[发明专利]一种提升FMCW雷达手势识别精度的干扰抑制方法

权利要求书

1.一种提升FMCW雷达手势识别精度的干扰抑制方法，其特征在于包括以下步骤：

步骤一、设置调频连续波雷达参数，配置天线为2发4收，其中，扫频个数为N_c，采样点个数为N_s，帧数为frame；然后，利用雷达采集每个手势动作的数据，每一帧数据存为N_S×N_c的矩阵F_k；

步骤二、累积2根发射天线和4根接收天线的数据，可以明显地增强信号的信噪比，然后对F_k的每一列数据进行傅里叶变换生成距离谱矩阵P_r；

步骤三、对距离谱矩阵P_r的每一行数据进行傅里叶变换，生成多普勒矩阵S_k；

步骤四、每一帧的距离谱矩阵P_r和S_k耦合，得到每一帧手势目标的距离-多普勒矩阵，即RDM矩阵；

步骤五、累积若干帧数据并求得均值作为背景帧X_bk，取帧数为3，用帧差法减除背景帧后得到其中，待处理的RDM矩阵中第i行、第j列的元素为背景帧X_bk的第i行、第j列的元素为m和n分别表示RDM矩阵的多普勒轴和距离轴像素总数；

步骤六、采用自适应门限去除RDM矩阵中的噪声，将被检测单元的RDM矩阵中的元素与门限进行对比，如果被检测单元的RDM矩阵中的元素值大于门限值，则判定为检测到目标，处理结果矩阵为R；

步骤七、对矩阵R进行静态干扰抑制，结果矩阵记为R_sta；

步骤八、对矩阵R_sta进行动态干扰抑制，标记出手势目标，结果矩阵记为R_res；

步骤九、将32帧RDM图送入到C3D、I3D和TS-I3D网络中进行特征提取，得到特征函数F_fusion，并将F_fusion输入softmatx分类器进行分类，输出不同的手势类别；

所述步骤五中包括以下步骤：

5.1在每段手势动作数据样本中，将s帧数据进行累积并求得均值作为背景帧，表示为：

其中，s表示RDM背景帧累积个数，m和n分别是RDM的距离轴和多普勒轴的像素总数；

5.2将RDM背景帧分解为两个部分：

其中，第一项表示多普勒频偏不为零的区域，第2项表示多普勒频偏为零区域，r和d表示RDM的横、纵坐标，分别表征距离和多普勒轴；

5.3因为背景帧中引入了静态目标的干扰，为了避免静态目标干扰对背景帧计算的影响，将背景帧的计算方式改为：

5.4考虑到背景噪声的波动性，导致每一帧减除过程中不能均匀地去除噪声，将背景帧减除操作的计算方法定义为：

其中，x_p表示每一帧的像素值，x_bk表示背景帧的像素值。

2.根据权利要求1所述的一种提升FMCW雷达手势识别精度的干扰抑制方法，其特征在于步骤六中采用自适应门限去除其中噪声，噪声门限为：

其中，表示待处理的RDM中第r行、第d列的元素，如果被检测单元的RDM中的元素值大于门限值N_v，则判定为目标，结果矩阵记为R。

3.根据权利要求1所述的提升调频连续波雷达手势识别精度的干扰抑制方法，其特征在于所述步骤七中包括以下步骤：

7.1统计R中检测到的目标个数，记为c_d；

7.2查找R中多普勒频偏值为零的目标，个数记为c_s，距离坐标向量记为B_cur，记录前一帧目标所处的距离单元向量B_pre；

7.3对B_cur和B_pre分别进行升序排序，如果c_d和c_s计数不等，查找所有B_cur和B_pre中相同的坐标距离，并从R中删除相同距离坐标距离的目标，得到矩阵R_sta。

4.根据权利要求1所述的提升调频连续波雷达手势识别精度的干扰抑制方法，其特征在于所述步骤八中包括以下步骤：

8.1记录R_sta中目标的坐标；C_x记录所有目标的距离坐标x_i，C_y记录所有目标的多普勒坐标y_i，C_loc记录R_sta中第i个目标的距离值和多普勒值为(x_i,y_i)；

8.2对C_x中所有元素按升序进行排序，并将C_x中最小值记为m_x；对C_y中所有多普勒坐标进行统计，正向多普勒速度的个数记为c_p，负多普勒速度的个数为c_n；

8.3定义向量M_y用来记录满足条件的多普勒值；查找C_loc中的每一个坐标(x_i,y_i)，如果x_i＝m_x，在M_y中记录多普勒值y_i，如果x_i≠m_x，则不在M_y中记录多普勒值y_i；

8.4定义m_y为多普勒频偏单元值；如果c_p＞c_n，令m_y等于M_y中的最大值，否则令m_y等于M_y中的最小值；

8.5将坐标为(m_x,m_y)的元素标记为手势目标，结果矩阵记为R_res。