[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

说明书

本发明提出一种基于雷达微多普勒信号稀疏优化的手势识别方法及系统，该方法包括以下步骤：发射雷达信号，并接收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，将手势回波信号映射成稀疏向量；提取稀疏向量中的非零元素，并查找非零元素所对应的Gabor基向量，并提取相应的时移参数和频移参数，以得到手势回波信号的特征量；训练分类器，并将特征量输入分类器中，以识别待识别手势的类型。本发明不受光照条件的影响，能够提升光照条件不好的情形下的手势识别正确率。

技术领域

本发明涉及雷达及人机交互技术领域，特别涉及一种基于雷达微多普勒信号稀疏优化的手势识别方法及系统。

背景技术

人机交互，即人与计算机之间使用某种对话媒介实现信息交换的过程。在传统的人机交互中，人通过键盘、鼠标、显示器与计算机进行信息交换。随着计算机技术的发展，以语言、手势为媒介的新一代人机交互技术逐渐兴起。动态手势识别技术在人机交互中具有重大的应用价值，这项技术现已得到越来越多的关注。目前比较成熟的动态手势识别技术均采用视频设备获取手势视频，进而提取图像特征实现各种动态手势的识别。但是，基于视频的动态手势识别技术在光照条件不好的情况下性能将会下降。

雷达是观测运动目标的有效工具。相对于视频设备而言，雷达的观测性能不受光照条件影响；将雷达运用到动态手势识别技术中，将有助于提升光照条件不好的情形下的手势识别正确率。

使用雷达观测动态手势时，雷达天线朝向被观测者的手部发射电磁波，并接收手部的反射波。由于被观测者的手腕、手掌、手指在手势过程中不断运动，且运动速度随时间变化，所以雷达回波具有随时间变化的多普勒频移。这种由目标整体或部件的微运动所产生的回波，在雷达领域中被称为微多普勒信号。微多普勒信号蕴含了目标的微动特征，该特征有助于实现目标种类判别，现已在雷达目标识别中得到广泛研究和应用。不同的手势具有不同的微动特征，通过分析微多普勒信号，提取相应的微动特征，并将微动特征输入到分类器中，就能识别出不同类型的手势。

微多普勒信号是一种时变信号，分析这类信号的常用技术是时频变换。通过时频变换，微多普勒信号的能量被映射到时间-频率域(简称“时频域”)。研究发现，手势微多普勒信号的能量仅分布在时频域的一小部分位点上，这表明，手势微多普勒信号在时频域具有稀疏性。基于这一发现，通过使用稀疏优化技术，手势微多普勒信号可以被映射到时频域的一个稀疏向量上。

稀疏优化技术是近年来根据压缩感知理论提出一类信号处理技术。这类技术利用待分析信号在变换域的稀疏特性，将待分析信号表示成变换域字典矩阵与稀疏向量的乘积，并使用贪婪算法或凸优化算法计算稀疏向量，实现从观测域到变换域的映射。

发明内容

本发明旨在至少解决上述技术问题之一。

为此，本发明的一个目的在于提出一种基于雷达微多普勒信号稀疏优化的手势识别方法，该方法不受光照条件的影响，能够提升光照条件不好的情形下的手势识别正确率。。

本发明的另一个目的在于提出一种基于雷达微多普勒信号稀疏优化的手势识别系统。

为了实现上述目的，本发明第一方面的实施例提出了一种基于雷达微多普勒信号稀疏优化的手势识别方法，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；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。

另外，根据本发明上述实施例的基于雷达微多普勒信号稀疏优化的手势识别方法还可以具有如下附加的技术特征：

在一些示例中，所述根据稀疏优化技术，将所述手势回波信号映射成稀疏向量，进一步包括：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：