摘要:近年来，随着经济的迅速发展，全球汽车保有量迅速地增加，在随着生活智能化的发展下，无人驾驶的概念逐渐火热。传统的无人汽车是借助摄影功能、雷达和激光测距等机器完成对周围路况信息的分析和获取。然后借助地图以自动形式对车辆需要达到的位置进行导航。期间设定相关规则结合相关信息数据设定相关规则对车辆速度以及方向进行合理控制。在智能交通技术还未完全成熟的今天，引导交通的手段主要是交通信号灯和交警指挥。在比较恶劣的天气环境下，交警指挥几乎是引导交通的唯一手段，在这时，传统的光学传感器可能会受到环境的严重影响，不能给予及时的准确信息，而雷达得益于良好的穿透能力，不受光线影响的特点，通过分析环境中障碍物（如人类）的反射，可以提供高精度的识别。对于交警的交通指挥，雷达也能做出优秀的反馈。

本文所研究的超宽带毫米波雷达手势识别采用成本较低的毫米波雷达，利用毫米波雷达对测试人员的手势动作进行数据的采集，并使用MATLAB对采集回来的环境信息数据进行特征分析研究，以此来得出毫米波雷达对不同细微动作拥有不同的信号特征，使用短时傅里叶变换进行时频分析，并以图形的方式显示出来。本文可以非常清晰的了解到手势动作的特征，对机器学习手势动作提供数据。

关键词：超宽带毫米波雷达；无人驾驶；动作特征；短时傅里叶变换

目  录

摘  要

ABSTRACT

第一章  绪  论-1

1.1研究背景-1

1.2国外研究现状-1

1.3国内研究现状-3

1.4 本文研究的主要内容和思路-4

第二章  雷达手势识别原理-6

2.1各项手势识别方法-6

2.2雷达基本原理-7

2.3雷达各项参数-8

2.4手势特征参数提取-10

2.4.1 距离傅里叶变换-11

2.4.2多普勒傅里叶变换-12

2.4.3短时傅里叶变换-12

2.5 时频分析原理-13

第三章  实验设计-14

3.1实验环境-14

3.2雷达参数设置-15

3.3手势设置-16

第四章  实验分析-17

4.1白天长时间窗口组-17

4.1.1左转手势-17

4.1.2右转手势-18

4.1.3直行手势-18

4.1.4停止手势-19

4.2夜晚长时间窗口组-20

4.2.1左转手势-20

4.2.2右转手势-21

4.2.3直行手势-21

4.2.4停止手势-22

4.3白天短时间窗口组-23

4.3.1左转手势-23

4.3.2右转手势-23

4.3.3直行手势-24

4.3.4停止手势-25

4.4 本章小结-26

第五章 总结和展望-27

5.1 总结-27

5.2 展望-27

参考文献-28

致 谢-30