毫米波雷達人體目標探測理論

研究內容：

以毫米波雷達為載體進行人體回波建模、目標探測、特征提取三方面的研究[3]。

目的

實現人體目標檢測，提取出人體運動的精確參數信息[3]。

原理

人體目標回波中不僅僅包含人體目標的徑向距離與徑向速度信息，還包含身體各個部位豐富的微動信息。這些微動信息能夠很好的幫助雷達對人體目標進行運動狀態區分與參數提取[3]。

人體目標特點

人體目標往往運動速度較慢，與地雜波的頻譜部分都分布在零中頻附近，在頻域上會造成混疊。其次，人體運動中包含有豐富的微動信息，會出現多普勒擴散效應，信號能量分散，降低人體目標的探測性能。

人體目標建模

對人體目標建模需要考慮雷達散射截面積。人體目標是一個多部件組成的復雜目標，對復雜目標的RCS估計可分為兩個步驟：首先是對目標的組成部分進行空間上的幾何建模，再對RCS進行估算[3]。點散射模型：將人體目標的各個身體部件考慮為點目標。

微多普勒信息

存在微多普勒信息的雷達回波，包含兩部分信號分量，意識目標微動帶來的微多普勒回波，2是目標主要部分的回波。兩種信號分量交雜在一起，需要用一定的手段將兩者進行分離。才可得到目標的微多普勒特征，更好地分析目標的內部運動，從而獲得目標的狀態參數。
對于多普勒信號的分離，一是可以在時間維度上進行，二是在時間-頻率維二維聯合維度進行。在時域分離時，利用主體運動與微動形式的不同將信號按照頻段分解為基函數，之后進行微動信息的重構。對信號時域分離的手段有小波分解、經驗模態分解等手段。在時頻域進行分離時，需要利用時頻分析手段將信號轉換到時頻譜上，利用主體運動與微動形式的徑向速度隨時間變化的不同進行分離，常用的時頻分析手段有短時傅里葉變換、小波變換、魏格納-威爾分布等[3]。

人體運動狀態分類

人體目標的微動信息可以作為運動狀態分類的特征向量，對于人體運動狀態的分類，即利用這些特征向量的不同進行區分，也就是選取適用的分類器進行分類訓練。常見的分類器有KNN，SVM以及人工神經網絡等[3]。

參考文獻

毫米波雷達運動人體目標建模與特征提取_徐朝陽_2019

總結

以上是生活随笔為你收集整理的【毫米波雷达】人体目标探测理论的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。