[发明专利]一种基于自组织映射网络的穿墙雷达人体动作表征方法

说明书

本文公开了一种基于自组织映射网络的穿墙雷达人体动作表征方法，涉及穿墙雷达人体动作表征技术领域，特别是针对墙体等非透明障碍物后隐蔽人体目标动作表征问题。首先对原始距离像进行预处理，然后使用具有三层全连接层的AEN来降低数据维度并提取每个单周期距离像的特征。最后，使用SOM网络将训练好的AEN连接起来，以建立单词到索引的映射，将穿墙人体运动的时序单周期距离像数据转换为包含运动语义信息的整数序列。本发明的优点是能准确估计墙体等非透明障碍物后的穿墙人体特定动作类型，且只需利用一发一收的步进频雷达，数据处理量小。

技术领域

本发明涉及穿墙雷达人体动作表征技术领域，特别是针对墙体等非透明障碍物后隐蔽人体目标动作表征问题。

背景技术

穿墙雷达人体动作表征在摔倒检测、安全监控、反恐行动和人质救援等领域具有重要应用价值。国内外许多研究机构开展了穿墙雷达人体动作表征的研究，也提出了一系列人体动作的表征方式。清华大学G.Li教授团队利用多基雷达对人体动作进行采集，得到对应的微多普勒特征，并提出了基于深度卷积神经网络的人员识别及步态分类方法(Z.Chen,G.Li,F.Fioranelli,et al.Personnel recognition and gait classificationbased on multistatic micro-doppler signatures using deep convolutional neuralnetworks[J].IEEE Geoscience and Remote Sensing Letters,2018:1-5)。美国维纳诺瓦大学M.Amin教授团队研究了基于雷达的老人摔倒检测方法和技术，通过利用短时傅里叶变换和小波变换等线性和双线性时频分析方法，获得摔倒特征并完成摔倒动作的识别(M.Amin,Y.Zhang,F.Ahmad,et al.Radar signal processing for elderly falldetection:The future for in-home monitoring[J].IEEE Signal ProcessingMagazine,2016,33(2):71-80)。美国密苏里州密苏里哥伦比亚欧洲经委会部的研究人员使用了倒谱系数(MFCC)来表示各种人类活动的多普勒特征，如行走、弯腰、跌倒等，利用SVM和kNN等两种不同的分类器，根据提取的MFCC特征自动检测跌倒动作(L.Liu,M.Popescu,M.Skubic,et al.Automatic fall detection based on Doppler radar motionsignature[C].International Conference on Pervasive Computing Technologies forHealthcare and Workshops,Dublin,Ireland,2011,222-225)。

上述研究均使用信号变换方法，通过将原始雷达信号转换到各种不同信号域，如多普勒域、小波域和倒谱域，将穿墙人体动作回波分解为几个较为简单的分量表示。然而这些分量可能丢失了一些很难被检测到的基本特征，因此不能很好地代表人体动作的内在特征。

发明内容

本发明为解决穿墙雷达人体动作表征问题，提出了一种基于自编码自组织映射网络的穿墙人体动作新的表征方法。首先，对原始距离像数据进行预处理，使其满足深度学习的训练数据集条件。然后使用具有三个全连接层的自动编码器网络(auto encodernetwork，AEN)来降低距离像数据维度并提取距离像特征，最后，使用自组织映射(selforganized mapping，SOM)网络将训练好的AEN连接起来，以建立隐蔽人体动作瞬时姿态的索引映射，将穿墙人体动作的时序距离像数据转换为包含运动语义信息的整数序列。

本发明技术方案如下：一种基于自组织映射网络的穿墙雷达人体动作表征方法，包括以下步骤：

步骤1：雷达回波数据处理

步骤1.1、雷达回波信号建模