面向手势识别的连续波雷达微动特征提取与端侧实时分类系统设计.docxVIP

PAGE2

面向手势识别的连续波雷达微动特征提取与端侧实时分类系统设计

摘要

手势识别作为智能人机交互的核心环节，在虚拟现实、智能座舱和物联网等场景中需求迫切。传统视觉方案易受光照遮挡影响，而连续波雷达凭借穿透性强、隐私保护优和微动敏感等特点，成为全天候手势感知的理想载体。然而，雷达手势微动信号具有非平稳、低信噪比和个体差异大等挑战，且现有云端推理方案存在延迟高、功耗大和部署成本密集等痛点。

本设计以毫米波连续波雷达为感知前端，聚焦微多普勒特征提取与端侧实时分类两大核心问题。系统采用“信号采集–时频分析–特征增强–轻量化推理”的工程路径。

首先，通过正交混频与预处理获取基带微动信号，经短时傅里叶变换生成微多普勒谱图，并利用二维主成分分析进行特征降维与噪声抑制。随后，设计了一种基于深度可分离卷积的轻量化网络LW-GestureNet，参数量压缩至0.8兆，浮点运算量仅120兆，适配资源受限的嵌入式端侧设备。最后，在STM32H7微控制器与雷达前端集成平台上完成部署，实现40毫秒内手势分类延迟。

论文共分八章：第一章分析研究背景与现状；第二章论证连续波雷达微动特征提取与端侧推理的关键技术选型；第三章梳理手势识别系统的功能与非功能需求；第四章进行总体架构与模块划分；第五章详述特征提取与网络模型的详细设计；第六章展示系统实现与难点攻克；第七章执行功能与性能测试；第八章总结成果并展望未