雷達人體感知

第1 章 雷達工作原理 ……………………………………………………………… 1
1.1 雷達的組成 ……………………………………………………………………… 1
1.2 雷達方程 ………………………………………………………………………… 2
1.3 雷達測量分辨率與測量精度 …………………………………………………… 5
1.3.1 雷達測距 ………………………………………………………………… 5
1.3.2 雷達測速 ………………………………………………………………… 7
1.3.3 雷達測角 ………………………………………………………………… 8
1.4 脈沖雷達 ……………………………………………………………………… 10
1.4.1 單頻脈沖雷達波形 …………………………………………………… 10
1.4.2 線性調頻脈沖雷達波形 ……………………………………………… 16
1.4.3 脈沖串雷達波形 ……………………………………………………… 22
1.5 連續波雷達 …………………………………………………………………… 27
1.5.1 單頻連續波雷達測量速度的算法 …………………………………… 28
1.5.2 單chirp 調頻連續波雷達測量距離與速度的算法 …………………… 29
1.5.3 快速chirp 雷達測量距離與速度的算法 ……………………………… 32
1.5.4 快速chirp 雷達微多普勒測量的算法 ………………………………… 36
本章小結……………………………………………………………………………… 40
參考文獻……………………………………………………………………………… 40
第2章 雷達肢體行為識別方法 …………………………………………………42
2.1 基於單基地雷達時頻特徵的步態識別 ………………………………………44
2.1.1 人體步態數據採集實驗 ………………………………………………44
2.1.2 雷達數據時頻變換 ……………………………………………………45
2.1.3 微多普勒經驗特徵提取 ………………………………………………47
2.1.4 分類器設計 ……………………………………………………………50
2.1.5 實驗結果 ………………………………………………………………51
2.2 基於多基地雷達時頻特徵的步態識別 ………………………………………52
2.2.1 實驗場景與數據採集 …………………………………………………53
2.2.2 步態識別捲積神經網絡設計 …………………………………………56
2.2.3 實驗結果 ………………………………………………………………62
2.3 基於“時-頻-距離”多域數據融合的動作識別 …………………………67
2.3.1 實驗場景與數據採集 …………………………………………………67
2.3.2 室內生活動作識別深度神經網絡模型設計 …………………………71
2.3.3 實驗結果 ………………………………………………………………76
本章小結………………………………………………………………………………81
參考文獻………………………………………………………………………………82
第3章 雷達跌倒檢測方法 ………………………………………………………84
3.1 實驗場景與數據採集 …………………………………………………………85
3.2 跌倒行為多層次檢測方法 ……………………………………………………87
3.2.1 數據預處理 ……………………………………………………………87
3.2.2 特徵提取 ………………………………………………………………90
3.2.3 多尺度跌倒檢測 ………………………………………………………98
3.3 實驗結果 ………………………………………………………………………101
3.3.1 典型樣本分析 …………………………………………………………101
3.3.2 跌倒檢測結果 …………………………………………………………103
本章小結………………………………………………………………………………105
參考文獻………………………………………………………………………………106
第4章 雷達手勢識別方法 ………………………………………………………108
4.1 基於稀疏時頻特徵提取的單視角雷達手勢識別方法 ………………………110
4.1.1 動態手勢信號採集 ……………………………………………………110
4.1.2 基於稀疏恢復的微多普勒特徵提取方法 ……………………………116
4.1.3 基於改進Hausdorff距離的手勢識別方法 ……………………………121
4.1.4 實驗結果 ………………………………………………………………125
4.2 基於深度神經網絡的多基地雷達手勢識別方法 ……………………………130
4.2.1 實驗場景與數據採集 …………………………………………………130
4.2.2 動態手勢識別算法設計 ………………………………………………134
4.2.3 實驗結果 ………………………………………………………………140
4.2.4 實時動態手勢識別的原理演示驗證系統 ……………………………149
本章小結………………………………………………………………………………154
參考文獻………………………………………………………………………………154
第5章 雷達在慢性阻塞性肺病篩查中的應用 ………………………………157
5.1 實驗場景與數據採集 …………………………………………………………161
5.2 數據預處理 ……………………………………………………………………163
5.3 基於最大一秒胸部位移的FEV1/FVC測量 …………………………………167
5.3.1 關鍵點提取 ……………………………………………………………168
5.3.2 抖動檢測與修正 ………………………………………………………169
5.3.3 關鍵指標計算 …………………………………………………………170
5.4 融合生理信息的FEV1絕對值和FVC絕對值擬合方法 ……………………171
5.5 實驗結果 ………………………………………………………………………173
5.5.1 關鍵指標測量性能 ……………………………………………………174
5.5.2 診斷性能 ………………………………………………………………177
本章小結………………………………………………………………………………178
參考文獻………………………………………………………………………………178
第6章 雷達在睡眠呼吸障礙篩查中的應用 …………………………………180
6.1 實驗場景與數據採集 …………………………………………………………183
6.1.1 雷達睡眠監測系統 ……………………………………………………184
6.1.2 多導睡眠監測 …………………………………………………………185
6.2 數據預處理 ……………………………………………………………………186
6.3 睡眠呼吸暫停識別深度神經網絡模型 ………………………………………193
6.3.1 特徵提取網絡 …………………………………………………………194
6.3.2 片段生成網絡 …………………………………………………………195
6.3.3 分類回歸網絡 …………………………………………………………197
6.3.4 後處理 …………………………………………………………………199
6.3.5 實現細節 ………………………………………………………………200
6.4 雷達數據和血氧數據融合算法 ………………………………………………200
6.5 實驗結果 ………………………………………………………………………202
6.5.1 AHI指數估計 …………………………………………………………202
6.5.2 OSAHS診斷結果分析 …………………………………………………204
6.5.3 融合前後結果對比 ……………………………………………………205
本章小結………………………………………………………………………………207
參考文獻………………………………………………………………………………208
第7章 雷達在睡眠分期中的應用 ………………………………………………210
7.1 實驗場景與數據採集 …………………………………………………………213
7.1.1 雷達睡眠監測系統 ……………………………………………………213
7.1.2 多導睡眠監測 …………………………………………………………214
7.2 數據預處理 ……………………………………………………………………214
7.3 睡眠分期深度神經網絡模型 …………………………………………………216
7.3.1 雷達睡眠分期深度神經網絡模型 ……………………………………216
7.3.2 脈搏波睡眠分期深度神經網絡模型 …………………………………218
7.3.3 融合輸出 ………………………………………………………………221
7.3.4 實現細節 ………………………………………………………………222
7.4 實驗結果 ………………………………………………………………………223
7.4.1 睡眠分期結果一致性分析 ……………………………………………223
7.4.2 整晚睡眠分期結果分析 ………………………………………………227
本章小結………………………………………………………………………………228
參考文獻………………………………………………………………………………229