[发明专利]一种基于雷达及多网络融合的行人姿态识别方法及系统

权利要求书

1.一种基于雷达及多网络融合的行人姿态识别方法，其特征在于，包括如下步骤：

步骤1：对雷达信号的回波信号进行预处理，得到输出信号；

步骤2：将所述输出信号中的静止目标进行抑制处理；

步骤3：搜索经过抑制处理后的所述输出信号中的行人所处距离单元；

步骤4：对所述行人所在距离单元对应的回波信号进行时频分析，得到回波信号时频图；

步骤5：利用多个卷积神经网络分别对所述回波信号时频图进行识别，得到每个所述卷积神经网络的识别结果；

步骤6：将每个所述卷积神经网络的识别结果进行融合，得到融合后的姿态识别结果；

所述步骤5具体包括：

步骤51：初始化所述多个卷积神经网络的参数和行人姿态分类信息；

步骤52：通过样本行人姿态实验获得样本行人姿态的时频图与样本行人当前姿态的标签，并利用所述行人姿态分类信息对所述多个卷积神经网络进行训练，采用批处理梯度下降法调整所述多个卷积神经网络参数，使得每个所述卷积神经网络的姿态分类结果与行人的姿态相吻合，并将每个所述卷积神经网络的参数保存；

步骤53：利用训练后的所述多个卷积神经网络对目标行人的所述回波信号时频图进行识别分类，获取每个所述卷积神经网络输出的行人姿态识别结果；

其中，所述卷积神经网络输出的行人姿态识别结果包括行人姿态类别及其对应的概率。

2.根据权利要求1所述的基于雷达及多网络融合的行人姿态识别方法，其特征在于，所述步骤1中，所述对雷达信号的回波信号进行预处理具体包括：

步骤11：对所述回波信号进行去调频处理，具体如下：

假设雷达信号s_t(τ)表示如下：

s_t(τ)＝exp{jπ(2f_cτ+γτ²)}

其中，f_c为发射频率，τ为快时间，t为慢时间，γ为调频频率；

所述雷达信号对应的回波信号s_r(t，τ)表示为：

s_r(t，τ)＝A_rmexp{jπ(2f_c(τ-t_d(t))+γ(τ-t_d(t))²)}τ∈(0，T_p]

其中，A_rm为一个幅值常数，T_p为一个频率调制周期，t_d(t)为时延，c为光速，a₀、a₁分别为目标的运动参数；

则对所述回波信号进行去调频处理，计算公式为：

s₀(t，τ)表示去调频处理后的回波信号，s_r(t，τ)表示所述雷达信号的回波信号，表示去调频处理后的回波信号的快时间相位，表示解调频参考信号s_ref(τ)的共轭信号；

步骤12：将经过去调频后的所述回波信号s₀(t，τ)进行傅里叶变换；

步骤13：对傅里叶变换后的所述回波信号s_rm(t，f)进行离散采样，得到所述输出信号，表示为s_rm(m，n)，令t＝mΔT，f＝nΔf，其中ΔT，Δf为采样间隔，m为慢时间索引，且m＝0，1，2，…M，M为慢时间采集脉冲数，n为快时间索引，且n＝0，1，2，…N，N为快时间采样点数。

3.根据权利要求2所述的基于雷达及多网络融合的行人姿态识别方法，其特征在于，所述步骤2中，对所述输出信号沿慢时间维度t采用三脉冲对消方法进行静止目标抑制，且经过抑制后的输出信号表示为s_bs(m′，n)；

其中，w_i(i＝0，1，2)为三阶脉冲对消器的权值，s_rm(m′，n)表示经过去调频后的输出信号，m′表示经过抑制后的输出信号的慢时间索引，且m′＝0，1，2，…M-2。