-
题名深度学习融合超宽带雷达图谱的跌倒检测研究
被引量：11
- 1
-
-
作者
何密
平钦文
戴然
-
机构
陆军军医大学生物医学工程与影像医学系
-
出处
《雷达学报（中英文）》
EI
CSCD
北大核心
2023年第2期343-355,共13页
-
基金
陆军军医大学校级课题(2019XYY04)
国家部委基金(BLJ18J005)。
-
文摘
相对于窄带多普勒雷达,超宽带雷达能够同时获取目标的距离和多普勒信息,更利于行为识别。为了提高跌倒行为的识别性能,该文采用调频连续波超宽带雷达在两个真实的室内复杂场景下采集36名受试者的日常行为和跌倒的回波数据,建立了动作种类丰富的多场景跌倒检测数据集;通过预处理,获取受试者的距离时间谱、距离多普勒谱和时间多普勒谱;基于MobileNet-V3轻量级网络,设计了数据级、特征级和决策级3种雷达图谱深度学习融合网络。统计分析结果表明,该文提出的决策级融合方法相对于仅用单种图谱、数据级和特征级融合的方法,能够提高跌倒检测的性能(显著性检验方法得到的所有P值<0.003)。决策级融合方法的5折交叉验证的准确率为0.9956,在新场景下测试的准确率为0.9778,具有良好的泛化能力。
-
关键词
超宽带雷达
深度学习
跌倒检测
数据融合
轻量级网络
-
Keywords
Ultrawideband radar
Deep learning
Fall detection
Data fusion
ligthweight network
-
分类号
TN957
[电子电信—信号与信息处理]
-
