基于时变距离-多普勒图的超宽带雷达动作识别方法技术

本发明专利技术公开了一种基于时变距离‑多普勒图的超宽带雷达动作识别方法，包括：(1)采集并对雷达信号进行杂波滤除处理；(2)根据杂波滤除后的雷达信号的时频分布特性判断动作是否发生，并截取动作发生的时间段；(3)根据动作发生的时间段构建时变距离‑多普勒图；(4)采用主成分分析方法或自编码器提取时变距离‑多普勒图的特征信息；(5)构建动作识别网络，其包括至少一个门控循环单元和softmax分类器，利用提取的特征信息以及对应的真值标签对动作识别网络进行训练，获得动作识别模型；(6)应用时，按照步骤(1)～(4)获得待识别动作的特征信息，并将该特征信息输入至动作识别模型中，经计算输出动作识别结果。

UWB Radar Action Recognition Method Based on Time-varying Range-Doppler Map

【技术实现步骤摘要】
基于时变距离-多普勒图的超宽带雷达动作识别方法
本专利技术属于目标识别领域，具体涉及一种基于时变距离-多普勒图的超宽带雷达动作识别方法。
技术介绍
近年来，基于雷达的动作识别由于其与辅助生活问题的相关性而引起了人们的极大关注。具体到实际应用，该技术可以帮助对紧急状况进行告警，或者协助长期室内活动量的统计分析，这对独居老人来说尤其有用。根据相关研究，如果只考虑预期寿命的增长，全球调整后的中位年龄将从2000年的26.6岁上升到2050年的31.1岁，到2100年甚至将达到32.9岁。严重的老龄化将会增加社会劳动力们的工作压力，导致许多老年人将不得不在家进行自我照顾。在这种情况下，独居的老人很可能会在不知情的情况下跌倒，最终导致死亡。动作识别可以帮助检测跌倒的发生并及时发出警报，以最大限度地减少后续的物理伤害甚至挽救生命。此外，记录的日常活动信息还可以帮助进行健康评估，以便家庭成员可以及时做出适当的回应。室内监控技术，根据其对动作识别的感知手段可以分为两类：可穿戴式解决方案和环境解决方案。典型的可穿戴式解决方案包括加速度计，陀螺仪或它们的融合方案。可穿戴式解决方案的性能不受外部环境的影响，但是它们的侵入性可能导致被监控目标产生排斥心理。摄像机是一种高性能的环境解决方案，由于它可以捕获大量信息，因此在动作识别领域具有巨大的优势。但缺点是基于摄像头的解决方案容易受到光照强度的影响而且容易泄露隐私，因此它们仅适合在公共场所进行安装，而不适用于安装在家庭隐私环境中来进行长期监控。超宽带雷达在以前主要用于军事用途，最近才开始在民用领域中发挥作用，各种研究都证实了它有潜力成为领先的家庭监控传感器之一。超宽带雷达的主要优点是低功耗，非侵入性和隐私保护性，其检测性能不易受光强度或障碍物的影响。在以往的初步研究中，研究人员通常使用预定义的基于时间-多普勒图(TDI)或者距离-多普勒图(RDI)的特征对运动进行分类。这些预定义特征的表达效果受外部变量的影响很大，并且通常需要相关专家来设计，这是非常耗时的。为了解决这个问题，也有研究者提出了一些启发性的特征，例如基于小波的特征和梅尔频率倒谱系数(MFCC)。这些特征的定义来自其他研究领域，无需在雷达应用中做特定设计，但分类结果相对不令人满意。由于TDI丢失了目标动作的距离信息、RDI这种雷达信号的表示方式则丢失了动作的时间信息，而且不能直观的对动作进行动态建模，因此无论怎么改进特征提取方法，方案的识别效果均到达了一个瓶颈，不能满足实际应用的要求。
技术实现思路
本专利技术的目的是提供一种基于时变距离-多普勒图的超宽带雷达动作识别方法，该超宽带雷达动作识别方法能够准确地识别用户的动作。为实现上述专利技术目的，本专利技术提供以下技术方案：一种基于时变距离-多普勒图的超宽带雷达动作识别方法，包括以下步骤：(1)采集雷达信号，并对雷达信号进行杂波滤除处理，获得杂波滤除后的雷达信号；(2)根据杂波滤除后的雷达信号的时频分布特性判断动作是否发生，并截取动作发生的时间段；(3)根据动作发生的时间段构建时变距离-多普勒图；(4)采用主成分分析方法或自编码器提取时变距离-多普勒图的特征信息；(5)构建动作识别网络，其包括至少一个门控循环单元和接在门控循环单元输出端的softmax分类器，利用提取的特征信息以及对应的真值标签对动作识别网络进行训练，参数确定后，获得动作识别模型；(6)应用时，按照步骤(1)～(4)获得待识别动作的特征信息，并将该特征信息输入至动作识别模型中，经计算输出动作识别结果。与现有技术相比，本专利技术提供的基于时变距离-多普勒图的超宽带雷达动作识别方法，动作识别的准确率很高，能达到98.5％。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动前提下，还可以根据这些附图获得其他附图。图1是实施例提供的基于时变距离-多普勒图的超宽带雷达动作识别方法的流程框图；图2是实施例提供的动作发生判定示意图；图3是实施例提供的跌倒动作产生的一组时变距离-多普勒图；图4实施例提供的(a)爬行、(b)跌倒、(c)慢跑、(d)跳跃、(e)坐下、(f)蹲下、(g)弯腰和(h)行走动作的时变距离-多普勒图；图5是实施例提供的不同组合下雷达动作识别模型的性能评估结果；图6是实施例提供的基于时变距离-多普勒图的超宽带雷达动作识别方法应用的系统框图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本专利技术进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本专利技术，并不限定本专利技术的保护范围。本专利技术提供的基于时变距离-多普勒图的超宽带雷达动作识别方法应用场景包括但不限于独居老人的生活空间，常见的为卧室、起居室、卫生间等，这类室内场景往往空间较小，静态物体(如各种家具)较多，存在较强的可见光遮蔽或者无线电多径传播效应，因此对信号预处理的要求相对较高。如图6所示，本实施例提供的基于时变距离-多普勒图的超宽带雷达动作识别方法采用的设备系统包括脉冲超宽带雷达模块、嵌入式设备以及移动终端，其中，雷达模块用于雷达信号的发射与收集，嵌入式设备用于完成对信号具体的处理工作，雷达模块与嵌入式设备之间采取USB的方式进行数据的传输；嵌入式设备中处理得到的结果通过socket、蓝牙等方式发送到移动终端，进而移动终端上可以进行识别结果的展示。如图1所示，本实施例提供的基于时变距离-多普勒图的超宽带雷达动作识别方法包括以下步骤：S101，采集雷达信号，并对雷达信号进行杂波滤除处理，获得杂波滤除后的雷达信号。通过超宽带雷达模块获取到的雷达信号为二维矩阵形式，每一行都是快时间采样(快时间采样点可以映射为距离点)产生的一个雷达帧，表示当前慢时间空间中不同径向距离处的反射信号强弱，多个雷达帧组合成一个雷达信号矩阵作为原始数据源。由于采集到的原始数据中存在大量的杂波能量，对后续的雷达动作识别造成影响，因此需要对雷达信号进行杂波滤除。具体地，采用SVD算法将以二维矩阵形式表示的雷达信号分解成奇异值和奇异向量，并将前n个较大的奇异值置零后，重组奇异值和奇异向量，获得杂波滤除后的雷达信号矩阵，其中，n取值为1～3。由于空间中的杂波能量往往大于目标动作反射信号的能量，而且具有较大奇异值的信号分量在原始数据中占据较大的比重，因此本专利技术通过将前n个较大的奇异值置零的方式实现对杂波的滤除。针对尺寸为M×N的雷达信号矩阵R，进行分解时有其中，U和V分别是大小为(M×M)和(N×N)的酉矩阵；S＝diag(σ1,σ2,...,σr)，其中σ1≥σ2≥...≥σr≥0；ui和vi分别为矩阵U和V的列向量。S102，根据杂波滤除后的雷达信号的时频分布特性判断动作是否发生，并截取动作发生的时间段。动作发生仅是一段时间，由于采集的连续时间内的雷达信号，为了降低动作识别的计算消耗，以提升动作识别的速率，需要对动作发生进行判断。具体过程为：首先，将不同距离处的雷达信号进行叠加，并对叠加后的雷达信号进行短时傅里叶变换，获得雷达信号的时频分布特性；然后，针对每个当前时间点，根据本文档来自技高网...

【技术保护点】
1.一种基于时变距离‑多普勒图的超宽带雷达动作识别方法，包括以下步骤：(1)采集雷达信号，并对雷达信号进行杂波滤除处理，获得杂波滤除后的雷达信号；(2)根据杂波滤除后的雷达信号的时频分布特性判断动作是否发生，并截取动作发生的时间段；(3)根据动作发生的时间段构建时变距离‑多普勒图；(4)采用主成分分析方法或自编码器提取时变距离‑多普勒图的特征信息；(5)构建动作识别网络，其包括至少一个门控循环单元和接在门控循环单元输出端的softmax分类器，利用提取的特征信息以及对应的真值标签对动作识别网络进行训练，参数确定后，获得动作识别模型；(6)应用时，按照步骤(1)～(4)获得待识别动作的特征信息，并将该特征信息输入至动作识别模型中，经计算输出动作识别结果。

【技术特征摘要】
1.一种基于时变距离-多普勒图的超宽带雷达动作识别方法，包括以下步骤：(1)采集雷达信号，并对雷达信号进行杂波滤除处理，获得杂波滤除后的雷达信号；(2)根据杂波滤除后的雷达信号的时频分布特性判断动作是否发生，并截取动作发生的时间段；(3)根据动作发生的时间段构建时变距离-多普勒图；(4)采用主成分分析方法或自编码器提取时变距离-多普勒图的特征信息；(5)构建动作识别网络，其包括至少一个门控循环单元和接在门控循环单元输出端的softmax分类器，利用提取的特征信息以及对应的真值标签对动作识别网络进行训练，参数确定后，获得动作识别模型；(6)应用时，按照步骤(1)～(4)获得待识别动作的特征信息，并将该特征信息输入至动作识别模型中，经计算输出动作识别结果。2.如权利要求1所述的基于时变距离-多普勒图的超宽带雷达动作识别方法，其特征在于，步骤(1)中，采用SVD算法将以二维矩阵形式表示的雷达信号分解成奇异值和奇异向量，并将前n个较大的奇异值置零后，重组奇异值和奇异向量，获得杂波滤除后的雷达信号矩阵，其中，n取值为1～3。3.如权利要求1所述的基于时变距离-多普勒图的超宽带雷达动作识别方法，其特征在于，步骤(2)中，首先，将不同距离处的雷达信号进行叠加，并对叠加后的雷达信号进行短时傅里叶变换，获得雷达信号的时频分布特性；然后，针对每个当前时间点，根据时频分布特性，计算频谱值在一定频率范围内的叠加值，以此获得当前时间点的频率能量，当频率能量超过阈值时，则认为当前时间点发生动作，以当前时间点为中心，截取时间长度为3.5～4.5s作为动作发生的时间段。4.如权利要求3所述的基于时变距离-多普勒图的超宽带雷达动作识别方法，其特征在于，在10～250Hz范围内对频谱值进行叠加，以获得当前时间点的频率能量；截取时间长度为4s作为动作发生的时间段。5.如权利要求1所述的基于时变距离-多普勒图的超宽带雷达动作识别方法，其特征在于，步骤(3)中，在对雷达信号进行杂波滤除后，根据获得的动作发生的时间段截取对应时间段内的...

【专利技术属性】
技术研发人员：周金海，王依川，吴祥飞，
申请(专利权)人：浙江大学，杭州迈臻智能科技有限公司，
类型：发明
国别省市：浙江,33