买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉电子科技大学申请的专利一种基于MIMO雷达的端到端混合手势意图识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121210950B 。

龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511719484.X，技术领域涉及：G06F18/21；该发明授权一种基于MIMO雷达的端到端混合手势意图识别方法是由逯群峰;郑诗译;何紫钰;陈钦;曹宗杰设计研发完成，并于2025-11-21向国家知识产权局提交的专利申请。

本一种基于MIMO雷达的端到端混合手势意图识别方法在说明书摘要公布了：本发明公开了一种基于MIMO雷达的端到端混合手势意图识别方法，属于人机交互技术领域。本发明利用MIMO雷达获取信号，通过Capon高分辨率角度估计算法实时生成距离‑角度特征图序列；该序列被输入一个多任务神经网络，该网络包含一个共享主干和多个并行的任务分支头，能够在每个时间步并行地解码出手势中蕴含的空间坐标和离散指令意图。采用流式CNN‑RNN架构，兼顾了空间指向任务的低延迟需求和指令识别任务的时序性；集成了一个与主模型共同训练的智能化意图仲裁模块，以数据驱动的方式逐帧动态判断用户主要意图。本发明解决了现有技术处理混合手势意图时存在的延迟高、时间尺度固定、切换不自然的问题，实现了低延迟、高精度的自然人机交互。

本发明授权一种基于MIMO雷达的端到端混合手势意图识别方法在权利要求书中公布了：1.一种基于MIMO雷达的端到端混合手势意图识别方法，其特征在于，该方法包括： 步骤1：利用具有多个发射和接收天线的MIMO毫米波雷达获取连续的多通道雷达样本手势信号数据流； 步骤2：对所述数据流中的每一帧数据进行实时处理，生成一个连续的距离-角度特征图序列，并进行标注； 步骤2.1：对每个通道的信号执行一维FFT，得到距离-通道复数矩阵； 步骤2.2：对于每个距离单元，首先根据每个通道的复数值构建空间协方差矩阵； ； 其中，是所有通道信号组成的列向量，表示期望； 步骤2.3：通过下式计算在不同角度上的空间谱功率： ； 其中，是对应角度的导向矢量，此过程对每一帧数据实时进行，生成一幅高分辨率的距离-角度特征图； 步骤3：将所述距离-角度特征图序列输入至一个基于卷积循环神经网络、具有共享主干网络和多个并行任务分支头的多任务神经网络模型，并训练； 所述多任务神经网络模型依次包括：主干网络、坐标回归头、动作指令头、意图仲裁模块，所述主干网络依次包括2D-CNN特征提取器和循环神经网络，所述2D-CNN特征提取器为一个二维卷积神经网络，该二维卷积神经网络的输入为距离-角度特征图，输出为紧凑特征向量；所述循环神经网络为门控循环单元或长短期记忆网络，输入为紧凑特征向量；所述循环神经网络的输出分别输入坐标回归头、动作指令头、意图仲裁模块；所述坐标回归头为一个全连接层，用于输出坐标，损失函数为；所述动作指令头为一个全连接层连接一个Softmax函数，输出指令的概率分布，损失函数为交叉熵损失函数； 训练多任务神经网络模型时采用带掩码的多任务损失函数：； 其中，,是平衡任务的超参数，是二进制掩码，仅当当前帧的真值标签为某个具体指令时，才为1，否则为0； 所述意图仲裁模块为包含数个全连接层的多层感知机，输出为一个概率分布向量，其中；表示当前时刻用户意图为“空间指向”的置信度，表示当前时刻用户意图为“离散指令”的置信度；训练时的监督信号为数据的标注； 步骤4：采用训练完成的多任务神经网络模型进行实时识别手势意图。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新西区西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。