论文部分内容阅读
针对现有毫米波雷达手势识别研究中手势信息提取不充分的问题，提出一种基于RDATM三维参数数据集的手势识别方法。该方法先对获取的雷达手势回波数据进行预处理并进行动态手势检测，然后利用回波信号频谱信息构造距离-时间图（Range-Time Map, RTM）,多普勒-时间图（Doppler-Time Map, DTM）和角度-时间图（Angle-Time Map, ATM）,最后利用RTM、DTM、ATM构建RDATM数据集并送入基于VGG16网络改进的单分支卷积神经网络进行手势特征提取和分类。实验结果表明，利用RDATM数据集对6种手势的平均分类准确率可高达99.17%。且文中改进的网络相较于原VGG16模型对同类型数据集训练时间更短、分类准确率更高。