《雷达学报杂志》发表论文赏析
作者:何密, 平钦文, 戴然
单位:陆军军医大学生物医学工程与影像医学系 重庆 400038;
摘要:相对于窄带多普勒雷达,超宽带雷达能够同时获取目标的距离和多普勒信息,更利于行为识别。为了提高跌倒行为的识别性能,该文采用调频连续波超宽带雷达在两个真实的室内复杂场景下采集36名受试者的日常行为和跌倒的回波数据,建立了动作种类丰富的多场景跌倒检测数据集;通过预处理,获取受试者的距离时间谱、距离多普勒谱和时间多普勒谱;基于MobileNet-V3轻量级网络,设计了数据级、特征级和决策级3种雷达图谱深度学习融合网络。统计分析结果表明,该文提出的决策级融合方法相对于仅用单种图谱、数据级和特征级融合的方法,能够提高跌倒检测的性能(显著性检验方法得到的所有P值<0.003)。决策级融合方法的5折交叉验证的准确率为0.9956,在新场景下测试的准确率为0.9778,具有良好的泛化能力。
关键词:超宽带雷达, 深度学习, 跌倒检测, 数据融合, 轻量级网络
基金资助:陆军军医大学校级课题(2019XYY04),国家部委基金(BLJ18J005)
2023年2期其他文献查阅: