CN111273283B - 一种基于人体三维微多普勒信号的躯干运动参数提取方法 - Google Patents
一种基于人体三维微多普勒信号的躯干运动参数提取方法 Download PDFInfo
- Publication number
- CN111273283B CN111273283B CN202010151945.9A CN202010151945A CN111273283B CN 111273283 B CN111273283 B CN 111273283B CN 202010151945 A CN202010151945 A CN 202010151945A CN 111273283 B CN111273283 B CN 111273283B
- Authority
- CN
- China
- Prior art keywords
- trunk
- human body
- time
- doppler
- micro doppler
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于人体三维微多普勒信号的躯干运动参数提取方法。本发明主要是在构建合理的人体运动过程中躯干的微多普勒信号幅度模型基础上,利用从人体三维微多普勒谱图中提取的躯干微多普勒幅度‑时间曲线和频率‑时间曲线,通过躯干微多普勒频率与其径向运动速度的关系,以及其RCS和径向位移与躯干微多普勒功率之间的关系来分析躯干的运动姿态变化。相比视频人体躯干运动姿态分析而言,雷达技术不受光线强弱和天气影响,能穿透遮挡衣物,全天候工作。通过建立人体躯干运动学参数与微多普勒特征的关系模型可以提取其径向角度、径向速度和径向位移等运动学参数。
Description
技术领域
本发明具体涉及一种基于人体三维微多普勒信号的躯干运动参数提取方法。
背景技术
随着个人人身安全的保护受到越来越多人的关注,人体探测与识别也逐渐成为安防和监控系统的主要研究技术。其中人体运动姿态分析是其一重要研究方向。通过检测并跟踪其中的人体运动动作,分析其行为,当异常情况或犯罪行为发生时,系统能准确及时地发出警报,起到事先预警的作用,从而有效防止此类事件的发生,同时也可以减少雇佣大批安全监视人员所需要的人力、物力和财力的投入。
人体在运动过程中,各个部位的不同运动方式会在电磁波信号中形成不同形式和程度的调制作用,这样的调制效果可通过对雷达回波信号进行时频分析得到的时频谱图中观察到,并具有各自的微多普勒特征,有效分析这种微动特征能,能够估计人体运动规律,从而为各种灾害救援、安保防卫和国防建设中的生命体识别提供新手段,具有广阔的应用前景。
但是,雷达信号用于人体目标运动的识别也面临一些问题,主要是雷达获取的是时频信号,不能直观反映目标状态,无法简单提取目标的各种物理参数。因此,如何有效描述人体运动姿态是人体目标动作识别研究的关键。目前,利用人体微多普勒进行身体姿态分析较为简单,仅仅利用了二维时间-频率图,忽略微多普勒幅度分布信息。提取的身体运动参数主要局限在身体运动的径向速度和径向位移。
发明内容
本发明的主要内容是针对上述问题,提出一种通过人体运动三维微多普勒来分析人体躯干姿态,提取其运动参数的方法。该方法首先从人体时间-频率-幅度三维微多普勒谱图中提取躯干微多普勒幅度-时间曲线,然后,建立合理的人体躯干运动参数与微多普勒特征的关系模型,分析躯干姿态的变化过程,最终提取人体躯干的径向角度、径向速度和径向位移等运动参数。
本发明的技术方案是:一种基于人体三维微多普勒信号的躯干运动参数提取方法,包括以下步骤:
S1、采集人体三维微多普勒信号获得三维微多普勒谱图,对获得的三维微多普勒谱图进行峰值检测,即提取三维微多普勒谱图t时刻的幅度分布Sp(f,t)的极大值点,f∈[-fm,fm],其中[-fm,fm]为三维微多普勒谱图多普勒频率的范围,具体为对f求偏导,并令其偏导数为0,再求解其二阶偏导数,令其二阶偏导小于0从而建立如下方程组:
求解方程组得到t时刻频谱幅度峰的多普勒频率Mt(n),t∈[0,T],n=1,2,...,N,其中N为t时刻频谱幅度峰的总数量,T为人体运动总时长;
S2、确定躯干微多普勒搜索的起点:搜索三维微多普勒谱图的幅度峰中最大峰值对应的频率点F(t0)和时刻点t0即是躯干微多普勒搜索的起点(F(t0),t0),即满足:
S3、从躯干微多普勒搜索起点(F(t0),t0)开始,沿时间顺序,分别向前一时刻、后一时刻搜索幅度峰对应的多普勒频率点,以频率距离最近对应的峰为搜索到的躯干微多普勒幅度峰,并作为新的搜索起点,继续搜索,直到三维微多普勒谱图时间的边界点:向前一时刻搜索
和向后一时刻搜索
式中,Mt+1(n)和Mt-1(n)分别为前一时刻即(t+1)时刻和后一时刻即(t-1)时刻幅度峰的多普勒频率,F(t)为t时刻躯干的微多普勒频率点,F(t+1)为(t+1)时刻躯干的微多普勒频率点,F(t-1)为(t-1)时刻躯干的微多普勒频率点,则获得躯干微多普勒幅度-时间曲线函数S(t)=Sp(F(t),t);
S4、建立人体运动过程中躯干的微多普勒信号幅度模型为:
其中,g=0.6,k为变换系数,c为人体躯干长度,α为功率影响系数,是一个常数,R(t)为t时刻躯干中心位置与雷达的距离,入射角θ为人体躯干相对于雷达的方向;
S5、躯干运动参数提取:以提取的躯干微多普勒峰值曲线最大值的位置时刻为人体躯干直立时刻tm,躯干径向角度为90°,提取人体躯干的径向移动速度v(t)为:
v(t)=F(t)λ/2
其中λ为雷达发射波波长;
躯干运动t时刻的径向位移d(t):
人体躯干运动径向角度θ(t)为:
其中,D为人体躯干与雷达的径向距离P。
本发明的有益效果为,相比视频人体躯干运动姿态分析而言,雷达技术不受光线强弱和天气影响,能穿透遮挡衣物,全天候工作,本发明通过建立人体躯干运动学参数与微多普勒特征的关系模型可以提取其径向角度、径向速度和径向位移等运动学参数。
具体实施方式
本发明的方法,基于人体三维微多普勒的躯干运动参数提取过程包括躯干微多普勒幅度和频率曲线提取、构建人体躯干运动参数与微多普勒特征的关系模型和提取躯干运动参数,具体过程如下:
躯干微多普勒幅度与频率曲线提取:
在不同的运动状态下,人体目标微多普勒时频图具有独特的峰值分布,从而人体每个不同动作都能得到一幅唯一的由时间、频率和幅度分布三个量构成的三维微多普勒谱图.
针对躯干运动引起的微多普勒可以通过邻近峰值搜索算法提取,主要分为三个步骤:
第一步,幅度峰值检测。
实际采集的三维微多普勒谱图的幅度分布由形状不定、大小不一的幅度峰组成。因此,首先需要进行峰值检测,即提取谱图时刻t的幅度分布Sp(f,t),f∈[-fm,fm]的极大值点,其中[-fm,fm]为谱图多普勒频率的范围。首先对f求偏导,并令其偏导数为0,再求解其二阶偏导数,令其二阶偏导小于0。
求解该方程组可得该时刻频谱幅度峰的多普勒频率Mt(n),t∈[0,T],n=1,2,...,N,其中N为t时刻频谱幅度峰的总数量,T为人体运动总时长。
第二步,确定搜索起点。在人体运动过程中,躯干为回波信号的能量集中区域,躯干运动形成的多普勒信号幅度最大,所以将谱图中的幅度峰中最大峰值对应的频率点F(t0)和时间点t0设为躯干微多普勒搜索的起点(F(t0),t0),即满足
式中[-fm,fm]为谱图多普勒频率的范围。
第三步,邻近峰值搜索。从躯干微多普勒搜索起点(F(t0),t0)开始,沿时间顺序,分别向前一时刻、向后一时刻搜索幅度峰对应的多普勒频率点,以频率距离最近对应的峰为搜索到的躯干微多普勒幅度峰,并作为新的搜索起点,继续搜索,直到谱图时间的边界点。向前一时刻搜索
和向后一时刻搜索
式中,Mt+1(n)和Mt-1(n)分别为前一时刻即(t+1)时刻和后一时刻即(t-1)时刻幅度峰的多普勒频率,F(t)为t时刻躯干的微多普勒频率点,F(t+1)为(t+1)时刻躯干的微多普勒频率点,F(t-1)为(t-1)时刻躯干的微多普勒频率点,则躯干微多普勒幅度-时间曲线函数S(t)=Sp(F(t),t)。
构建人体躯干运动参数与微多普勒特征的关系模型:
(1)人体躯干RCS模型构建
本文采用椭球体模型来描述人体躯干的RCS。椭球体后向散射的近似RCS为
式中,a、b和c分别表示椭圆体的三个半长轴的长度。入射角θ和方位角代表椭球体相对于雷达的方向。在不影响模型的准确性的情况下,可以尽量简化模型。针对人体躯干的物理结构特点,令椭球体的短半轴长度a和b相等,且短半轴长度(躯干宽度)a和长半轴长度(躯干长度)c的比例为g:1,g一般取为0.6。由于假定短半轴长度a和b相等(椭球体是对称的),导致RCS与方位角无关,则简化后人体躯干后向散射的近似RCS为
(2)人体躯干运动参数与微多普勒信号的关系模型构建
关系模型的构建是基于雷达距离方程推导出来的。雷达距离方程通过各系统参数将接受回波的功率与发射功率联系起来,其方程如式(7)所示:
其中Pr为雷达接受功率,Pt为雷达发射功率,G为天线增益,λ为工作波长,R为躯干与雷达之间的距离,Ls为系统损耗,La为大气损耗,由于R小,大气损耗可以忽略不计。
对于人体躯干部位,其连续波雷达回波信号为
式中R(t)为在时刻t时的躯干中心位置与雷达的距离。对s(t)进行短时傅里叶变换得到其时频信号。以时频信号的模值作为躯干的微多普勒信号幅度z(t),即
其中k为变换系数。
假设雷达发射功率、天线增益、系统损耗以及工作波长都固定不变,因此可以令
其中α为功率影响系数,是一个常数。则在人体运动过程中躯干的微多普勒信号幅度为
组合式(6)、(9)、(10)、(11),得到:
躯干运动参数提取:
1.1由于人体躯干在直立状态下具有最大的RCS,所以首先以提取的躯干微多普勒峰值曲线最大值的位置时刻为人体躯干直立时刻tm,躯干径向角度为90°,此时通过式(6)可估计躯干的最大RCSm为
RCSm=c2π (13)
令此时人体躯干与雷达的径向距离为D,由式(11)和式(13)可得
由雷达的多普勒效应可知,则可以提取人体躯干的径向移动速度v(t)为
v(t)=F(t)λ/2 (15)
其中为F(t)躯干的微多普勒普频率与时间的关系函数,λ为雷达发射波波长。进而可以得到躯干运动t时刻的径向位移d(t)
1.2组合式(12)、式(14)和式(16),可以提取出人体躯干运动径向角度θ(t)为
下面根据仿真实验证明本发明的有效性。
仿真实验设计了两种不同人体运动动作。仿真雷达参数包括:雷达载频为15GHz,即波长为0.02米的电磁波;运动目标人体与雷达间的距离3.5m;雷达距地面高度为1m,方位角为0°,信噪比为25dB。2个运动动作分别是行走和弯腰,两个动作的运动时间分别为1.3秒和0.7秒。每个动作的雷达观测时间是1.3秒。
利用本发明方法对仿真数据进行躯干运动参数提取,结果如表1所示:
表1对2种人体运动动作的躯干运动参数提取结果
从表中的提取结果可以看出,人体躯干的三种运动参数的提取结果中,径向速度和径向位移的提取较为精准,对于两种不同的人体运动动作,躯干的径向位移的提取绝对误差都在分米级,径向速度的提取绝对误差也基本控制在分米级。对于运动躯干径向转角的实验结果也比较令人满意,提取的绝对误差在5度左右。由于人体运动动作的随机性和复杂性,加上噪声的干扰,躯干微多普勒的提取会有一些偏差,所以提取的运动参数误差起伏较大。但对于大部分人体运动动作的躯干运动参数提取都较为精准有效。以上仿真实验验证了基于人体三维微多普勒信号的躯干运动参数提取方法是有效的。
Claims (1)
1.一种基于人体三维微多普勒信号的躯干运动参数提取方法,其特征在于,包括以下步骤:
S1、采集人体三维微多普勒信号获得三维微多普勒谱图,对获得的三维微多普勒谱图进行峰值检测,即提取三维微多普勒谱图t时刻的幅度分布Sp(f,t)的极大值点,f∈[-fm,fm],其中[-fm,fm]为三维微多普勒谱图多普勒频率的范围,具体为对f求偏导,并令其偏导数为0,再求解其二阶偏导数,令其二阶偏导小于0从而建立如下方程组:
求解方程组得到t时刻频谱幅度峰对应的多普勒频率Mt(n),t∈[0,T],n=1,2,...,N,其中N为t时刻频谱幅度峰的总数量,T为人体运动总时长;
S2、确定躯干微多普勒搜索的起点:搜索三维微多普勒谱图中最大峰值对应的多普勒频率点F(t0)和时刻点t0即是躯干微多普勒搜索的起点(F(t0),t0),即满足:
S3、从躯干微多普勒搜索起点(F(t0),t0)开始,沿时间顺序,分别向前一时刻、后一时刻搜索幅度峰对应的多普勒频率点,以频率距离最近对应的峰为搜索到的躯干微多普勒幅度峰,并作为新的搜索起点,继续搜索,直到三维微多普勒谱图时间的边界点:向前一时刻搜索
和向后一时刻搜索
式中,Mt+1(n)和Mt-1(n)分别为前一时刻即(t+1)时刻和后一时刻即(t-1)时刻幅度峰的多普勒频率,F(t)为t时刻躯干的微多普勒频率点,F(t+1)为(t+1)时刻躯干的微多普勒频率点,F(t-1)为(t-1)时刻躯干的微多普勒频率点,则获得躯干微多普勒幅度-时间曲线函数S(t)=Sp(F(t),t);
S4、建立人体运动过程中躯干的微多普勒信号幅度模型为:
其中,g=0.6,k为变换系数,c为人体躯干长度,α为功率影响系数,是一个常数,R(t)为t时刻躯干中心位置与雷达的距离,入射角θ为人体躯干相对于雷达的方向;
S5、躯干运动参数提取:以提取的躯干微多普勒幅度-时间曲线最大值的位置时刻为人体躯干直立时刻tm,躯干径向角度为90°,提取人体躯干的径向移动速度v(t)为:
v(t)=F(t)λ/2
其中λ为雷达发射波波长;
躯干运动t时刻的径向位移d(t):
人体躯干运动径向角度θ(t)为:
其中,D为人体躯干与雷达的径向距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010151945.9A CN111273283B (zh) | 2020-03-06 | 2020-03-06 | 一种基于人体三维微多普勒信号的躯干运动参数提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010151945.9A CN111273283B (zh) | 2020-03-06 | 2020-03-06 | 一种基于人体三维微多普勒信号的躯干运动参数提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111273283A CN111273283A (zh) | 2020-06-12 |
CN111273283B true CN111273283B (zh) | 2022-08-05 |
Family
ID=70999311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010151945.9A Active CN111273283B (zh) | 2020-03-06 | 2020-03-06 | 一种基于人体三维微多普勒信号的躯干运动参数提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111273283B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163510B (zh) * | 2020-09-25 | 2022-04-22 | 电子科技大学 | 一种基于多观测变量hmm模型的人体动作分类识别方法 |
CN112433207B (zh) * | 2020-11-06 | 2024-05-28 | 浙江理工大学 | 基于双通道卷积神经网络的人体身份识别方法 |
CN117598875A (zh) * | 2023-11-20 | 2024-02-27 | 广州碧缇维斯健康科技有限公司 | 一种可实现远程监控和管理的护理舱 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103376444A (zh) * | 2012-04-12 | 2013-10-30 | 珠海格力电器股份有限公司 | 人体行为特征的识别方法和装置 |
CN110133600A (zh) * | 2019-06-17 | 2019-08-16 | 电子科技大学 | 一种直升机旋翼物理参数提取方法 |
CN110286368A (zh) * | 2019-07-10 | 2019-09-27 | 北京理工大学 | 一种基于超宽带雷达的老人跌倒检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9576468B2 (en) * | 2015-06-29 | 2017-02-21 | Echocare Technologies Ltd. | Human motion feature extraction in personal emergency response systems and methods |
-
2020
- 2020-03-06 CN CN202010151945.9A patent/CN111273283B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103376444A (zh) * | 2012-04-12 | 2013-10-30 | 珠海格力电器股份有限公司 | 人体行为特征的识别方法和装置 |
CN110133600A (zh) * | 2019-06-17 | 2019-08-16 | 电子科技大学 | 一种直升机旋翼物理参数提取方法 |
CN110286368A (zh) * | 2019-07-10 | 2019-09-27 | 北京理工大学 | 一种基于超宽带雷达的老人跌倒检测方法 |
Non-Patent Citations (2)
Title |
---|
基于微多普勒信号三维形状特征的人体目标动作分类方法;陈亦望;《模式识别与人工智能》;20120215;第25卷(第1期);16-22 * |
基于窄带雷达回波的旋翼参数估计及地面目标分类方法研究;李林森;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315(第3期);I136-2158 * |
Also Published As
Publication number | Publication date |
---|---|
CN111273283A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111273283B (zh) | 一种基于人体三维微多普勒信号的躯干运动参数提取方法 | |
Zhang et al. | MRPT: Millimeter-wave radar-based pedestrian trajectory tracking for autonomous urban driving | |
CN106646457B (zh) | 基于微波的人员行为检测方法与装置 | |
CN106872981A (zh) | 雨量雷达的降水强中心跟踪与预报方法 | |
Ni et al. | Gait-based person identification and intruder detection using mm-wave sensing in multi-person scenario | |
Andrić et al. | Analysis of radar Doppler signature from human data | |
CN113341392B (zh) | 一种基于多站雷达微多普勒运动测向的人体行为分类方法 | |
CN116256746A (zh) | 基于雷达对防范区域周界空域异物入侵监测系统及方法 | |
CN107632291A (zh) | 一种基于极化雷达抗角反射器干扰的方法 | |
Yin et al. | Radar target and moving clutter separation based on the low-rank matrix optimization | |
CN109117776A (zh) | 基于航迹信息的飞机与气象杂波分类识别方法 | |
CN104199002B (zh) | 抑制风力发电旋叶虚警目标的雷达信息处理方法 | |
Akhter et al. | Development of RF-photonic system for automatic targets’ nonlinear rotational/flapping/gliding signatures imaging applications | |
CN103760540B (zh) | 基于重构信号和1-范数的动目标检测与参数估计方法 | |
Tahmoush et al. | An UGS radar with micro-Doppler capabilities for wide area persistent surveillance | |
CN104914421A (zh) | 基于和差波束的低空风切变风速估计方法 | |
Gurbuz et al. | Comparison of radar-based human detection techniques | |
Tbarki et al. | Landmine detection improvement using one-class SVM for unbalanced data | |
Liu et al. | An intelligent signal processing method for motional vital signs detection system based on deep learning | |
Aziz et al. | Analysis on drone detection and classification in LTE-based passive forward scattering radar system | |
Lei et al. | Fuzzy recognition of missile borne multi-line array infrared detection based on size calculating | |
Lee et al. | Identification of a flying multi-rotor platform by high resolution ISAR through an experimental analysis | |
CN112684425B (zh) | 一种恒虚警检测后的目标二次甄别方法 | |
Zhang et al. | Human micro-Doppler signature extraction in the foliage-penetration environment | |
Perassoli et al. | Measurements and analysis of multistatic and multimodal micro-Doppler signatures for automatic target classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |