隨著雷達(dá)硬件平臺尺寸的越來越小,成本越來越低,室內(nèi)基于雷達(dá)人體動作識別的應(yīng)用已經(jīng)成為現(xiàn)實,能夠在具有簡單架構(gòu)的低成本設(shè)備中實現(xiàn)。無載波超寬帶雷達(dá)人體動作識別系統(tǒng)的關(guān)鍵優(yōu)勢在于無載波超寬帶雷達(dá)具有極高的分辨率,能夠捕獲人體的細(xì)微動作變化,并且能夠?qū)κ覂?nèi)復(fù)雜環(huán)境具有很強(qiáng)的抗多徑衰落、抗干擾能力。本文基于無載波超寬帶雷達(dá)捕獲不同類型人體動作回波信號,通過傳統(tǒng)統(tǒng)計學(xué)方法和變換域方法對人體動作回波信號進(jìn)行分析,提取回波信號中的關(guān)鍵特征并分類識別。具體展開研究工作如下:1.首先對無載波超寬帶雷達(dá)人體動作回波信號進(jìn)行分析,搭建無載波超寬帶雷達(dá)人體動作識別系統(tǒng),并提出一種新穎的基于主成分分析法(PCA)和離散余弦變換(DCT)相結(jié)合的無載波超寬帶雷達(dá)人體動作識別方法,同時采用改進(jìn)的網(wǎng)格搜索算法優(yōu)化支持向量機(jī)的參數(shù)并驗證該方法的優(yōu)越性。對實測的十種不同類型人體動作進(jìn)行分類識別,實驗結(jié)果表明對數(shù)據(jù)集按3:1劃分為訓(xùn)練樣本集和測試樣本集的識別率能達(dá)到100%,對數(shù)據(jù)集按1:1劃分為訓(xùn)練樣本集合測試樣本集的識別率也能達(dá)到99%。2.將主成分分析法(PCA)和離散余弦變換(DCT)相結(jié)合的人體動作回波特征提取方法...

【文章頁數(shù)】：102 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１基于雷達(dá)人體動作識別的通用系統(tǒng)模型框架??圖２－１為基于雷達(dá)人體動作識別的通用系統(tǒng)模型框架，生要有關(guān)鍵部分組成：（１）??

屬物體進(jìn)行動作別，能夠在惡劣復(fù)雜的環(huán)境下對人類活動進(jìn)行識別，此外基于雷達(dá)??的人體動作識別能夠很好地保護(hù)待檢測個人的隱私。本節(jié)對前人的一些研究成果進(jìn)行??總結(jié)，提出了一種基于雷達(dá)人體動作識別的通用系統(tǒng)模型框架，如圖２－１所示＾??／?｜｜?｜回波數(shù)據(jù)處理和特征提�。�?｜智能分類識....

圖３－６?ＳＩＲ－２０．探地雷達(dá)??本文實驗測暈是在桂林電子科技大學(xué)圖書館５１３室內(nèi)進(jìn)行，室內(nèi)擺放了少量的桌??

向雷達(dá)天線，距離天線２ｍ左右。實驗中每種類型動作重復(fù)做２０次，每種動作收集??數(shù)據(jù)的持續(xù)時間大約１２０％實驗采集的十種不同類型人體動作（ａ）？（ｊ）的實測場??景如下圖３－７所示，每種類型動作的具體動作描述見表３－２，實驗采集的原始數(shù)據(jù)如??圈３－８所示．。???表．３－２具體不....

圖3一7十種不同類型人體動作實測場景(從左至右從上至下依次為動作a~動作j)

?第三章屬于ＰＣＡ和ＤＣＴ的無載波超寬帶雷達(dá)人體動作識別???在地上??（ｆ）?向后摔倒?站在距離，天線２ｍ處，向后慢慢摔倒，最后躺??在地上??＇（ｇ）?原地走動餘在距萬：天線２ｍ處，原她走爾??（ｈ）?上下跳動?站在距離天．線２ｍ處，上卞見周期性姚動??（ｉ）?向前跳?站在距....

圖３－９中十種不??

⑴向前跳?（ｊ）向后跳??圖３－９十種不同類型動作的回波信號波形圖??２８??

本文編號：4029300