CN109710078A - 智能控制方法、系统、接收设备及存储介质 - Google Patents
智能控制方法、系统、接收设备及存储介质 Download PDFInfo
- Publication number
- CN109710078A CN109710078A CN201910033904.7A CN201910033904A CN109710078A CN 109710078 A CN109710078 A CN 109710078A CN 201910033904 A CN201910033904 A CN 201910033904A CN 109710078 A CN109710078 A CN 109710078A
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- signature data
- frequency sweep
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种智能控制方法,包括步骤:发送开启信号至发射设备,以使所述发射设备接收到所述开启信号后发射毫米波;接收所述发射设备发射的毫米波经目标物反射后的目标回波信号;根据所述目标回波信号,获得目标特征数据;将所述目标特征数据发送至识别设备,以使所述识别设备将所述目标特征数据输入预设的模板中,获得所述目标特征数据对应的控制指令。本申请还提供一种智能控制的系统、接收设备及计算机可读存储介质。本发明解决了在背景复杂或光线昏暗的情况下,采用基于计算机视觉技术的人机交互系统,会导致识别效率低和准确性差的技术问题。
Description
技术领域
本发明涉及人工智能领域,尤其涉及智能控制方法、系统、接收设备及计算机可读存储介质。
背景技术
随着人工智能技术的快速发展,人机交互得到了越来越广泛的应用。目前人机交互方式包括:手势识别、动作识别、目标识别、人脸识别和语音识别等。例如通过识别手势或动作,控制家电设备的智能家居,通过识别道路中的目标,自动驾驶的智能驾驶。不管在智能驾驶和智能家居中的人机交互,都是基于计算机视觉技术的人机交互方式,通过获取图像,并对图像进行处理,获得相关信息。但在背景复杂或光线昏暗的情况下,采用基于计算机视觉技术的人机交互系统,会导致识别效率低和准确性差。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种智能控制方法、系统、接收设备及计算机可读存储介质,旨在解决在背景复杂或光线昏暗的情况下,采用基于计算机视觉技术的人机交互系统,会导致识别效率低和准确性差的技术问题。
为实现上述目的,本申请提供一种智能控制方法,包括步骤:
发送开启信号至发射设备,以使所述发射设备接收到所述开启信号后发射毫米波;
接收所述发射设备发射的毫米波作用经目标物反射后的目标回波信号;
根据所述目标回波信号,获得目标特征数据;
将所述目标特征数据发送至识别设备,以使所述识别设备将所述目标特征数据输入预设的模板中,获得所述目标特征数据对应的控制指令。
可选地,所述根据所述目标回波信号,获得目标特征数据的步骤包括:
将所述目标回波信号转换为目标回波数字信号;
选取至少两个扫频时间内的目标回波数字信号;
根据选取的至少两个扫频时间内的目标回波数字信号,获得距离时间图RTM、多普勒时间图DTM和角度时间图ATM;
根据所述RTM、DTM和ATM,获得目标特征数据。
可选地,所述根据选取的至少两个扫频时间内的目标回波数字信号,获得距离时间图RTM的步骤包括:
根据选取的各扫频时间内的数字信号,获得各扫频时间对应的距离估计谱;
将各扫频时间对应的距离估计谱进行累积,获得RTM。
可选地,所述根据选取的至少两个扫频时间内的目标回波数字信号,获得多普勒时间图DTM的步骤包括:
对选取的各扫频时间内的目标回波数字信号进行二维快速傅里叶变换2D-FFT,获得各扫频时间对应的距离-多普勒谱图;
根据各扫频时间对应的距离-多普勒谱图,获得各扫频时间对应的多普勒估计谱;
将各扫频时间对应的多普勒估计谱进行累积,获得DTM。
可选地,所述根据选取的至少两个扫频时间内的目标回波数字信号,获得角度时间图ATM的步骤包括:
根据选取的各扫频时间内的目标回波数字信号,获得各扫频时间对应的角度估计谱;
将各扫频时间对应的角度估计谱进行累积,获得ATM。
可选地,所述根据所述RTM、DTM和ATM,获得目标特征数据的步骤包括:
对所述RTM、DTM和ATM分别进行归一化处理;
将归一化后的RTM、DTM和ATM输入训练好的卷积神经网络中,获得目标特征数据。
可选地,所述将所述目标特征数据发送至识别设备,以使所述识别设备将所述目标特征数据输入预设的模板中,获得所述目标特征数据对应的控制指令的步骤后还包括:
发送关闭信号至所述发射设备,以使所述发射设备接收到所述关闭信号后停止发射毫米波。
此外,为实现上述目的,本发明还提供一种智能控制系统,包括发射设备、接收设备和识别设备:
所述发射设备,用于根据接收到的开启或关闭信号,发射或停止发射毫米波;
所述接收设备,用于发送开启信号或关闭信号至所述发射设备,接收目标回波信号,根据所述目标回波信号,获取目标特征数据,将所述目标特征数据发送至所述识别设备;
所述识别设备,将接收到的所述目标特征数据输入预设模板中,获得所述目标特征数据对应的控制指令。
此外,为实现上述目的,本发明还提供一种接收设备,所述接收设备包括:通信模块、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的智能控制方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的智能控制方法的步骤。
本发明实施例提出的一种智能控制方法、系统、接收设备及计算机可读存储介质,通过发送开启信号至发射设备,以使所述发射设备接收到所述开启信号后发射毫米波;接收所述发射设备发射的毫米波经目标物反射后的目标回波信号;根据所述目标回波信号,获得目标特征数据;将所述目标特征数据发送至识别设备,以使所述识别设备将所述目标特征数据输入预设的模板中,获得所述目标特征数据对应的控制指令。从而在背景复杂或光线昏暗的情况下,提高智能控制系统的识别效率和准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的结构示意图;
图2为本发明智能控制方法第一实施例的流程示意图;
图3为本发明智能控制方法第二实施例中步骤S30的细化流程示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参照图1,图1为本发明各个实施例所提供的接收设备的硬件结构示意图,所述接收设备包括通信模块10、存储器20及处理器30等部件。本领域技术人员可以理解,图1中所示出的接收设备还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中,所述处理器30分别与所述存储器20和所述通信模块10连接,所述存储器20上存储有计算机程序,所述计算机程序同时被处理器30执行。
通信模块10,可通过网络与外部设备连接。通信模块10可以接收外部设备发送的信息,还可广播发送启动、关闭信息至所述外部设备。所述外部设备可以是雷达反射设备、识别设备等设备。
存储器20,可用于存储软件程序以及各种数据。存储器20可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如提取目标特征数据)等;存储数据区可存储根据接收设备的使用所创建的数据或信息等。此外,存储器20可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器30,是接收设备的控制中心,利用各种接口和线路连接整个接收设备的各个部分,通过运行或执行存储在存储器20内的软件程序和/或模块,以及调用存储在存储器20内的数据,执行接收设备的各种功能和处理数据,从而对接收设备进行整体监控。处理器30可包括一个或至少两个处理单元;优选的,处理器30可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器30中。
尽管图1未示出,但上述接收设备还可以包括电路控制模块,用于与市电连接,实现电源控制,保证其他部件的正常工作。
本领域技术人员可以理解,图1中示出的接收设备结构并不构成对接收设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
根据上述硬件结构,提出本发明方法各个实施例。
参照图2,在本发明智能控制方法的第一实施例中,所述智能控制方法包括步骤:
步骤S10,发送开启信号至发射设备,以使所述发射设备接收到所述开启信号后发射毫米波;
在本方案中,接收设备包括接收天线、接收机和信号处理器,接收天线可以为1个接收阵元或至少两个接收阵元,接收天线中的各接收阵元会接收一系列微弱高频信号,并将微弱高频信号传输给接收机,接收机会通过适当的滤波将接收天线接收到的微弱高频信号从伴随的噪声和干扰中选择出来,并经过放大和检波,将放大和检波后的信号发送至信号处理器,信号处理器会根据预设的采样边界,对接收机发送过来的信号进行采样,数字模拟信号转换,数字信号处理获得目标二维或三维图像、目标方位、目标距离、目标速度等。
发射设备、接收设备和识别设备间的连接方式可以为短距离无线网络连接方式和长距离实现广域网连接方式,包含基于TCP/IP协议、私有协议、REST/HTTP协议、CoAP协议(Constrained Application Protocol,受限应用协议)、MQTT协议(Message QueuingTelemetry Transport,消息队列遥测传输)、DDS协议(Data Distribution Service forReal-Time Systems,面向实时系统的数据分布服务)、AMQP协议(Advanced MessageQueuing Protocol,先进消息队列协议)、XMPP协议(Extensible Messaging and PresenceProtocol,可扩展通讯和表示协议)、JMS(Java Message Service,JAVA消息服务)、IFTTT协议等。
需要说明的是,发射设备、接收设备和识别设备可以是独立存在的,也可以是三者集成在一台设备中,还可以发射设备和接收设备集成在一台设备中或者接收设备与识别设备集成在一台设备中。
当需要进行目标识别时,接收设备会通过无线网络或有线网络发送开启信号至发射设备,发射设备在接收到接收设备的发送的开启信号后,会启动发射设备中发射机产生一定频率毫米波,并通过发射设备的发射天线将毫米波发射出去,发射设备的发射天线可以由一个或多个发射阵元组成。例如在智能驾驶应用中,当车辆启动时,接收设备会发送启动信号给发射设备,使得发射设备发射毫米波。一台车辆可能在车辆前部和尾部都设置了发射设备,接收设备可以获取车辆行驶方向,当接收设备获取车辆的行驶方向为前进,接收设备会发送开启信号至车辆前部设置的发射设备,使得车辆前部设置的发射设备发射毫米波;当接收设备获取车辆的行驶方向为后退,接收设备会发送开启信号至车辆尾部的发射设备,使得车辆尾部设置的发射设备发射毫米波。
发射设备发送的毫米波的频率范围一般为24GHz~300GHz,根据不同的应用场景,发射设备发送的毫米波的频率是不同的,例如实现2米以内目标的二维或三维成像检测,一般采用30GHz~37.5GHz和94GHz~200GHz两个波段;应用于智能驾驶上常用的频率为24GHz、60GHz、77GHz。
步骤S20,接收所述发射设备发射的毫米波经目标物反射后的目标回波信号;
发射设备发射的毫米波会作用在发射设备前面一定范围内的所有目标物体上,当毫米波作用在目标物表面后会反射目标回波信号,接收设备中的接收天线的各接收阵元会接收目标物反射回来的目标回波信号。
步骤S30,根据所述目标回波信号,获得目标特征数据;
接收设备中接收天线的各接收阵元接收到目标回波信号后,会将目标回波信号发送至接收机,由于接收天线的各接收阵元接收到的目标回波信号为微弱的高频信号,接收机在获得接收天线的各接收阵元接收到的目标回波信号后,会将各接收阵元接收到的目标回波信号目标回波信号通过调频将高频信号调整到目标回波中频信号,并经过放大和滤波获得待筛选目标回波中频信号,根据预设的采样边界对待筛选目标中频信号进行筛选,获得待转换目标回波中频信号;利用A/D转换(Analog-to-Digital Convert,模数转换)将待转换目标回波中频信号转换为目标回波数字信号;对目标回波数字信号进行波束形成算法、信号检测、测量算法、分类和跟踪算法等分析处理方法,从而获得距离时间谱、速度时间谱、角度时间谱、心跳频谱图或成像灰度图,再从获得的距离时间谱、速度时间谱、角度时间谱、心跳频谱图或成像灰度图中提取目标特征数据,其中获得的目标特征数据可以为目标距离、目标速度、目标角度、目标尺寸、目标面积、目标物类别(金属类、塑料类等)等。根据不同的应用场景,获取的目标特征数据也不同。例如,应用于智能驾驶中的车载雷达,获取的目标特征数据可能为目标距离、目标速度、目标角度等;应用于智能家居领域,获取的目标特征数据可能为手部动作的速度、加速度或角加速度等等;应用于安检领域,可能获取的目标特征数据可能为目标尺寸、面积、目标物类别(金属类、塑料类等)。
步骤S40,将所述目标特征数据发送至识别设备,以使所述识别设备将所述目标特征数据输入预设的模板中,获得所述目标特征数据对应的控制指令。
接收设备在获取目标特征数据后,会通过无线网络或有线网络将目标特征数据发送至识别设备,识别设备会将接收到的目标特征数据输入预设的模板中,获得目标特征数据对应的控制指令,从而识别设备会根据控制指令对相关设备进行控制操作,或者将控制指令发送至相关设备,以使相关设备根据接收的控制指令进行相应的操作。
在智能驾驶领域,当接收设备获取到的目标特征数据为车辆前方的目标的距离、目标方位和目标速度,识别设备将获取到的目标的距离、目标方位和目标速度输入预设模板中,预设模板中设置了多个预设条件(包括第一安全距离、第二安全距离、预设角度范围)和多个判断条件,预设模板会根据目标距离、目标方位、目标速度、模板中预设条件和多个判断条件,生成多个不同控制指令包括保持现有行驶的指令、紧急停车指令、减速指令或变向指令等。例如预设模板会根据目标角度和目标距离计算处目标距识别设备所处的处车辆的直线距离,判断目标至所述车辆的直线距离是否小于第一安全距离以及目标角度是否处于预设角度范围内,当确定输入的目标距离小于第一安全距离以及目标角度处于预设角度范围时,说明目标正处于车辆的正前方并且目标距离车辆距离太近,会产生减速指令,从而使得车辆减速;当确定目标至所述车辆的直线距离是小于第二安全距离(第二安全距离小于第一安全距离)以及目标角度处于预设角度范围时,预设模板会生成紧急停车指定,识别设备会根据生成的紧急停车指定;从而使得车辆进行紧急停车;预设模板还会通过输入的目标速度和获取的车辆本身速度,计算车辆与目标的速度差值,根据目标角度和车辆与目标速度差值,生成减速指令。
还可以应用于智能驾驶领域中车内驾驶行为识别,例如接收设备通过将接收到的目标回波信号转换为数字信号,并对数字信号分析和处理,获得驾驶员的闭眼时间和闭眼次数,将这些特征数据输入预设模板中,识别出驾驶员是否处于疲劳驾驶。
在无触摸控制智能终端和智能家居领域应用,当接收设备获取到的目标特征数据为手部动作的速度、加速度或角加速度等,将手部动作的速度、线性加速度或角加速度等输入预设模板中,预设模板会根据输入的手部动作的速度、加速度或角加速度,生成开启、关闭、参数调节等控制指令,从而对智能终端或智能家电设备进行控制。
在安防安检领域应用,例如机场安检,当接收设备实施获取回波信号后,将接收设备通过将接收到的目标回波信号转换为数字信号,并对数字信号分析和处理获得一帧或多帧成像图像,从一帧或多帧成像图像中提取感兴趣区域以及感兴趣区域的灰度值,将这些特征数据输入预设模板中,能识别出行李箱内或人身上是否存在刀、枪支等违禁物品,当识别出存在违禁物品,会发送报警信号。
在医疗领域的应用,例如发射设备向患者心脏部分发送毫米波,接收设备接收患者的回波信号,将回波信号转换为数字信号,对数字信号进行分析和处理,获得心跳信号频谱图,将心跳信号频谱图输入预设模板中,判断患者心跳是否正在,是否存在心率不齐等问题。
还可以跟摄像头进行结合,例如接收设备将提取的特征数据和摄像头获取的图像信息进行融合,获得新的特征数据,将该特征数据输入到预设模板中,生成对应的控制指令。
需要说明的是,发射设备将所述目标特征数据发送至识别设备,以使所述识别设备将所述目标特征数据输入预设的模板中,获得所述目标特征数据对应的控制指令的后,发射设备会发送关闭信号至所述发射设备,以使所述发射设备接收到所述关闭信号后停止发射毫米波,即执行以下步骤:
发送关闭信号至所述发射设备,以使所述发射设备接收到所述关闭信号后停止发射毫米波。
接收设备会通过无线网络或有线网络发送关闭信号至发射设备,发射设备接收到关闭信号后,会停止发射毫米波。还可以设置一个预设时间,发射设备根据接收到的开启信号发射毫米波后的预设时间内未接收到接收设备发送的关闭信号,可以自动停止发射毫米波。
本实施例通过发送开启信号至发射设备,以使所述发射设备接收到所述开启信号后发射毫米波;接收所述发射设备发射的毫米波经目标物反射后的目标回波信号;根据所述目标回波信号,获得目标特征数据;将所述目标特征数据发送至识别设备,以使所述识别设备将所述目标特征数据输入预设的模板中,获得所述目标特征数据对应的控制指令。从而在背景复杂或光线昏暗的情况下,提高智能控制系统的识别效率和准确性。
进一步地,参照图3,根据本申请智能控制方法的第一实施例提出本申请智能控制方法的第二实施例,在本实施例中,所述步骤S30包括:
步骤S31,将所述目标回波信号转换为目标回波数字信号;
接收设备的接收天线接收到目标回波信号后,会将目标回波信号发送至接收机,由于接收天线接收的目标回波信号为微弱的高频信号,接收机在获得接收天线接收的目标回波信号后,会将目标回波信号通过调频将高频信号调整到目标回波中频信号,并经过放大和滤波获得待筛选目标回波中频信号,根据预设的采样边界对待筛选目标中频信号进行筛选,获得待转换目标回波中频信号;利用A/D转换,将待转换目标回波中频信号转换为目标回波数字信号。
步骤S32,选取至少两个扫频时间内的目标回波数字信号;
接收设备将目标回波信号转换了数字信号后,按照预设的一个扫频时长为40ms以及1帧包含128个扫频,对A/D转换的目标回波数字信号按照一帧时间长度周期性划分成多帧目标回波数字信号,每一帧目标回波数字信号又周期性划分为128个扫频时间段的目标回波数字信号。从每一帧目标回波数字信号中随机选取至少两个连续的扫频信号目标回波数字信号。
需要说明的是,扫频时间和一帧包含的扫频数目根据设备或应用场景对测量精度的要求有关。
步骤S33,根据选取的至少两个扫频时间内的目标回波数字信号,获得距离时间图RTM、多普勒时间图DTM和角度时间图ATM;
根据选取的各扫频时间内的目标回波数字信号,获得各扫频时间对应的距离估计谱,将各扫频时间对应的距离估计谱进行累积,获得RTM(Range-Time Map,距离-时间图)。
对选取的各扫频时间内的目标回波数字信号进行2D-FFT(2D-FastFourierTransform,二维快速傅里叶变换),获得各扫频时间对应的距离-多普勒谱图;根据各扫频时间对应的距离-多普勒谱图,获得各扫频时间对应的多普勒估计谱;将各扫频时间对应的多普勒估计谱进行累积,获得DTM(Doppler-TimeMap,多普勒时间图)。
利用压缩感知算法或MUSIC(Multiple Signal Classification Algorithm,多信号分类)算法或者其他测角算法对选取的各扫频时间内的目标回波数字信号进行分析处理,获得各个扫频时间内对应的角度估计谱,将各扫频时间内的数字信号进行累积,获得ATM(Angle-Time Map,角度-时间图)对特诊目标搜索得到角度估计谱。
步骤S34,对所述RTM、DTM和ATM分别进行归一化处理;
步骤S35,将归一化后的RTM、DTM和ATM输入训练好的卷积神经网络中,获得目标特征数据。
根据数字信号获得的RTM、DTM和ATM的数据在数值上存在较大差异性,使得卷积神经网络的训练难以收敛。在将RTM、DTM和ATM输入训练卷积神经网络前,对RTM、DTM和ATM的数据需要分别进行归一化处理。接收设备将归一化后的RTM、DTM和ATM输入训练好的卷积神经网络中,进行一次前向传播计算,输出目标特征数据,其中目标特征数据可以为目标距离、目标速度、目标角度、目标方位和目标加速度等。
需要说的是,卷积神经网络的训练过程是通过将采集到的大量的RTM、DTM和ATM输入到该卷积神经网络中,进行多次的前向传播和后向传播迭代的过程,获得卷积神经网络参数。
本实施例提出了一种利用卷积神经网络获取目标特征数据的策略。通过将从数字信号中获得的RTM、DTM和ATM输入至训练好的卷积神经网络中,自动获得目标特征数据,提高了目标特征数据获取速度和准确率,从而促进了智能系统的识别效率和准确性。
本发明还提出一种智能控制系统,包括发射设备、接收设备和识别设备,其中,
所述发射设备,用于根据接收到的开启或关闭信号,发射或停止发射毫米波;
所述接收设备,用于发送开启信号或关闭信号至所述发射设备,接收目标回波信号,根据目标回波信号,获取目标特征数据,将所述目标特征数据发送至所述识别设备;
所述识别设备,将接收到的所述目标特征数据输入预设模板中,获得所述目标特征数据对应的控制指令。
需要说明的是,上述系统具有智能控制方法的第一实施例的全部技术特征,具体交互过程可以参照前述方法的全部实施例执行,相应的也具有前述方法的实施例的全部技术效果。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序。所述计算机可读存储介质可以是图1的接收设备中的存储器20,也可以是如ROM(Read-Only Memory,只读存储器)/RAM(Random Access Memory,随机存取存储器)、磁碟、光盘中的至少一种,所述计算机可读存储介质包括若干信息用以使得接收设备执行本发明各个实施例所述的方法。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种智能控制方法,其特征在于,包括步骤:
发送开启信号至发射设备,以使所述发射设备接收到所述开启信号后发射毫米波;
接收所述发射设备发射的毫米波经目标物反射后的目标回波信号;
根据所述目标回波信号,获得目标特征数据;
将所述目标特征数据发送至识别设备,以使所述识别设备将所述目标特征数据输入预设的模板中,获得所述目标特征数据对应的控制指令。
2.如权利要求1所述的智能控制方法,其特征在于,所述根据所述目标回波信号,获得目标特征数据的步骤包括:
将所述目标回波信号转换为目标回波数字信号;
选取至少两个扫频时间内的目标回波数字信号;
根据选取的至少两个扫频时间内的目标回波数字信号,获得距离时间图RTM、多普勒时间图DTM和角度时间图ATM;
根据所述RTM、DTM和ATM,获得目标特征数据。
3.如权利要求2所述的智能控制方法,其特征在于,所述根据选取的至少两个扫频时间内的目标回波数字信号,获得距离时间图RTM的步骤包括:
根据选取的各扫频时间内的数字信号,获得各扫频时间对应的距离估计谱;
将各扫频时间对应的距离估计谱进行累积,获得RTM。
4.如权利要求3所述的智能控制方法,其特征在于,所述根据选取的至少两个扫频时间内的目标回波数字信号,获得多普勒时间图DTM的步骤包括:
对选取的各扫频时间内的目标回波数字信号进行二维快速傅里叶变换2D-FFT,获得各扫频时间对应的距离-多普勒谱图;
根据各扫频时间对应的距离-多普勒谱图,获得各扫频时间对应的多普勒估计谱;
将各扫频时间对应的多普勒估计谱进行累积,获得DTM。
5.如权利要求4所述的智能控制方法,其特征在于,所述根据选取的至少两个扫频时间内的目标回波数字信号,获得角度时间图ATM的步骤包括:
根据选取的各扫频时间内的目标回波数字信号,获得各扫频时间对应的角度估计谱;
将各扫频时间对应的角度估计谱进行累积,获得ATM。
6.如权利要求5所述的智能控制方法,其特征在于,所述根据所述RTM、DTM和ATM,获得目标特征数据的步骤包括:
对所述RTM、DTM和ATM分别进行归一化处理;
将归一化后的RTM、DTM和ATM输入训练好的卷积神经网络中,获得目标特征数据。
7.如权利要求1-6任一项所述的智能控制方法,其特征在于,所述将所述目标特征数据发送至识别设备,以使所述识别设备将所述目标特征数据输入预设的模板中,获得所述目标特征数据对应的控制指令的步骤后还包括:
发送关闭信号至所述发射设备,以使所述发射设备接收到所述关闭信号后停止发射毫米波。
8.一种智能控制系统,其特征在于,包括发射设备、接收设备和识别设备:
所述发射设备,用于根据接收到的开启或关闭信号,发射或停止发射毫米波;
所述接收设备,用于发送开启信号或关闭信号至所述发射设备,接收目标回波信号,根据所述目标回波信号,获取目标特征数据,将所述目标特征数据发送至所述识别设备;
所述识别设备,将接收到的所述目标特征数据输入预设模板中,获得所述目标特征数据对应的控制指令。
9.一种接收设备,其特征在于,所述接收设备包括:通信模块、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的智能控制方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的智能控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910033904.7A CN109710078A (zh) | 2019-01-14 | 2019-01-14 | 智能控制方法、系统、接收设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910033904.7A CN109710078A (zh) | 2019-01-14 | 2019-01-14 | 智能控制方法、系统、接收设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109710078A true CN109710078A (zh) | 2019-05-03 |
Family
ID=66261349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910033904.7A Pending CN109710078A (zh) | 2019-01-14 | 2019-01-14 | 智能控制方法、系统、接收设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109710078A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110779149A (zh) * | 2019-11-14 | 2020-02-11 | 宁波奥克斯电气股份有限公司 | 一种空调控制方法、装置及空调器 |
CN111258419A (zh) * | 2020-01-09 | 2020-06-09 | Oppo广东移动通信有限公司 | 电子设备控制方法和装置、电子设备、计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160252963A1 (en) * | 2015-02-26 | 2016-09-01 | Motorola Mobility Llc | Method and Apparatus for Gesture Detection in an Electronic Device |
CN106446801A (zh) * | 2016-09-06 | 2017-02-22 | 清华大学 | 基于超声主动探测的微手势识别方法及系统 |
CN108361780A (zh) * | 2018-01-25 | 2018-08-03 | 宁波隔空智能科技有限公司 | 基于微波雷达手势识别技术的抽油烟机控制器及控制方法 |
CN108828548A (zh) * | 2018-06-26 | 2018-11-16 | 重庆邮电大学 | 一种基于fmcw雷达的三参数融合数据集构建方法 |
-
2019
- 2019-01-14 CN CN201910033904.7A patent/CN109710078A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160252963A1 (en) * | 2015-02-26 | 2016-09-01 | Motorola Mobility Llc | Method and Apparatus for Gesture Detection in an Electronic Device |
CN106446801A (zh) * | 2016-09-06 | 2017-02-22 | 清华大学 | 基于超声主动探测的微手势识别方法及系统 |
CN108361780A (zh) * | 2018-01-25 | 2018-08-03 | 宁波隔空智能科技有限公司 | 基于微波雷达手势识别技术的抽油烟机控制器及控制方法 |
CN108828548A (zh) * | 2018-06-26 | 2018-11-16 | 重庆邮电大学 | 一种基于fmcw雷达的三参数融合数据集构建方法 |
Non-Patent Citations (4)
Title |
---|
丁刚毅: "《数字媒体技术》", 31 August 2015 * |
于万海: "《汽车舒适与安全系统原理与检修》", 31 January 2013 * |
傅世强: "《射频电路设计与应用》", 31 January 2018 * |
罗永伦: "《微波毫米波系统工程》", 30 September 2014 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110779149A (zh) * | 2019-11-14 | 2020-02-11 | 宁波奥克斯电气股份有限公司 | 一种空调控制方法、装置及空调器 |
CN111258419A (zh) * | 2020-01-09 | 2020-06-09 | Oppo广东移动通信有限公司 | 电子设备控制方法和装置、电子设备、计算机可读存储介质 |
CN111258419B (zh) * | 2020-01-09 | 2022-04-12 | Oppo广东移动通信有限公司 | 电子设备控制方法和装置、电子设备、计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111695420B (zh) | 一种手势识别方法以及相关装置 | |
US20200166611A1 (en) | Detection method, detection device, terminal and detection system | |
CN110450784A (zh) | 一种基于fmcw雷达的驾驶员状态监视方法及系统 | |
EP1915636B1 (en) | Computer implemented method for identifying a moving object by using a statistical classifier | |
CN115244586A (zh) | 微波识别方法及系统 | |
KR20210047964A (ko) | 레이더-사용가능 센서 퓨전 | |
US10473762B2 (en) | Wireless radio module | |
CN110187341A (zh) | 人体活动姿态的监测方法及系统、人体姿态监测器 | |
CN111427031B (zh) | 一种基于雷达信号的身份及手势识别方法 | |
Kizhakkel | Pulsed radar target recognition based on micro-Doppler signatures using wavelet analysis | |
US20210232228A1 (en) | Adaptive thresholding and noise reduction for radar data | |
US9261593B1 (en) | Higher order processing for synthetic aperture radar (SAR) | |
CN112130118B (zh) | 基于snn的超宽带雷达信号处理系统及处理方法 | |
US20230043652A1 (en) | Systems and methods for living thing presence detection using a radar system | |
CN109710078A (zh) | 智能控制方法、系统、接收设备及存储介质 | |
Ullmann et al. | A survey on radar-based continuous human activity recognition | |
CN109766851A (zh) | 障碍物的确定方法及装置、倒车成像设备 | |
CN110907906A (zh) | 目标分类方法和相关设备 | |
CN112334946A (zh) | 数据处理方法、装置、雷达、设备及存储介质 | |
Chae et al. | FMCW radar driver head motion monitoring based on Doppler spectrogram and range-Doppler evolution | |
CN115343704A (zh) | 基于多任务学习的fmcw毫米波雷达的手势识别方法 | |
CN113064483A (zh) | 一种手势识别方法以及相关装置 | |
Lim et al. | DNN-based human face classification using 61 GHz FMCW radar sensor | |
CN108957460A (zh) | 车辆距离的检测方法、设备及计算机可读存储介质 | |
CN112731387A (zh) | 用于油烟机的启动方法、装置、油烟机及处理器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200813 Address after: Room 1109-1110, building 8, Xinyi Lingyu R & D center, 69 District, Xingdong community, Xin'an street, Bao'an District, Shenzhen City, Guangdong Province Applicant after: Grisga (Shenzhen) Biotechnology Co.,Ltd. Address before: 518000 Liwan Commercial Apartment A-2120, 2118B, 0101 Qianhai Road, Nanshan Street, Shenzhen City, Guangdong Province Applicant before: JIMUGUANG (SHENZHEN) TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |