[发明专利]一种基于太赫兹雷达的精细动态手势识别方法

说明书

本发明属于雷达和人机交互技术领域，具体涉及一种基于太赫兹雷达的精细动态手势识别方法。本发明的方法首先对基于太赫兹雷达平台采集的运动手势数据进行预处理，去除静止目标和背景噪声；然后根据时间序列上雷达回波信号包含的能量大小对完整手势进行检测分割；接着对每个完整运动手势样本提取时间上的多普勒频移分布图谱特征，进行特征增强和尺寸统一；最后采用卷积神经网络进行模型的训练，从而实现手势的分类识别。发明的方法对精细运动手势具有较高的识别准确率。

技术领域

本发明属于雷达和人机交互技术领域，具体涉及一种基于太赫兹雷达的精细动态手势识别方法。

背景技术

随着智慧时代的来临，人与机器之间的交互日益频繁。通过键盘和鼠标控制、需要被动学习预先设置的规定操作来实现基于图形用户界面的人机交互方式，给用户带来了沉重的操作记忆负担，并且可拓展性不强，严重地限制了人机交互过程中的操作效率和用户体验。作为新一代的人机交互形式，自然用户界面(Natural User Interface,NUI)以一种更加适应人类需求和喜好、更自然和更接近现实行为方式来实现交互，这其中一项重要类别就是手势交互。它将用户本身当作输入设备，匹配用户潜在的知识和习惯，以一种自然直接的方式实现人机交互。

目前，针对手势这一新的人机交互方式，引发了研究者的广泛关注。对于手势的识别方案主要是基于光学传感器、雷达传感器、惯性传感器和超声波传感器等。对比其它几种手势识别方案来说，基于雷达传感器的识别方案具有一些优势：对光照等环境变换不敏感，对烟雾具有一定的穿透性；直接捕捉波束范围内的目标运动并跟踪，降低对计算处理的要求；将雷达传感器芯片内置于电子设备中，而不必佩戴额外的辅助设备进行控制，带来高度的灵活度和舒适性。同时，由于太赫兹雷达的高频段和高带宽，能够极大地增加空间分辨率和速度分辨率，从而在运动手势的雷达反射回波中捕捉手势的微小手指运动和肌肉变化，对不同手势的运动状态给出准确描述。

因此，基于太赫兹雷达的手势识别方案能够带来更高的识别准确率，提升用户在人机交互过程中操作效率和使用体验。目前针对雷达动态手势识别的研究多集中在较大运动幅度范围的手势当中，为了进一步实现交互过程中的微小运动控制需求，需要将识别的手势集中在手腕以上的手掌和多手指运动这类精细手势识别上面。这类精细运动手势在雷达径向范围内的运动距离小，完成时间短，不同手势之间相似程度较高。这就对基于雷达传感器的运动手势识别提出严峻的挑战。同时，由于太赫兹雷达高频段带来目标径向速度超过最大可测速度而产生的速度模糊问题也影响了雷达手势识别的进一步发展。如何识别这类精细手势是未来提升用户交互体验和应用推广的关键问题。

发明内容

针对上述问题，为了实现基于太赫兹雷达的精细动态手势识别，本发明提出了一种通过提取单个完整手势运动过程中产生的多普勒频移分布图谱，来实现基于太赫兹雷达的精细动态手势识别方法。

本发明采取的技术方案如图1所述，具体流程为：

步骤1、对不同手势运动过程中产生的雷达回波信号进行采集。在获取训练数据时，选择不同年龄和性别的多名志愿者，利用太赫兹雷达对多种动态手势的雷达回波信号数据进行采集，分别采集不同志愿者对于不同预定义手势的多个完整重复周期运动的雷达回波数据。

步骤2、对步骤1采集到由运动手势产生的雷达回波数据矩阵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(High Resolution RangeProfile,HRRP)序列矩阵其中k为快速傅里叶变换的点数。

步骤3、对序列矩阵H依次截取帧长为N的矩阵其中表示向下取整。分别进行静止目标和背景噪声的去除。

对于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。

针对雷达回波信噪比较低的情况，通过实验发现，经太赫兹雷达采集的手势数据，背景噪声幅度的统计规律近似服从瑞利分布：