一种基于MIMO毫米波雷达的手势识别方法.pdf
佳宁****么啦
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于MIMO毫米波雷达的手势识别方法.pdf
本发明涉及雷达信号处理技术,其公开了一种基于MIMO毫米波雷达的手势识别方法,解决传统手势识别方案中存在的检测准确性不高、手势识别种类有限、成本高的问题。本发明使用MIMO毫米波雷达进行电磁波的发射与接收,对接收到的采样信号进行距离维傅里叶变换后,根据距离预计角度的虚拟阵列数据,采用一次AOA波束形成,对形成后的信号进行恒虚警率检测,到的距离方位角等信息,对在恒虚警率检测中获取的目标,根据第一次波束形成产生的HeapMap信号,提取目标对应的距离维信号,进行第二次二维AOA波束形成,求取俯仰角、多普勒速度
一种基于毫米波雷达的手势识别方法.pdf
本发明公开了一种基于毫米波雷达的手势识别方法。通过每一帧得到的距离特征和速度特征进行拼接,形成距离-时间特征,速度-时间特征以及速度-距离特征,根据距离-时间特征,距离‑时间特征表征目标物相对雷达的运动趋势,即探测目标的接近或远离,速度‑时间特征表示目标相对雷达的运动速度,正为靠近,负为远离,距离‑速度特征反应了目标速度在不同距离上的分布,以此得到目标运动轨迹来实现动作判断,进而实现手势识别。可实现全天候的运动目标控制,探测距离达可达3‑50米提升用户智能指引体验,节约用户时间成本,操作简单,生动、形象,
一种基于毫米波雷达的手势识别方法.pdf
本发明公开了一种基于毫米波雷达的手势识别方法,该方法包括:构建卷积神经网络模型;获取多种手势的轨迹图作为训练集F,基于所述训练集F对所述卷积神经网络模型训练,得到优化识别模型;所述手势轨迹图为最大峰值对应的动目标在距离‑多普勒坐标系下的移动轨迹;将识别手势的轨迹图输入所述优化识别模型,以识别出所述识别手势的手势类型。本发明实施方式提供的手势识别方法中利用卷积神经网络模型对多种手势的轨迹图训练,得到优化识别模型,将识别手势的轨迹图输入优化识别模型,能够快速并准确的得到手势类型。手势识别方法较为简单,数据处理
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。
一种毫米波雷达多人手势识别方法.pdf
本发明公开了一种毫米波雷达多人手势识别方法,首先根据潜在应用场景设计手势动作,确定雷达系统参数,然后进行手势数据采集以及信号预处理,包括滤波、手势信号提取处理,再使用盲源数目估计方法估计手势数目,使用盲源分离方法对多个手势数据进行分离,最后设计分类模型,输入手势信号数据或人工提取的特征,得到手势识别结果。本发明的方法解决了现有毫米波雷达传感器手势识别技术只能识别单个手势动作而无法识别探测范围内同时存在的多个手势动作的问题,实现了多人手势识别,增强雷达手势识别技术的实用性,可以完成多人场景中同时存在的多个手