CN111650582A - 一种基于mimo毫米波雷达的手势识别方法 - Google Patents

Abstract

本发明涉及雷达信号处理技术，其公开了一种基于MIMO毫米波雷达的手势识别方法，解决传统手势识别方案中存在的检测准确性不高、手势识别种类有限、成本高的问题。本发明使用MIMO毫米波雷达进行电磁波的发射与接收，对接收到的采样信号进行距离维傅里叶变换后，根据距离预计角度的虚拟阵列数据，采用一次AOA波束形成，对形成后的信号进行恒虚警率检测，到的距离方位角等信息，对在恒虚警率检测中获取的目标，根据第一次波束形成产生的HeapMap信号，提取目标对应的距离维信号，进行第二次二维AOA波束形成，求取俯仰角、多普勒速度、信噪比等参数，根据到的参数，对位置、方位角、俯仰角进行分析并多帧累积，与预先设置好的相关手势的特征参数比较，得到手势识别结果并输出。

Description

一种基于MIMO毫米波雷达的手势识别方法

技术领域

本发明涉及雷达信号处理技术，具体涉及一种基于MIMO毫米波雷达的手势识别方法。

背景技术

现有的手势识别方法主要为单光学镜头、光学镜头结合红外、TOF等技术实现。其中，单光学镜头存在检测时间长，对连续长时间的高清图像进行处理检测成功率低，同时需要运算能力非常强的处理器，对于嵌入应用成本过高的问题；光学镜头结合TOF、红外等技术则存在成本高与系统集成复杂度高的问题。

近年来，毫米波雷达片上技术逐渐成熟，包括雷达射频、信号处理单元、MCU单元的高度集成，片上天线阵列的实现等，使得毫米波雷达在无人驾驶、新型智能终端领域的嵌入应用越来越广泛。毫米波雷达具有保护隐私、不收天气环境影响、小天线口径与窄波束提高检测分辨率、大带宽抗干扰等优势。随着智能家居与智慧城市的持续推进，毫米波雷达在智能终端上的应用存在巨大的潜力。

在专利CN201710204400.8《一种基于毫米波的多用户人机交互方法》所公开的技术中，采样单发多收的天线微型天线进行目标检测，也就是SIMO天线，采用此种天线，能够得到目标的距离、方位角和多普勒速度信息，但是该信息仅具有X、Y二个维度的信息，无法在高度上进行判断，对于同距离，同方位角，不同高度的目标无法进行检测，因此识别的手势种类很有限，在手势识别过程中由于仅仅利用根据时间差和相位差得到距离和速度信息，对于复杂手势的识别准确性不高。另外，相比于MIMO雷达，若要实现相同的二维检测效果，SIMO雷达应用中需要增加天线接收数量，在增加硬件成本的同时，还会巨幅增加天线板载面积，导致嵌入终端困难。

发明内容

本发明所要解决的技术问题是：提出一种基于MIMO毫米波雷达的手势识别方法，解决传统手势识别方案中存在的检测准确性不高、手势识别种类有限、成本高的问题。

本发明解决上述技术问题采用的技术方案是：

一种基于MIMO毫米波雷达的手势识别方法，包括以下步骤：

a.通过MIMO毫米波雷达向待测空间范围发射电磁波信号，接收待测空间范围内反射回来的信号；

b.对所接收到的信号进行距离维傅里叶变换以及天线信号补偿；

c.生成方位角方向矢量，对距离、角度维的虚拟天线阵列进行AOA波束形成；

d.对AOA波束形成后的信号进行恒虚警率检测，获得目标点云的到达距离和方位角信息；

e.根据探测到的目标点云距离，提取方位角方向矢量，生成俯仰角方向矢量，结合方位角方向矢量和俯仰角方向矢量生成二维方向矢量，进行二维AOA波束形成，并求解俯仰角和多普勒速度参数；

f.对目标点云进行特征分析，与预先设置好的相关手势的特征参数比较，得到手势识别结果并输出。

作为进一步优化，步骤b中，所述对所接收到的信号进行距离维傅里叶变换具体为：

通过对信号进行带布莱克曼窗的距离维傅里叶变换，形成数据立方。

作为进一步优化，步骤d中，在对AOA波束形成后的信号进行恒虚警率检测之前，进行静态杂波消除处理。

作为进一步优化，步骤f具体包括：

f1.初始化作为手势识别模板的对应手势的雷达点云特征参数；

f2.对得到的点云的位置、方位角、俯仰角、面积等三维信息进行统计；

f3.多帧数据累积，统计对应参数的变化特征；

f4.将统计的变化特征与对应手势的雷达点云特征参数进行比较，得到手势识别的结果并输出。

本发明的有益效果是：

(1)通过MIMO毫米波雷达的发射和接收来实现手势识别功能，准确率、可靠性高；

(2)在信号处理阶段对距离、方位角进行一维AOA波束形成，在俯仰角进行了一次二维AOA波束形成，能够实现精准的方位角和俯仰角的检测，提供三维信息；

(3)在信号处理中进行了静态杂波消除、多普勒补偿等，提高准确性与鲁棒性；

(4)本算法不需要进行类似于神经网络、深度学习的处理，对MCU与DSP的要求较低，此外，其时间复杂度、空间复杂度都相对较低，对小内存、低频率的雷达系统非常友好；

(5)本发明采用MIMO毫米波雷达，相对于SIMO毫米波雷达可以降低硬件成本和接收天线信号处理成本：在SIMO天线中，增加一倍的接收天线数量，但是在MIMO中只需要增加一根发射天线即可实现，因此，不仅成本低，也会大幅度降低雷达板载天线的面积与功耗，同时MIMO天线具有更高的配置灵活性。

附图说明

图1为本发明实施例中的基于MIMO毫米波雷达的手势识别方法流程图。

具体实施方式

本发明旨在提出一种基于MIMO毫米波雷达的手势识别方法，解决传统手势识别方案中存在的检测准确性不高、手势识别种类有限、成本高的问题。其核心思想是：通过使用MIMO毫米波雷达进行电磁波的发射与接收；对接收到的采样信号进行距离维傅里叶变换后，根据距离上存在的目标，提取距离维上的方位角虚拟天线数据，结合方位角天线方向矢量进行AOA波束形成；对AOA波束形成后的信号进行恒虚警率检测，到达距离、方位角等信息，对在恒虚警率检测中获取的目标，根据第一次波束形成产生的HeapMap信号，提取目标对应的距离维、方位角维信号在俯仰虚拟天线的数据，结合方位角方向矢量和俯仰角方向矢量生成的二维方向矢量，进行二维AOA波束形成；求取俯仰角、多普勒速度、信噪比等参数，根据到的参数，对位置、方位角、俯仰角进行分析并多帧累积，与预先设置好的相关手势的特征参数比较，得到手势识别结果并输出。

本发明基于MIMO毫米波雷达，利用虚拟阵列技术，提高角度维的分辨率，采用虚拟阵列的方式可以实现目标三维信息的检测，对虚拟阵列信号进行AOA、二维AOA波束形成，提高测量精度，提供多种三维参数，进行变化特征分析，实现手势识别，具有算法的复杂度低、识别准确率高、识别手势种类多等特点。

实施例：

本实施例中的基于MIMO毫米波雷达的手势识别算法流程如图1所示，其包括：

1、对待测空间范围通过毫米波雷达发射电磁波信号，通过毫米波雷达接收待测空间范围内反射回来的信号。

2、针对待测空间反射回来的信号进行ADC采样后，进行以下操作：

21)对采集的信号进行傅里叶变换，进行天线信号补偿，形成数据立方；

22)根据MIMO天线阵列生成方位角方向矢量；

23)利用距离、方位角的虚拟天线阵列的数据结合方向矢量进行AOA波束形成；

24)对波束形成后的heatMap进行CFAR检测，得到目标点云的距离、方位角；

3、对得到的目标点云，利用俯仰角虚拟天线阵列再次计算，得到俯仰角、多普勒速度等：

31)根据探测到的目标点云的距离，提取虚拟阵列数据；

32)提取方位角方向矢量，生成俯仰角方向矢量，两者合成二维方向矢量；

33)再次进行二维AOA波束形成，求解俯仰角与多普勒速度；

34)将距离、方位角、俯仰角结合，求解目标点云的三维信息；

4、对目标点云进行特征分析，进行手势识别：

41)初始化相关手势的特征参数；

42)对得到的点云的位置、方位角、俯仰角、面积等三维信息进行统计；

43)累积多帧统计结果，进行特征分析；

44)与初始化特征参数进行比对，得到手势识别结果并输出。

本发明采用MIMO天线，即多发多收天线进行目标检测，可以获得目标在X、Y、Z三个维度的位置、速度、角度信息，能够对手势实现更准确的特征判断，同时丰富手势的种类。

在识别算法中，本发明可以利用虚拟阵列，进行一维AOA波束形成，得到目标的方位角，同时再次进行二维AOA波束形成，可以得到目标的俯仰角，实现三维信息检测，MIMO天线可以对天线阵列进行虚拟，采用丰富的波束形成算法，可以在距离和角度上增大分辨率，实现更准确的信息检测。

相比传统技术，本发明成本更低、板载雷达天线面积更小更易于嵌入到终端设备，同时提取到的目标手势信息更多，能够实现的手势种类更多、更准确，同时MIMO天线可以采用虚拟阵列的方式具有更高的灵活性，实现更精准的检测。

Claims (4)

1.一种基于MIMO毫米波雷达的手势识别方法，其特征在于，包括以下步骤：

a.通过MIMO毫米波雷达向待测空间范围发射电磁波信号，接收待测空间范围内反射回来的信号；

b.对所接收到的信号进行距离维傅里叶变换以及天线信号补偿；

c.生成方位角方向矢量，对距离、角度维的虚拟天线阵列进行AOA波束形成；

d.对AOA波束形成后的信号进行恒虚警率检测，获得目标点云的到达距离和方位角信息；

e.根据探测到的目标点云距离，提取方位角方向矢量，生成俯仰角方向矢量，结合方位角方向矢量和俯仰角方向矢量生成二维方向矢量，进行二维AOA波束形成，并求解俯仰角和多普勒速度参数；

f.对目标点云进行特征分析，与预先设置好的相关手势的特征参数比较，得到手势识别结果并输出。

2.如权利要求1所述的一种基于MIMO毫米波雷达的手势识别方法，其特征在于，

步骤b中，所述对所接收到的信号进行距离维傅里叶变换具体为：

通过对信号进行带布莱克曼窗的距离维傅里叶变换，形成数据立方。

3.如权利要求1所述的一种基于MIMO毫米波雷达的手势识别方法，其特征在于，

步骤d中，在对AOA波束形成后的信号进行恒虚警率检测之前，进行静态杂波消除处理。

4.如权利要求1所述的一种基于MIMO毫米波雷达的手势识别方法，其特征在于，

步骤f具体包括：

f1.初始化作为手势识别模板的对应手势的雷达点云特征参数；

f2.对得到的点云的位置、方位角、俯仰角、面积等三维信息进行统计；

f3.多帧数据累积，统计对应参数的变化特征；

f4.将统计的变化特征与对应手势的雷达点云特征参数进行比较，得到手势识别的结果并输出。

Images