基于深度学习的亚分辨率 mmWave FMCW 雷达触摸定位

触摸屏是显示设备上最普遍的交互方式。然而，capacitive touch screen 作为其广泛使用的核心技术，由于屏幕面积的增大，成本按面积比例增加，因而难以应用于大尺寸显示屏。本文提出了一种基于毫米波（mmWave）雷达的解决方案，以实现亚分辨率误差性能，采用由四个 mmWave 雷达传感器构成的网络。尽管如此，实现这一目标并不容易，因为 mmWave 雷达具有固有的分辨率限制，而目标（如人类手、手指等）在空间上是'分布式'的。我们采用基于深度学习的方法，通过在 range-FFT（距离-功率剖面）基础特征上训练深度卷积神经网络（CNN），以获得真实位置（ground truth, GT）的位置信息。为模拟雷达定位人类手指时遇到的杂波特征，我们使用安装在金属机器人机臂上的金属手指作为目标。使用该 setup，我们演示了亚分辨率位置误差性能。与传统信号处理（CSP）方法相比，我们使用 CNN 实现了定位误差降低 2-3 倍。此外，我们观察到推理时间性能和 CNN 模型大小支持在通用处理器的计算平台上实现实时集成。