目標不同結(jié)構(gòu)部件相對運動（微動）產(chǎn)生的多普勒效應(yīng)稱為微多普勒效應(yīng)。研究人員可以利用微多普勒特征來研究人類正常行為,從而有效檢測異常行為或威脅。因此開展基于微多普勒特征的人類行為分類及相關(guān)問題研究在醫(yī)療康復(fù)、生命救援、公共安全與醫(yī)療監(jiān)測等領(lǐng)域具有廣闊應(yīng)用前景,受到研究人員的廣泛關(guān)注。本文針對現(xiàn)有微多普勒信號處理方法存在的不足,主要從噪聲抑制、特征提取及目標分類等三方面展開具體研究,在現(xiàn)有理論和方法的基礎(chǔ)上,進一步拓展基于微多普勒特征的人類行為分類的理論基礎(chǔ),設(shè)計更具普適性和魯棒性的高效方法,為微多普勒特征的具體應(yīng)用提供理論和技術(shù)支撐。本文提出的算法及模型全部通過理論分析、計算機仿真以及測量數(shù)據(jù)檢驗,證實其具有良好性能。具體研究內(nèi)容歸納如下:1、研究了目標與微多普勒效應(yīng)之間的關(guān)系。針對微多普勒雷達測量數(shù)據(jù)樣本不足的問題,提出了一種基于運動捕捉數(shù)據(jù)的人類行為雷達回波模擬方法。該方法通過人類運動數(shù)據(jù)對人類行為建模,結(jié)合雷達系統(tǒng)收發(fā)位置關(guān)系,對雷達回波進行模擬。不同人類行為的模擬樣本與其雷達測量樣本特征參數(shù)的一致性驗證了該方法的有效性。2、研究了經(jīng)驗?zāi)Ｊ椒纸饧捌溲苌惴ㄐ盘柸ピ雴栴}。針對信號去噪... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：128 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
縮略詞表
第一章 緒論
    1.1 研究背景及意義
    1.2 微多普勒效應(yīng)研究現(xiàn)狀
        1.2.1 剛體微多普勒效應(yīng)研究現(xiàn)狀
        1.2.2 非剛體微多普勒效應(yīng)研究現(xiàn)狀
    1.3 關(guān)鍵技術(shù)研究現(xiàn)狀及問題
        1.3.1 數(shù)據(jù)準備
        1.3.2 噪聲抑制
        1.3.3 特征提取
        1.3.4 目標分類
    1.4 本文主要創(chuàng)新
    1.5 論文組織結(jié)構(gòu)
第二章 人類行為雷達回波信號模擬方法及分類算法研究
    2.1 引言
    2.2 微多普勒效應(yīng)
        2.2.1 物理原理
        2.2.2 目標微多普勒頻移
    2.3 人類行為雷達回波信號模擬方法
        2.3.1 數(shù)據(jù)來源
        2.3.2 人體建模
        2.3.3 回波信號模擬
    2.4 分類算法及分類性能評估指標
        2.4.1 分類算法
        2.4.2 分類性能評估指標
    2.5 本章小結(jié)
第三章 基于EMD的人類行為回波信號的去噪重構(gòu)算法研究
    3.1 引言
    3.2 常用EMD類算法簡介
        3.2.1 EMD算法
        3.2.2 EEMD算法
        3.2.3 CEEMDAN算法
    3.3 基于數(shù)理統(tǒng)計的分解分量直接提取準則
        3.3.1 分解分量直接提取準則
        3.3.2 EMD分解分量直接提取準則驗證
        3.3.3 EEMD分解分量直接提取準則驗證
        3.3.4 CEEMDAN分解分量直接提取準則驗證
    3.4 基于字典的缺失信號分量重構(gòu)算法
        3.4.1 缺失信號分量重構(gòu)算法
        3.4.2 EMD篩選過程破壞的信號分量重構(gòu)驗證
        3.4.3 EEMD篩選過程破壞的信號分量重構(gòu)驗證
        3.4.4 CEEMDAN篩選過程破壞的信號分量重構(gòu)驗證
    3.5 本章小結(jié)
第四章 針對人類行為的多分量微多普勒頻率估計算法研究
    4.1 引言
    4.2 稀疏多分量頻率估計算法
        4.2.1 信號模型
        4.2.2 字典學(xué)習(xí)
        4.2.3 空間回歸
        4.2.4 算法分析
    4.3 仿真驗證與分析
        4.3.1 算法性能理論下限
        4.3.2 線性調(diào)頻信號頻率估計與分析
        4.3.3 正弦調(diào)頻信號頻率估計與分析
    4.4 測量數(shù)據(jù)驗證與分析
        4.4.1 基于MoCap的合成信號頻率重構(gòu)
        4.4.2 測量信號頻率重構(gòu)
    4.5 本章小結(jié)
第五章 基于微多普勒特征的人類行為分類算法研究
    5.1 引言
    5.2 基于迭代卷積神經(jīng)網(wǎng)絡(luò)特征提取分類算法
        5.2.1 理論分析
        5.2.2 算法
        5.2.3 仿真數(shù)據(jù)驗證
        5.2.4 測量數(shù)據(jù)驗證
    5.3 方向?qū)ξ⒍嗥绽仗卣鞣诸愋阅苡绊?br>        5.3.1 方向?qū)Ψ诸愋阅苡绊懛抡?br>        5.3.2 方向?qū)Ψ诸愋阅苡绊憣嶒?br>    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 研究工作展望
致謝
參考文獻
攻讀博士學(xué)位期間取得的成果


【參考文獻】：
期刊論文
[1]基于雙雷達微動特征融合的無人機分類識別[J]. 章鵬飛,李剛,霍超穎,殷紅成.  雷達學(xué)報. 2018(05)
[2]微動目標雷達特征提取、成像與識別研究進展[J]. 張群,胡健,羅迎,陳怡君.  雷達學(xué)報. 2018(05)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)和微動特征的人體步態(tài)識別技術(shù)[J]. 袁延鑫,孫莉,張群.  信號處理. 2018(05)
[4]基于微多普勒效應(yīng)和AR模型的車輛目標分類方法[J]. 李開明,張群,羅迎,丁帥帥,郭英.  電子學(xué)報. 2018(04)
[5]彈道目標寬帶雷達干涉式三維成像與微動特征提取[J]. 胡健,羅迎,張群,孫玉雪,胡超.  電子與信息學(xué)報. 2017(08)
[6]基于貝塞爾函數(shù)基信號分解的微動群目標特征提取方法[J]. 張群,何其芳,羅迎.  電子與信息學(xué)報. 2016(12)
[7]基于動態(tài)字典的卡車目標微動參數(shù)估計方法[J]. 李開明,張群,雷磊,羅迎.  電子學(xué)報. 2016(11)
[8]基于動態(tài)時間規(guī)整算法的車輛目標分類研究[J]. 丁帥帥,張群,張亮,孫璐.  火力與指揮控制. 2016(10)
[9]基于機載窄帶雷達的艦船目標多普勒特性分析[J]. 楊秋,張群,王敏,孫莉.  系統(tǒng)工程與電子技術(shù). 2015(12)
[10]基于自適應(yīng)視野聚類匹配的多目標分離與提取[J]. 李靖卿,馮存前,張棟.  系統(tǒng)工程與電子技術(shù). 2015(09)



本文編號：3478426