CN111693990A - 一种基于24GHz雷达的简易手势识别方法 - Google Patents

一种基于24GHz雷达的简易手势识别方法 Download PDF

Info

Publication number
CN111693990A
CN111693990A CN202010516586.2A CN202010516586A CN111693990A CN 111693990 A CN111693990 A CN 111693990A CN 202010516586 A CN202010516586 A CN 202010516586A CN 111693990 A CN111693990 A CN 111693990A
Authority
CN
China
Prior art keywords
frequency
radar
doppler
gesture
spectrum
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.)
Granted
Application number
CN202010516586.2A
Other languages
English (en)
Other versions
CN111693990B (zh
Inventor
马书艺
李坡
张秋玥
张宇阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Institute of Industry Technology
Original Assignee
Nanjing Institute of Industry Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Institute of Industry Technology filed Critical Nanjing Institute of Industry Technology
Priority to CN202010516586.2A priority Critical patent/CN111693990B/zh
Publication of CN111693990A publication Critical patent/CN111693990A/zh
Application granted granted Critical
Publication of CN111693990B publication Critical patent/CN111693990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/505—Systems of measurement based on relative movement of target using Doppler effect for determining closest range to a target or corresponding time, e.g. miss-distance indicator

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明公开了一种基于24GHz雷达的简易手势识别方法，包括下列步骤：步骤1：初始化阈值参数T1和T2；步骤2：读取雷达数据经多普勒调制为频率数据；步骤3：对雷达数据截取的若干离散频率点的频率数据进行处理后计算出双边频谱并进而计算出正负频率的幅度和之比R；步骤4；根据所述正负频率的幅度和之比R在阈值范围中的位置识别手势。本发明用于识别人体目标在静止状态下并且手势种类较少，产生多普勒变化效应明显的简易手势，克服了现有技术对此状况下对简易手势识别无法兼顾小计算量和识别准确的技术问题。

Description

一种基于24GHz雷达的简易手势识别方法
技术领域
本发明涉及一种基于24GHz雷达的简易手势识别方法。
背景技术
现如今手势控制作为一种比较方便的非接触控制方式，广泛的运用在生活、工业等各个领域。例如，在家庭生活中，利用手势，人们可以控制灯泡的亮度及亮灭，还可以控制音乐的播放及停止。基于视觉的图像识别虽然具有较高的成功率，但图像识别对环境有较大的依赖，对光照、遮挡有一定的要求。基于雷达微波传感器的手势识别技术利用手势运动时产生的多普勒效应，然后基于雷达信号处理提取信号特征，再通过相应算法或识别模型进行识别能避免图像识别的缺陷。
现有技术为了提高识别的准确率和对复杂手势的识别，往往采用较为复杂的机器识别算法和识别模型，但在一些控制需求较低的设备上如果采用这类识别算法，会因为计算量较大而需要性能较高的设备或较长的计算时间，从而导致设备成本或反应时间不能满足需要。例如针对静止状态下人员通过前后挥手的区别进行控制的设备，由于控制方式较为简单，因此没有必要采用过于复杂的识别方法。而现有技术中计算量较小无需依赖机器识别算法的识别方法，对一些较为简单的手势，在识别可靠性上也存在成功率较低的问题，因此现有技术尚无法同时满足计算量小和识别准确率高的要求。
发明内容
本发明的目的在于提供一种基于24GHz雷达的简易手势识别方法，以解决现有技术中的下列问题：针对静止状态下人员通过前后挥手的区别进行控制的设备，现有识别方法无法同时满足计算量小和识别准确率高的要求。
所述的一种基于24GHz雷达的简易手势识别方法，包括下列步骤：
步骤1：初始化阈值参数T1和T2；
步骤2：读取雷达数据经多普勒调制为频率数据；
步骤3：对雷达数据截取的若干离散频率点的频率数据进行处理后计算出双边频谱并进而计算出正负频率的幅度和之比R；
步骤4；根据所述正负频率的幅度和之比R在阈值范围中的位置识别手势。
优选的，雷达采集手势回波，产生手势回波的手势包括前挥手、后挥手和前后挥手，所述步骤2中的频率数据的计算公式为：
Figure BDA0002530345190000021
其中，v为人体挥手速度、θ为手臂与雷达垂直方向的夹角，λ为雷达电磁波波长；当人向前挥手时，产生的多普勒频率fd始终大于零；相反，当反向挥手时，v＜0，产生的多普勒频率fd始终小于零；当人体一个周期来回挥手时，将产生的多普勒频率中既存在大于零的fd，也存在小于零的fd。
优选的，三种手势的多普勒频率的特点分别为：
a.前挥手多普勒频率ffd：始终大于0，集中在多普勒频谱的正半轴；
b.后挥手多普勒频率fbd：始终小于0，集中在多普勒频谱的负半轴；
c.前后挥手多普勒频率ffb：既存在大于0的值，也存在小于0的值，多普勒频谱的正负半轴均有；
假设手势回波的双边频谱为Pd(k)，其中k为离散频率点，假设正向频谱为
Figure BDA0002530345190000022
负向频谱为
Figure BDA0002530345190000023
假定频谱包括N个离散点，则使用正负半轴频率的幅度和之比R作为区分手势的依据，R用公式表示为：
Figure BDA0002530345190000024
优选的，当前挥手时，R＞＞1；后挥手时，R<<1；当前后挥手时，在一个挥手周期内由于左右半轴的频谱接近对称，R≈1；设定合适的阈值参数T1,T2，使得R满足：
Figure BDA0002530345190000031
则能根据幅度比R在阈值范围中的位置区分出三种手势。
优选的，所述步骤3中频率数据先经过去直流处理，再计算双边频谱和双边频率幅度和之比R。
优选的，所述频率点的采样率根据手势速度确定以满足采样定理，所述手势速度产生多普勒频移位量，来回一个周期的带宽为多普勒频移位量的两倍，采样率至少为所述带宽的两倍。
优选的，设定截取时间T＝N/fs,fs为采样率；截取时间T的倒数为频谱的分辨率，人体手势产生的频谱间隔在Hz级别，取最小分辨率为1Hz，则设定的N≥fs；此外，截取时间包含人体前后挥手的一个来回时间，则设定的N≥T·fs。
优选的，阈值参数的设定与手势到雷达的距离有关，设定截取雷达采集的频率数据的离散点数量N，经实验计算不同距离下三种手势的产生的幅度和之比R的取值范围，并据此设定对应距离下的阈值参数。
本方法可用于识别人体目标在静止状态下并且手势种类较少，产生多普勒变化效应明显的简易手势，优点是针对该情况仅通过雷达采集数据，本方法就能以较小的运算量和设定阈值识别出几种简易手势，而且阈值参数通过实验就能比较方便的确定，识别成功率也高于现有技术中计算量相当的其他识别方法，因此克服了现有技术对此状况下对简易手势识别无法兼顾小计算量和识别准确的技术问题。
附图说明
图1是本发明的流程图。
图2是本发明实施例中三种手势的雷达数据的示意图。
图3是本发明的实施例中前挥手的双边频谱图。
图4是本发明的实施例中后挥手的双边频谱图。
图5是本发明的实施例中前后挥手的双边频谱图。
图2中横坐标为时间，纵坐标为信号幅度，曲线中的实线和虚线分别表示I/Q正交两路信号的变化曲线。
图3-5中横坐标为频率，纵坐标为对应频率下的幅度特征。
具体实施方式
下面对照附图，通过对实施例的描述，对本发明具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
如图1-5所示，本发明提供了一种基于24GHz雷达的简易手势识别方法，雷达采集手势回波，产生手势回波的手势包括前挥手、后挥手和前后挥手。该简易手势识别方法包括下列步骤：
步骤1：初始化阈值参数T1和T2。
步骤2：读取雷达数据经多普勒调制为频率数据。
频率数据的计算公式为：
Figure BDA0002530345190000041
其中，v为人体挥手速度、θ为手臂与雷达垂直方向的夹角，λ为雷达电磁波波长；当人向前挥手时，产生的多普勒频率fd始终大于零；相反，当反向挥手时，v＜0，产生的多普勒频率fd始终小于零；当人体一个周期来回挥手时，将产生的多普勒频率中既存在大于零的fd，也存在小于零的fd。
注意，由于人在挥手时，速度并不是恒定不变的，其多普勒频率将不是理想的单个多普勒频率，而是具有一定范围的多普勒频率。但多普勒频率的正负符号是不变的。
步骤3：对雷达数据截取的若干离散频率点的频率数据进行处理后计算出双边频谱并进而计算出正负频率的幅度和之比R。
这里通过之前的分析可知，三种手势的多普勒频率的特点分别为：
a.前挥手多普勒频率ffd：始终大于0，集中在多普勒频谱的正半轴；
b.后挥手多普勒频率fbd：始终小于0，集中在多普勒频谱的负半轴；
c.前后挥手多普勒频率ffb：既存在大于0的值，也存在小于0的值，多普勒频谱的正负半轴均有；
假设手势回波的双边频谱为Pd(k)，其中k为离散频率点，假设正向频谱为
Figure BDA0002530345190000051
负向频谱为
Figure BDA0002530345190000052
假定频谱包括N个离散点，则使用正负半轴频率的幅度和之比R作为区分手势的依据，R用公式表示为：
Figure BDA0002530345190000053
其中频率数据先经过去直流处理，再计算双边频谱，即将两路IQ雷达数据信号去均值后，组成复信号，分别计算三种手势的双边频谱，产生的图表如图3-5所示，之后计算R值。
步骤4；根据所述正负频率的幅度和之比R在阈值范围中的位置识别手势。
上一步获得R值，当前挥手时，R＞＞1；后挥手时，R<<1；当前后挥手时，在一个挥手周期内由于左右半轴的频谱接近对称，R≈1；设定合适的阈值T1,T2，使得R满足：
Figure BDA0002530345190000054
则能根据幅度比R在阈值范围中的位置区分出三种手势。
上述方法中，所述频率点的采样率根据手势速度确定以满足采样定理，所述手势速度产生多普勒频移位量，来回一个周期的带宽为多普勒频移位量的两倍，采样率至少为所述带宽的两倍。设定截取时间T＝N/fs,fs为采样率；截取时间T的倒数为频谱的分辨率，人体手势产生的频谱间隔在Hz级别，取最小分辨率为1Hz，则设定的N≥fs；此外，截取时间包含人体前后挥手的一个来回时间，则设定的N≥T·fs。阈值参数的设定与手势到雷达的距离有关，设定截取雷达采集的频率数据的离散点数量N，经实验计算不同距离下三种手势的产生的幅度和之比R的取值范围，并据此设定对应距离下的阈值参数。
实验获取阈值参数T1和T2的示例如下：
根据上述技术方案步骤，截取雷达数据N＝256。将两路IQ雷达数据信号去均值后，组成复信号，分别计算三种手势的双边频谱，三种谱如下图3所示。显然，前挥手时，其能量谱主要集中在正半轴，而后挥手的能量谱集中在负半轴，前后挥手的能量谱几乎左右对称。
根据公式(3)分别计算双边谱正负谱的正负频谱能量的比值，分别计算出前、后、前后挥手的幅度比分别为：51.9，0.018，1.40。显然，如果取T1＝20，T2＝0.5，则可以正常分辨出三种手势。
实际使用的实施例：
(1)采样率的确定：实际实施过程中，不同人的挥手速度快慢不同，例如，如果人的手势速度在0.1m/s，24GHz多普勒雷达产生的多普勒频移位16Hz，此时采样率要满足采样定理，来回一个周期的带宽在32Hz，采样率至少为64Hz。实际过程中，正常人的手势速度为5m/s时，采样率至少为640Hz。经实验最佳的采样率为1000Hz为宜。
(2)截取时间的确定：截取时间T＝N/fs,如果fs＝1000,T＝N/1000。我们知道，截取时间T的倒数为频谱的分辨率，人体手势产生的频谱间隔较大，一般在Hz级别，取最小分辨率为1Hz，此时，N至少为1000，取值1024。此外，截取时间应该包含人体前后手势的一个来回时间。取正常一次挥手的时间大约在0.5s，如果fs＝1000，则截取时间至少为500。截取时间至少同时大于频谱最小分辨率的要求及包含一个来回手势的要求，故当采样频率fs＝1000时，N至少为1024；若fs＝100，则N至少为102。
(3)双边频谱的计算：基于FFT(傅里叶变换)的双边频谱的计算方法有多种，常规的计算频谱的方法为截取窗口，计算FFT。此外本方法也可以采用其他现代频谱估计方法进行计算，如MUSIC频谱估计算法等也可以使用。
(4)阈值参数的设定：阈值参数与人员手势到雷达的距离有关，通过实验发现，当人距离雷达50cm处，T1阈值一般最小在10，而T2大约等于2。
上述手势识别方法具有运算量较小的优点，同时以频谱的正负半轴的能量频谱幅度比作为阈值，只要阈值设定准确，该算法的识别成功率较高。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的发明构思和技术方案进行的各种非实质性的改进，或未经改进将本发明构思和技术方案直接应用于其它场合的，均在本发明保护范围之内。

Claims (8)

1.一种基于24GHz雷达的简易手势识别方法，其特征在于：包括下列步骤：
步骤1：初始化阈值参数T1和T2；
步骤2：读取雷达数据经多普勒调制为频率数据；
步骤3：对雷达数据截取的若干离散频率点的频率数据进行处理后计算出双边频谱并进而计算出正负频率的幅度和之比R；
步骤4；根据所述正负频率的幅度和之比R在阈值范围中的位置识别手势。
2.根据权利要求1所述的一种基于24GHz雷达的简易手势识别方法，其特征在于：雷达采集手势回波，产生手势回波的手势包括前挥手、后挥手和前后挥手，所述步骤2中的频率数据的计算公式为：
Figure FDA0002530345180000011
其中，v为人体挥手速度、θ为手臂与雷达垂直方向的夹角，λ为雷达电磁波波长；当人向前挥手时，产生的多普勒频率fd始终大于零；相反，当反向挥手时，v＜0，产生的多普勒频率fd始终小于零；当人体一个周期来回挥手时，将产生的多普勒频率中既存在大于零的fd，也存在小于零的fd。
3.根据权利要求2所述的一种基于24GHz雷达的简易手势识别方法，其特征在于：三种手势的多普勒频率的特点分别为：
a.前挥手多普勒频率ffd：始终大于0，集中在多普勒频谱的正半轴；
b.后挥手多普勒频率fbd：始终小于0，集中在多普勒频谱的负半轴；
c.前后挥手多普勒频率ffb：既存在大于0的值，也存在小于0的值，多普勒频谱的正负半轴均有；
假设手势回波的双边频谱为Pd(k)，其中k为离散频率点，假设正向频谱为
Figure FDA0002530345180000012
负向频谱为
Figure FDA0002530345180000013
假定频谱包括N个离散点，则使用正负半轴频率的幅度和之比R作为区分手势的依据，R用公式表示为：
Figure FDA0002530345180000014
4.根据权利要求3所述的一种基于24GHz雷达的简易手势识别方法，其特征在于：当前挥手时，R＞＞1；后挥手时，R<<1；当前后挥手时，在一个挥手周期内由于左右半轴的频谱接近对称，R≈1；设定合适的阈值T1,T2，使得R满足：
Figure FDA0002530345180000021
则能根据幅度比R在阈值范围中的位置区分出三种手势。
5.根据权利要求4所述的一种基于24GHz雷达的简易手势识别方法，其特征在于：所述步骤3中频率数据先经过去直流处理，再计算双边频谱和双边频率幅度和之比R。
6.根据权利要求5所述的一种基于24GHz雷达的简易手势识别方法，其特征在于：所述频率点的采样率根据手势速度确定以满足采样定理，所述手势速度产生多普勒频移位量，来回一个周期的带宽为多普勒频移位量的两倍，采样率至少为所述带宽的两倍。
7.根据权利要求6所述的一种基于24GHz雷达的简易手势识别方法，其特征在于：设定截取时间T＝N/fs,fs为采样率；截取时间T的倒数为频谱的分辨率，人体手势产生的频谱间隔在Hz级别，取最小分辨率为1Hz，则设定的N≥fs；此外，截取时间包含人体前后挥手的一个来回时间，则设定的N≥T·fs。
8.根据权利要求7所述的一种基于24GHz雷达的简易手势识别方法，其特征在于：阈值参数的设定与手势到雷达的距离有关，设定截取雷达采集的频率数据的离散点数量N，经实验计算不同距离下三种手势的产生的幅度和之比R的取值范围，并据此设定对应距离下的阈值参数。
CN202010516586.2A 2020-06-09 2020-06-09 一种基于24GHz雷达的简易手势识别方法 Active CN111693990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010516586.2A CN111693990B (zh) 2020-06-09 2020-06-09 一种基于24GHz雷达的简易手势识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010516586.2A CN111693990B (zh) 2020-06-09 2020-06-09 一种基于24GHz雷达的简易手势识别方法

Publications (2)

Publication Number Publication Date
CN111693990A true CN111693990A (zh) 2020-09-22
CN111693990B CN111693990B (zh) 2023-04-11

Family

ID=72479834

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010516586.2A Active CN111693990B (zh) 2020-06-09 2020-06-09 一种基于24GHz雷达的简易手势识别方法

Country Status (1)

Country Link
CN (1) CN111693990B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591684A (zh) * 2021-07-29 2021-11-02 北京富奥星电子技术有限公司 一种基于cw体制多普勒雷达的手势识别方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011075725A1 (de) * 2011-05-12 2012-11-15 Robert Bosch Gmbh Verfahren zum Erkennen von Gesten
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
CN107526437A (zh) * 2017-07-31 2017-12-29 武汉大学 一种基于音频多普勒特征量化的手势识别方法
US20180253151A1 (en) * 2017-03-02 2018-09-06 Samsung Electronics Co., Ltd. Method for recognizing a gesture and an electronic device thereof
CN109188414A (zh) * 2018-09-12 2019-01-11 北京工业大学 一种基于毫米波雷达的手势运动探测方法
CN110309690A (zh) * 2018-03-27 2019-10-08 南京理工大学 基于时频谱和距离多普勒谱的手势识别检测方法
CN110412566A (zh) * 2019-07-22 2019-11-05 西北工业大学 一种基于多普勒雷达时频域特征的细粒度人体手臂运动识别方法
CN110988863A (zh) * 2019-12-20 2020-04-10 北京工业大学 一种新的毫米波雷达手势信号处理方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011075725A1 (de) * 2011-05-12 2012-11-15 Robert Bosch Gmbh Verfahren zum Erkennen von Gesten
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
US20180253151A1 (en) * 2017-03-02 2018-09-06 Samsung Electronics Co., Ltd. Method for recognizing a gesture and an electronic device thereof
CN107526437A (zh) * 2017-07-31 2017-12-29 武汉大学 一种基于音频多普勒特征量化的手势识别方法
CN110309690A (zh) * 2018-03-27 2019-10-08 南京理工大学 基于时频谱和距离多普勒谱的手势识别检测方法
CN109188414A (zh) * 2018-09-12 2019-01-11 北京工业大学 一种基于毫米波雷达的手势运动探测方法
CN110412566A (zh) * 2019-07-22 2019-11-05 西北工业大学 一种基于多普勒雷达时频域特征的细粒度人体手臂运动识别方法
CN110988863A (zh) * 2019-12-20 2020-04-10 北京工业大学 一种新的毫米波雷达手势信号处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
郭雷等: "手势识别中手分割算法", 《SOFTWARE》 *
龙翔: "动态手势识别及其在车载HUD中应用研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591684A (zh) * 2021-07-29 2021-11-02 北京富奥星电子技术有限公司 一种基于cw体制多普勒雷达的手势识别方法

Also Published As

Publication number Publication date
CN111693990B (zh) 2023-04-11

Similar Documents

Publication Publication Date Title
CN111352102B (zh) 一种基于调频连续波雷达的多目标个数检测方法及装置
CN106896358A (zh) 一种基于位置旋转变换的高速目标相参积累检测方法
WO2021134449A1 (zh) 一种强杂波下fmcw阵列雷达运动多目标弱信号检测方法、装置、计算机设备及存储介质
CN113963441B (zh) 一种基于跨域增强的毫米波雷达手势识别方法及系统
CN107490795B (zh) 一种通过雷达实现人体运动状态识别的方法
CN111693990B (zh) 一种基于24GHz雷达的简易手势识别方法
CN106291516B (zh) 一种声呐应答式干扰的剔除方法
Liu et al. Vital sign extraction in the presence of radar mutual interference
CN111580063B (zh) 基于广义解调频-楔形变换的雷达目标检测方法
CN110596671A (zh) 一种lfmcw测速测距雷达的优化处理方法及系统
CN108169739B (zh) 基于分数阶傅立叶变换和最小脉宽检测的线性调频连续波时宽比估计方法
CN110716203B (zh) 一种被动声纳目标的时频分析与跟踪方法
CN110161478A (zh) 一种基于杂波功率谱密度自优化的波形设计方法
CN113064483A (zh) 一种手势识别方法以及相关装置
CN114895248A (zh) 一种正弦调频信号参数估计方法、系统及介质
Liu et al. SCH: a speed measurement method of combined hyperbolic frequency modulation signals
CN111751814A (zh) 基于无线信号的运动状态检测装置、方法及系统
CN109802656A (zh) 基于幅度信息的卡尔曼滤波方法
CN109507654A (zh) 一种基于ls的复杂环境下相位信息计算方法
CN110275150B (zh) 基于经验模式分解和迭代端点拟合的变加速运动目标相参积累方法
CN115407279A (zh) 一种脉冲压缩雷达距离多普勒耦合误差补偿方法
CN114355329A (zh) 一种调频连续波雷达生命体征距离检测的方法
CN111736146B (zh) 一种基于速度滤波的双基地检测前跟踪方法及装置
Shen et al. Apparent trace analysis of moving target with linear motion in circular SAR imagery
CN113376611A (zh) 基于雷达天线阵元的微动目标运动参数检测方法

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
GR01 Patent grant
GR01 Patent grant