一种基于超宽带雷达的日常活动分类方法

来源：雷达科学与技术杂志2021年第3期北京时间：

作者：赖佳磊，阳召成，鲍润晗，周建华

单位：深圳大学电子与信息工程学院， 广东深圳518060

摘要：近年来，随着智能物联网应用的快速发展，雷达传感器由于具有保护隐私、全天候全天时工作、不受光线和遮挡影响等优点，在人体目标日常行为活动识别方面受到了学术界和产业界的极大重视。针对一种超低辐射的超宽带雷达（Impulse Radio Ultra-Wideband，IR-UWB），提出了一种室内人员日常活动（包含静止、坐下、走路、起立）分类方法。该方法首先利用目标检测方法检测出目标有效距离单元；其次，提出了基于平均多普勒频率、信息量和多普勒能量的3种微多普勒特征进行动静目标粗分类；最后，采用长短期记忆神经网络（Long Short-Term Memory，LSTM）对人体活动进行细分类。实验结果表明，人体活动细分类的平均准确率能达到92.52%。

关键词：超宽带雷达,日常活动分类,目标检测,微多普勒特征,长短期记忆网络,

基金资助：佛山市高校教师特色创新研究项目（No.2020DZXX03）；广东省自然科学基金（No.2019A1515011517）；深圳市基础研究项目（No.JCYJ20190808142803565）；国家自然科学基金（No.61771317）