[发明专利]一种基于太赫兹雷达的精细动态手势识别方法

权利要求书

1.一种基于太赫兹雷达的精细动态手势识别方法，其特征在于，包括以下步骤：

S1、采集不同手势运动过程中产生的雷达回波信号，构建雷达回波数据矩阵其中m表示一个雷达回波的采样点数，n表示一组采集数据的回波数；

S2、对W沿快时间维度做快速傅里叶变换，获得慢时间维度上的高分辨距离像序列矩阵其中k为快速傅里叶变换的点数；

S3、对序列矩阵H依次截取帧长为N的矩阵其中分别进行静止目标和背景噪声的去除，表示向下取整，具体方法为：

去除静止目标：对h_i沿慢时间维度做快速傅里叶变换，将零频置零，再进行傅里叶逆变换获得去静止目标后的矩阵h_i；

去除背景噪声：对h_i进行基于背景噪声幅度服从瑞利分布的CFAR检测进行噪声消除，针对矩阵h_i当中残留的噪声孤立点，采用奇异值分解进行去除；

S4、对序列矩阵进行去静止目标和背景噪声去除以后，根据慢时间维度上的能量强度分布来检测分割单个完整的手势运动数据段，具体为：

首先依次获取矩阵h_i所对应的能量值e_i，然后采用跨度w进行滑动平均，获取经过滑动平均后的能量序列曲线e₁′,e₂′,e₃′,…，最后寻找对应的极小值点位置索引d₁,d₂,d₃,…，相邻索引d_i和d_i+1之间对应于序列矩阵H的数据段就表示一个完整的运动手势数据样本，从而实现在采集的多个连续动态手势当中分割出单个完整手势样本；

S5、对分割出的单个完整手势样本，提取手势运动过程中产生的多普勒频移分布图谱，具体为：

令与完整的运动手势数据样本对应的距离-多普勒图表示为：r,v表示距离-多普勒图上的距离和多普勒值的大小，对其进行归一化处理：

S_j′(r,v)为S_j(r,v)归一化后的结果；

对不同时刻的距离-多普勒图进行按列求和，提取手势运动过程中产生的多普勒频移分布图谱：

p表示快速傅里叶变换的点数；

S6、对提取的完整运动手势样本对应的多普勒频移分布图谱进行特征增强，采用最近邻插值的方法将其统一到相同大小，然后对P按列进行归一化，最后将所有手势提取的多普勒频移分布图谱和对应的手势类别标签送入卷积神经网络进行训练，实现对手势样本进行分类识别。

2.根据权利要求1所述的一种基于太赫兹雷达的精细动态手势识别方法，其特征在于，步骤S3中所述去除背景噪声的具体方法为：

对太赫兹雷达采集的手势数据，令背景噪声幅度的统计规律近似服从瑞利分布：

且满足均值x为随机变量，μ为待估参数；

根据矩阵h_i的幅度统计估计出参数μ，并设定检测阈值为Th，虚警概率为P_fa，得到基于CFAR检测的阈值：

将矩阵h_i当中确定高于阈值的值保留，低于阈值的值置零；

对矩阵h_i当中残留的噪声孤立点，采用奇异值分解进行去除，具体为：分解矩阵h_i＝UΣV^H，其中表示维度为N×N的实矩阵，矩阵Σ仅在主对角线上有值，保留主对角线上前j个奇异值，其它置零，获取矩阵Σ的近似Σ′，得到去除噪声孤立点的矩阵h_i＝UΣ′V^H。