目標(biāo)不同結(jié)構(gòu)部件相對(duì)運(yùn)動(dòng)（微動(dòng)）產(chǎn)生的多普勒效應(yīng)稱(chēng)為微多普勒效應(yīng)。研究人員可以利用微多普勒特征來(lái)研究人類(lèi)正常行為,從而有效檢測(cè)異常行為或威脅。因此開(kāi)展基于微多普勒特征的人類(lèi)行為分類(lèi)及相關(guān)問(wèn)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(cè)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(duì)現(xiàn)有微多普勒信號(hào)處理方法存在的不足,主要從噪聲抑制、特征提取及目標(biāo)分類(lèi)等三方面展開(kāi)具體研究,在現(xiàn)有理論和方法的基礎(chǔ)上,進(jìn)一步拓展基于微多普勒特征的人類(lèi)行為分類(lèi)的理論基礎(chǔ),設(shè)計(jì)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(guò)理論分析、計(jì)算機(jī)仿真以及測(cè)量數(shù)據(jù)檢驗(yàn),證實(shí)其具有良好性能。具體研究?jī)?nèi)容歸納如下:1、研究了目標(biāo)與微多普勒效應(yīng)之間的關(guān)系。針對(duì)微多普勒雷達(dá)測(cè)量數(shù)據(jù)樣本不足的問(wèn)題,提出了一種基于運(yùn)動(dòng)捕捉數(shù)據(jù)的人類(lèi)行為雷達(dá)回波模擬方法。該方法通過(guò)人類(lèi)運(yùn)動(dòng)數(shù)據(jù)對(duì)人類(lèi)行為建模,結(jié)合雷達(dá)系統(tǒng)收發(fā)位置關(guān)系,對(duì)雷達(dá)回波進(jìn)行模擬。不同人類(lèi)行為的模擬樣本與其雷達(dá)測(cè)量樣本特征參數(shù)的一致性驗(yàn)證了該方法的有效性。2、研究了經(jīng)驗(yàn)?zāi)Ｊ椒纸饧捌溲苌惴ㄐ盘?hào)去噪問(wèn)題。針對(duì)信號(hào)去噪... 

【文章來(lái)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(yè)數(shù)】：128 頁(yè)

【學(xué)位級(jí)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(wèn)題
        1.3.1 數(shù)據(jù)準(zhǔn)備
        1.3.2 噪聲抑制
        1.3.3 特征提取
        1.3.4 目標(biāo)分類(lèi)
    1.4 本文主要?jiǎng)?chuàng)新
    1.5 論文組織結(jié)構(gòu)
第二章 人類(lèi)行為雷達(dá)回波信號(hào)模擬方法及分類(lèi)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(biāo)微多普勒頻移
    2.3 人類(lèi)行為雷達(dá)回波信號(hào)模擬方法
        2.3.1 數(shù)據(jù)來(lái)源
        2.3.2 人體建模
        2.3.3 回波信號(hào)模擬
    2.4 分類(lèi)算法及分類(lèi)性能評(píng)估指標(biāo)
        2.4.1 分類(lèi)算法
        2.4.2 分類(lèi)性能評(píng)估指標(biāo)
    2.5 本章小結(jié)
第三章 基于EMD的人類(lèi)行為回波信號(hào)的去噪重構(gòu)算法研究
    3.1 引言
    3.2 常用EMD類(lèi)算法簡(jiǎn)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(jì)的分解分量直接提取準(zhǔn)則
        3.3.1 分解分量直接提取準(zhǔn)則
        3.3.2 EMD分解分量直接提取準(zhǔn)則驗(yàn)證
        3.3.3 EEMD分解分量直接提取準(zhǔn)則驗(yàn)證
        3.3.4 CEEMDAN分解分量直接提取準(zhǔn)則驗(yàn)證
    3.4 基于字典的缺失信號(hào)分量重構(gòu)算法
        3.4.1 缺失信號(hào)分量重構(gòu)算法
        3.4.2 EMD篩選過(guò)程破壞的信號(hào)分量重構(gòu)驗(yàn)證
        3.4.3 EEMD篩選過(guò)程破壞的信號(hào)分量重構(gòu)驗(yàn)證
        3.4.4 CEEMDAN篩選過(guò)程破壞的信號(hào)分量重構(gòu)驗(yàn)證
    3.5 本章小結(jié)
第四章 針對(duì)人類(lèi)行為的多分量微多普勒頻率估計(jì)算法研究
    4.1 引言
    4.2 稀疏多分量頻率估計(jì)算法
        4.2.1 信號(hào)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(yàn)證與分析
        4.3.1 算法性能理論下限
        4.3.2 線(xiàn)性調(diào)頻信號(hào)頻率估計(jì)與分析
        4.3.3 正弦調(diào)頻信號(hào)頻率估計(jì)與分析
    4.4 測(cè)量數(shù)據(jù)驗(yàn)證與分析
        4.4.1 基于MoCap的合成信號(hào)頻率重構(gòu)
        4.4.2 測(cè)量信號(hào)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(lèi)行為分類(lèi)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(lèi)算法
        5.2.1 理論分析
        5.2.2 算法
        5.2.3 仿真數(shù)據(jù)驗(yàn)證
        5.2.4 測(cè)量數(shù)據(jù)驗(yàn)證
    5.3 方向?qū)ξ⒍嗥绽仗卣鞣诸?lèi)性能影響
        5.3.1 方向?qū)Ψ诸?lèi)性能影響仿真
        5.3.2 方向?qū)Ψ诸?lèi)性能影響實(shí)驗(yàn)
    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(xiàn)
攻讀博士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于雙雷達(dá)微動(dòng)特征融合的無(wú)人機(jī)分類(lèi)識(shí)別[J]. 章鵬飛,李剛,霍超穎,殷紅成.  雷達(dá)學(xué)報(bào). 2018(05)
[2]微動(dòng)目標(biāo)雷達(dá)特征提取、成像與識(shí)別研究進(jìn)展[J]. 張群,胡健,羅迎,陳怡君.  雷達(dá)學(xué)報(bào). 2018(05)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)和微動(dòng)特征的人體步態(tài)識(shí)別技術(shù)[J]. 袁延鑫,孫莉,張群.  信號(hào)處理. 2018(05)
[4]基于微多普勒效應(yīng)和AR模型的車(chē)輛目標(biāo)分類(lèi)方法[J]. 李開(kāi)明,張群,羅迎,丁帥帥,郭英.  電子學(xué)報(bào). 2018(04)
[5]彈道目標(biāo)寬帶雷達(dá)干涉式三維成像與微動(dòng)特征提取[J]. 胡健,羅迎,張群,孫玉雪,胡超.  電子與信息學(xué)報(bào). 2017(08)
[6]基于貝塞爾函數(shù)基信號(hào)分解的微動(dòng)群目標(biāo)特征提取方法[J]. 張群,何其芳,羅迎.  電子與信息學(xué)報(bào). 2016(12)
[7]基于動(dòng)態(tài)字典的卡車(chē)目標(biāo)微動(dòng)參數(shù)估計(jì)方法[J]. 李開(kāi)明,張群,雷磊,羅迎.  電子學(xué)報(bào). 2016(11)
[8]基于動(dòng)態(tài)時(shí)間規(guī)整算法的車(chē)輛目標(biāo)分類(lèi)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(jī)載窄帶雷達(dá)的艦船目標(biāo)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(lèi)匹配的多目標(biāo)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(hào)：3478426