發(fā)布時(shí)間：2020-09-29 21:22

　　 穿墻雷達(dá)利用低頻電磁波對(duì)非金屬障礙物的電磁穿透能力,實(shí)時(shí)獲取隱蔽人體目標(biāo)行為回波,通過(guò)提取不同行為的特征,分析特征之間差異,實(shí)現(xiàn)行為類型的實(shí)時(shí)判別,對(duì)城市巷戰(zhàn)、反恐維穩(wěn)、以及執(zhí)法抓捕等具有重要的應(yīng)用價(jià)值。由于穿墻電磁環(huán)境的復(fù)雜性以及穿墻雷達(dá)系統(tǒng)工作的低頻性,隱蔽人體目標(biāo)行為特征無(wú)法進(jìn)行高精細(xì)度提取。加之人體行為發(fā)生的時(shí)變性和空間角度多樣性等因素,造成隱蔽人體目標(biāo)行為識(shí)別的準(zhǔn)確性、實(shí)時(shí)性及穩(wěn)健性等性能嚴(yán)重下降,致使隱蔽人體時(shí)變行為穩(wěn)健實(shí)時(shí)識(shí)別成為具有挑戰(zhàn)性的難題。本文圍繞上述難題,開(kāi)展了穿墻隱蔽人體目標(biāo)行為描述及特征表征、非等時(shí)長(zhǎng)穿墻隱蔽人體行為實(shí)時(shí)識(shí)別方法等研究工作,并對(duì)多視角穿墻人體行為穩(wěn)健識(shí)別問(wèn)題進(jìn)行了探究,主要?jiǎng)?chuàng)新點(diǎn)如下:1、提出基于短時(shí)特征狀態(tài)轉(zhuǎn)移的穿墻雷達(dá)隱蔽人體行為描述方法,通過(guò)短時(shí)人體姿態(tài)時(shí)間片序列的行為分解,提取姿態(tài)特征,關(guān)聯(lián)時(shí)間片上下文信息,克服了全局行為描述非實(shí)時(shí)固定時(shí)間尺度的缺陷。2、提出基于距離像嵌入的穿墻雷達(dá)人體行為特征表征方法,通過(guò)對(duì)一維距離像行為數(shù)據(jù)的降維和特征聚類,有效實(shí)現(xiàn)了隱蔽人體行為短時(shí)共性特征提取以及特征的時(shí)序性關(guān)聯(lián)。3、提出基于循環(huán)神經(jīng)網(wǎng)絡(luò)的穿墻雷達(dá)人體行為快速識(shí)別方法,通過(guò)構(gòu)建GRU循環(huán)神經(jīng)網(wǎng)絡(luò)的行為識(shí)別方法,利用網(wǎng)絡(luò)對(duì)時(shí)序性行為信息的動(dòng)態(tài)記憶性及遺忘性,可實(shí)現(xiàn)穿墻隱蔽人體行為無(wú)冗余計(jì)算的單幀實(shí)時(shí)識(shí)別。4、提出基于歸一化調(diào)和加權(quán)交并比(NHW-IOU)的穿墻雷達(dá)人體行為識(shí)別模型評(píng)價(jià)方法,有效評(píng)判了模型識(shí)別的可靠性和實(shí)時(shí)性。5、提出基于Bagging和Stacking集成學(xué)習(xí)的多視角穿墻雷達(dá)人體行為穩(wěn)健識(shí)別方法,有效融合了隱蔽人體行為的多視角特征,解決了由單視角行為探測(cè)視角局限性引起的模型識(shí)別不穩(wěn)定性問(wèn)題,提升了穿墻雷達(dá)人體行為的準(zhǔn)確可靠識(shí)別。以上數(shù)據(jù)處理和行為識(shí)別方法均通過(guò)實(shí)測(cè)數(shù)據(jù)進(jìn)行了驗(yàn)證。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2019
【中圖分類】：TN95;TP183
【部分圖文】：

圖 2-1 基于微多普勒的人體行為全局描述示例圖 2-1 展示了文獻(xiàn)[21]對(duì)雷達(dá)人體行為的一種微多普勒全局描述方法。從圖出，通過(guò)分析 3 秒時(shí)間窗內(nèi)的雷達(dá)人體行為對(duì)應(yīng)的時(shí)變多普勒及微多普勒頻率計(jì)得到諸如偏置、帶寬、無(wú)微多普勒帶寬、軀干多普勒頻率、周期等 5 種行為，實(shí)現(xiàn)行為的全局特征描述。然而，全局行為描述不適用于穿墻雷達(dá)人體行為識(shí)別任務(wù)，其缺陷有三：1、非實(shí)時(shí)性全局行為描述只有接收完畢固定長(zhǎng)度時(shí)間窗Th 內(nèi)發(fā)生的完整行為數(shù)據(jù)ThE能計(jì)算相應(yīng)的行為特征 ThF E，從而通過(guò)分析特征數(shù)據(jù)獲得行為的具體類型此全局行為描述需要等待行為發(fā)生完畢才能給出最終識(shí)別結(jié)果，如圖 2-2 所而，根據(jù)穿墻雷達(dá)的實(shí)際應(yīng)用需求，要求隱蔽人體目標(biāo)行為發(fā)生過(guò)程中依然能出穩(wěn)健準(zhǔn)確的行為識(shí)別結(jié)果，所以全局行為描述存在非實(shí)時(shí)缺陷。某

循環(huán)神經(jīng)網(wǎng)絡(luò)環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network, RNN）是機(jī)器學(xué)習(xí)中深度神組成部分。與其他諸如多層感知機(jī)和深度卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)，循環(huán)神經(jīng)網(wǎng)絡(luò)的層級(jí)之間存在反饋鏈路，使得當(dāng)前時(shí)刻的輸出不再輸入單獨(dú)決定，而是由與當(dāng)前輸出存在關(guān)聯(lián)的所有層級(jí)的輸出或者共同決定，因此，循環(huán)神經(jīng)網(wǎng)絡(luò)是一種存在記憶的網(wǎng)絡(luò)，它可以通過(guò)息來(lái)對(duì)當(dāng)前時(shí)刻信息做出預(yù)測(cè)或者估計(jì)。所以，循環(huán)神經(jīng)網(wǎng)絡(luò)不僅在具備空間深度，而且還在時(shí)間方向上具備時(shí)間深度[119]。 RNN簡(jiǎn)單的典型 RNN 是由三層感知機(jī)導(dǎo)出的，其結(jié)構(gòu)包含輸入層、隱藏個(gè)層級(jí)，并且在隱藏層加入了時(shí)間狀態(tài)反饋環(huán)路，如圖 3-9 所示。在N 輸入 t x 時(shí)，隱藏層的輸出 t s 可表示為 t t t 1ts s f Ux Ws b

圖 3-17 所提 NHW-IOU 準(zhǔn)則的示例說(shuō)明示意圖1IOU,model112741c gc gA AA A (3-33) 211 2142 3, 1 1 =141/c gc gc gc gs sH s ss ss s (3-34)所以模型 1 的 NHW-IOU 得分為 NHW-IOU,model1 IOU,model13 27, 0.49394 41c g H s s (3-35)同理根據(jù)行為識(shí)別結(jié)果 2 和行為識(shí)別結(jié)果 3 可得21cs ，236cA ，IOU,model23241 ， 2, 1c gH s s 以 及31cs ，336cA ，IOU,model33538 ， 3, 1c gH s s ，因此模型 2 和模型 3 的 NHW-IOU 得分分別為 NHW-IOU,model2 2 IOU,model232, 1 0.780541c g H s s (3-36)

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 孫忠勝;王俊;畢嚴(yán)先;袁常順;張耀天;;基于廣義S變換的多人微多普勒特征分析[J];系統(tǒng)工程與電子技術(shù);2014年07期

2 王宏;周正歐;李廷軍;孔令講;;基于EEMD穿墻雷達(dá)人的運(yùn)動(dòng)模式識(shí)別[J];電子科技大學(xué)學(xué)報(bào);2011年03期

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

4 王兆其;虛擬人合成研究綜述[J];中國(guó)科學(xué)院研究生院學(xué)報(bào);2000年02期

相關(guān)博士學(xué)位論文 前1條

1 張翼;人體微動(dòng)雷達(dá)特征研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前2條

1 陳碩;太赫茲雷達(dá)人體微動(dòng)特征研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

2 周永舜;基于微多普勒的人體探測(cè)和特征提取算法研究[D];電子科技大學(xué);2010年

本文編號(hào)：2830276