М.И. Ашряпов – аспирант

E-mail: 3754248124@mail.ru SPIN-код: 9624-0638

Д.А. Охотников – к.т.н., 

доцент кафедры «Радиолокация, радионавигация и бортовое радиоэлектронное оборудование» E-mail: denisoffice@yandex.ru SPIN-код: 2656-0978

Постановка проблемы. Задачи дистанционного управления современными устройствами актуальны как для бытовых приборов и игровых установок, так и для специализированной аппаратуры. Недостатки дистанционных пультов управления решаются системами распознавания жестов, которые в качества датчика часто используют видеокамеру, что ставит довольно жесткие требования к освещению и значительно ограничивает диапазон распознаваемых движений. Этих недостатков лишены системы бесконтактного управления, основанные на принципах биорадиолокации, алгоритмы обработки сигналов которых рассмотрены в статье. Так как движения человека имеют низкую повторяемость, амплитудные и частотные свойства сигналов, отраженных от человека, выполняющего некоторое движение или жест, различны от повторения к повторению, что мешает системе управления правильно распознать движение. Предлагается использовать вейвлет-преобразование для решения задач обнаружения и распознавания сигналов, отраженных от человека, выполняющего заданное движение.

Цель. Повысить детектирующую способность фильтров-корреляторов искомых наборов Доплера за счет перекрытия частотного диапазона ожидаемого сигнала. 

Результаты. Продемонстрировано снижение зависимости работы алгоритма распознающего вид доплеровского портрета жеста от скорости выполнения жестикуляции. Подтверждено преимущество использования вейвлет-преобразования в сравнении с классическим коррелятором. 

Практическая значимость. Предложенный метод применим в системах доплеровской радиолокации для распознавания и траекторного слежения за объектом.

Ашряпов М.И., Охотников Д.А. Корреляционное детектирование доплеровских сигнатур по вейвлетному шаблону // Радиотехника. 2020. Т. 84. № 10(20). С. 44−53. DOI: 10.18127/j00338486-202010(20)-06.

1. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. СПб: Питер. 2018. 480 с.
2. Abbott A. and Tsay A. Sequence Analysis and Optimal Matching Methods in Sociology: Review and Prospect Sociological Methods & Research], 2000. V. 29. Р. 3−33. DOI:10.1177/0049124100029001001.
3. Xuedong Huang, Alex Acero, Hsiao-Wuen Hon. Spoken Language Processing: A Guide to Theory, Algorithm, and System Development. Prentice Hall. 2001. ISBN: 0130226165.
4. Огнев И.В., Парамонов П.А. Распознавание речи методами скрытых марковских моделей в ассоциативной осцилляторной среде // Известия высших учебных заведений. Поволжский регион. Технические науки. 2013. № 3. С. 115−126.
5. Ghazi Al-Naymat, Sanjay Chawla, Javid Taheri. SparseDTW: A Novel Approach to Speed up Dynamic Time Warping: School of Information Technologies the University of Sydney. Australia. 2012.
6. Ашряпов. М.И., Охотников Д.А. Сверхширокополосное радиолокационное распознавание жестикуляций человека на основе вейвлет анализа // Сб. трудов XII Всерос. конф. «Радиолокация и радиосвязь». М.: ИРЭ им. В.А. Котельникова РАН. 2018. 98 с.