隨著社會的發(fā)展與科學(xué)技術(shù)的進(jìn)步,人體識別檢測在日常監(jiān)控、安防檢測、人員搜救、醫(yī)院監(jiān)護(hù)等領(lǐng)域發(fā)揮著巨大的作用,并向更多領(lǐng)域拓展。在常見的人體檢測方法中,雷達(dá)檢測與攝像頭、紅外傳感器、可穿戴設(shè)備等檢測方法相比,有著檢測范圍廣,不易受到光線、天氣、熱源等使用條件限制的優(yōu)勢。而微多普勒效應(yīng)作為雷達(dá)人體檢測中的重要依據(jù)得到了廣泛而深入的研究。雷達(dá)回波的微多普勒頻譜中包含著豐富的人體運(yùn)動信息,且具有不易偽裝的特性。通常,根據(jù)識別檢測目的的不同,適用的微多普勒特征的形式也不同。比如肢體運(yùn)動頻率、微多普勒帶寬、軀干微多普勒頻率等物理特征對人體運(yùn)動姿態(tài)的識別有較好的效果,而面對辨別是否抱臂行走、是否拄拐等微多普勒頻譜區(qū)分度較低的場景,則需要進(jìn)一步地提取速度-節(jié)拍譜或是本征模態(tài)函數(shù)系數(shù)等更為豐富的特征以達(dá)到識別檢測的目的。因此,根據(jù)人體檢測的具體需求,提出特征提取及檢測方法,是研究的關(guān)鍵問題。本文針對特定人體識別檢測的問題進(jìn)行研究,提出了基于步態(tài)微多普勒特征的人體分類檢測方案,分為特定人體步態(tài)模型構(gòu)造、多包絡(luò)微多普勒特征提取及卷積神經(jīng)網(wǎng)絡(luò)特征識別三部分,主要研究為:(1)對現(xiàn)有人體步態(tài)模型進(jìn)行改進(jìn),提出一種用于模擬特定人體行走的步態(tài)模型;(2)對雷達(dá)回波數(shù)據(jù)進(jìn)行時頻分析,提出一種新型微多普勒特征,即多包絡(luò)微多普勒特征,其表現(xiàn)形式為二維黑白圖像;(3)針對提取特征的圖像特性,采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征識別,并給出具體圖像尺寸下的網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)值;(4)給出不同信噪比下的仿真數(shù)據(jù)人體識別準(zhǔn)確率,并搭建了基于雷達(dá)的實(shí)物檢測平臺,驗(yàn)證所提方案在實(shí)際環(huán)境中的性能。
【學(xué)位單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN957.51
【部分圖文】：

ｆ??圖１－１?Ｂｏｕｌｉｃ人體行走模型?圖１－２人體線結(jié)構(gòu)模型??１．２．２時頻分析方法??物體運(yùn)動的微多普勒頻率是一種時變的信號，需要借助于時頻分析的手段才??能得到其隨時間變化的頻率信息。信號時頻分析算法的研究要遠(yuǎn)早于人體運(yùn)動微??多普勒特征的研宄。最早的時頻分析算法是由一位匈牙利諾貝爾獎獲得者Ｄｅｎｎｉｓ??Ｇａｂｅｒ提出的，后來經(jīng)過一些學(xué)者的改進(jìn)與拓展，逐漸成為現(xiàn)在常用的短時傅里??葉變換＿?（Ｓｈｏｒｔ－ＴｉｍｅＦｏｕｒｉｅｒＴｒａｎｓｆｏｒｍ，?ＳＴＦＴ）。ＳＴＦＴ是在短時間窗的基礎(chǔ)上??進(jìn)行傅里葉變換得到的，窗長的選擇對分析精度有很大影響，同時不同窗函數(shù)將??得到不同的分辨率效果。除此以外也有很多其他的時頻分析方法，其中較為常用??的有小波變換、廣義?Ｓ?變換、Ｈｉｌｂｅｒｔ－Ｈｕａｎｇ?變換（Ｈｉｌｂｅｒｔ－Ｈｕａｎｇ?Ｔｒａｎｓｆｏｒｍ，ＨＨＴ）、??Ｗｉｇｎｅｒ－Ｖｉｌｌｅ?分布（Ｗｉｇｎｅｒ－Ｖｉｌｌｅ?Ｄｉｓｔｒｉｂｕｔｉｏｎ，ＷＶＤ）等［３８］。其中小波變換和廣義??Ｓ變換與ＳＴＦＴ相比

＾?＞：??ｆ??圖１－１?Ｂｏｕｌｉｃ人體行走模型?圖１－２人體線結(jié)構(gòu)模型??１．２．２時頻分析方法??物體運(yùn)動的微多普勒頻率是一種時變的信號，需要借助于時頻分析的手段才??能得到其隨時間變化的頻率信息。信號時頻分析算法的研究要遠(yuǎn)早于人體運(yùn)動微??多普勒特征的研宄。最早的時頻分析算法是由一位匈牙利諾貝爾獎獲得者Ｄｅｎｎｉｓ??Ｇａｂｅｒ提出的，后來經(jīng)過一些學(xué)者的改進(jìn)與拓展，逐漸成為現(xiàn)在常用的短時傅里??葉變換＿?（Ｓｈｏｒｔ－ＴｉｍｅＦｏｕｒｉｅｒＴｒａｎｓｆｏｒｍ，?ＳＴＦＴ）。ＳＴＦＴ是在短時間窗的基礎(chǔ)上??進(jìn)行傅里葉變換得到的，窗長的選擇對分析精度有很大影響，同時不同窗函數(shù)將??得到不同的分辨率效果。除此以外也有很多其他的時頻分析方法，其中較為常用??的有小波變換、廣義?Ｓ?變換、Ｈｉｌｂｅｒｔ－Ｈｕａｎｇ?變換（Ｈｉｌｂｅｒｔ－Ｈｕａｎｇ?Ｔｒａｎｓｆｏｒｍ，ＨＨＴ）、??Ｗｉｇｎｅｒ－Ｖｉｌｌｅ?分布（Ｗｉｇｎｅｒ－Ｖｉｌｌｅ?Ｄｉｓｔｒｉｂｕｔｉｏｎ，ＷＶＤ）等［３８］。其中小波變換和廣義??Ｓ變換與ＳＴＦＴ相比

＾?＞：??ｆ??圖１－１?Ｂｏｕｌｉｃ人體行走模型?圖１－２人體線結(jié)構(gòu)模型??１．２．２時頻分析方法??物體運(yùn)動的微多普勒頻率是一種時變的信號，需要借助于時頻分析的手段才??能得到其隨時間變化的頻率信息。信號時頻分析算法的研究要遠(yuǎn)早于人體運(yùn)動微??多普勒特征的研宄。最早的時頻分析算法是由一位匈牙利諾貝爾獎獲得者Ｄｅｎｎｉｓ??Ｇａｂｅｒ提出的，后來經(jīng)過一些學(xué)者的改進(jìn)與拓展，逐漸成為現(xiàn)在常用的短時傅里??葉變換＿?（Ｓｈｏｒｔ－ＴｉｍｅＦｏｕｒｉｅｒＴｒａｎｓｆｏｒｍ，?ＳＴＦＴ）。ＳＴＦＴ是在短時間窗的基礎(chǔ)上??進(jìn)行傅里葉變換得到的，窗長的選擇對分析精度有很大影響，同時不同窗函數(shù)將??得到不同的分辨率效果。除此以外也有很多其他的時頻分析方法，其中較為常用??的有小波變換、廣義?Ｓ?變換、Ｈｉｌｂｅｒｔ－Ｈｕａｎｇ?變換（Ｈｉｌｂｅｒｔ－Ｈｕａｎｇ?Ｔｒａｎｓｆｏｒｍ，ＨＨＴ）、??Ｗｉｇｎｅｒ－Ｖｉｌｌｅ?分布（Ｗｉｇｎｅｒ－Ｖｉｌｌｅ?Ｄｉｓｔｒｉｂｕｔｉｏｎ，ＷＶＤ）等［３８］。其中小波變換和廣義??Ｓ變換與ＳＴＦＴ相比
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 阮崇籍;丁建江;萬山虎;;飛機(jī)旋轉(zhuǎn)部件微多普勒特征通用模型的推導(dǎo)與仿真[J];現(xiàn)代電子技術(shù);2009年10期

2 林新黨;肖龍;;微多普勒特征提取方法研究[J];雷達(dá)與對抗;2016年03期

3 陳廣鋒;張林讓;王純;劉高高;;復(fù)合運(yùn)動目標(biāo)微多普勒特征的分析和提取[J];西安電子科技大學(xué)學(xué)報;2011年03期

4 陳尹翔;羅丁利;徐丹蕾;楊磊;王勇;;基于微多普勒特征的飛機(jī)分類方法研究[J];火控雷達(dá)技術(shù);2016年04期

5 張翼;朱玉鵬;劉崢;黎湘;;基于微多普勒特征的人體運(yùn)動辨識[J];西南大學(xué)學(xué)報(自然科學(xué)版);2010年03期

6 趙若冰;芮義斌;;低信噪比情況下的微多普勒特征提取方法[J];信息技術(shù);2017年06期

7 何煒琨;石玉洛;郭雙雙;王曉亮;吳仁彪;;風(fēng)輪機(jī)雷達(dá)散射特性仿真及微多普勒特征分析[J];電波科學(xué)學(xué)報;2017年01期

8 郭琨毅;張永麗;盛新慶;沈蓉輝;金從軍;;基于欠定盲分離的多目標(biāo)微多普勒特征提取[J];電波科學(xué)學(xué)報;2012年04期

9 高昭昭;楊向星;張群;何勁;鄧冬虎;;運(yùn)動目標(biāo)微多普勒特征提取方法[J];科學(xué)技術(shù)與工程;2013年06期

10 李開明;張群;羅迎;朱豐;;含旋轉(zhuǎn)部件目標(biāo)微多普勒特征提取方法[J];火力與指揮控制;2011年11期

相關(guān)博士學(xué)位論文 前2條

1 陳廣鋒;雷達(dá)目標(biāo)微多普勒特征分析及其應(yīng)用[D];西安電子科技大學(xué);2014年

2 胡杰民;復(fù)雜運(yùn)動目標(biāo)高分辨雷達(dá)成像技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 張夢圓;基于步態(tài)微多普勒特征的人體分類檢測[D];北京郵電大學(xué);2019年

2 葉藝山;雷達(dá)目標(biāo)微多普勒特征提取及分析[D];廈門大學(xué);2017年

3 趙若冰;雷達(dá)目標(biāo)的微多普勒特征建模與分析技術(shù)研究[D];南京理工大學(xué);2017年

4 王維;基于微多普勒特征的空中目標(biāo)識別技術(shù)研究[D];南京信息工程大學(xué);2012年

5 董玲;合成孔徑雷達(dá)微多普勒特征研究[D];電子科技大學(xué);2009年

6 張德華;目標(biāo)激光微多普勒特征探測、提取和識別技術(shù)研究[D];北京理工大學(xué);2016年

7 趙彤璐;彈道目標(biāo)的微多普勒特征提取與重構(gòu)方法研究[D];西安電子科技大學(xué);2014年

8 符婷;基于微多普勒特征的目標(biāo)分類方法研究[D];西安電子科技大學(xué);2011年

9 林萍;基于微多普勒特征的SAR/GMTI車輛目標(biāo)分類[D];杭州電子科技大學(xué);2017年

10 黃健;履帶式車輛微多普勒效應(yīng)與特征提取[D];國防科學(xué)技術(shù)大學(xué);2009年

本文編號：2857000