一种基于涡旋电磁波雷达的人体目标步态精细识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113156430A(43)申请公布日2021.07.23(21)申请号202110470972.7(22)申请日2021.04.29(71)申请人中国人民解放军空军工程大学地址710000陕西省西安市灞桥区长乐东路甲字一号(72)发明人罗迎袁航梁佳张聪张群李开明李宏伟陈怡君(74)专利代理机构北京挺立专利事务所(普通合伙)11265代理人蔡宗慧(51)Int.Cl.G01S13/89(2006.01)G01S13/58(2006.01)G01S13/42(2006.01)G01S7/41(2006.01)权利要求书1页说明书7页附图6页(54)发明名称一种基于涡旋电磁波雷达的人体目标步态精细识别方法(57)摘要本发明提供一种基于涡旋电磁波雷达的人体目标步态精细识别方法。包括：第一步，对双模态回波信号经过平动补偿，进行解线频调处理，进行一维距离成像，利用双模态的回波将线多普勒和角多普勒分离；第二步，将线多普勒和角多普勒用时频图表示，并输入到双通道的卷积神经网络模型中，获得分类识别结果。实现了对人体目标步态的精细识别，有效克服了传统电磁波无法对人体目标步态的精细识别问题。CN113156430ACN113156430A权利要求书1/1页1.一种基于涡旋电磁波雷达的人体目标步态精细识别方法，包括下列步骤：步骤一：对天线回波信号经过平动补偿，进行解线频调处理，进行一维距离成像，利用双模态的回波将线多普勒和角多普勒分离；步骤二：将线多普勒和角多普勒用时频图表示，并输入到双通道的卷积神经网络模型中，获得分类识别结果。2.根据权利要求1所述的基于涡旋电磁波雷达的人体目标步态精细识别方法，其特征在于：所述的步骤一具体包括下述步骤：Step1)通过解线性调频操作，获得双模态回波下的目标一维距离像Sd2(fr，tm，α)；Step2)将双模态回波的一维距离像共轭相乘Sd3(fr，tm,α)＝Sd2(fr，tm,α)·conj(Sd2(fr，tm,‑α))，取其波峰相位获得目标的角多普勒信息；Step3)将某一模态下的一维距离像波峰相位作为线多普勒信息。3.根据权利要求1所述的基于涡旋电磁波雷达的人体目标步态精细识别方法，其特征在于：所述的步骤二具体包括下述步骤：Step1)利用短时傅里叶变换，用时频图表示线多普勒和角多普勒信息；Step2)构建双通道的卷积神经网络模型，该模型由4层卷积层组成，其卷积核大小分别为9*9、7*7、5*5，将时频图的幅度值输入到模型中，获得识别结果。2CN113156430A说明书1/7页一种基于涡旋电磁波雷达的人体目标步态精细识别方法技术领域[0001]本发明涉及信号与信息处理技术，具体涉及一种基于涡旋电磁波雷达的人体目标步态精细识别方法。背景技术[0002]由于雷达具有全天时、全天候、远距离的探测能力，基于雷达的人体目标步态识别在多个领域发挥着重要作用。由于人体运动带来的多普勒效应可以有效表征人体步态信息，因此基于多普勒效应(Dopplereffect)的人体目标识别技术受到了广泛的研究。通过分析人体运动引起的回波多普勒效应，可为目标的分类与识别提供重要依据。[0003]现有的人体目标步态识别技术，主要为基于深度学习的人体目标步态识别技术，针对十二种室内活动进行识别(参见SeyfiogluMS的《Deepconvolutionalautoencoderforradar‑basedclassificationofsimilaraidedandunaidedhumanactivities》，发表在《IEEETransactionsonAerospaceandElectronicSystems》，2018，第五十四卷，第4期)和基于传统机器学习的人体目标步态识别技术(参见ChuanweiDing的《Continuoushumanmotionrecognitionwithadynamicrange‑DopplertrajectorymethodbasedonFMCWradar》，发表在《IEEETransactionsonGeoscienceandRemoteSensing》，2019，第五十七卷，第9期)，这些对人体目标的识别方法，都通过提取目标的多普勒信息，将该信息输入到分类模型中获得分类结果。[0004]当采用传统电磁波作为发射波照射人体目标，人体的不同行为会导致其回波多普勒频移的不同，当人体步态差异较大时，如行走、奔跑、跳跃、蹲下等，能取得较好的分类识别效果，然而在人体步态精细识别方面，如普通行走、持刀/枪行走等，由于目标回波的可分性特征不显著，难以准确识别目标。而在实际应用中，往往需要对人体步态精细行为进行识别，当利用传统电磁波作为发