(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111351402.2 (22)申请日 2021.11.16 (71)申请人 北京交通大 学 地址 100044 北京市海淀区上园村 3号 (72)发明人 侯天为　李安娜　罗飞　 (74)专利代理 机构 北京卫平智业专利代理事务 所(普通合伙) 11392 代理人 闫萍 (51)Int.Cl. G06F 3/01(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于UWB通信技 术的手势 识别方法 (57)摘要 本发明涉及一种基于UWB通信技术的手势识 别方法。 该方法利用获得的手势轨迹和深度学习 模型识别不同的手势。 步骤1、 数据采集； 步骤2、 数据处理； 步骤3、 建立SE ‑Conv1D深度模型； 步骤 4、 手势识别； 本发明利用UWB通信模块进行手势 识别， 这可以有效克服U WB雷达技术带来的问题。 本发明利用设计的SE ‑Conv1D深度学习模型， 达 到了99.48％的准确率。 通信系统提出的解决方 案能有效应对信号干扰和距离或方向上的变化。 此外， 本发明设计的基于UWB通信系统可以解决 多设备选择问题。 权利要求书2页 说明书5页 附图2页 CN 114356073 A 2022.04.15 CN 114356073 A 1.一种基于UWB通信技 术的手势 识别方法， 其特 征在于， 包括如下步骤： 步骤1、 数据采集； 预先定义手势动作及其所对应的控制命令； 使用四个decaWave  DWM1000通信模块， 三 个decaWave  DWM1000通信模块被配置为定位基站， 另一个decaWave  DWM1000通信模块被当 作定位标签， 将标签绑在人的臂膀上以采集数据； 步骤2、 数据处 理； 使用基于点的轨迹分割方法将采集的数据中各个手势的轨迹分成具有相同点的多个 段； 步骤3、 建立SE ‑Conv1D深度模型； 将Squeeze ‑and‑Excitation模块插入一个卷积神 经网络中， 将这个新 的模型命名为： SE‑Conv1D深度模型； 步骤4、 手势 识别； 采用步骤2处 理过的分段轨 迹作为输入信息， 使用SE ‑Conv1D深度模型， 实现手势 识别。 2.如权利要求1所述的基于UWB通信技术的手势识别方法， 其特征在于： 步骤1中， 三个 基站分别为基站A， 基站B和基站C， 基站B和基站C位于地面以上89c m处， 基站A 位于地面以上 33厘米处； 基站B和基站C的间隔距离为 4.91米。 3.如权利要求1所述的基于UWB通信技术的手势识别方法， 其特征在于： 步骤1中， decaWave  DWM1000模 块符合IEEE802.15.4 ‑2011UWB标准， 模块尺寸为54 mm×20mm×2.9mm， 中心频率 为3GHz， 带宽为5 00MHz， 比特率是1 1520bps。 4.如权利要求1所述的基于UWB通信技术的手势识别方法， 其特征在于： 步骤1中， 预定 义了四个连续的手势来代表用户在智能家居中的不同的命令， 包括 “向右滑动 ”、“上下挥 手”、“顺时针画圈 ”和“向前推动 ”；“向右滑动 ”代表打开指定的灯； “上下挥手 ”代表改变指 定灯的颜色； “顺时针画圈 ”代表打开所有灯； “向前推动 ”代表关闭所有灯； 无任何手势活动 表示无任何的操作。 5.如权利要求1所述的基于UWB通信技术的手势识别方法， 其特征在于： 步骤1中， 采集 不同手势轨 迹的方法如下： 基于三消息帧的双边双向测距方法， 给出了双向测距的两个往返行程； 其中， 往返行程 时间用Tround1和Tround2表示， 基站A、 基站B的回复时间用Treply1和Treply2表示， 双向测距的理想 飞行时间用 表示； 根据以上方法， 估计出信号在基站A、 基站B之间的传输时间， 如下式 所示： 利用UWB无线收发模块测量目标点和每个基站之间的飞行时间 乘以光速c得到定 位标签到 定位基站的距离测量 值Distance， 如下式所示： 6.如权利要求1所述的基于UWB通信技术的手势识别方法， 其特征在于： 步骤3中， SE ‑ Conv1D深度模型包括三个卷积层， 每个卷积层之后均采用批标准化和Dropout来防止过拟权　利　要　求　书 1/2 页 2 CN 114356073 A 2合； 同时， 除最后的分类使用softmax作为激活函数外， 网络均采用ReLu作为激活函数。 7.如权利要求1所述的基于UWB通信技术的手势识别方法， 其特征在于： 步骤3中， 采用 随机梯度下降法训练神经网络， 批数据量设置为60， 迭代次数设置为70； 为加 速收敛， 采用 了学习率衰减 策略， 初始学习率设置为0.1， 在第16次迭代和第2 4次迭代时分别将学习率除 以10。权　利　要　求　书 2/2 页 3 CN 114356073 A 3