《毫米波雷达运动人体目标建模与特征提取》---论文学习笔记
第一章
1、本文围绕运动人体目标的探测机理展开，重点研究了步行运动状态下的行人回波模型、运动特征提取方式、运动状态分类、实测数据处理等关键技术。
2、根据 Boulic 模型建立了简化的人体运动模型，将人体的行走过程转换为刚体平移与旋转运动的组合，将身体部件转换为椭圆刚体。建立了 LFMCW 雷达人体运动回波模型。通过对比模型数据与实测数据的时频图，验证了模型的正确性。
3、利用图像边缘检测的方式对人体时频谱进行了特征提取处理，并通过 SVM 分类器实现运动状态分类。
4、毫米波是指频段位于 30 −300GHz 的电磁波，其波长为1−10mm。
5、本文以毫米波雷达为载体进行人体回波建模、目标探测与特征提取三方面的研究。
6、V. C. Chen教授最早对微多普勒效应做出了定义，其定义为目标内部部件的强度较小的运动对雷达接收到的回波造成的多普勒展宽。微多普勒效应：对于目标的微动是指目标除了自身整体的平移运动以外的其他组成部分沿雷达径向的强度不大的运动。对于人体目标，除了整体的运动外，手、脚、头等躯干以及呼吸带来的肺部扩张以及心脏跳动都属于微动会引起微多普勒效应。
7、对于微多普勒信号的分离既可以在时间维度上进行也可以在时间-频率二维联合维度进行。在时域进行分离时，需要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，之后进行微动信号的重构。对信号进行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。
第二章
8、
未完待续，比较懒。
为了自己以后方便查看，有什么不对的或者不好的或者有指教的欢迎提出。自己刚起步毫米波雷达目标定位与检测，一个人摸黑不容易，如有兴趣欢迎各位来互相交流。QQ：1814123176
《毫米波雷达运动人体目标建模与特征提取》---论文学习笔记相关推荐
- word2vec Parameter Learning Explained 论文学习笔记
文章内容 1.word2vec模型:skipgram和CBOW 2.训练优化:hierarchical softmax 和 negative sampling. 一.CBOW模型 CBOW完成的事情是 ...
- 《word2vec Parameter Learning Explained》论文笔记
word2vec Parameter Learning Explained Xin Rong(ronxin@umich.edu)[致敬] arXiv:1411.2738v4 [cs.CL] 5 Jun ...
- Word2vec Parameter Learning Explained (UMich 2016)
Word2vec Parameter Learning Explained (UMich 2016)
- 《word2vec Parameter Learning Explained》论文学习笔记
目录: 文章目录 1 Continuous Bag-of-Word Model 1.1 One-word context Update equation for hidden→output weigh ...
- word2vec Parameter Learning Explained学习笔记
目录 原因: 看了几篇提及CBOW(Continuous Bag-of-Word)的综述,都没直接看懂.综述中都指向这篇文章的这张图. word2vec是一个预训练(pretrained)模型,在大量 ...
- word2vec Parameter Learning Explained
由word2vec获得的词向量代表可以捕获语义信息 1. Continuous Bag-of-Word 模型 现在只考虑仅一个词的上下文,也就是模型在给定一个词的上下文下仅预测一个目标,这很像一元模型 ...
- word2vec Parameter Learning Explained（Hierarchical Softmax，Negative Sampling）
主要思想是转化为Huffman tree 的随机游走,叶子结点词描述的概率,不需要遍历所有的V,只需要log(V)的时间 主要思想是从噪声分布来采取一些negative 样本
- 识别和追踪主题层次的影响力者(来自2018 Machine Learning 论文学习笔记)
本文作者:合肥工业大学 管理学院 钱洋 email:1563178220@qq.com . 以下内容是个人的论文阅读笔记,内容可能有不到之处,欢迎交流. 未经本人允许禁止转载. 文章目录 论文来源 论 ...
- 论文学习笔记 POSEIDON: Privacy-Preserving Federated Neural Network Learning
论文学习笔记 POSEIDON: Privacy-Preserving Federated Neural Network Learning NDSS 2021录用文章 目录 论文学习笔记 POSEID ...
- 论文学习笔记: Learning Multi-Scale Photo Exposure Correction(含pytorch代码复现)
论文学习笔记: Learning Multi-Scale Photo Exposure Correction--含pytorch代码复现 本章工作: 论文摘要 训练数据集 网络设计原理 补充知识:拉普 ...
最新文章
- 文件上传--Smartupload上传组件【上】
- redhat 6.2安装telnet服务
- 如何使 React 中的 useEffect、useLayoutEffect 只调用一次
- 23个机器学习项目，助你成为人工智能大咖
- Navicat远程连接linux下mysql服务器1045错误解决办法在这儿
- java初学者只要掌握了以下十大原则，可以让你的技术飙升
- ViewPager之使用PagerTabStrip添加标题栏，实现滑动效果
- django数据库事务
- gemfire资料网址
- 微信的 Bug 差点让我被老板炒鱿鱼！
- 动态代理解决网站字符集编码
- 572.另一个树的子树（力扣leetcode） 博主可答疑该问题
- 蓝色妖姬T3300摄像头有驱动无法显示画面解决方案
- 威廉玛丽学院计算机专业好吗,威廉玛丽学院计算机科学研究生最新专业排名
- CnOpenData中国上市公司全部公告数据
- deeplearning.38序列模型（搭建RNN与LSTM应用实践）
- google爬取搜索结果
- mac使用Simulator打开IOS模拟器（不使用Xcode打开IOS模拟器）
- [安全攻防进阶篇] 二.如何学好逆向分析、逆向路线推荐及吕布传游戏逆向案例
- 新恒结衣为什么是中国程序员共同的老婆？