号截取和密度聚类算法的处理,大大减少了数据运算,便于集成在能耗低、体积小的高速处理芯片上;对处理过的距离‑角度图以及距离‑多普勒图进行多尺度变换,提取手掌和手指特征,兼顾手掌整体动作识别的同时,还关注手指的细微动作。融合距离、角度、速度手势运动信息,一定程度上提高了手势识别的准确度和精度。
基于FMCW毫米波雷达的手势识别方法研究与实现的开题报告.docx
基于FMCW毫米波雷达的手势识别方法研究与实现的开题报告一、选题背景随着智能家居、智能手机等智能化产品的普及,利用手势进行交互已经成为了一种新的方式。这种方式不仅可以提高用户的使用效率和体验感,还可以避免传统输入方式的疲劳感和输入错误等问题。因此,手势识别技术的研究与实现已经成为了目前智能化应用领域的热点问题。基于FMCW毫米波雷达的手势识别方法具有探测范围大、分辨率高、不受光照和遮挡等干扰的优点,因此,本文选择基于FMCW毫米波雷达进行手势识别的研究与实现。二、研究内容与目标本文的研究内容主要包括:1.
一种基于CW体制多普勒雷达的手势识别方法.pdf
本发明涉及一种基于CW体制多普勒雷达的手势识别方法,其解决了现有CW体制多普勒雷达无法快速、精准实现手势识别的问题,其使用单发单收单路解调CW体制多普勒雷达,包括:步骤1:获取多普勒雷达原始回波信号;步骤2:手势数据采集,对数据滑窗并处理;步骤3:将处理结果对比神经网络输出的数据进行手势判断;步骤4:当一次判断结束后回到手势数据采集前一个步骤重复检测行为。本发明可用于手势识别领域,实现非接触控制功能。