【技术实现步骤摘要】
本专利技术涉及雷达信号处理领域，具体涉及一种基于boulic正弦摆钟模型的人体运动微多普勒角点表征方法。
技术介绍
1、基于雷达的人体行为识别近年来逐渐成为雷达和智能信号解译研究领域的热门课题。现有人体活动识别方法使用接触式加速计设备、摄像头、wifi、雷达等传感器实现。基于雷达的人体行为识别具备全天时、全天候、不受光照、气候影响等优势。
2、现有基于雷达的人体行为识别成果均着眼于利用卷积神经网络实现端到端的人体行为识别，尚未开发良好的微多普勒降维表征技术。基于雷达回波，研究人员提出了利用一维、二维、三维时域信号分别合成数据集并利用对应尺度的卷积神经网络(convolutional neural network，cnn)实现识别的方法。为了加快网络的训练和推理速度，研究人员提出了一种新颖的范围轮廓序列驱动的端到端方法，该方法采用随机裁剪训练以获得更好的模型性能。为了取得更好的鲁棒性，研究人员提出了自动编码器(autoencoder network，aen)方法。该方法可在低噪声水平下实现精细的微多普勒特征提取。为了实现更高的准确率，研究人员提出了一种基于残差卷积神经网络(residualconvolutional neuralnetwork，resnet)的雷达图像分类方案，旨在实现更高的网络深度和更好的反向传播训练效能。
3、现有方法虽然解决了传统微多普勒特征提取及识别方法精度低的问题，但其往往是通过直接推理雷达距离-时间图像(range-time map，rtm)或多普勒-时间图像(doppler-t
4、现有研究成果表明，机器学习的泛化性能可以通过数据处理、特征选择、正则化、交叉验证或模型调参等手段得到改善。受雷达系统数据采集特性和资源需求的限制，特征选择和降维是提高泛化能力的最佳选择。因此，有必要提出一种具备数学物理背景的微多普勒特征表示方法，其参数量需要足够地少，但能有效地表征完整的微多普勒信息。
5、本专利技术提出的基于boulic正弦摆钟模型的人体运动微多普勒角点表征方法可以实现特征维度数远低于原始雷达图像的室内人体行为识别，为本领域首创特征表示学习技术。
技术实现思路
1、本专利技术的技术解决问题是：克服现有技术的不足，提出一种基于boulic正弦摆钟模型的人体运动微多普勒角点表征方法，该方法联合boulic正弦摆钟的人体运动模型，并获得了能够完整表示各类人体活动的微多普勒信息所需的最小角点数量。进行了仿真和实测实验，以证明所提出的微多普勒角表示法的有效性、高效性和泛化能力。该方法能够解决墙壁对电磁信号传播带来的不良影响，如衰减、折射和多径效应，超宽带穿墙雷达回波信号明显失真，人体行为识别的特征提取准确率大幅下降，对抗低信噪比图像输入时的鲁棒性较差，对不同受试者采集数据的泛化能力较差，系统部署非常具有挑战性的技术问题。
2、本专利技术的技术解决方案是：
3、一种基于boulic正弦摆钟模型的人体运动微多普勒角点表征方法，该方法的步骤包括：
4、步骤s1，建立基于雷达的人体运动回波模型；uwb雷达设备通过发射无线电波来探测周围的物体。当无线电波遇到人体时，部分能量会被反射回来，形成回波信号，雷达设备通过接收这些回波信号来检测人体的存在和各肢节点的位置，并形成时域雷达回波。该回波中蕴含了人体运动的微多普勒特征；
5、步骤s2，建立基于boulic正弦摆钟的人体运动联合模型；boulic正弦摆钟模型是一种物理模型，该模型将人体运动和正弦动力摆钟模型相结合，用于对人体姿态和肢节点运动的距离、速度信息分别进行建模和分析，该模型基于正弦函数，通过调整振幅、频率和相位等参数，可以模拟不同的摆动动作，利用参数整合后的模型，可以进行运动人体的特征提取与活动辨识，此外，通过比较合成数据与实际数据的差异，评估人体运动的准确性和逼真度；
6、步骤s3，计算最优人体运动微多普勒最小角点数，微多普勒角点特征用于描述人体运动中的微小距离或速度变化的特征点，这些特征点可以通过分析步骤s1所得的雷达回波生成的距离、时频图像得到，一般来说，特征点的数量越多，可以提供更详细和准确的运动信息；特征点的数量越少，模型的泛化能力越强，基于步骤s2所得的人体运动学模型，可以计算出重建完整肢节点微多普勒轨迹信息所需的最小角点数；
7、步骤s4，根据步骤s3计算得到的微多普勒最小角点数，利用二阶高斯导向滤波器提取雷达距离、时频图像上的微多普勒角点特征。
8、优选地，对于穿墙场景的人体扩展目标，在不考虑多径效应的前提下，根据信号的叠加原理，其雷达回波可以近似等效为墙体回波、以各节点为散射中心的点散射体的回波、以及背景噪声三者的数值和，假设雷达发射信号在相参处理时间(coherent processinginterval，cpi)内包含了m个脉冲重复间隔(pulse repetition interval，pri)。则其第m个pri对应的时域发射波形为：
9、
10、其中，atx为发射信号的幅度，ts为pri，为调频斜率，b为带宽，fc为载波频率。为发射信号的初始相位，现对人体运动模型中的ni节点展开分析，设其反射率为在发射信号中引入双程传播时延c为光速。则该节点对应散射体的时域回波信号为：
11、
12、
13、其中，分别代表接收信号的幅度和初相。
14、将接收信号与参考发射信号混频，得到：
15、
16、其中，
17、
18、优选地，为混频后的接收信号的频率。从上式中去除初始相位和所有含(t-mts)的乘积项，并归一化频率系数可得：
19、
20、其中，为基带时域接收信号的频率。对式(3)做低通滤波，得到：
21、
22、其中，mts≤t≤(m+1)ts，且代表基带时域接收信号的幅度。对式(6)，结合可计算出墙体补偿后的时域接收信号。该信号时延项满足：
23、
24、优选地，墙体补偿后的雷达对人体探测的完整时域回波为：
25、
26、优选地，假设墙体回波为sb，m，wall(t)，背景噪声为sb，m，noise(t)，雷达收发天线的直耦波为sb，m，dw(t)，则最终所得第m个pri对应的完整雷达时域回波为：
27、
28、优选地，利用公式(9)所得的雷达时域回波中蕴含了人体运动的微多普勒特征，据此生成距离和时频图像，可以提取微多普勒角点特征。下面建立人体运动的boulic正弦本文档来自技高网...
【技术保护点】
1.一种基于Boulic正弦摆钟模型的人体运动微多普勒角点表征方法，其特征在于该方法的步骤包括：
2.根据权利要求1所述的一种基于Boulic正弦摆钟模型的人体运动微多普勒角点表征方法，其特征在于：
3.根据权利要求1所述的一种基于Boulic正弦摆钟模型的人体运动微多普勒角点表征方法，其特征在于：
4.根据权利要求1所述的一种基于Boulic正弦摆钟模型的人体运动微多普勒角点表征方法，其特征在于：
5.根据权利要求4所述的一种基于Boulic正弦摆钟模型的人体运动微多普勒角点表征方法，其特征在于：
【技术特征摘要】
1.一种基于boulic正弦摆钟模型的人体运动微多普勒角点表征方法，其特征在于该方法的步骤包括：
2.根据权利要求1所述的一种基于boulic正弦摆钟模型的人体运动微多普勒角点表征方法，其特征在于：
3.根据权利要求1所述的一种基于boulic正弦摆钟...
【专利技术属性】
技术研发人员：渠晓东，杨小鹏，高炜程，孟昊宇，曾小路，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
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。