电子测量技术

作者：许婷，饶云华，易建新

单位：武汉大学电子信息学院 武汉 430072

关键词：毫米波雷达;手势识别;半监督学习;特征压缩

基金：国家自然科学基金（61271400，U1933135，62071335，61931015）项目资助

基于深度学习的毫米波雷达手势识别以其免接触、保护隐私和环境依赖性低等特点受到越来越多的关注。但是目前的学习方法大都采用全监督方法，其性能受限于雷达数据的获取和标注，且其学习样本都来源于单一环境，极大的影响了不同场景下的迁移能力，因此本文提出了一种基于半监督生成对抗网络的跨域手势识别方法。首先，通过数据预处理，提取动态混合特征时间图（DFTM）以消除环境干扰，并且对手势动态特征进行更加全面的表征；其次，结合毫米波信号特点进行数据增强，进一步扩充数据量，提高模型泛化能力；第三，针对实际应用中可获得的标记数据通常较少的问题，提出并构建了一个改进半监督生成对抗网络，在原始GAN的基础上增加了分类器，通过生成数据帮助提高分类器辨别能力，同时利用源域中的少量标记数据和目标域中的大量未标记数据，实现域无关的手势识别。实验结果表明，对于新用户、新环境和新位置的平均手势识别准确率分别达到 98.21%、95.23%和97.6%。与现有其他手势识别方法相比，本文所提方法在只有少量标记数据的情况下也能达到较高的跨域手势识别准确率，为后续毫米波雷达人机交互提供了新的研究思路。

来源：2024年第4期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2024年第4期