基于CNN的步进变频雷达人体姿态识别算法研究

发布时间：2020-05-10 10:11

【摘要】：使用雷达对人类活动进行分类已经在安全、防御和救援行动中有多方面应用。由人体运动引起的多普勒调制可以通过雷达信号来识别特定的人类活动。目前这种调制常被称为“微多普勒”信号。然而针对传统的雷达人体运动识别技术存在数据采集频段单一,时频分析方式单一并未考虑避免极化效应等问题,因此在雷达人体回波中进行多频段的数据采集和对数据进行联合时频分析来避免极化效应就显得尤为重要,针对传统人工提取特征的繁琐性问题,本文采用卷积神经网络(CNN)对雷达回波谱图进行识别与分类,从而进一步提高识别效率与准确率。针对以上问题,本文主要开展的研究工作如下:(1)针对人体活动(弯腰走,爬行,原地踏步,坐着,行走和不摆手臂走)时各部位的运动方式的差异性,采用多散射中心模型对人体进行建模,并分析了人体步态回波模型及步进变频雷达回波特性提取的方法。(2)针对传统的雷达人体回波信号单一频段的采集方式,采用步进变频雷达进行周期性连续扫频来获取多频段数据。由于人体活动引起的雷达回波信号为非平稳信号,采用短时傅里叶变换、Wigner-Ville分布和希尔伯特黄分布三个时频分析方式对雷回波信号进行处理,并转换成时频谱图表达域。(3)针对时频谱图的识别的繁琐性问题,采用了卷积神经网络方式。根据迁移学习的原理,以Inception-v3模型为基础分别搭建了针对单个时频分析和联合时频分析方式的卷积神经网络结构,通过对比单频段和多频段下单个时频分析方式和联合时频分析方式的结果,从而证明了多频段和联合时频分析方式可以有效的避免极化效应,从而提高识别效率与准确率。
【图文】：

图 1-1 基于 CNN 的步进变频雷达人体姿态识别算法的架构本文主要研究了基于 CNN 的步进变频雷达人体姿态识别算法，目的是提高雷达区分人体运动的准确率，针对传统的雷达人体运动识别技术存在数据采集的频段单一，，时频分析方式单一并未考虑避免极化效应等问题，主要创新点是：1.采用步进变频雷达对人体姿态进行多频段数据采集；2.采用联合时频分析方式对雷达人体回波数据进行处理，导出时频谱图表达域，并通过搭建多通道卷积神经网络对时频谱图进行分类与识别。本文的论文思路如下:首先建立了基于人体运动姿态的步态回波模型，研究了步进变频雷达探测回波特征提取原理。随后介绍了运动人体回波时频分析方法。由于人体已经被分成多部位目标，故传统的频谱方法不再适用于分析人体的雷达回波，所以本文主要分析了短时傅里叶变换、维格纳-维尔分布和希尔伯特黄分布三个方法，并叙述了短时傅里叶变换、维格纳-维尔分布和希尔伯特黄分布的优劣点。然后在数据采集的过程中，

达的人体运动探测主要因为人体肢体运动对电磁波的调。所以本章将在对人体步态回波模型和步进变频雷达回基础上搭建步态识别算法框架。波模型多部位步态模型在运动的时候，身体的各个部位的运动方式具有差异性动所产生的多普勒频率也将不一样。比如当人体在跑步头等部位的运动是不一样的，例如人体的头部和躯干的普勒频率，而手和腿部的雷达将会出现规律变化的多普考虑则在进行人体建模的时候，可以将人体假设为多散
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN957.51;TP183

【相似文献】

相关期刊论文 前10条

1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期

2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期

3 王方;苗放;陈垦;;基于优化神经网络的地质灾害监测预警仿真[J];计算机仿真;2019年11期

4 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期

5 庄连生;吕扬;杨健;李厚强;;时频联合长时循环神经网络[J];计算机研究与发展;2019年12期

6 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期

7 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期

8 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期

9 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期

10 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期

相关会议论文 前10条

1 孙军田;张U

本文编号：2657144