本发明涉及身份识别，特别涉及一种基于uwb雷达的身份识别方法。
背景技术：
1、随着汽车工业的不断发展，汽车的防盗和便捷使用已成为车主和制造商共同关注的重要课题。传统的机械钥匙作为启动和解锁车辆的主要方式，已经有百年的历史。然而，随着科技的进步，机械钥匙的安全性和便捷性逐渐暴露出诸多不足。例如，机械钥匙容易被复制，且丢失后更换和重配钥匙的过程复杂且费时。此外，机械钥匙还需要车主随身携带，增加了不便性。
2、为了解决这些问题，市场上陆续出现了遥控钥匙和nfc卡片钥匙。遥控钥匙通过无线电波实现车辆的远程解锁，极大提升了车主的使用体验。然而，遥控钥匙同样需要车主随身携带，而且其电池寿命有限，一旦电量耗尽，便失去了其应有的功能。nfc卡片钥匙则利用近场通信技术，通过在特定距离内感应解锁，但这类钥匙仍旧需要物理卡片的存在，并且卡片容易丢失或损坏。
3、在上述背景下，数字钥匙应运而生。数字钥匙通过与智能手机的结合，利用蓝牙、wi-fi等无线通信技术，实现车辆的解锁和启动。用户只需携带一部智能手机，便可轻松操作车辆，极大提高了便捷性和用户体验。然而，数字钥匙虽然解决了物理钥匙的携带问题，但数字钥匙依赖于智能手机这一电子设备，一旦手机电量耗尽或损坏，用户将无法正常使用车辆。其次，手机的蓝牙或wi-fi连接在某些情况下可能不稳定，导致解锁或启动失败。此外，智能手机作为个人隐私信息的重要载体，一旦丢失或被盗，可能会导致车辆安全受到威胁。
4、因此，如何不依赖于任何电子设备实现身份识别，成为了亟待解决的技术难题。
技术实现思路
1、本发明的主要目的是提供一种基于uwb雷达的身份识别方法，旨在不依赖于任何电子设备实现身份识别。
2、为了实现上述目的，本发明提出一种基于uwb雷达的身份识别方法，包括以下步骤：
3、s1：采集高斯脉冲信号从目标对象反射回来的回波信号;
4、s2：根据所述回波信号获取时序信道状态信息；
5、s3：将所述时序信道状态信息转换成三维时频谱图；
6、s4：根据卷积神经网络构建身份识别模型，将所述三维时频谱图输入所述身份识别网络中，提取三维时频谱图中的身份特征，判断身份特征是否与预设的身份特征是否一致，若一致，则身份验证完成。
7、在本申请的一实施例中，根据所述回波信号获取时序信道状态信息之前，还包括：
8、计算回波的频域能量，判断所述频域能量是否大于预设阈值，若是，则执行步骤s2。
9、在本申请的一实施例中，判断所述频域能量是否大于预设阈值，若否，则重复步骤s1。
10、在本申请的一实施例中，计算回波的频域能量的计算公式如下：
11、
12、其中，e为时间窗内信道状态信息的频域能量;n为时间窗大小;t为时间索引;mag代表归一化傅里叶变换系数。
13、在本申请的一实施例中，将所述时序信道状态信息转换成三维时频谱图的计算公式如下：
14、
15、其中，stft表示傅里叶变换函数；表示信道状态信息的序列；表示窗函数；m代表窗口函数的偏移；表示复指数函数，其中e是自然对数的底，j是虚数单位，ω代表频率，n代表离散时间的索引。
16、在本申请的一实施例中，所述窗函数的计算公式如下：
17、；
18、其中，n为采样长度；n为离散时间索引。
19、在本申请的一实施例中，身份识别模型包括：
20、输入层，用于接收时频谱图数据；
21、至少三层依次设置的卷积核心，用于对所述提取所述时频谱图数据中的身份特征；
22、全局平均池化，用于将提取的身份特征转化为特征向量；以及
23、分类函数，用于对所述特征向量进行分类。
24、在本申请的一实施例中，所述卷积核心包括依次设置的卷积层、批归一化层、以及relu激活函数。
25、在本申请的一实施例中，所述卷积核心为三个，分别为第一卷积核心、第二卷积核心、以及第三卷积核心；其中，所述第一卷积核心卷积层的卷积核大小为1*1；所述第二卷积核心卷积层的卷积核大小为3*3；所述第三卷积核心卷积层的卷积核大小为5*5。
26、在本申请的一实施例中，预设的身份特征生成过程如下：
27、s10：采集高斯脉冲信号从特定对象反射回来的特定回波信号;
28、s20：根据所述特定回波信号获取特定时序信道状态信息；
29、s30：将所述特定时序信道状态信息转换成特定三维时频谱图；
30、s40：将所述特定三维时频谱图输入所述身份识别网络中，提取三维时频谱图中的特定身份特征，将所述特定身份特征存储为预设的身份特征。
31、采用上述技术方案，该方案使用高斯脉冲信号采集目标对象的回波信号，无需接触目标对象或使用特定的电子设备进行身份验证。这使得身份验证过程更加方便和无感知，减少了对用户的干扰。通过采集回波信号并提取时序信道状态信息，将其转换为三维时频谱图，并通过卷积神经网络进行身份特征提取和验证，其相比于传统的钥匙或卡片的身份验证方法，更难以伪造，提供了更高的安全性。同时其不依赖于任何电子设备或外部存储介质，身份特征的提取和验证过程可以在本地进行，减少了信息泄露的风险，提供了更好的私密性保护。
1.一种基于uwb雷达的身份识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于uwb雷达的身份识别方法，其特征在于，根据所述回波信号获取时序信道状态信息之前，还包括：
3.如权利要求2所述的基于uwb雷达的身份识别方法，其特征在于，判断所述频域能量是否大于预设阈值，若否，则重复步骤s1。
4.如权利要求2所述的基于uwb雷达的身份识别方法，其特征在于，计算回波的频域能量的计算公式如下：
5.如权利要求1所述的基于uwb雷达的身份识别方法，其特征在于，将所述时序信道状态信息转换成三维时频谱图的计算公式如下：
6.如权利要求5所述的基于uwb雷达的身份识别方法，其特征在于，所述窗函数的计算公式如下：
7.如权利要求1所述的基于uwb雷达的身份识别方法，其特征在于，身份识别模型包括：
8.如权利要求7所述的基于uwb雷达的身份识别方法，其特征在于，所述卷积核心包括依次设置的卷积层、批归一化层、以及relu激活函数。
9.如权利要求7所述的基于uwb雷达的身份识别方法，其特征在于，所述卷积核心为三个，分别为第一卷积核心、第二卷积核心、以及第三卷积核心；其中，所述第一卷积核心卷积层的卷积核大小为1*1；所述第二卷积核心卷积层的卷积核大小为3*3；所述第三卷积核心卷积层的卷积核大小为5*5。
10.如权利要求1所述的基于uwb雷达的身份识别方法，预设的身份特征生成过程如下：
