基于微多普勒特征的人体运动探测识别研究

Given the circumstances that Doppler radar now is working more and more precisely and it costs much less than before, and, more detailed physical information about locomotor human target is required from military and security fields, the study on how to obtain the physical information of the human target, such as location, velocity, posture, even motions by utilizing the Micro-Doppler extracted from radar echo of locomotor human target gains numerous attention. This project will research on the subjects of human activity detection and classification based on Micro-Doppler features, improve and rebuild the existing model of human target reasonably, and establish the radar echo model of human target which will be consistent with the activity of practical human target and be easily to adjust the model parameters. Experiments will be performed to verify the echo model. The key signal processing methods involved with human activity detection and classification by utilizing radar, such as analysis methods of Micro-Doppler features using radar echo of locomotor human target, extraction methods of human target activity features, detection and classification methods of human target and the methods to obtain pure human radar echo with the complex clutter background, will be developed. Performance analysis will be conducted as well and improvement means will be proposed if necessary. Solid theoretical foundation and extensive design experience in implementing radar detection system for locomotor human target can be established by studying this project.

随着多普勒雷达精度的提高和使用成本的下降，以及当前军事、安全等领域对目标探测识别要求的不断提高，利用人体运动目标雷达回波中微多普勒频移信息获取其在复杂环境中的位置、速度甚至姿态等物理信息的研究日益受到重视。本课题针对基于微多普勒特征的人体运动探测识别问题开展研究，将合理的改进和重建已有人体目标模型，建立与真实人体目标运动状态吻合度高、参数调整方便的人体目标雷达回波模型，并完成试验验证；系统研究雷达回波运动人体目标微多普勒特征分析、人体目标运动特征提取，人体目标运动识别与分类、杂波背景下纯净的人体回波信号获取等算法，分析算法性能并提出改进措施，着重解决利用雷达探测识别人体运动目标所涉及的关键信号处理方法，为人体运动目标探测雷达系统的研制奠定坚实的理论基础和设计经验。

当前，军事、安全等领域对人体目标的探测识别要求不断提高，如何利用雷达实现对人体目标的探测，获取人体在复杂环境中的位置、速度甚至姿态等物理信息已经成为新的研究热点。同时，随着硬件水平不断提高，多普勒雷达的分辨率得到了大幅提升，可实现人体目标微多普勒频移的获取，这大大推动了利用微多普勒信息进行人体目标识别方面的探索。本项目针对基于微多普勒特征的人体运动探测识别问题开展研究，在保留人体运动规律的基础上将人体简化为简单几何形状的均匀刚体，合理改进和完善人体目标运动模型，忽略了人体各关节对于雷达回波影响较小的平动和转动等运动，使其能够较好的体现人体步态运动特征，便于雷达回波分析，在此基础上推衍得到行进、跑步、不摆臂行进(可能持有武器)、匍匐前进四种状态下人体目标雷达回波模型；利用Chirplet变换进行人体步态回波分离，将人体运动目标回波信号投影在由多个参数组成的基信号上，设定合适的门限，在由这些参数组成的多维空间中实现信号分离；利用不同人体动作微多普勒信息转换为三维图形后的差别，来提取有效的人体运动特征用于运动状态识别；对SVM的核函数提出改进，将依赖数据迭代修正核函数的思想融入超核函数，保证分类计算的高效性，并采用分类树算法将本课题中面临的多值分类问题转化为多个成对分类的二值分类问题予以解决，实现了人体运动状态的识别与分类；采用自适应最小均方算法的背景相消，根据当前回波数据实时调整加权系数，完成背景的最新估计，获取了杂波背景下“纯净”的人体回波信号。通过着重研究上述利用雷达探测识别人体运动目标所涉及的关键信号处理方法，为军事、反恐、非法入侵监视、安防及自动驾驶辅助等许多相关领域的人体运动目标探测应用提供设计经验及技术支撑。