超宽带雷达人体姿态识别方法研究

作者：李俊侠; 张秦; 郑桂妹

来源：现代电子技术, 2021, 44(19): 1-7.

DOI：10.16652/j.issn.1004-373x.2021.19.001

• 超宽带雷达
• 人体姿态识别
• 特征提取
• 深度学习
• 支持向量机
• 卷积神经网络
• 最大池化

利用传统摄像头进行人体姿态识别时,容易存在视觉盲区和泄露个人隐私等问题。针对这些问题,利用超宽带雷达具有高分辨率、强穿透性和抗多径干扰等特性,可实现全天时、全天候地对人体姿态进行识别,且对环境要求低、准确率高、保密性好。首先结合超宽带雷达系统的特性,对常见的超宽带脉冲信号进行具体分析;然后创新性地将超宽带人体姿态识别的研究方法分为传统机器学习方法和深度学习方法两大类进行综述,对具有代表性的支持向量机(SVM)和卷积神经网络(CNN)进行原理分析和讨论,并给出了基于高斯核的SVM识别流程和改进的CNN网络结构;最后划分了四类超宽带雷达回波信号特征提取算法,提出超宽带雷达人体姿态识别的通用模型,并指出超宽带雷达人体姿态识别亟需解决的问题。

• 出版日期2021
• 单位空军工程大学; 空军工程大学防空反导学院