[發(fā)明專利]一種基于多普勒雷達(dá)時頻域特征的細(xì)粒度人體手臂運動識別方法

在審

• 申請?zhí)枺?/td>: 201910660352.2
• 申請日: 2019-07-22
• 公開（公告）號: CN110412566A
• 公開（公告）日: 2019-11-05
• 發(fā)明（設(shè)計）人: 於志文;張凱杰;王柱;郭斌
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: G01S13/88
• 分類號: G01S13/88;G01S7/41
• 代理公司: 西安利澤明知識產(chǎn)權(quán)代理有限公司 61222
• 代理人: 劉偉

1.一種基于多普勒雷達(dá)時頻域特征的細(xì)粒度人體手臂運動識別方法，其特征在于：采用兩個相同的微型多普勒雷達(dá)持續(xù)收集用戶的手勢運動信息并保存至上位主機(jī)；對采集雷達(dá)信號進(jìn)行濾波處理；

基于濾波后的雷達(dá)信號，采用雙門限算法，對信號中有起伏波動的信號片段進(jìn)行檢測與提取；

將經(jīng)過濾波的兩個雷達(dá)提取得到的動作信號進(jìn)行短時傅里葉變換獲得時頻譜圖；對時頻譜圖的二值化、邊緣檢測處理，提取出手勢動作的時頻譜特征；

根據(jù)多普勒效應(yīng)原理將兩雷達(dá)時頻譜特征進(jìn)行合成以消除運動角度對兩雷達(dá)分布信號造成的幅度和頻率降低的影響；

對時頻譜線使用X方法分類，完成具體的手臂動作種類判斷。

2.根據(jù)權(quán)利要求1所述的一種基于多普勒雷達(dá)時頻域特征的細(xì)粒度人體手臂運動識別方法，其特征在于：所述兩雷達(dá)時頻譜特征的對比得出的動作的運動方向，體現(xiàn)為運動相對于正面雷達(dá)的夾角。

3.根據(jù)權(quán)利要求1所述的一種基于多普勒雷達(dá)時頻域特征的細(xì)粒度人體手臂運動識別方法，其特征在于：所述手臂動作種類包括：抬手、放下、推、拉、伸手、握拳、旋轉(zhuǎn)、非手勢信號。

4.根據(jù)權(quán)利要求1-3任一所述的一種基于多普勒雷達(dá)時頻域特征的細(xì)粒度人體手臂運動識別方法，其特征在于：所述識別結(jié)果若屬于動作種類中的任意一個，則繼續(xù)向后進(jìn)行步驟；否則輸出結(jié)果中止識別。

5.根據(jù)權(quán)利要求1所述的一種基于多普勒雷達(dá)時頻域特征的細(xì)粒度人體手臂運動識別方法，其特征在于：所述雙門限算法中采用短時過門限率作為判斷依據(jù)，在對信號分幀后計算每幀的短時過門限率，其計算公式為：

其中T_s代表信號門限，計算完成后將連續(xù)多幀信號在不中斷超過寬容限度幀內(nèi)短時過門限率和均超過T_s的信號段認(rèn)為是動作信號。

6.根據(jù)權(quán)利要求1所述的一種基于多普勒雷達(dá)時頻域特征的細(xì)粒度人體手臂運動識別方法，其特征在于：所述X方法為根據(jù)多普勒雷達(dá)正交調(diào)制原理計算兩正交信號I、Q的相位差且由于即可以通過相位差的一階導(dǎo)數(shù)計算出實時的動作運動方向；進(jìn)而使用動態(tài)時間規(guī)整算法(DTW)+鄰近算法(kNN)方式進(jìn)行手勢分類。

7.根據(jù)權(quán)利要求6所述的一種基于多普勒雷達(dá)時頻域特征的細(xì)粒度人體手臂運動識別方法，其特征在于：所述動態(tài)時間規(guī)整算法(DTW)在原始算法的基礎(chǔ)上進(jìn)行了約束路徑與拒絕錯誤信號的改進(jìn)。