[發明專利]基于時頻分析和深度神經網絡的步態特征提取與識別方法

有效

• 申請號: 202010900952.4
• 申請日: 2020-08-31
• 公開（公告）號: CN111965620B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 韓冬;周良將;焦澤坤;宋晨;吳一戎
• 申請（專利權）人: 中國科學院空天信息創新研究院
• 主分類號: G01S7/41
• 分類號: G01S7/41;G01S13/88
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 孫蕾

1.一種基于時頻分析和深度神經網絡的步態特征提取與識別方法，其特征在于，包括以下步驟：

初始化雷達參數以及人體步態雷達原始回波信號采集；

對人體步態的雷達原始回波信號進行預處理，包括距離向脈沖壓縮處理以獲取時間-距離像，時間-距離像中方位脈沖對消處理；

時頻分析處理，采用短時傅里葉變換處理一維復序列，獲得時頻分析圖像，時頻分析圖像的橫軸為時間軸，縱軸為多普勒頻率軸；

從時頻分析圖像中獲取人體步態特征參數，根據人體時頻分析圖的周期獲取人體步態周期，根據時頻分析圖的中心頻率相對于零頻的偏移量獲取人體軀干與雷達間的瞬時徑向速度，根據時頻圖像中的多普勒頻率獲取人體主要關節部位與雷達間的瞬時徑向擺動速度；

將時頻分析圖像中的人體步態獨立周期結果按行張成一維實序列，將多次不同類型步態實驗的人體時頻分析圖像中的多個周期結果按行張成一維實序列，構建訓練集和測試集；

構建深度神經網絡，將訓練集送入深度神經網絡完成網絡訓練，并在測試集上驗證不同類型人體步態行為的識別精度；

其中，所述采用短時傅里葉變換處理一維復序列，獲得時頻分析圖像包括：

采用所述短時傅里葉變換對所述一維復序列做時頻分析處理，得到橫軸為時間，縱軸為多普勒頻率的所述時頻分析圖像，所述短時傅里葉變換由如下公式表示：

ω(t)為對一維復序列進行分割的窗函數，窗函數信號在一維序列上隨時間滑動，實現變換；窗函數大小決定了短時傅里葉變換的時間分辨率和頻率分辨率；

其中，人體步態周期與時頻分析圖像的周期一致；

所述人體軀干與雷達間的瞬時徑向速度，即體軀干的瞬時徑向速度由公式計算得到，f_dop0為人體軀干的瞬時多普勒頻率；

所述人體主要關節部位與雷達間的瞬時徑向擺動速度，即第i處人體關節部位的絕對瞬時徑向擺動速度可由公式計算得到，f_dopi代表第i處人體關節部位的瞬時多普勒頻率，f_o為雷達載頻；

第i處人體關節部位的相對徑向擺動速度為以及

其中，將時頻分析圖像中的人體步態獨立周期結果按行張成一維實序列，并做歸一化處理；將M種不同類型步態實驗的人體時頻圖像的多個周期數據張成的一維實序列，構建訓練集和測試集；訓練集和測試集的標簽設置為[1?0?...?0?0]_1×M，[0?1?...?0?0]_1×M；采用時頻圖像平移和添加均值為μ，方差為σ的高斯白噪聲的方式擴充數據集。

2.根據權利要求1所述的一種基于時頻分析和深度神經網絡的步態特征提取與識別方法，其特征在于，所述初始化雷達參數，雷達發射脈沖體制或者調頻連續波體制的線性調頻信號，雷達載頻記為f₀，雷達帶寬記為B_r，雷達脈沖時間寬度記為T_r，距離向采樣率記為F_r，線性調頻信號的調頻率記為K_r＝B_r/T_r，脈沖發射頻率記為PRF＝1/T_r，電磁波在真空中傳播速度記為c，expX表示以自然常數e為底數，以X為指數的指數函數；雷達采集到的人體回波信號為

其中，R_i表示人體第i關節處關節與雷達之間的距離，A_i表示人體第i關節處的回波信號幅度。

3.根據權利要求1所述的一種基于時頻分析和深度神經網絡的步態特征提取與識別方法，其特征在于，對人體步態的雷達原始回波信號進行預處理，完成距離向脈沖壓縮和方位脈沖對消操作，并將人體回波占據的距離門相干累加后獲得一維復序列。

4.根據權利要求1或3所述的一種基于時頻分析和深度神經網絡的步態特征提取與識別方法，其特征在于，若采用脈沖體制信號，距離向脈沖壓縮操作采用匹配濾波的方式；若采用調頻連續波信號，回波應采用去斜接收的方式而獲得距離向脈沖壓縮結果；人體雷達回波信號的距離向脈壓結果為

其中，R_i表示人體第i關節處關節與雷達之間的距離，A_i表示人體第i關節處的回波信號幅度。