[发明专利]一种基于数据增强的调频连续波雷达人体动作识别方法

权利要求书

1.一种基于数据增强的调频连续波雷达人体动作识别方法，其特征在于，包括：

步骤1:采集不同人体动作的雷达回波数据，对得到的雷达回波数据进行预处理，获得相应人体动作的微多普勒时频谱图像；

步骤2：将微多普勒时频谱图像划分成训练集、验证集和测试集，其中训练集用来训练WGAN-GP和深度卷积神经网络，验证集用来确定WGAN-GP生成图像的添加倍数，测试集用来测试人体动作识别准确率；

步骤3:搭建WGAN-GP，将训练集按动作类别分别输入到WGAN-GP中进行无监督学习，得到各动作相应的生成图像；

步骤4:搭建深度卷积神经网络，向训练集添加生成图像组成新训练集，将新训练集中的数据输入到建立的深度卷积神经网络中进行训练，训练结束后获得具有人体动作识别功能的网络模型，利用验证集确定最佳的添加生成图像倍数，确定最佳添加倍数后，将测试集作为数据输入到训练完成的深度卷积神经网络模型中，得到人体动作识别结果；

所述步骤3包括：

步骤3.1：构建WGAN-GP的目标函数为：

式中，x为真实数据，P_r为真实数据分布，P_g为生成数据分布，z为生成器的输入噪声，λ为梯度惩罚项系数，为梯度惩罚项的抽样分布，表示判别器最大化，表示生成器最小化，D(x)表示判别器对真实数据的判别结果，表示判别器对生成数据的判别结果，表示对求偏导，表示样本为真实数据分布时的期望，表示样本为生成数据分布时的期望，表示样本为抽样分布时的期望；

步骤3.2：构建生成器，生成器包含一个全连接层和4个反卷积层，并设置每层的卷积核尺寸、步长和卷积核个数，其中全连接层和前三个反卷积层之后都经过批标准化和修正线性单元处理，最后一个反卷积层后经过tanh激活函数处理输出一定尺寸的图像；

步骤3.3：构建判别器，判别器包含一个全连接层和4个卷积层，并设置每层的卷积核尺寸、步长和卷积核个数，每个卷积层之后都经过层标准化和带泄露修正线性单元处理，最后全连接层输出判别结果；

步骤3.4：使用每种动作对应的微多普勒时频谱图像分别训练WGAN-GP，训练时，首先将图像的RGB各通道分别经过归一化处理：

式中，C(k,p)为微多普勒时频谱图像对应R、G、B通道中(k,p)处的像素值，为相应位置归一化后的像素值；

经过归一化后，图像的每一个像素值均在[-1,1]区间，将归一化后的微多普勒时频谱图像输入到WGAN-GP中训练，当达到预设迭代次数后输出相应人体动作的生成图像。

2.根据权利要求1所述的一种基于数据增强的调频连续波雷达人体动作识别方法，其特征在于，所述步骤1包括：

(1)在室内环境下，使用调频连续波雷达系统，针对不同的人体动作进行测量，获取相应的雷达回波数据；

(2)将每个动作对应的回波样本数据表示为M×N维数据矩阵S(m',n)，m'＝0,1,···,M-1，n＝0,1,···,N-1，其中M为快时间采样个数，即为每个调频周期对应的数据采样点数，N为慢时间采样个数，即为每个动作回波样本数据对应的chirps数量；

(3)对数据矩阵S(m',n)的每一列在快时间维进行快速傅里叶变换得到距离像矩阵T(m',n)；

(4)采用动目标显示MTI滤波器对距离像矩阵T(m',n)进行杂波抑制得到杂波抑制后的距离像矩阵X(m',n)；

(5)确定人体与雷达之间的距离选择目标对应的距离单元范围，采用短时傅里叶变换得到微多普勒时频谱矩阵，包括：

对距离像矩阵X(m',n)的第m行沿慢时间维进行STFT：

式中，k为多普勒频率索引，p为窗函数移动步数索引，U为窗函数移动步长，[h,H]为选择的距离单元范围，h、H∈{0,1,2,…,M-1}，ω()为Hamming窗函数，L为窗函数的长度，j为虚数单位；

然后对每个距离单元的STFT结果进行相干叠加取模值后再取dB值得到矩阵

将所有距离单元的根据设定的阈值α得到微多普勒时频谱矩阵F(k,p)的所有元素，如果则取值为否则取值为α；

(6)采用伪彩色处理将微多普勒时频谱矩阵转换为微多普勒时频谱彩色图像；

(7)将微多普勒时频谱矩阵转换为微多普勒时频谱图像后，将每张图像统一缩放成64×64像素，以减少网络训练的计算复杂度。

3.根据权利要求2所述的一种基于数据增强的调频连续波雷达人体动作识别方法，其特征在于，所述步骤(6)采用伪彩色处理将微多普勒时频谱矩阵转换为微多普勒时频谱彩色图像，其具体方法为：

将微多普勒时频谱矩阵F(k,p)映射到范围为[1,256]的颜色索引区间：

式中，F(k,p)为微多普勒时频谱矩阵(k,p)处的取值，F_max为微多普勒时频谱矩阵中的最大值，F_min为微多普勒时频谱矩阵中的最小值，N(k,p)为微多普勒时频谱矩阵(k,p)处的颜色索引值，(k,p)表示矩阵中的第k行、第p列；

根据颜色索引值分别得到F(k,p)对应彩色图像的R、G、B通道矩阵，将微多普勒时频谱矩阵转换为微多普勒时频谱彩色图像：