基于深度学习的毫米波雷达手势识别实验教学设计  

Experimental teaching design of millimeter wave radar gesture recognition based on deep learning

作　　者：龚树凤[1] 方一鸣 施汉银 闫鑫悦 吴哲夫[1] GONG Shufeng;FANG Yiming;SHI Hanyin;YAN Xinyue;WU Zhefu(College of Information Engineering,Zhejiang University of Technology,Hangzhou 310023,China)

机构地区：[1]浙江工业大学信息工程学院,浙江杭州310023

出　　处：《实验技术与管理》2023年第4期168-176,共9页Experimental Technology and Management

基　　金：浙江工业大学2022年度研究生教学“课程思政”改革试点项目(No.7);浙江工业大学2022年校级教学改革项目(JG2022030);2021年教育部产学研合作协同育人项目(202102357003)。

摘　　要：为了实现基于雷达传感器的人机交互,设计了一个基于深度学习的毫米波雷达手势识别实验。首先,该实验基于77 GHz的FMCW雷达,采集人体手部动作回波数据,并对回波数据进行帧差预处理,再利用多维FFT算法构建距离-速度-角度联合的多维特征融合数据谱图。然后,调用MATLAB中的深度学习工具箱,基于典型的VGG16网络,搭建了适用于多维特征数据提取和动作识别的3D-VGG16-NET网络。实验结果显示,该网络算法对手势的平均识别准确率达到99.38%。To realize human-computer interaction based on radar sensor,this paper designs a deep learning-based millimeter-wave radar gesture recognition experiment based on the FMCW radar,preprocesses the echo data,and builds a multi-dimensional distance-speed-angle fusion data graph using multidimensional FFT algorithm;then calls the deep learning toolbox in MATLAB to build a 3D-VGG16-NET network based on the typical VGG16 network and action recognition.Experimental results show that the average gesture recognition accuracy of the network algorithm is 99.38%.

关 键 词：毫米波雷达 手势识别 深度学习 FFT算法 VGG16 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TN958.6[自动化与计算机技术—控制科学与工程]