[发明专利]一种基于涡旋电磁波雷达的人体目标步态精细识别方法

说明书

本发明提供一种基于涡旋电磁波雷达的人体目标步态精细识别方法。包括：第一步，对双模态回波信号经过平动补偿，进行解线频调处理，进行一维距离成像，利用双模态的回波将线多普勒和角多普勒分离；第二步，将线多普勒和角多普勒用时频图表示，并输入到双通道的卷积神经网络模型中，获得分类识别结果。实现了对人体目标步态的精细识别，有效克服了传统电磁波无法对人体目标步态的精细识别问题。

技术领域

本发明涉及信号与信息处理技术，具体涉及一种基于涡旋电磁波雷达的人体目标步态精细识别方法。

背景技术

由于雷达具有全天时、全天候、远距离的探测能力，基于雷达的人体目标步态识别在多个领域发挥着重要作用。由于人体运动带来的多普勒效应可以有效表征人体步态信息，因此基于多普勒效应(Doppler effect)的人体目标识别技术受到了广泛的研究。通过分析人体运动引起的回波多普勒效应，可为目标的分类与识别提供重要依据。

现有的人体目标步态识别技术，主要为基于深度学习的人体目标步态识别技术，针对十二种室内活动进行识别(参见Seyfioglu M S的《Deep convolutional autoencoderfor radar-based classification of similar aided and unaided humanactivities》，发表在《IEEE Transactions on Aerospace and Electronic Systems》，2018，第五十四卷，第4期)和基于传统机器学习的人体目标步态识别技术(参见ChuanweiDing的《Continuous human motion recognition with a dynamic range-Dopplertrajectory method based on FMCW radar》，发表在《IEEE Transactions on Geoscienceand Remote Sensing》，2019，第五十七卷，第9期)，这些对人体目标的识别方法，都通过提取目标的多普勒信息，将该信息输入到分类模型中获得分类结果。

当采用传统电磁波作为发射波照射人体目标，人体的不同行为会导致其回波多普勒频移的不同，当人体步态差异较大时，如行走、奔跑、跳跃、蹲下等，能取得较好的分类识别效果，然而在人体步态精细识别方面，如普通行走、持刀/枪行走等，由于目标回波的可分性特征不显著，难以准确识别目标。而在实际应用中，往往需要对人体步态精细行为进行识别，当利用传统电磁波作为发射电磁波时，人体不同精细行为引起的距离多普勒(即线多普勒)相似，难以有效表征目标特征，仅利用传统电磁波难以获得精确的分类结果。

发明内容

本发明的目的在于克服上述现有技术中的不足之处，提出一种基于涡旋电磁波雷达的人体目标步态精细识别方法。

本发明是通过如下方式实现的：

步骤一：对天线回波信号经过平动补偿，进行解线频调处理，进行一维距离成像，利用双模态的回波将线多普勒和角多普勒分离；

步骤二：将线多普勒和角多普勒用时频图表示，并输入到双通道卷积神经网络模型中，获得分类识别结果。

所述的步骤一具体包括下述步骤：

Step 1)通过解线性调频操作，获得双模态回波下的目标一维距离像S_d2(f_r,t_m,α)；

Step 2)将双模态回波的一维距离像共轭相乘S_d3(f_r,t_m,α)＝S_d2(f_r,t_m,α)·conj(S_d2(f_r,t_m,-α))，取其波峰相位获得目标的角多普勒信息；

Step 3)将某一模态下的一维距离像波峰相位作为线多普勒信息。