基于毫米波雷达的手势识别算法研究

目录

声明

第一章绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 非雷达源手势识别技术研究现状

1.2.2 基于雷达的手势识别技术研究现状

1.3 本文主要研究内容及章节安排

第二章手势信号的获取及预处理

2.1 信号体制及硬件平台

2.1.1 FMCW雷达

2.1.2 FMCW中频信号获取

2.1.3 FMCW雷达测距测速基本原理

2.1.4 信号时频分析原理

2.1.5 目标角度测量原理

2.1.6 系统硬件与雷达参数设置

2.2 手势样本库的构建

2.2.1 手势设计

2.2.2 手势数据样本采集

2.2.3 训练集，验证集与测试集的划分

2.2.4 杂波抑制处理

2.3 多维度特征提取算法

2.3.1 距离信息提取

2.3.2 多普勒信息提取

2.3.3 角度信息提取

2.4 试验结果及分析

2.4.1 数据库样本标准化处理

2.4.2 数据展示及分析

2.5 本章小结

第三章结合注意力机制的 CNN多维度特征融合识别算法

3.1 卷积神经网络

3.1.1 基本概念

3.1.2 基本组成

3.1.3 核心思想及特征提取特性

3.2 注意力机制

3.2.1 基本概念

3.2.2 自注意力

3.3 多维度特征融合识别算法

3.3.1 算法设计的动机与思路

3.3.2 网络整体架构

3.3.3 基于 VGG的特征提取

3.3.4 基于自注意力的特征融合

3.3.5 预测输出模块

3.4 试验结果及分析

3.4.1 网络结构参数

3.4.2 训练相关设置

3.4.3 结果及性能指标

3.5 本章小结

第四章基于 LSTM架构的端到端手势识别算法

4.1 端到端思想

4.2 循环神经网络

4.2.1 基本概念

4.2.2 基本结构

4.2.3 基于时间的反向传播

4.2.4 梯度消失与短期记忆

4.2.5 长短时记忆

4.3 基于 LSTM的端到端手势识别算法

4.3.1 算法设计动机与思路

4.3.2 算法整体框架

4.3.3 多通道数据输入

4.3.4 基于 1d-cnn的自动特征提取

4.3.5 特征融合模块

4.3.6 序列处理及输出

4.4 试验结果及分析

4.4.1 网络结构参数

4.4.2 训练数据及超参数

4.4.3 结果及性能指标

4.5 本章小结

第五章总结与展望

5.1 全文总结

5.2 后续工作展望

致 谢

参考文献

攻读硕士学位期间取得的成果