基于多天线FMCW雷达的人体行为识别方法

发布时间：2020-12-26 14:47

　　提出一种基于多天线调频连续波（frequency modulated continuous wave, FMCW）雷达的多参数融合神经网络（fusion neural network, FNN）人体行为识别方法。针对FMCW雷达参数估计算法角度分辨率不足以及在估计目标个数错误的情况下会降低精度的问题,提出一种结合最小功率无失真响应（minimum power distortionless response, MPDR）波束形成与快速傅里叶变换（fast Fourier transform, FFT）的距离-方位角参数联合估计算法。利用2个相互垂直的线阵雷达捕捉人体行为,使用参数联合估计算法估计人体目标各回波点在水平与垂直方向的距离、角度参数。构建FNN,从参数估计结果中提取并融合人体行为在水平与垂直方向的空间与时间特征,根据融合特征实现人体行为识别与分类。实验结果表明,FNN方法对人体行为识别的准确率相比传统三维卷积神经网络（3D convolutional neural networks, 3D-CNN）提升了4.37%。 

【文章来源】：重庆邮电大学学报(自然科学版). 2020年05期 北大核心

【文章页数】：9 页

【部分图文】：

阵列天线示意图

(12)式中,S(m)为S(ω)的估计。本节采用前后向平均方法对S(ω)进行估计,令矩阵,提取一个数据帧内频点为m的K个频域快拍构建成大小为L×K的矩阵,即

根据FMCW原理可知,中频信号频率对应目标距离,则该功率谱矩阵各值对应该位置目标反射信号强度。图3为该算法参数估计的效果与性能,由图3b可以看出,该算法在角度分辨率性能略高于多重信号分类(multiple signal classification,MUSIC)算法[7],另外该算法克服了大部分参数估计算法需要知道入射信号数的缺点;并且,由本算法计算得到的最佳权值适用于帧内各个扫频信号,故处理雷达数据过程中算法的平均计算复杂度与MUSIC算法相似。1.5 环境干扰与噪声消除


本文编号：2939905