【毫米波雷达】人体目标探测理论

毫米波雷达人体目标探测理论

研究内容：

以毫米波雷达为载体进行人体回波建模、目标探测、特征提取三方面的研究[3]。

目的

实现人体目标检测，提取出人体运动的精确参数信息[3]。

原理

人体目标回波中不仅仅包含人体目标的径向距离与径向速度信息，还包含身体各个部位丰富的微动信息。这些微动信息能够很好的帮助雷达对人体目标进行运动状态区分与参数提取[3]。

人体目标特点

人体目标往往运动速度较慢，与地杂波的频谱部分都分布在零中频附近，在频域上会造成混叠。其次，人体运动中包含有丰富的微动信息，会出现多普勒扩散效应，信号能量分散，降低人体目标的探测性能。

人体目标建模

对人体目标建模需要考虑雷达散射截面积。人体目标是一个多部件组成的复杂目标，对复杂目标的RCS估计可分为两个步骤：首先是对目标的组成部分进行空间上的几何建模，再对RCS进行估算[3]。点散射模型：将人体目标的各个身体部件考虑为点目标。

微多普勒信息

存在微多普勒信息的雷达回波，包含两部分信号分量，意识目标微动带来的微多普勒回波，2是目标主要部分的回波。两种信号分量交杂在一起，需要用一定的手段将两者进行分离。才可得到目标的微多普勒特征，更好地分析目标的内部运动，从而获得目标的状态参数。
对于多普勒信号的分离，一是可以在时间维度上进行，二是在时间-频率维二维联合维度进行。在时域分离时，利用主体运动与微动形式的不同将信号按照频段分解为基函数，之后进行微动信息的重构。对信号时域分离的手段有小波分解、经验模态分解等手段。在时频域进行分离时，需要利用时频分析手段将信号转换到时频谱上，利用主体运动与微动形式的径向速度随时间变化的不同进行分离，常用的时频分析手段有短时傅里叶变换、小波变换、魏格纳-威尔分布等[3]。

人体运动状态分类

人体目标的微动信息可以作为运动状态分类的特征向量，对于人体运动状态的分类，即利用这些特征向量的不同进行区分，也就是选取适用的分类器进行分类训练。常见的分类器有KNN，SVM以及人工神经网络等[3]。

参考文献

毫米波雷达运动人体目标建模与特征提取_徐朝阳_2019