基于毫米波雷达的微动手势识别关键技术研究
发布时间：2023-08-11 20:22
伴随着5G、物联网(Internet of Things,IOT)及人工智能时代的到来,各类虚拟现实(Virtual Reality,VR)应用和新型智能可穿戴设备正在不断涌现。要实现人与设备之间无缝连接,促进人类物理世界与网络信息世界的信息交互与共融,在智能化背景下的人机交互是亟待解决的关键性基础问题。手势是人类最具表现力的自然交互方式之一,基于手势识别的移动式交互系统设计是当前人机交互领域的重要研究方向。微动手势是主要涉及手指运动的手势动作,相比于粗粒度手势,它能够完成更加精细化的交互操作,被广泛应用于可穿戴设备、汽车辅助系统等对交互精度要求更高的应用中,微动手势的识别也成为了当前手势交互领域的关键课题。毫米波雷达具有空间分辨率高、全天候和易集成的优势,因此通过毫米波雷达感知微动手势的运动状态是解决移动式人机交互难题最有前景的方法之一。本文针对毫米波雷达微动手势识别中存在的手势运动参数联合估计、微动手势类目标消除和微动手势特征提取及识别难题,开展了基于毫米波雷达的微动手势识别关键技术研究,具体内容主要包括:(1)微动手势距离‐角度联合超分辨估计算法研究本文在微动手势距离-速度联合估...
【文章页数】：167 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于毫米波雷达的微动手势识别系统国内外研究现状
1.2.2 毫米波雷达参数估计方法研究现状
1.2.3 毫米波雷达类目标消除方法研究现状
1.2.4 微动手势特征提取及识别研究现状
1.3 论文主要研究工作及贡献
1.4 论文组织结构
2 基于毫米波雷达的微动手势识别技术研究方案
2.1 整体研究方案
2.1.1 基于毫米波雷达的微动手势识别算法研究方案
2.1.2 毫米波雷达硬件平台方案
2.2 技术路线
2.2.1 微动手势“三域”参数联合估计
2.2.2 微动手势类目标消除
2.2.3 微动手势特征提取及识别
2.3 相关研究基础
2.3.1 FMCW毫米波雷达距离-速度联合估计
2.3.2 卷积与循环卷积神经网络研究基础
2.4 本章小结
3 微动手势距离-角度联合超分辨估计算法研究
3.1 引言
3.2 雷达信号处理流程
3.3 MIMO-FMCW毫米波雷达虚拟天线扩展技术
3.3.1 MIMO雷达虚拟天线扩展原理
3.3.2 MIMO雷达多路复用技术
3.4 基于2D-MUSIC的距离-到达角联合超分辨估计算法
3.4.1 信号模型
3.4.2 相干回波信号参数估计
3.4.3 仿真结果分析
3.5 基于Extrapolation-MUSIC距离-角度联合估计算法
3.5.1 信号模型
3.5.2 基于Burg算法的AR模型系数求解
3.5.3 仿真结果分析
3.6 实验结果分析
3.6.1 单目标联合参数精度测试
3.6.2 双目标联合参数分辨测试
3.6.3 微动手势目标测试
3.7 本章小结
4 微动手势类目标抑制技术研究
4.1 引言
4.2 基于2D-CFAR的类目标抑制技术
4.2.1 2D-CFAR类目标抑制模型
4.2.2 仿真实验分析
4.3 基于无监督降噪卷积自编码网络类目标抑制技术
4.3.1 无监督降噪自编码网络数学模型
4.3.2 无监督降噪卷积自编码网络模型
4.3.3 仿真实验
4.4 实验结果分析
4.5 本章小结
5 微动手势特征提取及识别算法研究
5.1 引言
5.2 基于3D-CNN的微动手势时序-空间联合特征提取及识别
5.2.1 3D卷积运算
5.2.2 3D-CNN网络架构分析
5.2.3 实验结果分析
5.3 基于R3DCNN-CTC的微动手势识别系统研究
5.3.1 R3DCNN-CTC模型分析
5.3.2 基于前向-后向算法的CTC目标函数计算
5.3.3 实验结果分析
5.4 本章小结
6 总结与展望
6.1 论文工作总结
6.2 未来展望
致谢
参考文献
附录
A.作者在攻读博士学位期间发表的论文目录
B.作者在攻读博士学位期间参加的科研项目及得奖情况
本文编号：3841695
【文章页数】：167 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于毫米波雷达的微动手势识别系统国内外研究现状
1.2.2 毫米波雷达参数估计方法研究现状
1.2.3 毫米波雷达类目标消除方法研究现状
1.2.4 微动手势特征提取及识别研究现状
1.3 论文主要研究工作及贡献
1.4 论文组织结构
2 基于毫米波雷达的微动手势识别技术研究方案
2.1 整体研究方案
2.1.1 基于毫米波雷达的微动手势识别算法研究方案
2.1.2 毫米波雷达硬件平台方案
2.2 技术路线
2.2.1 微动手势“三域”参数联合估计
2.2.2 微动手势类目标消除
2.2.3 微动手势特征提取及识别
2.3 相关研究基础
2.3.1 FMCW毫米波雷达距离-速度联合估计
2.3.2 卷积与循环卷积神经网络研究基础
2.4 本章小结
3 微动手势距离-角度联合超分辨估计算法研究
3.1 引言
3.2 雷达信号处理流程
3.3 MIMO-FMCW毫米波雷达虚拟天线扩展技术
3.3.1 MIMO雷达虚拟天线扩展原理
3.3.2 MIMO雷达多路复用技术
3.4 基于2D-MUSIC的距离-到达角联合超分辨估计算法
3.4.1 信号模型
3.4.2 相干回波信号参数估计
3.4.3 仿真结果分析
3.5 基于Extrapolation-MUSIC距离-角度联合估计算法
3.5.1 信号模型
3.5.2 基于Burg算法的AR模型系数求解
3.5.3 仿真结果分析
3.6 实验结果分析
3.6.1 单目标联合参数精度测试
3.6.2 双目标联合参数分辨测试
3.6.3 微动手势目标测试
3.7 本章小结
4 微动手势类目标抑制技术研究
4.1 引言
4.2 基于2D-CFAR的类目标抑制技术
4.2.1 2D-CFAR类目标抑制模型
4.2.2 仿真实验分析
4.3 基于无监督降噪卷积自编码网络类目标抑制技术
4.3.1 无监督降噪自编码网络数学模型
4.3.2 无监督降噪卷积自编码网络模型
4.3.3 仿真实验
4.4 实验结果分析
4.5 本章小结
5 微动手势特征提取及识别算法研究
5.1 引言
5.2 基于3D-CNN的微动手势时序-空间联合特征提取及识别
5.2.1 3D卷积运算
5.2.2 3D-CNN网络架构分析
5.2.3 实验结果分析
5.3 基于R3DCNN-CTC的微动手势识别系统研究
5.3.1 R3DCNN-CTC模型分析
5.3.2 基于前向-后向算法的CTC目标函数计算
5.3.3 实验结果分析
5.4 本章小结
6 总结与展望
6.1 论文工作总结
6.2 未来展望
致谢
参考文献
附录
A.作者在攻读博士学位期间发表的论文目录
B.作者在攻读博士学位期间参加的科研项目及得奖情况
本文编号：3841695
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3841695.html
