[发明专利]一种基于多普勒雷达的人体手臂动作感知方法

权利要求书

1.基于多普勒雷达的人体手臂动作感知方法，其特征在于，包括如下步骤：

步骤1：对采集雷达信号进行滤波处理，减少噪音对实验结果的干扰；

步骤2：基于滤波后的雷达信号，采用双门限算法，对信号中有起伏波动的信号片段进行检测与提取；

步骤3：将提取得到的动作信号采用离散小波变化进行降采样，并最大限度保持原有信号特征；

步骤4：对于单个动作信号片段，使用相位判别方法对双通道I、Q信号的相位差作出分析，将该信号进行第一次分类成靠近、远离两类动作；

步骤5：基于步骤4第一次分类后的信号，将其与所属大类的样本库中已知的信号进行带约束路径限制的动态时间规整DTW距离计算，每一个样本库中的信号均能得到一个相应的DTW距离值；

步骤6：基于DTW距离值，邻近算法采用kNN进行第二次分类，识别出人体手臂具体动作。

2.根据权利要求1所述的基于多普勒雷达的人体手臂动作感知方法，其特征在于：步骤2中所述双门限算法是采用短时过门限率和短时能量为阈值；对信号进行分帧处理，对于每一帧分别计算它的短时过门限率与短时能量，如果连续多帧的短时过门限率与短时能量均超过两个阈值，将其判定为有效的动作信号，否则则丢弃。

3.根据权利要求2所述的基于多普勒雷达的人体手臂动作感知方法，其特征在于：所述的短时过门限率为：

短时能量为：

其中，i为每一帧的序号，T为门限值；并分别设定T＝0.15，短时过门限阈值TZ＝10，短时能量阈值TE＝10。

4.根据权利要求1所述的基于多普勒雷达的人体手臂动作感知方法，其特征在于：所述步骤3中通过多次离散小波变化将一个动作信号序列长度控制在160-320个点之间。

5.根据权利要求1所述的基于多普勒雷达的人体手臂动作感知方法，其特征在于：步骤4所述的相位判别方法，是根据相位差值随时间的增加、减少趋势，分别将该信号进行第一次分类成靠近、远离两类动作。

6.根据权利要求5所述的基于多普勒雷达的人体手臂动作感知方法，其特征在于：所述的信号相位差计算公式为：

θ＝tan^-1Q(t)/I(t)＝4π·vt/λ

其中，t为时域，I和Q分别为双通道多普勒雷达输出的两条正交信号，v为手臂动作相对于雷达的速度的垂直分量，λ为手臂进行动作前相对于雷达的距离产生的初始相位。

7.根据权利要求6所述的基于多普勒雷达的人体手臂动作感知方法，其特征在于：所述的信号相位差计算公式在区间端点处会出现相位突变，需要对得到相位差做额外的相位展开来恢复相位才能进行后续增减趋势判断，所述相位展开公式为：

θ_u,i＝θ_u,i-1+mod(θ_w,i-θ_w,i-1-π,2π)+π

其中，i为时域上的序列点，θ_w,i为在第i个时间点上展开前的相位差，θ_u,i为在第i个时间点上展开后的相位差；θ_w,i-1为在第i-1个时间点上展开前的相位差，θ_u,i-1为在第i-1个时间点上展开后的相位差。

8.根据权利要求1所述的基于多普勒雷达的人体手臂动作感知方法，其特征在于：步骤5中所述约束路径限制采用抛物线约束方式，所述抛物线约束路径公式为：

2nx²/3m²+nx/3m²-10≤y≤-2nx²/3m²+5nx/3m²+10

其中m，n分别代表被比较的两个信号序列的长度。

9.根据权利要求1所述的基于多普勒雷达的人体手臂动作感知方法，其特征在于：步骤6中所述的kNN邻近算法，采用每个动作的样本数量为30个，并设定邻近数量k＝7。