[发明专利]一种提升FMCW雷达手势识别精度的干扰抑制方法

说明书

本发明提出了一种提升FMCW雷达手势识别精度的干扰抑制方法。首先，利用FMCW雷达采集每个手势动作的扫频数据，并对每一个扫频的雷达数据进行FFT变换，得到手势目标的距离估计，在前一次FFT变换的基础上，对每一个啁啾的雷达扫频数据进行FFT变换，得到手势目标的多普勒估计；其次，将距离估计和多普勒估计进行耦合得到手势目标的RDM后用帧差法去除RDM的背景噪声；然后进行静态和动态干扰抑制；最后将干扰抑制后的RDM图输入到深度3维卷积(3D ConvNets，C3D)网络、膨胀3D卷积(Inflated 3D ConvNet，I3D)网络和时序膨胀3D卷积((Long Short Term Memory network‑Inflated 3D ConvNet，TS‑I3D)网络进行特征提取后分类，输出不同的手势类别。本发明创造新地提出对距离‑多普勒图进行干扰抑制，提高了手势识别的精度。

技术领域

本发明涉及人机交互领域，特别涉及一种提升FMCW雷达手势识别精度的干扰抑制方法。

背景技术

随着当今时代人机交互技术的发展，手势识别已经成人机交互的重要组成部分，其研究发展影响着人机交互的自然性和灵活性，并且在各个领域得到广泛的应用。在家庭娱乐方面，根据用户在游戏环境中左右挥动等动作来控制游戏中的角色，使得用户体验效果更好。而在智能驾驶方面，通过识别驾驶员手势动作完成对导航系统以及车载娱乐系统的控制，可以提高驾驶的安全性。

由于传统的手势识别方法主要利用光学摄像头和深度摄像头，无法克服非正常光照的影响，并且无法有效保护用户的隐私，因此，FMCW雷达在手势识别的应用上具有非常可观的研究前景。

目前基于雷达的手势识别研究中，仅挖掘了手势目标的距离和多普勒信息，而忽略了描述手势目标的运动过程中存在的噪声和干扰在实测的雷达数据中存在许多噪声和干扰，静态目标干扰主要包括墙体、桌椅、障碍物等，动态目标的干扰主要包括行人、用户手臂和身体等。因此，干扰抑制是手势识别中影响很大的关键步骤，它能有效提高手势识别的精度。

发明内容

本发明的目的是提供一种提升FMCW雷达手势识别精度的干扰抑制方法。相比于传统的干扰抑制方法，本发明结合了背景噪声，有效地对静态干扰和动态干扰进行了抑制，使抑制后的手势动作运动信息更加明显，提高了手势识别的精度。

本发明所采用的技术方案为：一种提升FMCW雷达手势识别精度的干扰抑制方法，具体包括以下步骤：

步骤一、设置调频连续波(Frequency Modulated Continuous Wave,FMCW)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，可以明显的增强信号的信噪比，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-多普勒图(Range-Doppler Map,RDM)；

步骤五、累积若干帧数据并求得均值作为背景帧X_bk，本发明中取帧数为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的距离轴和多普勒轴像素总数；