排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
针对现有的手势识别方法存在数据集过少、利用特征信息较少和神经网络部分提取信息不充分的问题,提出一种基于毫米波雷达传感器RAI图像的手势识别方法。首先使用TI公司的IWR1443毫米波雷达传感器采集10类手势数据构建数据集,再通过对手部反射的雷达信号进行时频分析,获取固定帧数的RDI和RAI。为了充分提取手势特征并精确分类,在卷积神经网络基础上,引入了残差块和通道注意力块。实验结果表明,相较其他特征如RDI,RAI能更准确的表征手势,所提出的网络相比于CNN方法准确率提高了12.72%,相比于VGG16-Net和单参数VGG16-Net方法准确率提高了8.93%与10.41%,参数量降低了90.68%,时间复杂度降低了17.2%。 相似文献
2.
利用毫米波传感器测量较远人体目标的呼吸信号时,容易受到环境杂波的干扰,导致信号中含有较多噪声。因此提出了一种新的GA-VMD-WT去噪方法。方法针对呼吸信号的特点,借助排列熵设计适应度函数,采用GA算法优化VMD参数,以获得最优模态分量个数K和惩罚因子α,再用优化得到的VMD参数对噪声信号分解,然后对分解结果小波阈值去噪,最后重建得到去噪信号。该方法不仅避免了VMD分解时出现的过分解问题,并且仿真实验显示,与各传统的去噪算法相比较,信噪比分别提高了8.5025dB,7.6642dB,3.3637dB。实测信号实验结果表明,所提方法去噪效果好,可以保留更多有用信号的信息。 相似文献
1