[發明專利]一種基于太赫茲雷達的精細動態手勢識別方法

有效

• 申請號: 202010655774.3
• 申請日: 2020-07-09
• 公開（公告）號: CN111813222B
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 崔宗勇;王星;李晉;閔銳;曹宗杰;皮亦鳴
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06N3/04;G06N3/08
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 孫一峰

1.一種基于太赫茲雷達的精細動態手勢識別方法，其特征在于，包括以下步驟：

S1、采集不同手勢運動過程中產生的雷達回波信號，構建雷達回波數據矩陣其中m表示一個雷達回波的采樣點數，n表示一組采集數據的回波數；

S2、對W沿快時間維度做快速傅里葉變換，獲得慢時間維度上的高分辨距離像序列矩陣其中k為快速傅里葉變換的點數；

S3、對序列矩陣H依次截取幀長為N的矩陣其中分別進行靜止目標和背景噪聲的去除，表示向下取整，具體方法為：

去除靜止目標：對h_i沿慢時間維度做快速傅里葉變換，將零頻置零，再進行傅里葉逆變換獲得去靜止目標后的矩陣h_i；

去除背景噪聲：對h_i進行基于背景噪聲幅度服從瑞利分布的CFAR檢測進行噪聲消除，針對矩陣h_i當中殘留的噪聲孤立點，采用奇異值分解進行去除；

S4、對序列矩陣進行去靜止目標和背景噪聲去除以后，根據慢時間維度上的能量強度分布來檢測分割單個完整的手勢運動數據段，具體為：

首先依次獲取矩陣h_i所對應的能量值e_i，然后采用跨度w進行滑動平均，獲取經過滑動平均后的能量序列曲線e₁′,e₂′,e₃′,…，最后尋找對應的極小值點位置索引d₁,d₂,d₃,…，相鄰索引d_i和d_i+1之間對應于序列矩陣H的數據段就表示一個完整的運動手勢數據樣本，從而實現在采集的多個連續動態手勢當中分割出單個完整手勢樣本；

S5、對分割出的單個完整手勢樣本，提取手勢運動過程中產生的多普勒頻移分布圖譜，具體為：

令與完整的運動手勢數據樣本對應的距離-多普勒圖表示為：r,v表示距離-多普勒圖上的距離和多普勒值的大小，對其進行歸一化處理：

S_j′(r,v)為S_j(r,v)歸一化后的結果；

對不同時刻的距離-多普勒圖進行按列求和，提取手勢運動過程中產生的多普勒頻移分布圖譜：

p表示快速傅里葉變換的點數；

S6、對提取的完整運動手勢樣本對應的多普勒頻移分布圖譜進行特征增強，采用最近鄰插值的方法將其統一到相同大小，然后對P按列進行歸一化，最后將所有手勢提取的多普勒頻移分布圖譜和對應的手勢類別標簽送入卷積神經網絡進行訓練，實現對手勢樣本進行分類識別。

2.根據權利要求1所述的一種基于太赫茲雷達的精細動態手勢識別方法，其特征在于，步驟S3中所述去除背景噪聲的具體方法為：

對太赫茲雷達采集的手勢數據，令背景噪聲幅度的統計規律近似服從瑞利分布：

且滿足均值x為隨機變量，μ為待估參數；

根據矩陣h_i的幅度統計估計出參數μ，并設定檢測閾值為Th，虛警概率為P_fa，得到基于CFAR檢測的閾值：

將矩陣h_i當中確定高于閾值的值保留，低于閾值的值置零；

對矩陣h_i當中殘留的噪聲孤立點，采用奇異值分解進行去除，具體為：分解矩陣h_i＝UΣV^H，其中表示維度為N×N的實矩陣，矩陣Σ僅在主對角線上有值，保留主對角線上前j個奇異值，其它置零，獲取矩陣Σ的近似Σ′，得到去除噪聲孤立點的矩陣h_i＝UΣ′V^H。