无载波超宽带雷达人体动作识别理论方法研究

论文摘要

随着雷达硬件平台尺寸的越来越小,成本越来越低,室内基于雷达人体动作识别的应用已经成为现实,能够在具有简单架构的低成本设备中实现。无载波超宽带雷达人体动作识别系统的关键优势在于无载波超宽带雷达具有极高的分辨率,能够捕获人体的细微动作变化,并且能够对室内复杂环境具有很强的抗多径衰落、抗干扰能力。本文基于无载波超宽带雷达捕获不同类型人体动作回波信号,通过传统统计学方法和变换域方法对人体动作回波信号进行分析,提取回波信号中的关键特征并分类识别。具体展开研究工作如下:1.首先对无载波超宽带雷达人体动作回波信号进行分析,搭建无载波超宽带雷达人体动作识别系统,并提出一种新颖的基于主成分分析法（PCA）和离散余弦变换（DCT）相结合的无载波超宽带雷达人体动作识别方法,同时采用改进的网格搜索算法优化支持向量机的参数并验证该方法的优越性。对实测的十种不同类型人体动作进行分类识别,实验结果表明对数据集按3:1划分为训练样本集和测试样本集的识别率能达到100%,对数据集按1:1划分为训练样本集合测试样本集的识别率也能达到99%。2.将主成分分析法（PCA）和离散余弦变换（DCT）相结合的人体动作回波特征提取方法用于小样本下的人体动作识别研究,采取随机选取一部分样本数据作为训练集,其余部分样本数据作为测试集,并通过多次实验取平均值的策略作为最终人体动作类型识别率,实验结果表明基于PCA和DCT相结合的人体动作特征提取方法在小样本下对人体动作进行识别也具有显著的效果。3.无载波超宽带雷达人体动作回波信号是一个非线性非平稳信号,利用二维变分模态分解（2D-VMD）特征提取算法对不同类型人体动作雷达回波信号进行特征提取,通过2D-VMD算法分解原始无载波超宽带雷达人体动作回波信号,获得若干个二维模态函数分量（BIMFs）,BIMFs表示某一种类型人体动作不同部位中心频率分量。实验结果表明,利用2D-VMD算法对人体动作回波信号进行分解得到的若干个BIMFs可以很好地表示该种类型人体动作的回波信号特征,是基于雷达人体动作回波信号特征提取的有效工具。4.特征工程在人体动作识别中具有十分重要的作用,一个好的特征提取方法能够给人体动作识别带来意想不到的效果,然而目前大多数研究成果都集中在基于微多普勒特征的基础上展开研究,但是当两个人的微多普勒频谱图相似或者运动不规则时,最终的识别准确度就会急剧下降。基于二维经验模态分解（BEMD）算法对无载波超宽带雷达人体动作识别的特征工程展开研究,并基于实测的十种不同类型人体动作进行实验验证,实验结果表明通过BEMD算法特征提取的方法在无载波超宽带雷达人体动作识别领域非常有效。其次通过将基于BEMD算法特征提取的模型框架与对人体动作微多普勒频谱图利用卷积神经网络进行特征提取进行对比,发现基于BEMD算法的特征提取过程与深度学习下的卷积神经网络十分相似,进一步根据BEMD算法分解的过程探索卷积神经网络内在提取特征的机制。

论文目录

• 摘要
• Abstract
• 第一章 绪论
•   §1.1 课题的研究背景与意义
•   §1.2 基于雷达人体动作识别应用场景
•   §1.3 雷达人体动作识别国内外研究现状
•     §1.3.1 国内研究现状
•     §1.3.2 国外研究现状
•   §1.4 超宽带雷达人体动作识别国内外研究现状
•     §1.4.1 国内研究现状
•     §1.4.2 国外研究现状
•   §1.5 本论文的主要工作和内容安排
• 第二章 无载波超宽带雷达人体动作识别系统模型
•   §2.1 超宽带雷达
•   §2.2 无载波超宽带雷达
•   §2.3 人体动作识别系统框架
•   §2.4 本章小结
• 第三章 基于PCA和DCT的无载波超宽带雷达人体动作识别
•   §3.1 基于PCA和DCT相结合的特征提取方法
•     §3.1.1 主成分分析法（PCA）
•     §3.1.2 离散余弦变换（DCT）
•     §3.1.3 基于PCA和DCT相结合的特征提取
•   §3.2 基于改进网格搜索算法优化的支持向量机
•     §3.2.1 线性支持向量机
•     §3.2.2 非线性支持向量机
•     §3.2.3 松弛变量处理异常点（outliers）方法
•     §3.2.4 基于改进网格搜索算法优化的支持向量机
•       §3.2.4.1 网格搜索算法
•       §3.2.4.2 改进网格搜索算法优化的支持向量机
•   §3.3 无载波超宽带雷达人体动作识别模型
•   §3.4 实测数据验证算法及性能分析
•     §3.4.1 实验设置和数据获取
•     §3.4.2 所提出人体动作识别模型的性能分析
•     §3.4.3 不同特征提取方法的性能对比
•   §3.5 基于无载波超宽带雷达的小样本人体动作识别
•     §3.5.1 不同方案下人体动作识别的性能分析
•     §3.5.2 人体动作回波信号特征能量分析
•     §3.5.3 小样本下的人体动作识别
•   §3.6 本章小结
• 第四章 基于2D-VMD算法的无载波超宽带雷达人体动作二维回波信号重构及特征提取
•   §4.1 二维变分模态分解算法
•     §4.1.1 2D分析信号
•     §4.1.2 二维变分模态函数模型
•     §4.1.3 二维变分约束模型的求解
•   §4.2 基于2D-VMD算法的无载波超宽带雷达人体动作二维回波信号重构及特征提取系统模型
•   §4.3 实测数据验证算法及性能分析
•     §4.3.1 实验设置和数据采集
•     §4.3.2 特征提取
•     §4.3.3 二维回波信号重构
•     §4.3.4 性能分析
•       §4.3.4.1 特征提取的性能分析
•       §4.3.4.2 重构2D回波信号的性能分析
•   §4.4 本章小结
• 第五章 基于二维经验模态分解的无载波超宽带雷达人体动作特征工程研究
•   §5.1 BEMD算法的理论介绍及本文提出的模型框架
•     §5.1.1 经验模态分解
•     §5.1.2 二维经验模态分解
•     §5.1.3 二维希尔伯特变换
•   §5.2 基于二维经验模态分解下无载波超宽带雷达人体动作特征工程的系统模型框架
•   §5.3 实验结果
•     §5.3.1 实验设置及数据采集
•     §5.3.2 实验结果
•   §5.4 性能分析
•   §5.5 本章小结
• 第六章 总结与展望
•   §6.1 全文工作总结
•   §6.2 后续工作展望
• 参考文献
• 致谢
• 作者在攻读硕士期间的主要研究成果

文章来源

类型: 硕士论文

作者: 周小龙

导师: 蒋留兵

关键词: 无载波超宽带雷达,人体动作识别,主成分分析法,离散余弦变换,小样本,二维变分模态分解,二维经验模态分解,卷积神经网络

来源: 桂林电子科技大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,电信技术

单位: 桂林电子科技大学

分类号: TN957.51;O212.4

总页数: 102

文件大小: 9513K

下载量: 129