基于雷达时频特征提取和CBAM-MFResNet的人体行为识别

来源：电子测量技术杂志2025年第24期北京时间：

作者：颜凌岚，常俊，赵楠，胡涛

单位：1.云南大学信息学院 昆明 650500;2.云南省高校物联网技术及应用重点实验室 昆明 650500

摘要：针对现有雷达人体行为识别存在的时频特征表征能力不足，以及神经网络识别准确率较低的问题，提出一种基于雷达时频特征提取和CBAM-MFResNet的人体行为识别方法。在时频特征提取部分，对雷达回波信号进行处理，运用距离窗函数约束行为信号中的频谱能量扩散问题，并沿慢时间维度构建自适应小波阈值-切比雪夫窗函数协同处理机制抑制杂波干扰，通过时频分析获得微多普勒时频图。在网络模型构建部分，构建用于行为识别的CBAM-MFResNet模型，将轻量化卷积注意力机制引入到残差神经网络中，从而增强关键特征表示；同时设计高效的并行多尺度特征学习模块学习多样化特征信息，最大限度地反映不同行为的特征差异；最后，将融合后的特征输入到全连接层进行分类。实验结果表明，本文所提的模型和杂波滤除算法有效提高了识别系统的准确率，对不同人体行为的平均识别准确率达到98%。

关键词：行为识别;FMCW雷达;时频特征提取;杂波抑制;并行多尺度特征

基金资助：云南省基础研究计划重点项目（202501AS070066）、云南大学研究生实践创新基金（KC-242410505）项目资助