1.一种基于FMCW雷达的三参数特征融合手势识别方法,其特征在于,包括以下步骤:
1)设计手掌前推、后拉、左摆、右摆、前后推拉和左右摆动六个手势动作,并采集不同手势动作的FMCW雷达信号数据,将每一种手势动作的数据记为不同类别;
2)将发送信号sT(t)和回波信号sR(t)输入到混频器中,得到混频信号sM(t),混频信号sM(t)经过低通滤波器得到中频信号sIF(t);
3)根据中频信号sIF(t)求解得到雷达目标的距离参数R、角度参数θ和多普勒频移参数;
4)将计算得到的距离、角度和多普勒频移按照时间顺序累积,构造距离-时间图、多普勒-时间图和角度-时间图并归一化处理;
4a)在一帧数据内,对每个扫频求出其距离估计谱,并将多帧距离估计谱根据时间顺序进行累积得到距离-时间图;
4b)根据每帧数据中手势目标所处的距离单元提取出多普勒估计谱,通过时间顺序累积多帧数据得到多普勒-时间图;
4c)根据一帧数据中接收信号的向量矩阵S,计算协方差矩阵R,构造空间谱函数PMUSIC(θ),再对空间谱函数进行谱峰搜索得到角度估计谱,按照时间顺序累积多帧数据得到角度-时间图;
5)将步骤4)得到的距离-时间图、多普勒-时间图和角度-时间图同步手势类别标签,构建三维参数数据集;
6)将数据集中描述手势动作的距离-时间图、多普勒-时间图和角度-时间图分别送入卷积神经网络模型,进行距离、多普勒和角度的单个特征提取;
7)将步骤6)得到的三个特征函数FRTM、FDTM、FATM输入全连接层,在全连接层中进行特征的并行融合;
8)将融合过后的特征向量Ffusion输入softmax分类器,其输出为不同手势类别;
9)将测试手势数据集输入到卷积神经网络中分类,得到手势分类结果y′。
2.基于权利要求1中所述的一种基于FMCW雷达的三参数特征融合手势识别方法,其特征在于:所述步骤7)中特征并行融合的方法,具体包括:
7a)将对应距离-时间图、多普勒-时间图和角度-时间图的三个单参数网络使用全连接层并行处理,融合成为一个端到端的网络,这一部分的输入为距离-时间图、多普勒-时间图和角度-时间图的第六卷积层特征函数FRTM、FDTM、FATM;
7b)将特征函数以矩阵的形式并行处理,以如下方式融合,得到融合过后的特征函数Ffusion:其中,(a1,a2,…,am),(b1,b2,…,bm),(c1,c2,…,cm)分别代表FRTM,FDTM,FATM中对应的特征向量。