近年来,随着智能物联网应用的快速发展,雷达传感器由于具有保护隐私、全天候全天时工作、不受光线和遮挡影响等优点,在人体目标日常行为活动识别方面受到了学术界和产业界的极大重视。针对一种超低辐射的超宽带雷达(Impulse Radio Ultra...近年来,随着智能物联网应用的快速发展,雷达传感器由于具有保护隐私、全天候全天时工作、不受光线和遮挡影响等优点,在人体目标日常行为活动识别方面受到了学术界和产业界的极大重视。针对一种超低辐射的超宽带雷达(Impulse Radio Ultra-Wideband,IR-UWB),提出了一种室内人员日常活动(包含静止、坐下、走路、起立)分类方法。该方法首先利用目标检测方法检测出目标有效距离单元;其次,提出了基于平均多普勒频率、信息量和多普勒能量的3种微多普勒特征进行动静目标粗分类;最后,采用长短期记忆神经网络(Long Short-Term Memory,LSTM)对人体活动进行细分类。实验结果表明,人体活动细分类的平均准确率能达到92.52%。展开更多
文摘近年来,随着智能物联网应用的快速发展,雷达传感器由于具有保护隐私、全天候全天时工作、不受光线和遮挡影响等优点,在人体目标日常行为活动识别方面受到了学术界和产业界的极大重视。针对一种超低辐射的超宽带雷达(Impulse Radio Ultra-Wideband,IR-UWB),提出了一种室内人员日常活动(包含静止、坐下、走路、起立)分类方法。该方法首先利用目标检测方法检测出目标有效距离单元;其次,提出了基于平均多普勒频率、信息量和多普勒能量的3种微多普勒特征进行动静目标粗分类;最后,采用长短期记忆神经网络(Long Short-Term Memory,LSTM)对人体活动进行细分类。实验结果表明,人体活动细分类的平均准确率能达到92.52%。