伴隨著5G、物聯(lián)網(wǎng)(Internet of Things,IOT)及人工智能時(shí)代的到來(lái),各類虛擬現(xiàn)實(shí)(Virtual Reality,VR)應(yīng)用和新型智能可穿戴設(shè)備正在不斷涌現(xiàn)。要實(shí)現(xiàn)人與設(shè)備之間無(wú)縫連接,促進(jìn)人類物理世界與網(wǎng)絡(luò)信息世界的信息交互與共融,在智能化背景下的人機(jī)交互是亟待解決的關(guān)鍵性基礎(chǔ)問(wèn)題。手勢(shì)是人類最具表現(xiàn)力的自然交互方式之一,基于手勢(shì)識(shí)別的移動(dòng)式交互系統(tǒng)設(shè)計(jì)是當(dāng)前人機(jī)交互領(lǐng)域的重要研究方向。微動(dòng)手勢(shì)是主要涉及手指運(yùn)動(dòng)的手勢(shì)動(dòng)作,相比于粗粒度手勢(shì),它能夠完成更加精細(xì)化的交互操作,被廣泛應(yīng)用于可穿戴設(shè)備、汽車輔助系統(tǒng)等對(duì)交互精度要求更高的應(yīng)用中,微動(dòng)手勢(shì)的識(shí)別也成為了當(dāng)前手勢(shì)交互領(lǐng)域的關(guān)鍵課題。毫米波雷達(dá)具有空間分辨率高、全天候和易集成的優(yōu)勢(shì),因此通過(guò)毫米波雷達(dá)感知微動(dòng)手勢(shì)的運(yùn)動(dòng)狀態(tài)是解決移動(dòng)式人機(jī)交互難題最有前景的方法之一。本文針對(duì)毫米波雷達(dá)微動(dòng)手勢(shì)識(shí)別中存在的手勢(shì)運(yùn)動(dòng)參數(shù)聯(lián)合估計(jì)、微動(dòng)手勢(shì)類目標(biāo)消除和微動(dòng)手勢(shì)特征提取及識(shí)別難題,開展了基于毫米波雷達(dá)的微動(dòng)手勢(shì)識(shí)別關(guān)鍵技術(shù)研究,具體內(nèi)容主要包括:(1)微動(dòng)手勢(shì)距離‐角度聯(lián)合超分辨估計(jì)算法研究本文在微動(dòng)手勢(shì)距離-速度聯(lián)合估...

【文章頁(yè)數(shù)】：167 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于毫米波雷達(dá)的微動(dòng)手勢(shì)識(shí)別系統(tǒng)國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 毫米波雷達(dá)參數(shù)估計(jì)方法研究現(xiàn)狀
        1.2.3 毫米波雷達(dá)類目標(biāo)消除方法研究現(xiàn)狀
        1.2.4 微動(dòng)手勢(shì)特征提取及識(shí)別研究現(xiàn)狀
    1.3 論文主要研究工作及貢獻(xiàn)
    1.4 論文組織結(jié)構(gòu)
2 基于毫米波雷達(dá)的微動(dòng)手勢(shì)識(shí)別技術(shù)研究方案
    2.1 整體研究方案
        2.1.1 基于毫米波雷達(dá)的微動(dòng)手勢(shì)識(shí)別算法研究方案
        2.1.2 毫米波雷達(dá)硬件平臺(tái)方案
    2.2 技術(shù)路線
        2.2.1 微動(dòng)手勢(shì)“三域”參數(shù)聯(lián)合估計(jì)
        2.2.2 微動(dòng)手勢(shì)類目標(biāo)消除
        2.2.3 微動(dòng)手勢(shì)特征提取及識(shí)別
    2.3 相關(guān)研究基礎(chǔ)
        2.3.1 FMCW毫米波雷達(dá)距離-速度聯(lián)合估計(jì)
        2.3.2 卷積與循環(huán)卷積神經(jīng)網(wǎng)絡(luò)研究基礎(chǔ)
    2.4 本章小結(jié)
3 微動(dòng)手勢(shì)距離-角度聯(lián)合超分辨估計(jì)算法研究
    3.1 引言
    3.2 雷達(dá)信號(hào)處理流程
    3.3 MIMO-FMCW毫米波雷達(dá)虛擬天線擴(kuò)展技術(shù)
        3.3.1 MIMO雷達(dá)虛擬天線擴(kuò)展原理
        3.3.2 MIMO雷達(dá)多路復(fù)用技術(shù)
    3.4 基于2D-MUSIC的距離-到達(dá)角聯(lián)合超分辨估計(jì)算法
        3.4.1 信號(hào)模型
        3.4.2 相干回波信號(hào)參數(shù)估計(jì)
        3.4.3 仿真結(jié)果分析
    3.5 基于Extrapolation-MUSIC距離-角度聯(lián)合估計(jì)算法
        3.5.1 信號(hào)模型
        3.5.2 基于Burg算法的AR模型系數(shù)求解
        3.5.3 仿真結(jié)果分析
    3.6 實(shí)驗(yàn)結(jié)果分析
        3.6.1 單目標(biāo)聯(lián)合參數(shù)精度測(cè)試
        3.6.2 雙目標(biāo)聯(lián)合參數(shù)分辨測(cè)試
        3.6.3 微動(dòng)手勢(shì)目標(biāo)測(cè)試
    3.7 本章小結(jié)
4 微動(dòng)手勢(shì)類目標(biāo)抑制技術(shù)研究
    4.1 引言
    4.2 基于2D-CFAR的類目標(biāo)抑制技術(shù)
        4.2.1 2D-CFAR類目標(biāo)抑制模型
        4.2.2 仿真實(shí)驗(yàn)分析
    4.3 基于無(wú)監(jiān)督降噪卷積自編碼網(wǎng)絡(luò)類目標(biāo)抑制技術(shù)
        4.3.1 無(wú)監(jiān)督降噪自編碼網(wǎng)絡(luò)數(shù)學(xué)模型
        4.3.2 無(wú)監(jiān)督降噪卷積自編碼網(wǎng)絡(luò)模型
        4.3.3 仿真實(shí)驗(yàn)
    4.4 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
5 微動(dòng)手勢(shì)特征提取及識(shí)別算法研究
    5.1 引言
    5.2 基于3D-CNN的微動(dòng)手勢(shì)時(shí)序-空間聯(lián)合特征提取及識(shí)別
        5.2.1 3D卷積運(yùn)算
        5.2.2 3D-CNN網(wǎng)絡(luò)架構(gòu)分析
        5.2.3 實(shí)驗(yàn)結(jié)果分析
    5.3 基于R3DCNN-CTC的微動(dòng)手勢(shì)識(shí)別系統(tǒng)研究
        5.3.1 R3DCNN-CTC模型分析
        5.3.2 基于前向-后向算法的CTC目標(biāo)函數(shù)計(jì)算
        5.3.3 實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 論文工作總結(jié)
    6.2 未來(lái)展望
致謝
參考文獻(xiàn)
附錄
    A.作者在攻讀博士學(xué)位期間發(fā)表的論文目錄
    B.作者在攻讀博士學(xué)位期間參加的科研項(xiàng)目及得獎(jiǎng)情況



本文編號(hào)：3841695