[发明专利]基于雷达微多普勒信号稀疏优化的手势识别方法及系统

权利要求书

1.一种基于雷达微多普勒信号稀疏优化的手势识别方法，其特征在于，包括以下步骤：

发射雷达信号，并接收所述雷达信号经过待识别手势反射的手势回波信号；

根据稀疏优化技术，将所述手势回波信号映射成稀疏向量，包括：构造一个Gabor时频字典矩阵Ψ，其中，所述矩阵Ψ的每个列向量都是Gabor基信号，所述矩阵Ψ为：

其中，t_m,f_m,s_m分别表示Gabor基的时移因子、频移因子、尺度因子，N是矩阵行数，M是矩阵列数，

根据稀疏优化模型，将所述手势回波信号表示为：

y＝Ψx+η，

其中，y是所述手势回波信号，x是稀疏向量，η是观测噪声，

根据正交匹配追踪算法，计算得到所述稀疏向量x，

其中，K表示所述手势回波信号的稀疏度，所述稀疏向量x的维数为M，具有K个非零元素；

提取所述稀疏向量中的非零元素，并查找所述非零元素所对应的Gabor基向量，并提取相应的时移参数和频移参数，以得到所述手势回波信号的特征量；

训练分类器，并将所述特征量输入所述分类器中，以识别所述待识别手势的类型。

2.根据权利要求1所述的基于雷达微多普勒信号稀疏优化的手势识别方法，其特征在于，所述手势回波信号的特征量为：

其中，非零元素对应着矩阵Ψ的第i_j个列向量，相应的时移因子、频移因子分别是

3.根据权利要求1所述的基于雷达微多普勒信号稀疏优化的手势识别方法，所述训练分类器，并将所述特征量输入所述分类器中，以识别所述待识别手势的类型，进一步包括：

对于所述待识别手势，从P组训练样本中，获得P组特征量，将所述P组特征量当作三维空间中的P·K个数据点，并使用k-平均算法对所述P·K个数据点进行聚类分析，生成K个中心数据点，具体为：

其中，g表示手势类型的编号，F^(g)为所述分类器；

对于任一测试样本y’，提取所述测试样本y’的特征量：

按照如下表达式计算测试样本y’的特征量与所有手势中心特征的距离：

比较得到的所有dis(F',F^(g))的大小，将所有dis(F',F^(g))中的最小值所对应的编号作为识别结果。

4.根据权利要求1-3任一项所述的基于雷达微多普勒信号稀疏优化的手势识别方法，其特征在于，所述待识别手势至少包括：转手腕、招手、打响指及弹手指。

5.一种基于雷达微多普勒信号稀疏优化的手势识别系统，其特征在于，包括：

信号收发模块，所述信号收发模块用于发射雷达信号，并接收所述雷达信号经过待识别手势反射的手势回波信号；

映射模块，所述映射模块用于根据稀疏优化技术，将所述手势回波信号映射成稀疏向量，包括：构造一个Gabor时频字典矩阵Ψ，其中，所述矩阵Ψ的每个列向量都是Gabor基信号，所述矩阵Ψ为：

其中，t_m,f_m,s_m分别表示Gabor基的时移因子、频移因子、尺度因子，N是矩阵行数，M是矩阵列数，

根据稀疏优化模型，将所述手势回波信号表示为：

y＝Ψx+η，

其中，y是所述手势回波信号，x是稀疏向量，η是观测噪声，

根据正交匹配追踪算法，计算得到所述稀疏向量x，

其中，K表示所述手势回波信号的稀疏度，所述稀疏向量x的维数为M，具有K个非零元素；

提取模块，所述提取模块用于提取所述稀疏向量中的非零元素，并查找所述非零元素所对应的Gabor基向量，并提取相应的时移参数和频移参数，以得到所述手势回波信号的特征量；

识别模块，所述识别模块用于训练分类器，并将所述特征量输入所述分类器中，以识别所述待识别手势的类型。