基于呼吸样本空间的超宽带雷达身份识别

为了解决传统雷达呼吸身份识别依赖人工预定义特征的问题,提出了一种基于呼吸样本空间(BSS)的超宽带(UWB)雷达身份识别算法。算法首先通过奇异值分解(SVD)对UWB雷达人体呼吸回波中杂波进行滤除,然后根据回波将目标跨距离单元的呼吸信号构建为包含时距信息的BSS序列,最后利用卷积神经网络(CNN)对BSS进行建模以获取目标分类结果。在室内场景实验中,对4人的身份识别准确率为84.64%。对比结果表明,所提出的算法对不同个体所具有的独特呼吸特征具有不错的区分能力。     

基于超宽带雷达基带信号的多人目标跟踪

针对超宽带（UWB）雷达多人目标跟踪中的距离扩展问题,提出基于基带信号的方法. 该方法对射频回波信号进行下变频和抽取,通过动目标指示滤除杂波. 在基带CLEAN检测提取得到量测后,采用凝聚和跳窗方法确定目标初始状态. 运用联合概率数据关联和卡尔曼滤波进行跟踪. 在3种室内环境下开展实验. 结果表明,相对于选用射频回波直接进行处理,提出的方法对多目标跟踪的均方根误差（RMSE）小于0.26 m,在数据存储空间上减少了87.5%,在目标检测的处理时间上减少了39.7%.