[發明專利]基于調頻連續波的元學習手勢識別方法

在審

• 申請號: 202210256419.8
• 申請日: 2022-03-16
• 公開（公告）號: CN114692679A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 鄭海峰;沈翔宇;馮心欣;胡錦松
• 申請（專利權）人: 福州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種基于調頻連續波的元學習手勢識別方法，其特征在于，包括如下步驟：

步驟S1、利用調頻連續波FMCW雷達采集關于手勢的原始雷達數據，后經過信號處理，得到手勢的距離、多普勒頻率和角度特征；

步驟S2、將步驟S1中得到的關于手勢的三個特征與時間維一起構建成一個四階的特征張量；之后根據特征間之間物理關系，通過復用多普勒頻率特征將四階的特征張量重新構造成兩個三階的特征立方體；

步驟S3、將數據集劃分為訓練集D^train和測試集D^test，并在其中劃分成多個子任務集，每個子任務集中包括支撐集S和查詢集Q；將含有大量帶有標簽的樣本的手勢種類輸入元學習模型，用于元訓練階段，旨在提取可遷移的知識，賦予元學習模型在面對新任務時能夠擁有較好的泛化性能；

步驟S4、將含有少量樣本的手勢種類輸入元學習模型，用于元測試階段；使元學習模型能夠利用有限數量的樣本實現對手勢的準確分類。

2.根據權利要求1所述的基于調頻連續波的元學習手勢識別方法，其特征在于，步驟S1中，手勢的距離R、多普勒頻率f_d以及角度特征θ通過如下方式獲?。?/p>

步驟S11、將采集到的雷達回波信號與發送信號進行耦合，得到拍頻f_b，可被寫作：

其中B、T和τ分別是帶寬、周期和傳播時延；引入距離-多普勒矩陣RDM的方法來處理拍頻信號，以獲得手勢的特征，這里f_b可以重新寫作：

其中f_movingBeat和f_staticBeat分別表示目標在運動和靜止狀態下的拍頻，c、f₀和v分別代表光速、起始頻率和手勢的移動速度；在考慮目標快速運動的情況下，因為單個周期中啁啾序列的掃描周期太短，所以多普勒頻率的影響可以被忽略；此時，距離R可通過對在快速時間維度上由每一幀數據的橫坐標所對應的頻譜峰值點頻率做快速傅里葉變換FFT得到，也可被稱為Range-FFT：

此外，在慢時間維度上，由多普勒頻率引起的對頻率的影響不能被忽略，在此情況下，多普勒頻率f_d可通過第二次的FFT得到：

與距離R和多普勒頻率f_d不同，手勢的角度特征θ是在另一個空域維度中；雷達信號到達不同接收天線的過程中存在傳播距離差Δd，通過幾何關系可寫作

Δd＝lsin(θ)

其中l是兩個相鄰接收天線間的距離；由于雷達信號傳播距離差Δd的存在，會引起不同接收天線的接收信號間存在相位差它可通過對多個天線的相位序列做FFT得到，也被稱為angle-FFT：

由此就可得到手勢的角度特征θ

步驟S12、由于手勢在執行過程中會發生手腕的翻動，造成雷達探測到手部的反射面積發生變化，進而導致干擾信號能力發生變化，因此，采用元平均選大恒虛警GO-CFAR算法在角度特征θ提取前作用于角度-多普勒圖中，用于抑制這種干擾，提高識別準確性。

3.根據權利要求1所述的基于調頻連續波的元學習手勢識別方法，其特征在于，所述步驟S2的具體實現過程如下

步驟S21、將步驟S1中所獲得的三個特征進行歸一化，并映射為圖譜的形式，之后與時間維度一起構建為一個四階的特征張量χ；

步驟S22、多普勒頻率計算公式：

從上式可以看到，多普勒頻率f_d是與目標的速度v與雷達回波的入射角θ相關的；另外，這里的運動速度v與運動方向是與距離R相關的，入射角θ即為角度特征θ；所以可以認為多普勒特征f_d與距離特征R和角度特征θ之間是相關的；由此，將步驟S21中構建的四階特征張量χ通過復用多普勒維和時間維度的方式，重構為兩個三維的特征立方體χ_RDM和χ_ADM，其尺寸為32×32×32。