摘 要

人体宏观运动识别在安防、救灾、侦察等领域中都有着广泛的需求，其中基于雷达探测的人体运动识别及追踪技术作为众多解决方案的热门之一，越来越被开发人员重视。目前，对于识别过程中所运用到的微多普勒信号的时频处理效果有待提升，信号的时频聚集性以及多分量交叉项抑制效果较差。

本文中设计的人体宏观运动识别系统，结合了S-method分布和多窗口设计的思想，完成了对信号时频聚集性的提升和干扰消除，然后对有效信号进行特征提取及运动状态分类，最后根据运动特征分析结果，参照人体不同运动状态的特征值组合，通过基于决策树的SVM实现宏观运动识别，保证识别准确率。

基于以上理论分析与研究，利用软件无线电平台设计人体宏观运动识别实验，设置不同的实验环境进行多次测试来验证系统识别的准确率。

综合来看，本系统对于不同环境下多种人体宏观运动的识别准确率较高，其中对于爬行的识别率最高，可以达到100%，其次分别为跑步和静止，主要误判运动为摆臂行走，但整体均满足基本是别要求。

关键词：运动识别，时频分析，雷达，微多普勒信号

Abstract

Human macroscopic motion recognition has a wide range of needs in security, disaster relief, reconnaissance and other fields. Among them, radar motion detection and tracking technology is one of the hottest solutions. It has been paid more and more attention by developers. At present, the time-frequency processing effect of the micro-Doppler signal used in the identification process needs to be improved, and the time-frequency aggregation of signals and the suppression effect of the multi-component cross-terms are poor.
The human macroscopic motion recognition system designed in this paper combines the ideas of S-method distribution and multi-window design, completes the improvement of signal time-frequency aggregation and interference cancellation, and then performs feature extraction and motion classification on effective signals. According to the results of the analysis of the motion characteristics, reference is made to the combination of the feature values ​​of the different motion states of the human body, and the macroscopic motion recognition is achieved by the decision tree-based SVM to ensure the recognition accuracy.
Based on the above theoretical analysis and research, a software radio platform was used to design human macroscopic motion recognition experiments, and different experimental environments were set up to conduct multiple tests to verify the accuracy of system recognition.
In a word, this system has high recognition accuracy for many kinds of human body macroscopic movements in different environments. Among them, the recognition rate for crawling is the highest, which can reach 100%, followed by running and stillness respectively, and the main miscarriage of motion is swinging arm walking. However, the overall requirements are basically met.

Key Words: Motion recognition, Time-frequency analysis, Radar, Micro-Doppler signal

目 录

第1章 绪论

1.1 研究目的及意义

1.2 国内外研究现状

1.3 研究内容

第2章 多普勒效应与人体运动分析

2.1 多普勒特征

2.2 人体多普勒检测技术

2.2.1 连续波雷达特性

2.2.2 软件无线电技术架构

2.2.3 基于USRP的雷达技术

2.3 人体多普勒特征分析

2.3.1 人体运动模型分析

2.3.2 非匀速运动及其多普勒特征

第3章 多窗口自适应S-method人体回波信号分析

3.1 多普勒信号分析方法对比

3.1.1 小波变换

3.1.2 短时傅里叶变换

3.2 多窗口自适应S-method

3.2.1 Hermite多窗口

3.2.2 自适应S-method

3.3 有效信号提取

3.3.1 阈值切割

3.3.2 包络提取

第4章 运动状态特征分析与提取

4.1 运动状态特征选择

4.2 运动状态分类算法

4.2.1 SVM分类算法

4.2.2 运动状态分类

第5章 人体宏观运动识别的设计与实现

5.1 实验场景设计

5.1.1 实验平台搭建

5.1.2 实验场景设计

5.2 系统测试结果分析

第6章 总结与展望

参考文献

致 谢

第1章 绪论

1.1 研究目的及意义

随着计算机技术的飞速发展，人体探测与活动识别正逐渐成为安防和监控领域的热门研究技术。其中，非接触式的人体探测技术比传统的佩戴式以及视频监测方式更适用于不同的应用环境。非接触式人体活动状态识别，能将人体生物特征识别与传感器检测进行结合，可在未携带、远距离等环境下实现人体运动状态的探测、识别以及分类。该技术在自然灾害情况下对受困人员的状况进行实时监测，在安防监测中对异常行为人员进行识别等方面具有重大的意义。

雷达技术是发明于上世纪30年代的一种非接触式探测技术，后来被广泛应用于电磁波领域中的运动目标跟踪与探测。现阶段，基于雷达相关的目标识别与探测技术早已成为了信息学科的研究热门之一。对于非接触式人体运动特征探测方面，雷达技术相比计算机视觉技术、光学技术具有不受光线强弱影响的独特优势，不仅能穿透遮挡衣物，而且不受天气因素的影响。因此，对利用雷达技术进行目标运动状态识别研究的重视已上升至国家安防层面。

目前，针对运动人体识别技术也并发出现了各种反识别技术以及干扰技术，目标探测与识别技术因此受到了严重挑战，并被赋予更高的要求。近些年，人体微动特征已经成为目标识别技术中的重点分析对象，微动特征是目标探测与识别的重要辅助特征 ^[1]。微动形式有诸多特征，每个人都有独一无二的特征形式，以此作为运动特征分类以及身份识别的重要依据。人体不同的运动状态和方式会对应的在电磁波信号中产生不同的调制效果，反映在雷达回波信号中为不同的微多普勒特征，通过这种特征能准确判定人体运动规律。因此，在人体运动状态识别技术中引入微多普勒信号分析具有重大意义和应用价值。