人機交互中的手勢識別研究已經(jīng)成為了計算機科學和人工智能領域的熱點問題。傳統(tǒng)的手勢識別方法,包括基于傳感器的方法、基于視覺的方法和基于無線信號的方法。這些方法都有其優(yōu)點和局限性,其中基于視覺的方法在準確性方面表現(xiàn)較好,但需要大量的訓練數(shù)據(jù)和計算資源�；诤撩撞ɡ走_的手勢識別方法不受光線、遮擋等因素的影響,適用于多種環(huán)境場景,具有較高的識別精度,可以實現(xiàn)更精細的手勢識別。本文基于IWR1642毫米波雷達開發(fā)板開展手勢識別算法研究,具體內容如下:首先,研究雷達手勢信號并處理。通過分析毫米波雷達信號結構和測量算法,計算出適合手勢運動的雷達參數(shù),采集信號提取手勢數(shù)據(jù)。然后對信號數(shù)據(jù)展開時域和頻域分析,提出從頻域角度解決問題:為了濾除雷達本身自帶的硬件干擾和測量范圍內除手勢外的雜波信號,設計了在距離維和速度維濾除直流分量的算法;為了進一步提取動態(tài)手勢目標,綜合單元平均恒虛警率算法和有序統(tǒng)計恒虛警率算法的優(yōu)劣,提出了一種開關選擇恒虛警率算法,有效提取了距離多普勒圖中的手勢目標。其次,研究兩種不同的方法設計兩重特征集�；陂_關選擇恒虛警率處理后的距離多普勒圖,對其進行耦合時間處理,再進行參數(shù)分離,得到...

【文章頁數(shù)】：81 頁

【部分圖文】：

圖1.3GoogleSoli毫米波雷達微動手勢識別系統(tǒng)

重慶郵電大學博士學位論文1緒論5其中微動手勢特征提取主要研究如何從獲取到的目標手勢運動參數(shù)中提取能夠精確刻畫該手勢運動狀態(tài)的特征信息，這是實現(xiàn)微動手勢分類的前提，同時也是微動手勢識別中的核心技術。由于微動手勢動作幅度孝運動緩慢，不同的微動手勢在單一參數(shù)特征上區(qū)別并不明顯，這就造成....

圖2.1基于毫米波雷達的微動手勢識別算法研究方案

重慶郵電大學博士學位論文2基于毫米波雷達的微動手勢識別技術研究方案172基于毫米波雷達的微動手勢識別技術研究方案本章首先根據(jù)研究目標對基于毫米波雷達的微動手勢識別算法和硬件研究方案進行分析；在此基礎上，進一步對核心研究內容的技術路線進行了詳細闡述。2.1整體研究方案2.1.1基于....

圖2.3AWR1642雷達收發(fā)模塊射頻單元結構

重慶郵電大學博士學位論文2基于毫米波雷達的微動手勢識別技術研究方案19集板通過網(wǎng)絡數(shù)據(jù)接口將基帶信號傳輸至PC端進行后續(xù)雷達信號處理。圖2.2毫米波雷達硬件平臺方案圖2.3AWR1642雷達收發(fā)模塊射頻單元結構在雷達系統(tǒng)設計中，雷達射頻鏈路結構設計對雷達性能及后續(xù)數(shù)字信號處理起著....

圖2.4距離-速度聯(lián)合估計算法

重慶郵電大學博士學位論文2基于毫米波雷達的微動手勢識別技術研究方案21圖2.4距離-速度聯(lián)合估計算法圖2.5微動手勢距離-角度聯(lián)合超分辨估計流程圖不同于目標距離-速度聯(lián)合估計算法中僅利用單路接收信號即可完成參數(shù)聯(lián)合估計，在距離-角度聯(lián)合估計算法中，需要綜合接收陣列中所有鏈路解析出....

本文編號：3893697