穿墙雷达多维参数人体姿态识别方法

毛 强，晋良念,2，刘庆华

(1. 桂林电子科技大学信息与通信学院，广西桂林 541004；2. 广西无线宽带通信与信号处理重点实验室，广西桂林 541004)

0 引言

近年来，人类姿态的非接触式穿墙探测与分类技术在公共安全与防护、反恐作战、灾害救援等领域具有重要的应用价值，因此受到了广泛的研究关注[1]。通过对人体姿态的穿墙检测和识别，将有助于决策和制定救援策略，极大地提高救援效率和作战效能。与超声波、光学、红外线等传感器相比，基于雷达的特征提取与识别技术因其全天候的适应性和夜间的可用性而受到众多研究者的关注[2]。

目前，基于雷达的目标识别多采用距离像或微多普勒特征进行识别，而识别能力取决于特征提取和识别的方法，主要分为参数化和非参数化方法。典型的参数化方法就是从特征谱图中提取人工特征，采用机器学习进行识别，但是传统的机器学习需要分别进行特征提取和特征识别，工作量大又容易丢失谱图的深度信息。而非参数化方法则采用深度学习实现了特征提取和识别一体化，它直接识别目标的距离像或微多普勒特征谱图。利用步态的微多普勒特征谱图，文献[3]采用Capsule网络对跌倒进行检测，检测率可达 94.22%；而文献[4]将微多普勒数据分为实部和虚部两部分学习，采用基于Inception的网络进行训练，识别率可达96.9%。利用步态的高分辨率距离像，文献[5]使用超宽带雷达采集了7个动作的数据，通过3层卷积的神经网络训练测试，可得95.24%的识别率；……