一种基于调频连续波雷达的步态识别方法

技术领域

发明涉及一种基于调频连续波雷达的步态识别，用于微波的行人识别，属于模式识别技术领域。

背景技术

雷达(Radar)是英文―RAdio DetectionAndRanging的缩写，最早是利用无线电对目标进行探测和测距的设备。调频连续波雷达，是指发射频率受特定信号调制的连续波雷达。调频连续波雷达通过比较任意时刻回波信号频率与此时刻发射信号的频率的之差方法来得到目标的距离信息，距离正比于两者的频率差。目标的径向速度和距离可由测量的二者频率差处理后得到。与其他测距测速雷达相比，调频连续波雷达的结构更简单。FMCW雷达的技术经验较丰富，所需的发射功率峰值较低、容易调制、成本低、信号处理简单。现如今，随着技术的发展，雷达所能携带的目标信息也日趋丰富，除了传统的测距，雷达的作用也向目标分类，识别等领域发展。

基于微多普勒效应的步态识别，是指在雷达回波中，提取除了主体部位之外的微动部位造成的多普勒边频特征，包括但不限于步幅，周期，速度等。虽然回波信息多，但不可避免的也让回波复杂化，使得传统的时频分析方法提取特征变的困难。针对行人微动复杂、实际回波难以观测的问题，本文采用1-D方法估计出不同部位的速度-时间曲线，并基于此提取步态特征。另外，为了提高特征精度，针对1-D算法是基于ARMA的状态估计，估计误差于模型阶数有关，故采用ZCA白化+Kmeans的与处理方式进行预处理，降低模型阶数。

发明内容

本发明的目的是设计一种基于FMCW雷达的步态识别方式，旨在通过雷达对行人进行有效识别。

本发明的技术方案为：搭建实验平台采集行人回波，然后对行人回波进行预处理，在此基础上提取特征，最后训练相应的分类器完成分类目的。

附图说明

图1为识别场景图；

图2为行人回波样例图；

图3为行人时间-速度曲线求解结果例图；

图4为行人分类流程图。

图5为算法整体流程图

具体实施方式

发明涉及一种基于FMCW雷达的步态识别方法及具体实现过程如下：

1)基于Ti公司IWR1642+DCA1000EVM+PC，搭建实验平台；

2)采集行人回波，行人目标位于雷达径向5m处，雷达距离地面1m，如图1所示；

3)采集4组行人目标的回波，每个行人采集200组数据，每次采集1个步态周期的回波，样例如图2所示；

4)对回波进行ZCA白化，首先将1*N的回波通过滑窗转化为20*N-20+1的多通道输入，白化过程如下：

4.1)去中心化：

4.2)求解协方差矩阵：

4.2)求解白化矩阵：

W＝Λ

4.3)将多通道输入矩阵映射到原信号空间：

Z＝WX (4)

5)将白化过后的20个通道，使用Kmeans进行重新聚类。聚类数为3，聚类过程如下：

5.1)计算20个通道的概率密度函数，设置聚类数为3；

5.2)选取3个通道的概率密度函数作为聚类中心；

5.3)将其余每个通道分到相应组内，分类依据为：

5.4)更新聚类中心：

5.5)遍历每种可能的聚类中心组合，记录每一次的聚类距离。

5.6)选取距离最小的一次作为聚类结果，并在躯干类和双脚类种分别选取一组距离聚类中心最近的通道分量作为躯干和双脚的信号估计。

6)对选区的两组分量，分别采用1-D算法进行速度-时间曲线的估计，具体步骤如下：

6.1)使用滑窗操作构造Hankel矩阵，其中N为滑窗宽度：

L＝[N/2] (7)

6.2)对Hankel矩阵奇异值分解：

6.3)重构Hankel矩阵：

6.4)进一步表示为：

6.5)由此可以估计出矩阵A，其中下标rf和rl分表表示去掉能控矩阵的第一行和最后一行；

6.6)求解A的极点，极点的相角表示瞬时相位，通过微分运算可以求解出瞬时频率(速度)，重复步骤6)，可以求出相应的时间-速度曲线，如图3所示；

7)将在估计出两条时间-速度曲线的基础上，通过对躯干曲线进行积分估计出步幅，双脚曲线的两个极值的时间间隔，求出两条曲线的最大值作为第三，第四个特征；

8)将采集的4组行人每组200个数据，随机抽取70组作为训练集，每两个目标训练一个SVM，一共训练6个SVM，其余130组作为测试集，分类流程如图4所示，整个算法流程如图5所示。