使用毫米波雷达使用残余LSTM注意力的手势识别.

科学领域:

• 计算机科学 计算机科学
• 电气工程 电气工程
• 信号处理 信号处理

背景情况:

• 毫米波 (mmWave) 雷达可实现非接触式手势识别.
• 现有的神经网络方法面临着多功能复杂性和单一功能性能限制的挑战.

研究的目的:

• 为毫米波雷达系统开发先进的手势识别算法.
• 克服当前处理复杂和稀疏的手势数据的方法的局限性.

主要方法:

• 一个名为ResNet长期短期记忆与注意力 (RLA) 的新算法被提出.
• 信号处理涉及提取距离和速度特征以创建距离多普勒地图.
• 网络架构集成的残余网络与道和空间注意力模块,以及长短期内存网络用于时间特征处理.

主要成果:

• 通过使用残留注意力机制,RLA算法展示了对关键手势特征的增强关注.
• 由于长期短期存储器组件,即使使用单个功能输入,也可以实现高识别精度.
• 实验结果证实,与现有方法相比,识别性能优越.

结论:

• 拟议的RLA算法为基于毫米波雷达的手势识别提供了一个强大的解决方案.
• 注意力机制和长期短期记忆网络的整合显著提高了准确性和功能利用率.
• 这种方法有效地解决了手势识别中的数据复杂性和性能可变性的挑战.