【技术实现步骤摘要】
一种基于FMCW雷达的三参数融合数据集构建方法
本专利技术涉及雷达信号处理和人体动作识别领域,特别涉及一种基于FMCW雷达的三参数融合数据集构建方法。
技术介绍
随着人工智能的迅猛发展,目前在人体动作识别领域,常见的方法是通过计算机视觉的方法采集人体运动数据,然后利用图像处理和深度学习技术对人体动作进行检测和识别。传统的计算机视觉方法一般采用RGB摄像头、红外摄像头或深度摄像头等传感器进行数据采集,通过拍摄的图像或视频数据对人体动作信息进行描述。然而,基于图像视觉采集的摄像头器不能提供深度信息,缺乏空间尺度上对手势描述的信息,并且对于光线过于敏感,无法在强光或黑暗的情况下正常工作;深度传感器是通过测量信号飞行时延TOF(Timeofflight)对距离进行估计,从而得到空间距离信息,但深度传感器在室外条件下易受强光影响,不具有可靠性。另一方面,基于图像视觉的传感器为了有效识别用户的动作信息,会持续不断地对用户进行监控,这将导致用户隐私泄露的问题。实际上,雷达传感器具有弥补传统传感器的优势和特点。利用基于FMCW原理的毫米波雷达传感器进行人体动作数据采集,一方面可避免非正常光线造成的干扰,并有效保护用户的隐私。另一方面,雷达传感器可以探测到人体动作发生的距离、速度和角度,通过时间尺度的累积,可以充分挖掘人体动作的空间结构信息和时序动作信息。综上所述,本专利技术提出了一种基于FMCW雷达的三参数融合数据集构建方法。
技术实现思路
基于上述现有动作识别技术中数据集构建方法的不足,本专利技术提供了一种基于FMCW雷达的三参数融合数据集构建方法,本专利技术创新地提出将雷 ...
【技术保护点】
1.一种基于FMCW雷达的三参数融合数据集构建方法,其特征在于,包括以下步骤:1)根据实际应用场景,设计数据集的数量规模为Nclass×Nper_class,Nclass是动作种类数,Nper_class是每类动作包含的数据样本个数;并确定FMCW雷达的线性调频信号参数,雷达射频信号频点为fHF,带宽为B,采集过程中每个数据的帧数为Nframes,每帧数据的扫频个数为L,每个扫频时长为Tc;雷达对差拍信号采样率为Fs,每个扫频内采样点数为K=Fs·Tc;雷达的距离分辨率为dres=c/2B,则雷达距离量程为dmax=Kc/2B;雷达的多普勒分辨率为fd‑res=λfHF/2cLTc,则雷达可测量的最大多普勒频偏值为D=Lfd‑res/2;2)利用FMCW雷达采集中频信号时域数据,每类动作采集nNper_class个数据,共得到nNclassNper_class个雷达信号原始数据,n为大于1的数;3)估计同一雷达目标的距离、多普勒和角度参数,通过多帧累积构造距离‑时间图、多普勒‑时间图和角度‑时间图;4)对步骤2)中nNclassNper_class个雷达信号原始数据,逐个进行步骤3)中 ...
【技术特征摘要】
1.一种基于FMCW雷达的三参数融合数据集构建方法,其特征在于,包括以下步骤:1)根据实际应用场景,设计数据集的数量规模为Nclass×Nper_class,Nclass是动作种类数,Nper_class是每类动作包含的数据样本个数;并确定FMCW雷达的线性调频信号参数,雷达射频信号频点为fHF,带宽为B,采集过程中每个数据的帧数为Nframes,每帧数据的扫频个数为L,每个扫频时长为Tc;雷达对差拍信号采样率为Fs,每个扫频内采样点数为K=Fs·Tc;雷达的距离分辨率为dres=c/2B,则雷达距离量程为dmax=Kc/2B;雷达的多普勒分辨率为fd-res=λfHF/2cLTc,则雷达可测量的最大多普勒频偏值为D=Lfd-res/2;2)利用FMCW雷达采集中频信号时域数据,每类动作采集nNper_class个数据,共得到nNclassNper_class个雷达信号原始数据,n为大于1的数;3)估计同一雷达目标的距离、多普勒和角度参数,通过多帧累积构造距离-时间图、多普勒-时间图和角度-时间图;4)对步骤2)中nNclassNper_class个雷达信号原始数据,逐个进行步骤3)中的距离-时间图、多普勒-时间图和角度时间图的构造,得到距离-时间图数据集、多普勒-时间图数据集和角度-时间图数据集;5)对步骤4)中得到的距离-时间图数据集、多普勒-时间图数据集和角度-时间图数据集进行数据清洗和数据归一化;6)基于步骤5)中归一化过后的结果,将距离-时间图数据集、多普勒-时间图数据集和角度-时间图数据集中源于同一雷达信号数据的文件名修改为不同的参数名称、相同的类别序号和样本序号,如RTM_class01_seq01.jpg、DTM_class01_seq01.jpg和ATM_class01_seq01.jpg;7)遍历三个数据集,生成融合数据集的索引文件;具体地,根据步骤6)中命名的样本序号生成一个清单,清单中每个元素分别包含以下信息:样本序号,样本类别,样本参数类别以及样本数据存储地址,通过索引文件就能访问融合数据集中任何样本;从而,完成基于距离、多普勒和角度估计的多参数融合数据集构建。2.根据权利要求1所述的一种基于FMCW雷达的三参数融合数据集构建方法,其特征在于:所述步骤3)中对距离-时间图、多普勒-时间图和角度-时间图的构建,具体包括:3a)构建距离-时间图;在差拍信号中的一帧数据中,对单个扫频信号sIF(t)进行1D-FFT分析得到频谱SIF(f),对于雷达探测到的第k个点目标而言,在频谱上对应的回波频点为根据式(1)对目标距离进行估计:其中,第k个目标所对应的距离值为Rk;通过对一帧数据内的L个扫频依次进行距离估计,得到L组距离估计结果,并将多组估计结果取均值得到距离估计谱然后,对一个雷达信号数据内的Nframes帧的数据依次进行距离估计,并将每帧数据对应的距离估计谱在时间域上进行累积,最终得到距离-时间图;3b)构建多普勒-时间图;对差拍信号的一帧数据进行2D-FFT分析得到距离-多普勒图,由矩阵MRD描述:其中,p(k,fd)表征在距离单元为k、多普勒频偏为fd的像素点幅值,Dmax表示多普勒的最大频偏值;根据步骤3a)中的距离估计谱R进行谱峰搜索,得到回波能量最大的距离单元Rins:其中,ins表示距离Rins处对应的k值;...
【专利技术属性】
技术研发人员:田增山,吴金君,王勇,周牧,杨小龙,聂伟,谢良波,何维,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。