以人为中心的全自适应雷达，用于智能环境中的手势识别

《IEEE Transactions on Human-Machine Systems》：Human-Centered Fully Adaptive Radar for Gesture Recognition in Smart Environments

提出基于人类为中心的全自适应雷达系统HC-FAR，动态调整射频参数以优化实时手势识别的准确性和计算效率。通过联合多输入深度神经网络处理微多普勒特征、距离和角度信息，实现复杂交互场景下的高精度手势控制。研究重点在于射频波形参数的动态优化与计算资源的智能分配。

　　

摘要：

在过去的十年中，射频（RF）传感或雷达作为一种新兴技术，因能够通过手势识别实现人机交互而受到了广泛关注。目前的方法通常使用一种雷达系统，该系统发射具有预定频率、带宽和其他波形参数的固定信号。然而，雷达的传输参数会显著影响手势识别的准确性，进而影响计算负载和性能。在这项研究中，我们提出了一种以人为中心的、完全自适应的雷达（HC-FAR）系统，用于环境手势识别。这种系统采用可编程的、软件定义的雷达技术，能够根据人类行为动态调整其射频传输参数。我们为不同的人机交互任务（如人体存在检测、触发检测和命令转换）设计并切换不同的传输模式，并调整处理方式以最小化计算负载。通过这种方式，所提出的HC-FAR范式能够在射频数据表示的维度与其计算负载之间实现动态平衡，同时保持实时的分类准确性。实验结果表明，HC-FAR显著减少了计算资源和频谱资源的消耗，并通过联合域多输入深度神经网络提升了手势识别的精度。该神经网络以射频微多普勒特征、距离和角度信息作为输入。

引言

由于市面上出现了越来越多低成本、低功耗、小尺寸、软件定义（可编程）的毫米波雷达系统，射频（RF）传感技术受到了越来越多的关注。人工智能和机器学习（AI/ML）的进步[1]为雷达技术在许多日常生活相关应用领域的应用铺平了道路，例如室内监控[2]、人体活动识别[3][4][5]以及远程医疗[6][7][8]。自从谷歌Soli雷达[13]问世以来，基于射频的手势识别研究也蓬勃发展起来，这种雷达被集成到了谷歌Pixel手机中，实现了非接触式的手势控制功能。例如，人们提出了利用射频传感技术进行人机交互（HCI）的创新应用，如空气书写[14][15]和美式手语（ASL）识别[16][17]，以实现非接触式的互动游戏[18]。