基于CNN的超宽带穿墙雷达静目标数量识别技术

本文基于静止目标的超宽带(UWB)雷达模型的构建,提出利用卷积神经网络(CNN)进行人体数量的识别方法,针对实测数据对该方法进行实验分析,并与传统方法进行比较,结果表明:将超宽带穿墙雷达与CNN结合对人体数量识别准确率较高,并且去除数据预处理环节对识别效果没有影响.     

IR-UWB穿墙雷达动目标探测实验

在穿墙雷达实际工作场景中,杂波对墙后动目标的探测造成严重的干扰。分析回顾经典IR-UWB穿墙雷达动目标检测原理,通过分析其数学解析式探讨其检测性能。介绍了IR-UWB穿墙雷达系统及其工作原理,基于该IR-UWB穿墙雷达系统上进行非金属墙体后动目标探测实验。针对目标处于不同运动状态的雷达回波数据进行处理分析,验证经典动目标检测算法的工作性能。针对指数加权算法,通过实验数据处理给出了其参数的调节范围。实验结果表明,IR-UWB穿墙雷达可以对非金属墙体后人体目标进行探测。对于墙后作径向运动的人体目标,3种经典算法的检测性能处于同一水平;对于墙后作切向运动、原地踏步的人体目标,指数加权算法与积累平均背景相消法具有较好的检测性能。