一种提升FMCW雷达手势识别精度的干扰抑制算法.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CN110705501A(43)申请公布日2020.01.17(21)申请号201910971230.5(22)申请日2019.10.14(71)申请人重庆邮电大学地址400065重庆市南岸区崇文路2号(72)发明人何维王勇田增山周牧(51)Int.Cl.G06K9/00(2006.01)G01S13/58(2006.01)G01S13/88(2006.01)G01S7/35(2006.01)权利要求书2页说明书5页附图6页(54)发明名称一种提升FMCW雷达手势识别精度的干扰抑制算法(57)摘要本发明提出了一种提升FMCW雷达手势识别精度的干扰抑制算法。首先，利用FMCW雷达采集每个手势动作的扫频数据，并对每一个扫频的雷达数据进行FFT变换，得到手势目标的距离估计，在前一次FFT变换的基础上，对每一个啁啾的雷达扫频数据进行FFT变换，得到手势目标的多普勒估计；其次，将距离估计和多普勒估计进行耦合得到手势目标的RDM，采用自适应方法生成噪声门限，并结合帧差法去除RDM的背景噪声；然后进行静态和动态干扰抑制；最后将干扰抑制后的RDM图输入到深度3维卷积网络(3DConvNets，C3D)、膨胀3D卷积网络(Inflated3DConvNet，I3D)和时序膨胀3D卷积((LongShortTermMemorynetwork-Inflated3DConvNet，TS-I3D)网络，输出不同的手势类别。本发明创造新地提出对距离-多普勒图进行干扰抑制，提高了CN110705501A手势识别的精度。CN110705501A权利要求书1/2页1.一种提升FMCW雷达手势识别精度的干扰抑制算法，其特征在于，包括以下步骤：步骤一、设置调频连续波(FrequencyModulatedContinuousWave,FMCW)雷达参数，配置天线为2发4收，其中，扫频个数为Nc，采样点个数为Ns，帧数为frame。然后，利用雷达采集每个手势动作的数据，每一帧数据存为NS×Nc的矩阵Fk；步骤二、累积2根发射天线和4根接收天线的数据，可以明显的增强信号的信噪比，然后对Fk的每一列数据进行傅里叶变换生成距离谱矩阵Pr；步骤三、对距离谱矩阵Pr的每一行数据进行傅里叶变换，生成多普勒矩阵Sk；步骤四、每一帧的距离谱矩阵Pr和Sk耦合，得到每一帧手势目标的距离-多普勒图(Range-DopplerMap,RDM)；步骤五、累积若干帧数据并求得均值作为背景帧Xbk，本发明中取3帧。用帧差法减除背景帧后得到其中，待处理的RDM矩阵中第i行、第j列的元素为背景帧Xbk的第i行、第j列的元素为m和n分别表示RDM的多普勒轴和距离轴像素总数；步骤六、采用自适应方法生成噪声门限去除RDM中的噪声。将被检测单元的RDM中的元素与门限进行对比，如果被检测单元的RDM中的元素值大于门限值Nv，则判定为检测到目标，处理结果矩阵为R；步骤七、对矩阵R进行静态干扰抑制，结果矩阵记为Rsta；步骤八、对矩阵Rsta进行动态干扰抑制，标记出手势目标，结果矩阵记为Rres；步骤九、将32帧RDM图送入到C3D、I3D和TS-I3D网络中进行特征提取，得到特征函数Ffusion，并将Ffusion输入softmatx分类器进行分类，输出不同的手势类别。2.根据权利要求1所述的一种提升FMCW雷达手势识别精度的干扰抑制算法，其特征在于：所述步骤五中包括以下步骤：5.1在每段手势动作数据样本中，将s帧数据进行累积并求得均值作为背景帧，表示为：其中，s表示RDM背景帧累积个数，m和n分别是RDM的距离轴和多普勒轴的像素总数。5.2将RDM背景帧分解为两个部分：其中，第一项表示多普勒频偏不为零的区域，第2项表示多普勒频偏为零区域。r和d表示RDM的横、纵坐标，分别表征距离和多普勒轴；5.3因为背景帧中引入了静态目标的干扰，为了避免静态目标干扰对背景帧计算的影响，将背景帧的计算方式改为：2CN110705501A权利要求书2/2页5.4考虑到背景噪声的波动性，导致每一帧减除过程中不能均匀地去除噪声，将背景帧减除操作的计算方法定义为：3.根据权利要求1所述的FMCW雷达手势识别中距离-多普勒图干扰抑制算法，其特征在于步骤六采用自适应方法生成噪声门限以去除其中噪声，噪声门限为：其中，表示待处理的RDM中第r行、第d列的元素。将被检测的RDM中的元素与门限进行对比，如果被检测单元的RDM中的元素值大于门限值Nv，则判定为目标，结果矩阵记为R。4.根据权利要求1所述的FMCW雷达手势识别中距离-多普勒图干扰抑制算法，其特征在于：所述步骤七中包括以下步骤：7.1统计R中检测到的目标个数，记为cd；7.2查找R中多普勒频偏值为零的目标，个数