[发明专利]一种基于机器学习和雷达结合的动作识别系统在审

专利信息
申请号: 201811078529.X 申请日: 2018-09-18
公开(公告)号: CN108805112A 公开(公告)日: 2018-11-13
发明(设计)人: 陈肇聪 申请(专利权)人: 深圳大学
主分类号: G06K9/00 分类号: G06K9/00;G01S13/88;G06N3/04;H04L29/08
代理公司: 温州市品创专利商标代理事务所(普通合伙) 33247 代理人: 叶晶
地址: 518000 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 动作识别 采集模块 硬件参数 动作识别系统 后端处理模块 基于机器 相关参数 云计算 发送 算法 外部设备 雷达 接收雷达信号 数据处理算法 信号处理单元 信息信号发送 对接收信号 自适应调整 结果发送 控制命令 存储 学习
【权利要求书】:

1.一种基于机器学习和雷达结合的动作识别系统,其特征在于,包括

采集模块(1),用于发送和接收雷达信号,且对接收信号进行处理,将处理后信息信号发送云计算模块(2);

云计算模块(2),用于对从采集模块(1)接收的信号按数据处理算法进行计算得到动作识别结果、硬件参数和算法相关参数,且将所述动作识别结果和所述硬件参数发送所述后端处理模块(3),将所述算法相关参数进行本地存储;

后端处理模块(3),用于根据所述动作识别结果和所述硬件参数发送调节命令到所述采集模块(1)以实现其信号处理单元的自适应调整,且根据所述动作识别结果发送控制命令到外部设备实现控制。

2.根据权利要求1所述的基于机器学习和雷达结合的动作识别系统,其特征在于,所述采集模块(1)包括发射模块(11)、接收模块(12)、传输模块(13)和反馈模块(14)。

3.根据权利要求2所述的基于机器学习和雷达结合的动作识别系统,其特征在于,所述发射模块(11)包括雷达芯片、至少一个微处理器和发射天线;所述微处理器产生特定波形信号并发送到所述雷达芯片,所述雷达芯片产生雷达信号分别经过所述发射天线发射和输入到输入输出通道的混频器。

4.根据权利要求2所述的基于机器学习和雷达结合的动作识别系统,其特征在于,所述接收模块(12)包括接收天线、雷达芯片、滤波电路、放大电路和至少一个微处理器;

所述接收天线用于将接收的雷达信号发送到所述雷达芯片;

所述雷达芯片用于对所述雷达信号进行低噪声处理后将其分别输入通道、输出通道的混频器中与发射信号进行混频得到混频信号;

所述滤波电路用于对所述混频信号进行滤波得到滤波信号,所述滤波电路采用带通滤波;

所述放大电路用于对所述滤波信号进行放大后发送到微处理器进行模数转换以得到数字中频信号;所述中频信号包括探测目标的速度、方向和距离信息。

5.根据权利要求2所述的基于机器学习和雷达结合的动作识别系统,其特征在于,所述传输模块(13)包括至少一个微处理器和WiFi收发模块;所述WiFi收发模块将从所述微处理器得到的数字信号转换为无线信号发送到所述云计算模块(2)。

6.根据权利要求2所述的基于机器学习和雷达结合的动作识别系统,其特征在于,所述反馈模块(14)包括WiFi收发模块、至少一个微处理器、放大电路和滤波电路;

所述WiFi收发模块接收所述硬件参数并发送到所述微处理器进行处理,且将数据处理结果发送所述放大电路和所述滤波电路进行硬件参数更新;所述硬件参数包括放大电路增益、滤波电路中心频率和带宽。

7.根据权利要求2所述的基于机器学习和雷达结合的动作识别系统,其特征在于,所述雷达信号是连续调频波,其频率是24.0Ghz,其波形包括锯齿波和三角波。

8.根据权利要求2至7任意一项所述的基于机器学习和雷达结合的动作识别系统,其特征在于,包括至少一个雷达系统。

9.根据权利要求8所述的基于机器学习和雷达结合的动作识别系统,其特征在于,所述云计算模块(2)采用的数据处理算法包括快速傅里叶变换和卷积神经网络;所述云计算模块(2)对接收的数据进行快速傅里叶变换得到二维频域信号,将所述二维频域信号导入卷积神经网络进行训练得到动作识别结果和硬件参数。

10.根据权利要求1所述的基于机器学习和雷达结合的动作识别系统,其特征在于,所述后端处理模块(3)和所述外部设备通过WIFI进行无线通讯或者用输入输出串行通信接口进行有线通讯。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳大学,未经深圳大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811078529.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top