1. 研究目的与意义（文献综述）

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，在非携带、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。

雷达技术作为非接触式探测技术的一种，发明于上世纪30年代，后来广泛应用于电磁波领域中的目标探测和跟踪。如今，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点之一。在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，能穿透遮挡衣物，且不受天气因素的影响。因此，利用雷达技术进行人体运动状态识别研究引起了国内外学者的广泛关注以及许多国家安防的重视。

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。近年来，人体微动特征已经成为目标识别技术中的重点分析对象，根据美国海军研究室 chen v.c 提出的微动定义，即将“目标或者目标的构成部分除质心平动以外的振动、转动和加速运动等微小运动”称为微动。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。

2. 研究的基本内容与方案

本文使用连续波雷达技术进行人体运动状态的识别与分类，研究工作主要包括三个方面。一是研究有效的雷达回波信号的时频分析方法和相应的改进工作；二是通过时频分析结果，进行特征选择和提取，同时对干扰动作引起的信号进行滤除，提取有效的特征值，在简化分类算法的同时提高识别精度；三是利用软件无线电设备完成连续波雷达收发机的设计，并在此基础上实现人体运动状态分类。围绕以上三方面，本文的具体研究内容如下：

1）对现有的人体运动状态识别技术进行归纳总结，重点研究了基于微动雷达技术的人体运动状态识别方法，通过分析对比现有研究成果，提出存在的主要问题以及下一步研究工作。

2）雷达回波信号的时频分析方法研究。研究分析了多窗口以及 s-method原理与相关设计实现，在此基础上提出多窗口自适应 s-method（adaptive s-method, as-method）分布算法，在保证微多普勒信号时频聚集性的同时一定程度上抑制多分量叠加信号的交叉项影响。该算法通过判断各时刻频率变化情况选取不同的频域窗抑制振荡分量，减少交叉项干扰，由此有效分离多分量信号，为后续提取高效特征值提供基础。最后在时频分析的基础上，通过阈值切割和包络提取进行有效信号提取。

3. 研究计划与安排

第1-4周：查阅相关中、英文文献资料，明确研究内容。确定设计方案，完成开题报告，完成不少于2万字符的英文翻译任务；

第5-6周：完成论文开题工作。

第7-10周：完成软件无线电实验平台的设计与调试，并撰写部分论文初稿；

4. 参考文献（12篇以上）

[1] 张翼. 人体微动雷达特征研究[d]. 国防科学技术大学, 2009.

[2] rohling h,fouml;lster f, kruse f, et al. target classification based on a 24ghz radarnetwork[c]. radar 2004 conference, toulouse, france, 2004:322.

[3] kim y, ling h.human activity classification based on micro-doppler signatures using a supportvector machine[j]. ieee transactions on geoscience amp; remote sensing, 2009,47(5):1328-1337.