龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：电子科技大学
申请日：2024-02-27
公开（公告）日：2024-05-31
公开（公告）号：CN118116073A
主分类号：G06V40/20
分类号：G06V40/20;G06V40/10;G06V10/762
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.18#实质审查的生效;2024.05.31#公开
摘要：本发明属于毫米波雷达手势识别信号处理领域，具体涉及一种基于MUSIC算法的毫米波雷达双手手势特征分离方法。本发明将对采集到的双手雷达回波数据进行预处理，得到距离‑时间图，再生成双手手势特征距离‑角度图像；对特征进行聚类处理，得到左手和右手的两个聚类中心点和中心点对应的功率大小，通过比较将左手与右手对应于对原始双手手势信号的相关矩阵进行特征值分解后的最大或次大特征值以及对应的特征向量。在所有的特征向量中减去左手或右手对应的特征向量，构建新的噪声子空间，根据MUSIC算法公式直接重构左手或右手的手势动作特征距离‑角度图。本发明的实现方式简单，为基于毫米波雷达的双手手势识别提供了信号处理上的方法。
主权项：1.一种基于MUSIC算法的毫米波雷达双手手势特征分离方法，其特征在于，包含以下步骤：步骤一、使用毫米波雷达采集双手的预定义手势动作数据，经过处理后得到双手手势动作的距离-时间图；步骤二、将距离-时间图通过MVDR波束形成算法进行角度估计，经过静态杂波滤除和CFAR处理后得到双手预定义手势的特征距离-角度图像；步骤三、对得到的双手手势特征距离-角度图像进行聚类处理，得到左手和右手的两个聚类中心点和中心点对应的功率大小；步骤四、通过聚类中心点判断双手手势特征距离-角度图像中的左手和右手，将左右手与功率大小进行对应；步骤五、对采集的原始毫米波雷达双手手势信号的相关矩阵进行特征值分解，得到所有的特征值和对应的特征向量；步骤六、将左手功率和右手功率进行比较，较大的功率对应步骤五中得到的最大特征值以及对应的特征向量，较小的功率对应步骤五中的次大特征值以及对应的特征向量；步骤七、在步骤五得到的特征向量中减去步骤六中左手或者右手对应的特征向量，用剩下的向量构建新的噪声子空间；步骤八、根据MUSIC算法公式重构左手或者右手的手势特征距离-角度图像，将双手手势特征分离为左手手势特征距离-角度图和右手手势特征距离-角度图。
全文数据：
权利要求：
百度查询： 电子科技大学 一种基于MUSIC算法的毫米波雷达双手手势特征分离方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号