基于时变距离-多普勒图的超宽带雷达动作识别方法.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CN110133610A(43)申请公布日2019.08.16(21)申请号201910399224.7(22)申请日2019.05.14(71)申请人浙江大学地址310013浙江省杭州市西湖区余杭塘路866号申请人杭州迈臻智能科技有限公司(72)发明人周金海王依川吴祥飞(74)专利代理机构杭州天勤知识产权代理有限公司33224代理人曹兆霞(51)Int.Cl.G01S7/41(2006.01)G01S13/58(2006.01)权利要求书2页说明书8页附图2页(54)发明名称基于时变距离-多普勒图的超宽带雷达动作识别方法(57)摘要本发明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。CN110133610ACN110133610A权利要求书1/2页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雷达信号，得到标准动作信号；然后，计算标准动作信号上所有距离处的雷达信号的短时傅里叶变换，得到三维数据立方体I(r,f,t)，其中，r，f，t分别表示距离、频率以及时间；最后，对三维数据立方体I(r,f,t)依据t轴进行组合，形成一组时变距离-多普勒图。6.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(4)中，自编码器通过以下方式获得：首先，构建卷积自编码器，其包括编码器和解码器，其中，编码器若干个由卷积层A与最大池化层交替连接而成，卷积层A用于特征提取，最大池化层用于降低数据的空间维度；解码器由若干个卷积层B与上采样层交替连接而成，卷积层B的卷积核数量的顺序与卷积层A2CN110133610A权利要求书2/2页的卷积核数量的顺序相反，用于特征提取，上采样层用于恢复数据的空间维度；利用由雷达信号对应的距离-多普勒图作为训练样本，以卷积自编码器的输出与输入图像的均方差作为损失函数，采用反向传播方式对卷积自编码器进行训练，训练结束后，截取训练好的编码器作为特征提取器。7.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(4)中，采