[发明专利]一种基于多普勒雷达时频域特征的细粒度人体手臂运动识别方法

权利要求书

1.一种基于多普勒雷达时频域特征的细粒度人体手臂运动识别方法，其特征在于：采用两个相同的微型多普勒雷达持续收集用户的手势运动信息并保存至上位主机；对采集雷达信号进行滤波处理；

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；

将经过滤波的两个雷达提取得到的动作信号进行短时傅里叶变换获得时频谱图；对时频谱图的二值化、边缘检测处理，提取出手势动作的时频谱特征；

根据多普勒效应原理将两雷达时频谱特征进行合成以消除运动角度对两雷达分布信号造成的幅度和频率降低的影响；

对时频谱线使用X方法分类，完成具体的手臂动作种类判断。

2.根据权利要求1所述的一种基于多普勒雷达时频域特征的细粒度人体手臂运动识别方法，其特征在于：所述两雷达时频谱特征的对比得出的动作的运动方向，体现为运动相对于正面雷达的夹角。

3.根据权利要求1所述的一种基于多普勒雷达时频域特征的细粒度人体手臂运动识别方法，其特征在于：所述手臂动作种类包括：抬手、放下、推、拉、伸手、握拳、旋转、非手势信号。

4.根据权利要求1-3任一所述的一种基于多普勒雷达时频域特征的细粒度人体手臂运动识别方法，其特征在于：所述识别结果若属于动作种类中的任意一个，则继续向后进行步骤；否则输出结果中止识别。

5.根据权利要求1所述的一种基于多普勒雷达时频域特征的细粒度人体手臂运动识别方法，其特征在于：所述双门限算法中采用短时过门限率作为判断依据，在对信号分帧后计算每帧的短时过门限率，其计算公式为：

其中T_s代表信号门限，计算完成后将连续多帧信号在不中断超过宽容限度帧内短时过门限率和均超过T_s的信号段认为是动作信号。

6.根据权利要求1所述的一种基于多普勒雷达时频域特征的细粒度人体手臂运动识别方法，其特征在于：所述X方法为根据多普勒雷达正交调制原理计算两正交信号I、Q的相位差且由于即可以通过相位差的一阶导数计算出实时的动作运动方向；进而使用动态时间规整算法(DTW)+邻近算法(kNN)方式进行手势分类。

7.根据权利要求6所述的一种基于多普勒雷达时频域特征的细粒度人体手臂运动识别方法，其特征在于：所述动态时间规整算法(DTW)在原始算法的基础上进行了约束路径与拒绝错误信号的改进。