[发明专利]无载波超宽带雷达人体动作识别方法

权利要求书

1.无载波超宽带雷达人体动作识别方法，其特征是，包括步骤如下：

步骤1.无载波超宽带雷达采集已知人体动作的回波信号，并利用这些已知人体动作的回波信号来构建训练集，对训练集中已知人体动作的回波信号进行预处理后得到训练样本数据；

步骤2.将训练样本数据进行PCA降维，根据关键特征选取相应的特征向量，构建训练主元子空间；

步骤3.将训练主元子空间进行DCT变换，提取训练主元子空间中的低频信号，得到训练特征数据；

步骤4.利用改进的网格搜索算法优化对支持向量机模型的参数进行优化，并将训练特征数据采用k-折交叉验证训练的方式输入到参数优化后的支持向量机模型中进行训练，得到训练好的支持向量机模型；即

步骤4.1).利用网格搜索算法在训练主元子空间上进行粗略优化搜索，并从该粗略优化搜索的结果中选取分类准确率最高的一组惩罚因子参数和径向基核函数参数，作为局部最优惩罚因子参数和局部最优径向基核函数参数；

步骤4.2).分别在步骤4.1)所得到的局部最优惩罚因子参数和局部最优径向基核函数参数上选择一个区间，并利用网格搜索算法在这2个区间上分别进行精细优化搜索，并从该精细优化搜索的结果中选取分类准确率最高的一组惩罚因子参数和径向基核函数参数，作为全局最优惩罚因子参数和全局最优径向基核函数参数；

步骤4.3).利用步骤4.2)中已经找到的全局最优惩罚因子参数和全局最优径向基核函数参数确定支持向量的模型参数；

步骤4.4).将训练特征数据采用K-折交叉验证方式输入到步骤4.3)所确定的支持向量机模型参数中进行训练，得到训练好的支持向量机模型；

步骤5.无载波超宽带雷达采集未知人体动作的回波信号，并对未知人体动作的回波信号进行预处理后得到测试数据；

步骤6.将测试数据进行PCA降维，根据关键特征选取相应的特征向量，构建测试主元子空间；

步骤7.将测试主元子空间进行DCT变换，提取测试主元子空间中的低频信号，得到测试特征数据；

步骤8.将测试特征数据输入到步骤4所训练好的支持向量机模型，从而完成人体动作的识别。

2.根据权利要求1所述的无载波超宽带雷达人体动作识别方法，其特征是，步骤1和5中，对回波信号进行的预处理为归一化预处理。

3.根据权利要求1所述的无载波超宽带雷达人体动作识别方法，其特征是，步骤2和6的具体子步骤如下：

步骤1).利用预处理后的数据构建样本矩阵，并求解样本矩阵的协方差矩阵；

步骤2).利用奇异值分解定理求解协方差矩阵的特征值和相对应的特征向量；

步骤3).根据特征值所占比例贡献度即关键特征从步骤2)所得到的所有特征向量中选取特征向量，利用选取的特征向量来构建主元子空间。