大话FMCW雷达之手势识别原理

FMCW高分辨雷达可以应用于一些利用手势的非接触应用。比如汽车上基于手势的开门或者开关后备箱，以及车载信息娱乐系统的控制等。近来较热的谷歌Pixel 4的上同样搭载了基于毫米波雷达的手势识别应用。

下面我们就对常规的手势识别算法进行介绍。

首先在对ADC数据进行2D FFT处理，求出目标的距离和速度信息。然后对各个接收通道的2D FFT结果做非相干累加处理，经过天线维的处理后，得到RDM（Range Doppler Matrix）。

下一步提取RDM数据中的特征信息，常见的特征提取方法主要有以下的几种，一种是利用机器学习算法，对特征进行分类。另外一种是利用特殊手势动作的逻辑判断，识别提取符合动作的特征要素。其他的也有将两者结合使用的。

最后输出检测到的手势类型，为了提升用户的体验，一些手势的扩展信息也会被输出，例如速度等信息。

当然，这种基于手势识别的应用对于雷达距离分辨率和速度分辨率要求较高，所以选择的chirp波形一般需要较大的带宽和较长的chirp PRI。而且这种应用对于最大速度的要求一般不会太大，这些在设计之初就需要被考虑到。

注：题图来自于TI