基于多域融合的FMCW雷达手势识别方法

作     者：赵意泉 杨天虹 吴涵旭 屈乐乐 ZHAO Yi-quan;YANG Tian-hong;WU Han-xu;QU Le-le

作者机构：沈阳航空航天大学电子信息工程学院辽宁沈阳110136 

出 版 物：《中国电子科学研究院学报》 (Journal of China Academy of Electronics and Information Technology)

年 卷 期：2023年第18卷第6期

页      面：495-502,512页

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(61671310) 航空科学基金(2019ZC054004) 辽宁省教育厅自然科学基金(JYT2020015) 沈阳航空航天大学大学生创新创业训练项目(S202210143020) 

主　　题：调频连续波雷达 手势识别 卷积神经网络 多域融合 

摘      要：为了提高对动态手势动作的识别性能,文中提出一种基于多域融合的调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达手势识别方法。首先,利用FMCW雷达对不同手势动作进行探测并收集回波数据;然后,对接收的回波数据进行预处理得到目标的距离-时间矩阵、多普勒-时间矩阵和固定帧时间长度的距离-多普勒-帧三维矩阵,将每个手势动作对应的三种数据矩阵输入到三通道卷积神经网络(Convolutional Neural Networks,CNN)中进行手势特征提取;最后,采用可训练的权值矩阵对各个数据域提取的特征向量进行融合得到手势动作分类结果。实测数据处理结果表明所提基于加权融合的三通道CNN手势识别方法对八种手势动作的分类平均准确率达到98.45%,与传统的平均融合和拼接融合方式相比有效提高了对手势动作的分类能力。