基於都卜勒穿牆雷達的人體精細動作識別方法研究

《基於都卜勒穿牆雷達的人體精細動作識別方法研究》是依託中南大學，由丁一鵬擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於都卜勒穿牆雷達的人體精細動作識別方法研究
• 項目類別：青年科學基金項目
• 項目負責人：丁一鵬
• 依託單位：中南大學

項目摘要

都卜勒穿牆雷達通過提取回波特徵，能夠對障礙物後的目標狀態進行準確識別，在軍事和民用領域具有廣泛的套用前景。本項目針對都卜勒穿牆雷達在人體目標探測中的套用，改善傳統探測過程中常見的高虛警和低精度缺陷，探索時變低信噪比環境下準確提取目標特定部位的微都卜勒頻率特徵，實現對其精細動作識別的技術方法。針對時變探測環境，提出一種基於雜波統計參數跟蹤和線性預測編碼的回波處理算法，能夠實時監測外界環境變化，根據實際需求自適應地調節濾波器和預測器參數，保證雷達在動態環境下進行實時探測的恆虛警和高分辨特性。針對探測過程中嚴重的噪聲干擾和交織混疊的目標分量，提出一種精確到目標散射部位的動作識別算法，能夠在低信噪比環境下準確分離和提取目標各部位的微弱散射分量，避免交叉項干擾，並針對各部位的散射分量進行高精度、高可靠的微都卜勒頻率估計，實現對目標精細動作的識別。

結題摘要

通過提取都卜勒穿牆雷達接收回波的特徵信息，結合自適應濾波、信息預測、多分量分離和機器學習等現代信號處理方法，實現具體針對目標散射部位的精細動作識別，在反恐戰爭、安檢安保和遠程醫療等軍事和民用領域具有廣泛的套用前景。本項目以人體目標的動作識別為目標展開研究，主要成果包括以下三個方面。首先，針對都卜勒穿牆雷達在時變低信噪比環境下常見的噪聲干擾問題，提出了一種基於回波信號統計參數跟蹤的自適應濾波算法。該算法基於時頻分析技術提取噪聲樣本，能夠實時估計噪聲統計參數的變化規律，並結合探測需求完成對濾波閾值的自適應調節。相比於傳統基於固定閾值的濾波算法，該算法在動態探測環境下，能夠在目標檢測機率和虛警機率間保持更好的平衡狀態，一方面防止因濾波閾值過大而產生的目標丟失效應，一方面抑制因濾波閾值過小而產生的虛假目標。其次，針對都卜勒穿牆雷達的目標散射分量分離問題，提出了一種基於非對稱模型的分量提取算法。該算法基於改進的能量運算元完成對微弱目標散射分量的能量累積，結合人體不同部位運動的特點，通過設計的非對稱模型自主匹配信號特徵，完成對特定回波分量的識別與提取。相比於傳統的分量分離算法，該算法對回波信號的分離基於目標散射特性，一方面提取的信號分量具有更加明確的物理意義，另一方面有助於避免交叉項干擾，改善對目標特定部位微都卜勒頻率的估計精度。最後，針對都卜勒穿牆雷達的人體目標動作識別問題，提出了一種基於人工神經網路的狀態識別算法。該算法基於目標散射部位運動產生的微都卜勒頻率信息，篩選出最具代表性的特徵參數，並由此完成對特徵矩陣的最佳化和校正，通過改進的人工神經網路算法實現對目標動作的識別。實驗結果表明，通過綜合運用本項目提出的各項算法，在相同探測條件下，都卜勒穿牆雷達對人體動作的識別精度從85%提高到了92%，達到了項目的預期指標。