[发明专利]使用时空神经网络执行姿态识别的基于智能设备的雷达系统

权利要求书

1.一种由雷达系统执行的方法，所述方法包括：

使用所述雷达系统的天线阵列发射雷达发射信号；

使用所述天线阵列接收雷达接收信号，所述雷达接收信号包括由至少一个用户反射的雷达发射信号的版本；

基于所述雷达接收信号生成复合雷达数据；

将所述复合雷达数据提供给所述雷达系统的时空神经网络，所述时空神经网络包括多级机器学习架构；以及

使用所述时空神经网络分析所述复合雷达数据以识别由所述至少一个用户执行的姿态。

2.根据权利要求1所述的方法，其中：

对所述复合雷达数据的分析包括使用机器学习技术分析所述复合雷达数据的幅度和相位信息两者以识别所述姿态。

3.根据权利要求1或2所述的方法，其中：

所述多级机器学习架构包括空间递归网络和时间递归网络；以及

其中，对所述复合雷达数据的分析包括：

使用所述空间递归网络在空间域上分析所述复合雷达数据，以生成与所述姿态相关联的特征数据；以及

使用所述时间递归网络在时域上分析所述特征数据，以识别所述姿态。

4.根据权利要求3所述的方法，进一步包括：

将所述特征数据存储在循环缓冲区中；以及

由所述时间递归网络访问存储在所述循环缓冲区中的特征数据。

5.根据权利要求3或4所述的方法，其中，在所述空间域上分析所述复合雷达数据包括：

使用非线性激活函数单独地处理所述复合雷达数据中与不同范围区间相关联的部分，以生成用于每个范围区间的信道多普勒数据；以及

跨所述不同范围区间分析所述信道多普勒数据以生成所述特征数据。

6.根据权利要求3至5中的任一项所述的方法，其中，在所述时域上分析所述特征数据包括：通过分析与至少两个不同时间帧相关联的所述特征数据来形成关于所述姿态的预测。

7.根据任一前述权利要求所述的方法，其中，所述复合雷达数据包括以下中的至少一个：

复合距离多普勒图；

复合干涉测量数据；

与所述雷达接收信号相关联的多个数字差拍信号；或

所述多个数字差拍信号的频域表示。

8.根据任一前述权利要求所述的方法，其中，所述姿态包括以下中的至少一个：

挥扫姿态；

伸手姿态；

把手转动姿态；或

轴扭转姿态。

9.根据任一前述权利要求所述的方法，其中：

接收所述雷达接收信号包括使用所述雷达系统的不同天线元件接收所述雷达接收信号的多个版本；以及

生成所述复合雷达数据包括使用所述雷达系统的相应接收信道生成数字差拍信号，所述相应接收信道分别被连接到所述不同天线元件。

10.一种装置，包括：

雷达系统，所述雷达系统包括：

天线阵列；

收发器；以及

被配置为执行根据权利要求1至9中的任一项所述的方法的处理器和计算机可读存储介质。

11.根据权利要求10所述的装置，其中，所述装置包括智能设备，所述智能设备包括以下之一：

智能电话；

智能手表；

智能扬声器；

智能恒温器；

安全相机；

车辆；或者

家用电器。