[发明专利]一种基于多普勒雷达的人体手臂动作感知方法

说明书

本发明提供一种基于多普勒雷达的人体手臂动作感知方法，对采集雷达信号进行滤波处理，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；采用离散小波变化进行降采样；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；与该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距离计算；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。本发明为基于多普勒雷达所提出来的感知人体手臂动作的新型技术，根据手臂运动时与雷达的相对位置和速度，利用多普勒信号变化情况来检测出单个动作，再利用信号的特征进行双次分类，完成对实际动作的感知。

技术领域

本发明涉及基于无线电磁波信号的人体行为感知领域，尤其涉及微型多普勒雷达对用户的手臂动作进行感知与识别的方法。

背景技术

随着人机交互需求的增加和技术的发展，人们越来越多地使用无线设备进行动作识别工作。不同于计算机视觉的动作识别方法对于光照有额外的要求，以及使用加速度传感器感知的动作识别方法对人在整体的动作识别上有困难的情况，无线设备的动作识别具有普适、易操作的优势。同时随着诸如智能手机等智能设备的发展，无线设备也深入到生活的方方面面，普及程度大幅增加。目前已经有许多基于无线的感知技术，例如在2016年UbiComp发表的《WiFinger:talk to your smart devices with finger-grainedgesture》文章利用Wi-Fi信号经过人体时其CSI信号强度发生变化的特性，来对用户做出的手势进行识别，实现了更自然的人机交互；专利US20120139708A1则说明了一种基于RFID的手势识别方法，其通过用户佩戴在身体上的RFID雷达接收用户佩戴在手部的RFID标签传输的信号，获得用户手部的空间位置进而识别出用户做出的手势。然而，在现有的方法中，Wi-Fi无线信号分布不稳定、易受干扰的特点使得很难应用到实际情况，RFID识别技术则需要给用户佩戴额外的设备，影响体验。而雷达信号具有噪声低、频带宽、损耗小的优点，可在相同环境中对用户的动作做出更精确、稳定的识别。使用微型多普勒雷达进行人体手臂动作的感知，可提供更好更便捷的人机交互体验，能在智能家居、工作娱乐等领域均带来一定实际意义。

发明内容

基于多普勒雷达信号的感知主要内容为动作信号提取与动作信号识别。对于动作信号提取我们将从原始信号中抽离出能反应人体手臂动作的信号片段。其主要工作内容包括信号的低通滤波，端点检测，离散小波变化。对于动作信号识别我们采用先基于相位后基于改良DTW(动态时间规整)算法的双次分类方法。其中基于相位的分类可以将动作信号划分为两大类，然后用基于改良DTW算法的分类可以在大类中进一步将动作细分。在实时应用中，相比大量样本的单次分类，可以大幅提高计算处理效率，也能提高准确性。最终能识别出诸如抬起、放下、推、拉、旋转等手臂的动作。

为实现上述任务，本发明采用以下技术方案：

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，将其与该大类的样本库中已知的信号进行带约束路径限制的DTW(动态时间规整)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，采用kNN(邻近算法)进行第二次分类，识别出人体手臂具体动作。