伴隨著5G、物聯(lián)網(wǎng)(Internet of Things,IOT)及人工智能時代的到來,各類虛擬現(xiàn)實(Virtual Reality,VR)應(yīng)用和新型智能可穿戴設(shè)備正在不斷涌現(xiàn)。要實現(xiàn)人與設(shè)備之間無縫連接,促進人類物理世界與網(wǎng)絡(luò)信息世界的信息交互與共融,在智能化背景下的人機交互是亟待解決的關(guān)鍵性基礎(chǔ)問題。手勢是人類最具表現(xiàn)力的自然交互方式之一,基于手勢識別的移動式交互系統(tǒng)設(shè)計是當前人機交互領(lǐng)域的重要研究方向。微動手勢是主要涉及手指運動的手勢動作,相比于粗粒度手勢,它能夠完成更加精細化的交互操作,被廣泛應(yīng)用于可穿戴設(shè)備、汽車輔助系統(tǒng)等對交互精度要求更高的應(yīng)用中,微動手勢的識別也成為了當前手勢交互領(lǐng)域的關(guān)鍵課題。毫米波雷達具有空間分辨率高、全天候和易集成的優(yōu)勢,因此通過毫米波雷達感知微動手勢的運動狀態(tài)是解決移動式人機交互難題最有前景的方法之一。本文針對毫米波雷達微動手勢識別中存在的手勢運動參數(shù)聯(lián)合估計、微動手勢類目標消除和微動手勢特征提取及識別難題,開展了基于毫米波雷達的微動手勢識別關(guān)鍵技術(shù)研究,具體內(nèi)容主要包括:(1)微動手勢距離‐角度聯(lián)合超分辨估計算法研究本文在微動手勢距離-速度聯(lián)合估...

【文章頁數(shù)】：167 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于毫米波雷達的微動手勢識別系統(tǒng)國內(nèi)外研究現(xiàn)狀
        1.2.2 毫米波雷達參數(shù)估計方法研究現(xiàn)狀
        1.2.3 毫米波雷達類目標消除方法研究現(xiàn)狀
        1.2.4 微動手勢特征提取及識別研究現(xiàn)狀
    1.3 論文主要研究工作及貢獻
    1.4 論文組織結(jié)構(gòu)
2 基于毫米波雷達的微動手勢識別技術(shù)研究方案
    2.1 整體研究方案
        2.1.1 基于毫米波雷達的微動手勢識別算法研究方案
        2.1.2 毫米波雷達硬件平臺方案
    2.2 技術(shù)路線
        2.2.1 微動手勢“三域”參數(shù)聯(lián)合估計
        2.2.2 微動手勢類目標消除
        2.2.3 微動手勢特征提取及識別
    2.3 相關(guān)研究基礎(chǔ)
        2.3.1 FMCW毫米波雷達距離-速度聯(lián)合估計
        2.3.2 卷積與循環(huán)卷積神經(jīng)網(wǎng)絡(luò)研究基礎(chǔ)
    2.4 本章小結(jié)
3 微動手勢距離-角度聯(lián)合超分辨估計算法研究
    3.1 引言
    3.2 雷達信號處理流程
    3.3 MIMO-FMCW毫米波雷達虛擬天線擴展技術(shù)
        3.3.1 MIMO雷達虛擬天線擴展原理
        3.3.2 MIMO雷達多路復(fù)用技術(shù)
    3.4 基于2D-MUSIC的距離-到達角聯(lián)合超分辨估計算法
        3.4.1 信號模型
        3.4.2 相干回波信號參數(shù)估計
        3.4.3 仿真結(jié)果分析
    3.5 基于Extrapolation-MUSIC距離-角度聯(lián)合估計算法
        3.5.1 信號模型
        3.5.2 基于Burg算法的AR模型系數(shù)求解
        3.5.3 仿真結(jié)果分析
    3.6 實驗結(jié)果分析
        3.6.1 單目標聯(lián)合參數(shù)精度測試
        3.6.2 雙目標聯(lián)合參數(shù)分辨測試
        3.6.3 微動手勢目標測試
    3.7 本章小結(jié)
4 微動手勢類目標抑制技術(shù)研究
    4.1 引言
    4.2 基于2D-CFAR的類目標抑制技術(shù)
        4.2.1 2D-CFAR類目標抑制模型
        4.2.2 仿真實驗分析
    4.3 基于無監(jiān)督降噪卷積自編碼網(wǎng)絡(luò)類目標抑制技術(shù)
        4.3.1 無監(jiān)督降噪自編碼網(wǎng)絡(luò)數(shù)學模型
        4.3.2 無監(jiān)督降噪卷積自編碼網(wǎng)絡(luò)模型
        4.3.3 仿真實驗
    4.4 實驗結(jié)果分析
    4.5 本章小結(jié)
5 微動手勢特征提取及識別算法研究
    5.1 引言
    5.2 基于3D-CNN的微動手勢時序-空間聯(lián)合特征提取及識別
        5.2.1 3D卷積運算
        5.2.2 3D-CNN網(wǎng)絡(luò)架構(gòu)分析
        5.2.3 實驗結(jié)果分析
    5.3 基于R3DCNN-CTC的微動手勢識別系統(tǒng)研究
        5.3.1 R3DCNN-CTC模型分析
        5.3.2 基于前向-后向算法的CTC目標函數(shù)計算
        5.3.3 實驗結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 論文工作總結(jié)
    6.2 未來展望
致謝
參考文獻
附錄
    A.作者在攻讀博士學位期間發(fā)表的論文目錄
    B.作者在攻讀博士學位期間參加的科研項目及得獎情況



本文編號：3841695