[发明专利]一种基于毫米波雷达的手势识别系统

权利要求书

1.一种基于毫米波雷达的手势识别系统，其特征在于包括：

手势识别单元，包括用于收发手势变换所产生的毫米波雷达信号的收发模块，和用于提取收发模块所获取毫米波雷达信号的MFCC特征参数的主控模块；

处理单元，与手势识别单元相连，用于将主控模块得到的频谱图用AI芯片进行处理，处理单元包括深度学习模块，其对多种手势分别进行多次训练，利用深度可分解的卷积神经网络和全连接层，对每种手势的MFCC特征向量统一数据集成，形成目标数据库；

判别输出单元，分别与手势识别单元和处理单元相连，利用手势识别单元获取待测手势信号，并将其与处理单元的目标数据库进行比对，以相似度为判别依据，将识别结果上传至终端显示；

所述目标数据库中包括五个类别的特定手势，为向上手势、向下手势、向左手势、向右手势和点手势；

所述提取MFCC特征参数的过程包括：

1)判断毫米波雷达信号是否位于低频到高频的频带内；

2)如果步骤1)中的判断结果为是，则将毫米波雷达信号通过高频滤波器提升高频部分；

3)将步骤2)中处理得到的毫米波雷达信号经过加汉明窗、FFT转换、Mel滤波器组频谱优化和对数运算后，得到MFCC多维的动静态特征参数；

将毫米波雷达信号分解为帧，将每帧毫米波雷达信号序列依此存入一个数据区，用循环队列存储数据，已处理完成并提取出了手势MFCC特征参数的一帧手势数据依次抛弃，以让出存储空间来存储新数据；

H(Z)＝1-μz^-1(μ值接近1)

第一步先提升高频部分(预加重)，2倍频程增加频率，将经过一阶数字滤波处理后的信号进行短时处理，用一定的窗函数与雷达波相乘，可得：

s_ω(n)＝s(n)*ω(n)

处理完成后可得到一帧一帧的加过汉明窗的短时信号；

对于每帧短时信号，计算周期功率谱，对一帧信号做短时傅里叶变换，将复杂的信号波分解为空间位置x,y,z上各个方向对应的单独的信号波；选择DFT以及相应FFT点数N1＝1024，并加重每帧信号波的高频部分，将每个单独的信号波包含的能量叠加在一起，得到能量谱(幅度谱平方)；将实际的能量谱转化为临界频谱特征；

将能量谱获取若干个临界带频率分割点，分割为24个临界点，在每个临界带中得到相应的临界带特征矢量，用高效的FFT完成；

将mel滤波器应用到能量谱中，计算每个滤波器的能量和；

采用配置L个mel三角形滤波器组，每一个三角形滤波器等间隔分配；

用少量filterbank将频域划分成少量子带，每个子带输出子带能量和作为特征表征该频率段的能量水平，得到24个特征；

计算能量的对数值：

首先对24个子带能量进行同态分析后求对数(倒谱系数)，压缩一下动态范围；采用Karhunen-Loeve变换去相关并选择主成分进行降维，即主成分分析；

对每个对数能量进行离散余弦变换(DCT)，进行将为分析：

通过DCT变换对24个子带能量特征进行去相关并降到13维，包括C0-C12，为13维的差分系数，可用来描述手势雷达信号的动态特征，也即手势特征在相邻帧间的变化情况；

保留DCT的2-13个系数，其余系数舍去，舍弃C0，保留C1-C12共12维特征，抑制C1、C12这类两端的系数，加强C6 C7这类中间的系数。

2.根据权利要求1所述的基于毫米波雷达的手势识别系统，其特征在于：所述收发模块包括毫米波雷达传感器和收发天线；通过计算从收发天线发射无线电波到天线收到反射波的延时可计算得到目标手势的位置，通过收发天线与目标手势之间的夹角、收发天线发出发射波和收发天线收到反射波的波长变化，利用多普勒频移公式可计算得到目标手势的变换速度。

3.根据权利要求2所述的基于毫米波雷达的手势识别系统，其特征在于：所述毫米波雷达传感器的发射频率为24GHz。

4.根据权利要求1所述的基于毫米波雷达的手势识别系统，其特征在于：所述深度可分解的卷积神经网络包括一个深度卷积和一个点卷积，深度卷积将每个卷积应用到每一个通道，点卷积用来组合通道卷积的输出。