基于双频段FMCW雷达的人体动作识别

针对单频段雷达利用微多普勒特征识别人体动作能力有限的问题,提出了一种基于双频段调频连续波(Frequency Modulation Continuous Wave, FMCW)雷达的人体动作识别方法。首先利用K频段与C频段两部不同频段的FMCW雷达分别对人体不同动作进行探测收集到回波数据,对回波数据进行预处理分别得到距离时间、距离多普勒与微多普勒时频谱图像;然后,运用主成分分析法对图像进行特征提取得到特征向量,对提取到的特征向量进行特征级融合;最后,将融合后的特征作为支持向量机的输入从而实现人体动作识别。采用雷达实测数据的实验结果表明,基于双频段FMCW雷达联合工作的探测方法对五种人体动作的识别正确率为96.25%,优于单个频段FMCW雷达单独工作时的动作识别正确率。     

基于特征融合卷积神经网络的FMCW雷达人体动作识别

针对微多普勒特征识别人体动作的局限性,基于调频连续波( Frequency Modulated Continuous Wave,FMCW)雷达采用深度学习方法对人体动作识别,提出了一种特征融合卷积神经网络结构.利用FMCW雷达采样的人体动作回波数据分别构建出时间-距离特征和微多普勒特征图,将这两种特征图作为输入数据分别...     

基于双流特征融合的FMCW雷达人体连续动作识别

本文提出了一种基于双流特征融合的FMCW雷达人体连续动作识别方法。首先对人体动作雷达回波信号进行预处理得到距离时间域图与微多普勒时频谱图,之后分别对两个不同维度的图像进行主成分分析提取对应特征并选取相同时间段的主成分分析结果进行融合得到双流融合特征,最后将双流融合特征输入到Bi-LSTM网络中训练与测试,网络对每个时间段的输入特征产生与之对应的动作类别输出从而实现连续人体动作识别。实验结果表明,当采用双流融合特征作为Bi-LSTM网络的输入时平均识别准确率要高于只采用距离时间特征或微多普勒特征作为网络输入时的平均识别准确率。     

FMCW雷达基于光学字符识别的连续动作识别研究

传统的基于雷达的人体动作识别主要采用微多普勒原理,对原始数据进行处理,生成微多普勒时频图,然后输入到基于分类的深度学习网络中进行识别,只能对单个动作进行识别。本文提出一种FMCW雷达光学字符识别技术的连续动作识别方法,首先对采集的雷达数据采用RDM（Range?Doppler Map）向速度维投影的方法逐帧获取微多普勒时频图,然后将处理得到的时频图输入一个特别定制的,由卷积神经网络、inception_resnet、最大池化层和Bi?LSTM的网络组成,使用联结主义时间分类（CTC）作为损失函数进行训练的网络。实验结果表明该方法对步行、跑步、蹲下、站起、跳跃这5种动作的识别准确率分别高达96.16%,95.34%,88.49%,89.37%,96.72%。对一个时间窗口内多个动作的识别也取得了不错的效果,时间上的识别准确率整体令人满意。     

基于WGAN-GP的微多普勒雷达人体动作识别

针对人体动作识别微多普勒雷达数据量有限的问题,本文提出基于梯度惩罚的沃瑟斯坦生成对抗网络(WGAN-GP)进行雷达数据增强,实现深度卷积神经网络(DCNN)在样本数量较少时可以得到有效训练。首先对人体各种动作的线性调频连续波雷达回波数据进行预处理得到微多普勒时频谱图像,然后采用WGAN-GP进行时频谱图像数据增强,最后利用生成的图像对DCNN进行训练。实验结果表明使用WGAN-GP可以有效解决雷达数据不足的问题,从而提高DCNN人体动作识别准确率。     

基于同步压缩短时傅里叶变换的毫米波雷达人体动作识别

针对人体动作识别问题,提出一种基于同步压缩短时傅里叶变换的人体动作识别方法。使用毫米波雷达进行人体动作数据的采集,将采集到的数据进行同步压缩短时傅里叶变换得到其时频图;然后使用卷积神经网络对不同动作进行微多普勒特征提取并分类。在数据采集部分,使用毫米波雷达进行数据采集,有效地避免了外界因素的影响;在时频分析部分,使用窗函数优化的同步压缩短时傅里叶变换提高了时频聚集性。实验结果表明,该人体动作识别系统对不同人体动作的识别率可达到91.7%。     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

基于FMCW雷达的多通道特征融合人体动作识别方法

针对采用单一特征进行人体动作识别准确率不高的问题,提出了一种基于调频连续波(Frequency Modulated Continuous Wave, FMCW)雷达的多通道特征融合人体动作识别方法。通过对FMCW雷达回波数据进行预处理,得到人体动作的距离参数与多普勒参数,构建出距离-时间特征谱图和多普勒-时间特征谱图数据集。为了进行人体动作特征的充分提取与精确识别,改进了单通道输入的传统卷积神经网络结构,把部分残差连接结构和跨阶段部分连接结构进行了优化应用至雷达人体动作识别领域,设计出端到端的CSP-FCNN(Cross Stage Partial-Fusion Convolutional Neural Network)多通道融合卷积神经网络。采用公开数据集进行实验,结果表明所提方法有效解决了单一特征动作识别信息量欠缺以及网络提取特征不充分的问题,识别准确率较单一特征识别方法提高了5%以上。     

基于毫米波雷达三维点云的人体动作识别数据集与方法

毫米波雷达凭借其出色的环境适应性、高分辨率和隐私保护等优势,在智能家居、智慧养老和安防监控等领域具有广泛的应用前景。毫米波雷达三维点云是一种重要的空间数据表达形式,对于人体行为姿态识别具有极大的价值。然而,由于毫米波雷达点云具有强稀疏性,给精准快速识别人体动作带来了巨大的挑战。针对这一问题,该文公开了一个毫米波雷达人体动作三维点云数据集mmWave-3DPCHM-1.0,并提出了相应的数据处理方法和人体动作识别模型。该数据集由TI公司的IWR1443-ISK和Vayyar公司的vBlu射频成像模组分别采集,包括常见的12种人体动作,如走路、挥手、站立和跌倒等。在网络模型方面,该文将边缘卷积(EdgeConv)与Transformer相结合,提出了一种处理长时序三维点云的网络模型,即Point EdgeConv and Transformer (PETer)网络。该网络通过边缘卷积对三维点云逐帧创建局部有向邻域图,以提取单帧点云的空间几何特征,并通过堆叠多个编码器的Transformer模块,提取多帧点云之间的时序关系。实验结果表明,所提出的PETer网络在所构建的TI数据集和Vayyar数据集上的平均识别准确率分别达到98.77%和99.51%,比传统最优的基线网络模型提高了大约5%,且网络规模仅为1.09 M,适于在存储受限的边缘设备上部署。     

基于局部语义的人体动作识别方法

人体动作可以由人体不同局部区域的动作语义的组合来描述,由此提出了一种基于局部语义的人体动作识别方法。首先,该方法定义了一组局部动作语义用于描述人体局部区域运动的视觉表现,并对每一个局部语义进行建模。然后,通过这些局部动作语义的贡献值组合来进行构建动作表征。最后,将基于局部动作语义的动作表征输入支持向量机构建动作模型,进行动作分类。比较实验说明所提出方法能够较好地识别现实场景下的人体动作。     

基于MCA的FMCW交通雷达信息处理

针对调频连续波(FMCW)交通监测雷达车辆目标速度测量和长度估计问题,建立了基于逆合成孔径雷达( ISAR)原理的雷达回波数学模型,分析了待测量目标运动速度与多普勒参数的内在关系,采用基于最大对比度算法(MCA)的多普勒调频斜率的估计方法,能有效提高雷达的车辆监测效能,仿真数据分析以及实测数据的结果均验证了算法的有效性.实验结果表明,最大对比度算法可以准确地估计出移动目标的移动速度并能提供车辆长度信息,为交通监控提供了新的途径和方法.     

调频连续波毫米波雷达的智能驾驶感知

随着自动驾驶概率的热度逐渐升温,大量社会资源倾入自动驾驶领域,而智能驾驶的实现第一步就是感知周围的环境.本文讨论的是基于毫米波雷达的目标追踪方案,通过设置多个收发天线的方式,造成同一连续变频波在接收端的相位差,相位差变化的大小即可捕捉并追踪目标物的方位.对于方位、速度都差不多的探测点即可聚类为单一目标.     

基于微型化FMCW雷达的抗振乘员健康监测

随着雷达系统的小型化,毫米波雷达在消费电子领域展现了广阔的应用前景。然而,毫米波雷达的车内应用,由于车内环境的复杂性和振动性的特点,依然面临着巨大挑战。为了解决车体振动对雷达探测的影响,本文提出了基于微型化调频连续波（FMCW）雷达的抗车体振动的乘员健康监测方法。该方法利用FMCW雷达将不同距离的物体的运动信息转化为相位信息加载于中频信号的不同频率成分中的特点以及车内乘员位置相对固定的特点,通过仅取乘员位置对应中频频率成分的相位信息,有效隔绝了车体其他部分振动对乘员健康监测的干扰。仿真和实验结果均表明,该方法在车体振动情况下,仍然可以有效工作。     

FMCW SAR雷达方程

调频连续波合成孔径雷达（FMCWSAR）结合调频连续波和合成孔径成像技术,具有体积小、重量轻、成本低、分辨率高等一系列优点,因此倍受关注。雷达方程给雷达设计人员和研究者提供了一个最简单、最有用的数学关系。由于雷达方程的重要性,有必要对FMCWSAR的雷达方程作些讨论。首先推导了FMCWSAR的点目标雷达方程,之后推导了分布目标的FMCWSAR的雷达方程,此雷达方程中包括了目标信息及雷达系统的重要参数,最后对其进行了详细的分析。     

对调频连续波合成孔径雷达的对抗措施

调频连续波（FMCW）合成孔径雷达（SAR）因其体积小、重量轻、成本低及分辨率高等特点越来越受到关注。详细分析了FMCW SAR构成原理和距离维成像过程,提出了对抗FMCW SAR的措施。     

基于雷达回波识别的杂波抑制

非均匀非平稳的杂波抑制历来是情报雷达的一个难点.本文从雷达回波分类识别的角度利用支持向量机对剩余杂波做进一步的抑制.实测数据分析表明,杂波图迭代方差和信噪比可以作为区分杂波和目标的两个特征.在用支持向量机对实测数据进行分类的情况下,杂波抑制率达60%,目标损失低于10%.     

一种基于超宽带雷达的日常活动分类方法

近年来,随着智能物联网应用的快速发展,雷达传感器由于具有保护隐私、全天候全天时工作、不受光线和遮挡影响等优点,在人体目标日常行为活动识别方面受到了学术界和产业界的极大重视.针对一种超低辐射的超宽带雷达(Impulse Radio Ultra-Wideband,IR-UWB),提出了一种室内人员日常活动(包含静止、坐下、...     

Human Activity Classification Based on Micro-Doppler Signatures Using a Support Vector Machine

The feasibility of classifying different human activities based on micro-Doppler signatures is investigated. Measured data of 12 human subjects performing seven different activities are collected using a Doppler radar. The seven activities include running, walking, walking while holding a stick, crawling, boxing while moving forward, boxing while standing in place, and sitting still. Six features are extracted from the Doppler spectrogram. A support vector machine (SVM) is then trained using the measurement features to classify the activities. A multiclass classification is implemented using a decision-tree structure. Optimal parameters for the SVM are found through a fourfold cross-validation. The resulting classification accuracy is found to be more than 90%. The potentials of classifying human activities over extended time duration, through wall, and at oblique angles with respect to the radar are also investigated and discussed.     

线性调频连续波跟踪雷达的信号处理方法

针对线性调频连续波雷达体制用于跟踪雷达的特殊问题,结合相应的信号处理算法提出了对总体设计的一些期望,以期对总体设计人员提供一定的参考。同时针对跟踪雷达的信号处理算在该体制中的特殊应用进行了分析,并对现有的产品设计方案提出了进一步完善的方法。分析表明,调整设计方案后可以增加原有产品的雷达作用距离和跟踪精度。