论文部分内容阅读
该文提出一种基于调频连续波(FMCW)雷达多维参数的卷积神经网络手势识别方法。通过对雷达信号进行时频分析，估计手势目标的距离、多普勒和角度参数，构建出手势动作的多维参数数据集。同时，为了进行手势特征提取和精确分类，提出多分支网络结构和高维特征融合的方案，设计出具有端到端结构的RDA-T多维参数卷积神经网络。实验结果表明，结合手势动作的距离、多普勒和角度信息进行多维参数学习，所提方法有效解决了单维参数手势识别方法中手势描述信息量低的问题，且手势识别准确率相较于单参数方法提高了5%～8%。