基于人机交互设备的手势识别的控制系统的制作方法

本实用新型涉及自动控制智能家居领域，尤其涉及一种基于人机交互设备的手势识别的控制系统。

背景技术：

伴随着人机交互需求的发展，关于人体姿势识别的研究越来越多，人体姿势控制包括手势控制，能给用户带来绝佳的人机交互体验。使用计算机视觉技术进行的手势识别技术是手势识别技术的主要研究方向，然而视觉技术对环境条件的要求：包括对光线的要求和对遮挡物的要求比较苛刻，往往会使得对手势识别的结果有影响甚至是在人机交互过程中效率低下、产生偏差。

然而，现有技术中存在无法精确地通过对人体手势进行检测以及识别，从而达到人机交互的效果的问题。

技术实现要素：

本实用新型目的在于提供一种基于人机交互设备的手势识别的控制系统，旨在解决技术中存在无法精确地通过对人体手势进行检测以及识别，从而达到人机交互的效果的问题。

本实用新型提供了一种基于人机交互设备的手势识别的控制系统，所述控制系统包括：

发送穿透障碍物的脉冲雷达信号的超带宽模块；

与所述超带宽模块相连接，控制所述超带宽模块发送脉冲雷达信号到达人体手部并产生回波信号的主控模块；

与所述主控模块相连接，接收所述回波信号、并将所述回波信号发送给所 述主控模块进行处理，使得根据所述回波信号判断出手势特征的天线模块；

与所述主控模块相连接，根据所述手势特征，转化为对人机交互设备的控制信号的通信电平转换模块。

上述结构中，所述手势特征包括拳形向前、拳形向后和拳向右侧的滑动姿势。

上述结构中，在通信电平转换模块中，当所述手势特征为拳形向前，则转化为人机交互设备的音量调大；当所述手势特征为拳形向后，则转化为人机交互设备的音量调小；当所述手势特征为拳向右侧的滑动姿势，则转化为人机交互设备的删除操作。

上述结构中，所述控制系统还包括：

同时与所述主控模块和天线模块连接，将所述天线模块接收的回波信号进行滤波，并发送给所述主控模块的高通滤波模块。

上述结构中，所述控制系统还包括：

与所述主控模块连接，对所述回波信号进行保存的存储模块。

上述结构中，所述主控模块包括一主控芯片U1，所述主控芯片U1包括：

主控端CTRL、接收端RXD、电源端Bat-VCC、存储端MEM和传输端FTP；

所述主控端CTRL接所述超带宽模块，所述接收端RXD接所述高通滤波模块，所述电源端Bat-VCC接所述电源模块，所述存储端MEM接所述存储模块，所述传输端FTP接所述通信电平转换模块。

上述结构中，所述超带宽模块包括一超带宽收发芯片U2，所述超带宽收发芯片U2包括：

控制端ctrl；

所述控制端ctrl接所述主控芯片U1的主控端CTRL。

上述结构中，所述高通滤波模块包括一滤波芯片U4，所述滤波芯片U4包括：

发射端Send和滤波端Filt；

所述发射端Send接所述主控芯片U1的接收端RXD，所述滤波端Filt接所 述天线模块。

上述结构中，所述天线模块包括一天线芯片U3，所述天线芯片U3包括：

发送端TXD；

所述发送端TXD接所述滤波芯片U4的滤波端Filt。

上述结构中，所述通信电平转换模块包括一通信芯片U5，所述通信芯片U5包括：

传送端RTP和通讯端PLC；

所述传送端RTP接所述主控芯片U1的传输端FTP，所述通讯端PLC接所述人机交互设备。

综上所述，本实用新型实施例提供的一种基于人机交互设备的手势识别的控制系统，包括超带宽模块、主控模块、天线模块和通信电平转换模块，所述主控模块控制所述超带宽模块发送脉冲雷达信号到达人体手部并产生回波信号，天线模块接收到所述回波信号后，将所述回波信号发送给所述主控模块进行处理，使得根据所述回波信号判断出手势特征，接着通信电平转换模块根据所述手势特征，转化为对人机交互设备的控制信号，从而达到人机交互的效果。其中，由于超宽带技术具有较高的数据传输速率、多径分辨能力强、穿透能力强、低功耗、非接触式和隐蔽性好的特点，所述控制系统通过超带宽模块发送脉冲雷达信号可以穿透障碍物避免其受干扰，这样会使得对手势识别更为精确，同时解决了现有技术中存在无法精确地通过对人体手势进行检测以及识别，从而达到人机交互的效果的问题。

附图说明

图1为本实用新型一实施例提供的一种基于人机交互设备的手势识别的控制系统的模块结构示意图。

图2为本实用新型一实施例提供的一种基于人机交互设备的手势识别的控制系统的电路结构示意图。

图3为本实用新型一实施例提供的一种基于人机交互设备的手势识别的控 制系统的实物操作示意图。

图4为本实用新型一实施例提供的一种基于人机交互设备的手势识别的控制系统的结构示意图。

图5为本实用新型一实施例提供的一种基于人机交互设备的手势识别的控制系统的模块作用示意图。

图6为本实用新型一实施例提供的一种基于人机交互设备的手势识别的控制系统的手势匹配示意图。

图7为本实用新型一实施例提供的一种基于人机交互设备的手势识别的控制系统的手势识别曲线图。

图8为本实用新型一实施例提供的一种基于人机交互设备的手势识别的控制系统的工作原理流程图。

图9为本实用新型另一实施例提供的一种基于人机交互设备的手势识别的控制方法的步骤流程图。

具体实施方式

为了使本实用新型要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本实用新型进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本实用新型，并不用于限定本实用新型。

本实用新型实施例提供的一种基于人机交互设备的手势识别的控制系统，主要用于通过手势控制人机交互设备。

图1示出了本实用新型一实施例提出的一种基于人机交互设备的手势识别的控制系统的模块结构，为了方便说明，仅示出了与本实用新型实施例相关的部分。

一种基于人机交互设备的手势识别的控制系统10，所述控制系统10包括：

发送穿透障碍物的脉冲雷达信号的超带宽模块102；

与所述超带宽模块102相连接，控制所述超带宽模块102发送脉冲雷达信号到达人体手部并产生回波信号的主控模块101；

与所述主控模块101相连接，接收所述回波信号、并将所述回波信号发送给所述主控模块进行处理，使得根据所述回波信号判断出手势特征的天线模块103；

与所述主控模块101相连接，根据所述手势特征，转化为对人机交互设备的控制信号的通信电平转换模块105。

作为本实用新型一实施例，所述手势特征包括拳形向前、拳形向后和拳向右侧的滑动姿势。

作为本实用新型一实施例，在通信电平转换模块105中，当所述手势特征为拳形向前，则转化为人机交互设备的音量调大；当所述手势特征为拳形向后，则转化为人机交互设备的音量调小；当所述手势特征为拳向右侧的滑动姿势，则转化为人机交互设备的删除操作。

作为本实用新型一实施例，所述控制系统还包括：

同时与所述主控模块101和天线模块103连接，将所述天线模块103接收的回波信号进行滤波，并发送给所述主控模块101的高通滤波模块104。

作为本实用新型一实施例，所述控制系统还包括：

与所述主控模块101连接，对所述回波信号进行保存的存储模块106。

作为本实用新型一实施例，所述控制系统还包括：

与所述主控模块101连接，对所述控制系统10进行供电的电源模块107。

图2示出了本实用新型一实施例提出的一种基于人机交互设备的手势识别的控制系统的电路结构，为了方便说明，仅示出了与本实用新型实施例相关的部分。

作为本实用新型一实施例，所述主控模块101包括一主控芯片U1，所述主控芯片U1包括：

主控端CTRL、接收端RXD、电源端Bat-VCC、存储端MEM和传输端FTP；

所述主控端CTRL接所述超带宽模块102，所述接收端RXD接所述高通滤波模块104，所述电源端Bat-VCC接所述电源模块107，所述存储端MEM接所述存储模块106，所述传输端FTP接所述通信电平转换模块105。在本实施 例中，主控芯片U1采用了型号为ATSAM4E16E的微处理器芯片，当然，微处理器芯片的型号不做限定，只要能达到与本实施例主控芯片U1所述的功能作用亦可。

作为本实用新型一实施例，所述超带宽模块102包括一超带宽收发芯片U2，所述超带宽收发芯片U2包括：

控制端ctrl；

所述控制端ctrl接所述主控芯片U1的主控端CTRL。在本实施例中，超带宽收发芯片U2采用了型号为CC2400的超带宽收发芯片，当然，超带宽收发芯片的型号不做限定，只要能达到与本实施例超带宽收发芯片U2所述的功能作用亦可。

作为本实用新型一实施例，所述高通滤波模块104包括一滤波芯片U4，所述滤波芯片U4包括：

发射端Send和滤波端Filt；

所述发射端Send接所述主控芯片U1的接收端RXD，所述滤波端Filt接所述天线模块。在本实施例中，滤波芯片U4采用了型号为HF3800的滤波芯片，当然，滤波芯片的型号不做限定，只要能达到与本实施例滤波芯片U4所述的功能作用亦可。

作为本实用新型一实施例，所述天线模块103包括一天线芯片U3，所述天线芯片U3包括：

发送端TXD；

所述发送端TXD接所述滤波芯片U4的滤波端Filt。在本实施例中，天线芯片U3采用了型号为PT2272的天线芯片，当然，天线芯片的型号不做限定，只要能达到与本实施例天线芯片U3所述的功能作用亦可。

作为本实用新型一实施例，所述通信电平转换模块105包括一通信芯片U5，所述通信芯片U5包括：

传送端RTP和通讯端PLC；

所述传送端RTP接所述主控芯片U1的传输端FTP，所述通讯端PLC接所 述人机交互设备。在本实施例中，通信芯片U5采用了型号为TMS320C6203的通信芯片，当然，通信芯片的型号不做限定，只要能达到与本实施例通信芯片U5所述的功能作用亦可。

作为本实用新型一实施例，所述存储模块106包括一存储芯片U6，所述存储芯片U6包括：

储存端mem；

所述储存端mem接所述主控芯片U1的存储端MEM。在本实施例中，存储芯片U6采用了型号为PC5300的存储芯片，当然，存储芯片的型号不做限定，只要能达到与本实施例存储芯片U6所述的功能作用亦可。

作为本实用新型一实施例，所述电源模块107包括：

交流电源VCC；

所述交流电源VCC接所述主控芯片U1的电源端Bat-vcc。

图3示出了本实用新型一实施例提出的一种基于人机交互设备的手势识别的控制系统的实物操作示意图，为了方便说明，仅示出了与本实用新型实施例相关的部分。

本实用新型一实施例提供一种基于人机交互设备的手势识别的控制系统，所述控制系统10(可以扩展到机器人、智能手机、电脑、智能家电等方面)上有雷达收发单元12，包括超带宽模块和天线模块，通过发射和接收超带宽(UWB)脉冲雷达信号可以检测身体部位的姿势和运动，包括手势和手势动作14。所述控制系统的超带宽模块可以发射一连串的脉冲雷达，脉冲雷达可以穿透一些障碍物16，例如手套、衣服、口袋、包包等等生活中可能存在的一些干扰。同时也不需要光线等条件，所以可以在黑暗的环境中正常工作，脉冲雷达在手部14发生反射后被雷达收发模块12接收，与一些已定的相对于检测设备的手势(比如相对于所述控制系统的拳和掌上下左右前后等手势)作比较，来确定用户是否做出了设定的手势。比如，相对于所述控制系统10的拳型向前或向后的手势动作被检测到，进而转化为人机交互设备的音量调大(或调小)、游戏中的出拳或发射子弹等操作；相对于所述控制系统10的掌向右侧的滑动姿势被检测 到，进而转化为人机交互设备的向右滑动或是删除等操作。

图4示出了本实用新型一实施例提出的一种基于人机交互设备的手势识别的控制系统的结构，为了方便说明，仅示出了与本实用新型实施例相关的部分。

所述控制系统10侧面有一个多元化的超带宽模块可以检测到一个角度区域内的手势。所述的雷达收发单元12的收发装置安装在所述的手势检测设备的两个边缘以保证检测手势的有效角度范围大于180°。以一个摄像头模块22为对比，摄像头安装在控制系统10上只能检测到一个较小范围内的信息，就算是使用一对摄像头也较难保证检测到和脉冲雷达相当的范围。而且对于脉冲雷达检测方案同样可以划定如图所示的“R”的范围来减小非意图手势的干扰。

图5示出了本实用新型一实施例提出的一种基于人机交互设备的手势识别的控制系统的模块作用示意图，为了方便说明，仅示出了与本实用新型实施例相关的部分。

微控制器24编写命令对超带宽收发控制芯片26进行配置和控制。微处理器模块优选Altera公司的ARM-Smart结构的芯片，型号为ATSAM4E16E，该模块具有运算速度高，实时性控制性强的优点。配置控制命令的通信方式采用SPI通信。芯片具有128KB片内SRAM,16KB ROM，1024KB内部Flash，1路USB 2.0FS Device，4路16位PWM，2路UART(1路和SPI片选复用)，2路USART，2路TWI(1路和JTAG复用)，1路SD/SDIO/MMC，1路SPI，1路NAND控制器，1路EMAC控制器，支持16位AFEC，1路2通道12位DAC，最高可在120M的频率下运行，可实现快速的处理数据，以及支持多种通讯协议。微控制器芯片U1的代码编写采用多种语言，包括C++，C，汇编等编程语言。超带宽收发控制芯片26优选XETHUR公司的X2脉冲雷达收发一体控制芯片，根据微控制芯片24的配置和控制命令进行工作，产生连续或分段的超带宽脉冲并驱动发射天线28发射出脉冲雷达信号。发射天线优选材质为铜，也可以是其他的材质例如铝和塑料等。所述的接收天线30接收到脉冲雷达信号，脉冲雷达信号可能是经过身体部位像手部的反射并且穿过了一些障碍物如手套、包包等。所述接收天线30的材质与所述的发射天线优选用相同的材质。

所述接收天线30接收到的脉冲雷达信号传递给所述的超带宽收发控制芯片26，所述的超带宽收发控制芯片26对接收到的脉冲雷达信号进行采样后发送给微控制芯片24进行时频变换，特征提取等处理，得到多条时频信息。短时间傅里叶变换(STFT)是移动窗口的傅里叶变换,通过移动时间窗口来分析信号的频率分量,得到一个包含了信号在不同时间的频率信息的二维时频分布图。给定窗函数w⑴,则信号s(t)的STFT定义如下：

STFT(t,ω)＝∫s(t′)ω^*(t′-t)exp{-jωt′}dt′

STFT即为对原始信号分段进行傅里叶变换,正是由于窗函数w(t)的存在使STFT具有了局域特性,既是时间的函数也是频率的函数。或说STFT是函数s(t')在一组由ω(t′-t)exp{-jωt′}所组成的基函数上的投影。由于时间域不再是无限长,它可用于监控信号频谱作为时间的函数如何变化。以时间t为函数移动窗口得到原始时间信号的二维联合时频表示为STFT(t,ω)。丨STFT(t,ω)丨称为信号的谱图,得到频谱如何随水平时间轴的函数而变化的信息。

经验模态分解(EMD)是一种针对非线性、非平稳时间序列信号的分析控制方法,EMD的基本原理是根据局部时间特征,逐级分解信号中不同尺度的趋势分量或波动,产生一系列内在模态函数(Intrinsic Mode Function,IMF),各IMF具有完备性且正交，这一过程实质上是对非平稳信号进行平稳化处理。各IMF分量分别表示信号中一个振动特征的形式，它的生成需要满足以下条件：所分析的数据存在极大值和极小值点，极值点与过零点的个数相差一个以内，若信号中仅有拐点而无极值点，需通过一阶或高阶微分获取极值；数据中局部极大值和极小值点构成的上下包络线，其均值线是一条趋近于零的直线。EMD分解得到各IMF分量的过程称为蹄选,计算过程中,需要不断将己经获取的IMF分量从原信号中消去,直至无法再分解出新的IMF蹄选过程具体为:首先,检测出原信号X中的所有极大、极小值点,拟合做出信号的上下包络曲线,求出它们的均值线信号M1，X中减去此均值线得到一个新的序列H1,即H1＝X-M1,判断H1是否符合IMF分量的条件,若不符合则继续用H1代替原来的X做同样的处理得H11,即H11＝H1-M11,该过程迭代n次直至符合IMF分量的条件,获得IMF分量C1, 即

H_1n＝H_1(n-1)^-M_1n

C₁＝H_1n

然后,从原始信号X中去除第一个IMF分量,剩下数据序列R1＝X-C1,将R1当作原X并重复之前的处理过程,即R₂＝R₁-C₂,...,R_k＝R_K-1-C_K最终获得k个IMF分量。EMD控制方法筛选的停止条件是数据序列R_k不能再分解得到合适的IMF分量,即以单调的趋势变化,或仅有一个极值点,或为一个恒定值。此时EMD处理过程结束。目前,EMD控制方法因处理非线性、非平稳信号的优点而得以快速发展,在生物医学信号处理领域同样受到了不少重视,生物雷达信号自身就是一种非平稳信号,符合EMD控制方法所需的三个前提条件,因而可以利用EMD控制方法来处理，对信号特征进行提取，得到多条时频信息。

图6示出了本实用新型一实施例提出的一种基于人机交互设备的手势识别的控制系统的手势匹配示意图，为了方便说明，仅示出了与本实用新型实施例相关的部分。

为实现手势检测功能的高效运行，需要先对手势特征进行采集建立手势模型库。手势识别的控制系统10通过雷达收发单元12发射并接收脉冲雷达信号，脉冲雷达信号经过特定的手势36-1(手部相对于所述控制系统10为正掌)、36-2(手部相对于所述控制系统10为正拳)、36-3(手部相对于所述控制系统10为平掌(指尖正对所述控制系统10))反射后被所述控制系统10接收采样，所述控制系统10对采样信号进行滤波、幅频分析、特征提取后得到分类的模型信号，建立特定手势的分类模型库并存储，存储设备采用SRAM或FLASH，为手势检测创建数据基础。

图7示出了本实用新型一实施例提出的一种基于人机交互设备的手势识别的控制系统的手势识别曲线，为了方便说明，仅示出了与本实用新型实施例相关的部分。

微处理器采样得到的信号如图所示，它包含了手势特征，手部运动速度，回波能量等信息；ATSAM4E16E芯片通过四线全双工SPI通信接口发送命令给超带宽传感器，超带宽传感器发送超带宽信号，当超带宽信号触碰人体时，在 发送的同时，开始进行时钟计数，当超带宽信号在空气介质中传播后，反馈给超带宽信号接收天线，然后通过下面的公式算出其距离:

$d=\frac{CT}{2}$

其中d表示超带宽天线与手部的距离，由于超带宽信号为光速传播，C表示光速，T表示渡越时间，通过该公式可以算出实际的距离。当射频信号到达一个目标发生反射,由于目标运动会产生频率调制。如果目标以v(t)m/s的速度运动,反射信号的频率根据多普勒频移会发生一个偏移:其中f_d是多普勒频移,单位Hz,f是发射频率,单位Hz,C是信号传播速度,单位m/s,t是经过的时间,单位S,λ是发射信号的波长,单位m。假设手部运动表示为x(t),反射信号的多普勒频移可以描述为一个相位调制：当手部姿势运动对雷达信号进行反射时，手部的运动就会对雷达载波相位产生比例调制。在理想情况下通过相位解调将得到与手部运动事变位移成比例的时变相位信息，从而得到手部运动的速度信息；忽略发射信号的幅度变化,一个单频的CW雷达发射信号可表达为T(t)＝cos(2πft+φ(t)),f是振荡频率,φ(t)是振荡器的相位噪声,在这里把它看作信号相位的随机波动。假设目标在距离do上,具有时变的位移x(t),则收发机和物体之间的距离为d(t)＝do+X(t)。收发机和目标之间的距离将产生不可忽略的传播时间延迟,等于d(t)除以信号的传播速度C。由于手部运动的同时信号在传输,天线到胸壁的距离在反射的时刻是d(t-(d(t))/c)。所以,往返一次的延迟时间t_d可表达为:

$t_d=\frac{2d(t-\frac{d\left(t\right)}{c})}{c}+\frac{2(d_0+x(t-\frac{d\left(t\right)}{c}\left)\right)}{c}$

接收机得到的信号R(t)是发射机信号的延迟信号,幅度衰减为Ar,则

R(t)＝A_rcos[2πf(t-t_d)+φ(t-t_d)+θ₀)

其中θ₀为常数相位偏移,它受若干因素的影响,例如目标的反射表面形成的相位偏移(接近180°),以及从发射机到天线以及从天线到混频器之间的延时等。代入td的表达式,得到接收信号

$R\left(t\right)=A_{r}cos\[2\mathrm{\π}ft-\frac{4{\mathrm{\πd}}_0}{\mathrm{\λ}}-\frac{4\mathrm{\π}x(t-\frac{d\left(t\right)}{c})}{\mathrm{\λ}}+\mathrm{\φ}(t-\frac{2d_0}{c}-\frac{2x(t-\frac{d\left(t\right)}{c})}{c})+{\mathrm{\θ}}_0\]$

其中波长是人＝c/f。假设在x(t-(d(t))/c)中的(d(t))/c项由于手部运动的周期T》d₀/C而可以忽略,又由于相同的原因,所以2x(t-d(t)/c)/c项可变形简化,因此接收信号可以近似写为:

$R\left(t\right)\≈A_{r}cos\[2\mathrm{\π}ft-\frac{4{\mathrm{\πd}}_0}{\mathrm{\λ}}-\frac{4\mathrm{\π}x\left(t\right)}{\mathrm{\λ}}+\mathrm{\φ}(t-\frac{2d_0}{c}-\frac{2x\left(t\right)}{c})+{\mathrm{\θ}}_0\]$

由上式可知,接收信号与发射信号相比幅度变为A_r,多了一个受目标距离d。影响的时间延迟项,且相位受到了手部运动的位移函数x(t)的调制。

在直接转换结构中,如果信号是和一个与发射信号同源的L0信号相乘得来的,这个周期运动的目标信息可以很容易被解调出来。由于接收信号的相位噪声与L0相关,忽略幅度的变换,L0信号可以表达为:

L(t)＝cos(2πft+φ(t))

当接收信号和LO信号混频并且输出经过低通滤波器,输出的基带信号为:

$B\left(t\right)=A_b=cos\[\mathrm{\θ}+\frac{4\mathrm{\π}x\left(t\right)}{\mathrm{\λ}}+\mathrm{\Δ}\mathrm{\φ}\left(t\right)\]$

其中是基带信号的幅度,G_R是接收机的增益,G_C是混频器的转换增益,是剩余相位噪声,

$\mathrm{\θ}=\frac{4{\mathrm{\πd}}_0}{\mathrm{\λ}}-{\mathrm{\θ}}_0$

是常数相位偏移,它与接收机本身参数有关,并随着目标与雷达之间的距离do而变。4πx(t)/λ是与信号x(t)成正比的时变相位偏移,通过对它的解调提取可得目标运动信息。对于单路结构接收机,消除了常数相移的影响,并保证时变相移量满足小角近似条件,则解调信号可直接由基带信号近似而来:

$B\left(t\right)\≈A_b(\frac{4\mathrm{\π}x\left(t\right)}{\mathrm{\λ}}+\mathrm{\Δ}\mathrm{\φ}(t\left)\right)$

对于正交结构接收机,使用相位解调算法后,在理论上可恢复出基带信号的全部相位信息:

$P\left(t\right)=\mathrm{\θ}+\frac{4\mathrm{\π}x\left(t\right)}{\mathrm{\λ}}+\mathrm{\Δ}\mathrm{\φ}\left(t\right)$

最终得到的有用相位都会受到剩余噪声的影响。通过理论分析我们已知当剩余相位噪声起主导地位时,信噪比与距离的平方近似成反比，而当距离较近时 剩余相位噪声在总噪声中起主导地位，所以在距离较近时进行工作，并通过硬件滤波和小波变换等算法滤波后我们可以成功地提取出目标的运动信息。

接收信号的功率Pr(mW)是发射功率Pt(mW),收发天线增益为Gt和Gr,目标的雷达目标散射截面_σ(m²),在空气中衰减常数a,射频信号的波长λ(m),和目标距离R(m)的函数

$P_r=\frac{P_t{G}_t{G}_r{\mathrm{\σ\λ}}^2{e}^{-2\mathrm{\α}R}}{{\left(4\mathrm{\π}\right)}^3{R}^4}$

对于雷达检测体征信号的应用场合,在此雷达方程中目标散射截面σ(m²)是唯一不确定的参数。然而雷达目标散射截面σ(m²)受多方面因素影响,包括目标材料的电性能,目标的几何外形,目标被雷达波照射的方位,入射波的波长,入射场极化形式和接收天线的极化形式等。当探测目标为人体时,照射有效目标截面积的计算需要整个人体和人体所处背景的信息。然而,静止的身体本身产生了较强的杂波,而人体生理运动所涉及的有效面积因人而异,不同用户之间的个体差异也很大且随着天线辐射角度,人体的体位等因素变化很大,因而难以估算。因此需要结合用户特征库建立的手势，通过采集用户的不同手势信息，对不同的回波信号使用小波包特征提取算法等算法提取信号特征，然后使用SVM等算法进行模型训练得到不同的手势运动模型来共同实现手势的识别。

图8示出了本实用新型一实施例提出的一种基于人机交互设备的手势识别的控制系统的工作原理流程，为了方便说明，仅示出了与本实用新型实施例相关的部分。

当控制系统上电时，供电电压为+3.3V，ATSAM4E16E芯片开始进行自检程序，并且对外设进行相应的复位以及初始化操作，ATSAM4E16E芯片通过四线全双工SPI通信接口发送命令给超带收发控制芯片，超带宽传感器发送超带宽信号，接收到回波信号后进行信号处理，判断回波信号是否是目标区域内的手势回波信号，如果不是则忽略，避免了目标检测区外回波信号的干扰，提高检测的准确性和高效性；如果是目标区域内的手势回波信号则继续进行下一步的手势识别，通过信号的特征分析及与手势模型库的对比来进行手势识别，识 别成功则保存使用，如果未识别成功则直接进行下一个流程的手势识别。

图9示出了本实用新型另一实施例提出的一种基于人机交互设备的手势识别的控制方法的步骤流程，为了方便说明，仅示出了与本实用新型实施例相关的部分。

一种基于上述控制系统的基于人机交互设备的手势识别的控制方法，所述控制方法包括：

超带宽模块发送穿透障碍物的脉冲雷达信号；

主控模块控制所述超带宽模块发送脉冲雷达信号到达人体手部并产生回波信号；

天线模块接收所述回波信号、并将所述回波信号发送给所述主控模块进行处理，使得根据所述回波信号判断出手势特征；

通信电平转换模块根据所述手势特征，转化为对人机交互设备的控制信号。

作为本实用新型另一实施例，所述手势特征包括拳形向前、拳形向后和拳向右侧的滑动姿势。

作为本实用新型另一实施例，当所述手势特征为拳形向前，则转化为人机交互设备的音量调大；当所述手势特征为拳形向后，则转化为人机交互设备的音量调小；当所述手势特征为拳向右侧的滑动姿势，则转化为人机交互设备的删除操作。

本实用新型实施例提供的基于人机交互设备的手势识别的控制系统的工作原理为：

首先，启动电源模块，使得交流电源VCC为所述控制系统供电，其次，主控模块控制超带宽模块发送脉冲雷达信号到达人体手部并产生回波信号，接着天线模块接收到所述回波信号后，经过高通滤波模块对所述回波信号进行滤波，然后将滤波后的回波信号发送给所述主控模块进行处理并且识别，根据所述回波信号判断出手势特征，识别成功则保存使用，最后通信电平转换模块根据所述手势特征，转化为对人机交互设备的控制信号，例如当所述手势特征为拳形向前，则转化为人机交互设备的音量调大；当所述手势特征为拳形向后，则转 化为人机交互设备的音量调小；当所述手势特征为拳向右侧的滑动姿势，则转化为人机交互设备的删除操作，从而达到人机交互的效果。

综上所述，本实用新型实施例提供的一种基于人机交互设备的手势识别的控制系统，包括超带宽模块、主控模块、天线模块和通信电平转换模块，所述主控模块控制所述超带宽模块发送脉冲雷达信号到达人体手部并产生回波信号，天线模块接收到所述回波信号后，将所述回波信号发送给所述主控模块进行处理，使得根据所述回波信号判断出手势特征，接着通信电平转换模块根据所述手势特征，转化为对人机交互设备的控制信号，从而达到人机交互的效果。其中，由于超宽带技术具有较高的数据传输速率、多径分辨能力强、穿透能力强、低功耗、非接触式和隐蔽性好的特点，所述控制系统通过超带宽模块发送脉冲雷达信号可以穿透障碍物避免其受干扰，这样会使得对手势识别更为精确，同时解决了现有技术中存在无法精确地通过对人体手势进行检测以及识别，从而达到人机交互的效果的问题。本实用新型实施例实现简单，不需要增加额外的硬件，可有效降低成本，具有较强的易用性和实用性。

以上所述实施例仅用以说明本实用新型的技术方案，而非对其限制；尽管参照前述实施例对本实用新型进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本实用新型实施例各实施例技术方案的精神和范围。

以上所述仅为本实用新型的较佳实施例而已，并不用以限制本实用新型，凡在本实用新型的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本实用新型的保护范围之内。