由于人體目標(biāo)運(yùn)動(dòng)狀態(tài)復(fù)雜,散射特性多變,并且探測環(huán)境存在強(qiáng)地雜波干擾,所以人體運(yùn)動(dòng)狀態(tài)分類一直是雷達(dá)領(lǐng)域的難題之一。本文圍繞運(yùn)動(dòng)人體目標(biāo)的探測機(jī)理展開,重點(diǎn)研究了步行運(yùn)動(dòng)狀態(tài)下的行人回波模型、運(yùn)動(dòng)特征提取方式、運(yùn)動(dòng)狀態(tài)分類、實(shí)測數(shù)據(jù)處理等關(guān)鍵技術(shù)。首先根據(jù)Boulic模型建立了簡化的人體運(yùn)動(dòng)模型,將人體的行走過程轉(zhuǎn)換為剛體平移與旋轉(zhuǎn)運(yùn)動(dòng)的組合,將身體部件轉(zhuǎn)換為橢圓剛體。建立了LFMCW雷達(dá)人體運(yùn)動(dòng)回波模型。通過對比模型數(shù)據(jù)與實(shí)測數(shù)據(jù)的時(shí)頻圖,驗(yàn)證了模型的正確性。其次,對于傳統(tǒng)時(shí)頻分析方式時(shí)頻聚焦性差的問題,本文結(jié)合多重同步壓縮算法,通過時(shí)頻譜的頻率維度進(jìn)行壓縮,實(shí)現(xiàn)了人體回波微多普勒的“精細(xì)刻畫”。本文以Rényi熵作為時(shí)頻譜能量聚焦性的評判準(zhǔn)則,并將其作為多重同步壓縮門限判定的標(biāo)準(zhǔn)。并且,針對LFMCW雷達(dá)距離像存在擴(kuò)散的問題,設(shè)計(jì)了基于時(shí)頻譜的擴(kuò)散像檢測算法,將人體目標(biāo)的微多普勒信息充分利用。利用圖像邊緣檢測的方式對人體時(shí)頻譜進(jìn)行了特征提取處理,并通過SVM分類器實(shí)現(xiàn)運(yùn)動(dòng)狀態(tài)分類。最后依托搭建的毫米波實(shí)驗(yàn)平臺,獲取了人體運(yùn)動(dòng)的實(shí)測數(shù)據(jù),驗(yàn)證了算法的可行性。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN958
【部分圖文】：

圖 2-1 人體規(guī)范行走的時(shí)空特性體行走的相對速度為RV ，并有RV V /Ht ，V 是行人行走的運(yùn)動(dòng)速度， Ht 是髖到行人腳掌根部的長度，根據(jù)行人前進(jìn)方向的運(yùn)動(dòng)速度與 的比值進(jìn)行定義，為了， 的取值空間為[0.6,2.3]。利用 Inman 定義的公式可以得滿足:Cl 1.346RV滿足：Sl 0.5 Cl周期：Dc Cl /RV，可以獲得運(yùn)動(dòng)接觸時(shí)段，單腿運(yùn)動(dòng)接觸時(shí)段，雙腿運(yùn)動(dòng)接觸間的相對關(guān)系。Ds 0.752 Dc 0.143

正弦函數(shù)表示的運(yùn)動(dòng)軌跡

-13-(e)肩部撓曲 (f)肘部撓曲圖 2-5 端點(diǎn)控制的運(yùn)動(dòng)軌跡從圖 2-5 中可以看出剩余運(yùn)動(dòng)的控制點(diǎn)，其中臀部撓曲的控制節(jié)點(diǎn)為 0.5T以及 0.9T，膝蓋撓曲的控制節(jié)點(diǎn)分別為 0.2T，0.4T，0.75T，踝關(guān)節(jié)撓曲的控制
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳輝;;淺議車牌識別中字符的特征提取方法[J];科技傳播;2009年05期

2 徐德友,胡壽松;利用粗集上近似處理特征提取中的噪聲問題[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年S1期

3 佟德純;王永興;;一種新的齒輪狀態(tài)的分類識別方法—CEP-AR特征提取與分類[J];振動(dòng)與沖擊;1988年03期

4 羅斌;黃端旭;;皮膚癌表面圖象特征提取[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);1989年03期

5 王仁華;宋原章;;漢語孤立音節(jié)的分段研究[J];信號處理;1989年02期

6 史廣;楊艷;;沙化土地地理信息多維結(jié)構(gòu)特征提取仿真[J];計(jì)算機(jī)仿真;2019年11期

7 楊小軍;;圖片特征提取[J];中小企業(yè)管理與科技(中旬刊);2017年03期

8 武弘;;六種常用的網(wǎng)絡(luò)流量特征提取工具[J];計(jì)算機(jī)與網(wǎng)絡(luò);2017年06期

9 李晉徽;楊俊安;王一;;一種新的基于瓶頸深度信念網(wǎng)絡(luò)的特征提取方法及其在語種識別中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2014年03期

10 唐朝霞;;一種基于特征提取的簡答題閱卷算法[J];湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年01期

相關(guān)博士學(xué)位論文 前10條

1 王曉輝;汽車模具表面缺陷特征提取關(guān)鍵技術(shù)研究[D];南昌大學(xué);2019年

2 蘇雷曼 施查布（SOULEYMAN CHAIB）;面向高分辨率圖像場景分類的特征提取與選擇研究[D];哈爾濱工業(yè)大學(xué);2018年

3 宋洪超;基于微波的乳腺癌檢測算法研究[D];北京郵電大學(xué);2018年

4 溫柳英;多模態(tài)數(shù)據(jù)特征提取的粒計(jì)算方法研究與應(yīng)用[D];西南石油大學(xué);2017年

5 李文娟;基于局部特征提取的人臉識別方法研究[D];天津大學(xué);2017年

6 王振宇;面向人臉識別的特征提取技術(shù)應(yīng)用研究[D];東南大學(xué);2016年

7 馬麗紅;復(fù)雜背景下人臉的定位和特征提取[D];華南理工大學(xué);1999年

8 謝平;故障診斷中信息熵特征提取及融合方法研究[D];燕山大學(xué);2006年

9 張紹武;基于支持向量機(jī)的蛋白質(zhì)分類研究[D];西北工業(yè)大學(xué);2004年

10 李建生;圖像元數(shù)據(jù)特征提取及其在檢索中的應(yīng)用[D];南京師范大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 孫月如;面向人臉圖片的特征提取與分類算法研究[D];重慶郵電大學(xué);2019年

2 白冰;噪聲背景下聲音事件的特征提取及識別[D];湘潭大學(xué);2019年

3 李曉峰;航空遙感光電圖像預(yù)處理與目標(biāo)特征提取技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2019年

4 李凈霖;基于計(jì)算機(jī)視覺的同步定位與三維建圖方法研究[D];哈爾濱工業(yè)大學(xué);2019年

5 劉召婕;基于感興趣區(qū)域的舌象特征提取與病理分析[D];哈爾濱工業(yè)大學(xué);2018年

6 張勝峰;極化特征在真假彈頭識別中的應(yīng)用[D];中國電子科技集團(tuán)公司電子科學(xué)研究院;2019年

7 丁李;湘西方塊苗文圖像的特征提取與識別研究[D];吉首大學(xué);2019年

8 邱勇輝;網(wǎng)絡(luò)銀行異常交易檢測技術(shù)與應(yīng)用研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院);2019年

9 何慶祥;哈希特征提取和深度自編碼表征在反恐中的應(yīng)用[D];廣東工業(yè)大學(xué);2019年

10 胡顯能;球磨機(jī)振動(dòng)信號特征提取及負(fù)荷識別方法研究[D];江西理工大學(xué);2019年

本文編號：2841772