-
公开(公告)号：CN109271838B
公开(公告)日：2020-11-03
申请号：CN201810794392.1
申请日：2018-07-19
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于FMCW(frequency modulated continuous wave)雷达的三参数特征融合手势识别方法。首先通过雷达获取不同手势的中频信号，从中得到角度参数、距离参数和多普勒频移参数，并构造对应数据集；其次，将关于角度、距离和多普勒频移的数据集分别送入卷积神经网络中训练，得到特征值并做融合处理；最后，将融合后的特征值送入分类器，得到手势类别。本发明创新地提出多重参数在卷积神经网络中的融合方法，解决了传统识别算法使用条件受限的问题，且最终手势的分类效果优于单一参数。
-
公开(公告)号：CN109271838A
公开(公告)日：2019-01-25
申请号：CN201810794392.1
申请日：2018-07-19
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于FMCW(frequency modulated continuous wave)雷达的三参数特征融合手势识别方法。首先通过雷达获取不同手势的中频信号，从中得到角度参数、距离参数和多普勒频移参数，并构造对应数据集；其次，将关于角度、距离和多普勒频移的数据集分别送入卷积神经网络中训练，得到特征值并做融合处理；最后，将融合后的特征值送入分类器，得到手势类别。本发明创新地提出多重参数在卷积神经网络中的融合方法，解决了传统识别算法使用条件受限的问题，且最终手势的分类效果优于单一参数。
-
公开(公告)号：CN108509910B
公开(公告)日：2021-09-28
申请号：CN201810281177.1
申请日：2018-04-02
Applicant: 重庆邮电大学
Abstract: 本发明公布了一种基于雷达信号的深度学习手势识别方法，首先通过雷达获取每一种手势的中频信号，并从中提取每一根发射天线和接收天线下的中频信号矩阵；其次，利用傅里叶变换对信号频率进行提取，得到信号中的距离和速度信息并且将数据进行预处理；然后，建立三维卷积神经网络和长短记忆网络，将处理后的雷达信号输入到网络进行训练；最后，根据深度学习网络提取的特征进行手势识别。本发明方法解决了传统识别算法使用条件受限以及鲁棒性差的问题，且能实现多种手势的精确分类。
-
公开(公告)号：CN108509910A
公开(公告)日：2018-09-07
申请号：CN201810281177.1
申请日：2018-04-02
Applicant: 重庆邮电大学
Abstract: 本发明公布了一种基于雷达信号的深度学习手势识别方法，首先通过雷达获取每一种手势的中频信号，并从中提取每一根发射天线和接收天线下的中频信号矩阵；其次，利用傅里叶变换对信号频率进行提取，得到信号中的距离和速度信息并且将数据进行预处理；然后，建立三维卷积神经网络和长短记忆网络，将处理后的雷达信号输入到网络进行训练；最后，根据深度学习网络提取的特征进行手势识别。本发明方法解决了传统识别算法使用条件受限以及鲁棒性差的问题，且能实现多种手势的精确分类。
-
-
-
Search Results
4
records
(took 0.015 seconds)
