基于残差网络的FMCW雷达人体行为识别

作     者：罗金燕 常俊 吴彭 许妍 卢中奎 LUO Jinyan;CHANG Jun;WU Peng;XU Yan;LU Zhongkui

作者机构：云南大学信息学院昆明650500 云南省高校物联网技术及应用重点实验室昆明650500 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2023年第50卷第S02期

页      面：162-167页

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

主　　题：FMCW雷达 微多普勒谱图 行为识别 残差网络 卷积块注意模块 

摘      要：现有的基于调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达的人体行为识别方法大多采用深度卷积神经网络完成,但随着网络加深,会出现网络训练难度增大或特征提取不充分的问题。针对此问题,提出一种基于残差网络的FMCW雷达人体行为识别方法。通过对雷达回波数据分析处理得到每种行为的微多普勒时域谱图,将其作为识别模型的分类特征。将卷积块注意模块(Convolutional Block Attention Module,CBAM)引入残差网络的残差块中构建识别模型,CBAM关注谱图的颜色变化情况和谱图中每种颜色的位置信息,同时引入自适配归一化和改变网络输入部分的卷积结构提高模型的特征提取能力。实验验证,该模型的平均识别准确率可达98.17%,对于微多普勒特征相似的行为,识别准确率可达95%,证明了该模型具有较好的识别性能。