一种基于双维度滤波和自适应定长化的FMCW雷达手势识别算法研究

本文提出了一种基于调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达回波信号的手势识别算法:首先,提出一种双维度滤波算法,在距离和速度维度对手势回波信号进行滤波,有效地降低了系统的静态噪声;其次,将数据经过动目标检测(Moving Target Indicator,MTI)算法滤除时间维度噪声;然后,提出了时间自适应定长化的方法,在减少势信息损失的前提下保证了每个手势样本帧数的一致性;最后,建立距离多普勒网络(Range Doppler Net,RD-Net)进行训练分类.该算法在谷歌开源的deep-soli数据集中取得了98.28%的准确率,比数据集提出者的算法的准确率提升了11.11%.该算法在实时推理实验中取得了90.8%的准确率,具有更好的泛化能力.

基于手掌毫米波雷达回波信号的身份识别

提出并验证了一种基于手掌毫米波雷达回波信号的身份识别技术。使用60 GHz毫米波雷达持续监测手掌回波信号,再经过目标检测、距离检测、静止检测等步骤获取符合识别要求的单次雷达回波信号,随后对这个信号进行分段滤波取平均(PNA)的数据预处理,最后送入由一维卷积层为核心的神经网络(RNet)分类器中进行识别,得到被检测者的身份信息。本研究采集了包含120000个样本的数据集,并在此之上验证了数据预处理算法和分类识别算法,最终取得96.8%的综合识别准确率。由于采用雷达回波信号作为身份信息的表征,相比于传统身份识别方法无光照条件要求、无需直接接触传感器且无隐私泄露风险,拥有广阔的应用场景。