CN113253227B - 一种基于simo多普勒雷达的弱约束步态轨迹处理方法 - Google Patents
一种基于simo多普勒雷达的弱约束步态轨迹处理方法 Download PDFInfo
- Publication number
- CN113253227B CN113253227B CN202110492846.1A CN202110492846A CN113253227B CN 113253227 B CN113253227 B CN 113253227B CN 202110492846 A CN202110492846 A CN 202110492846A CN 113253227 B CN113253227 B CN 113253227B
- Authority
- CN
- China
- Prior art keywords
- gait
- radar
- subject
- calculating
- signal
- 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
Images
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
- 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种基于SIMO多普勒雷达的弱约束步态轨迹处理方法,首先使用单发双收多普勒雷达采集受试者的步态数据,然后对数据进行预处理消除高频噪声对步态数据的影响;接下来里采用相关系数法计算接收到的两路信号的相位差,并计算受试者与雷达法线构成的夹角,即偏转角;接着根据多普勒效应计算受试目标朝向雷达设备的移动速度,并据此计算受试者在雷达设备法线方向上的移动距离;最后计算受试者在不同时间帧的运动方向,并将步态轨迹进行分割,得到多段运动方向与雷达设备法线方向解耦的直线步态轨迹。本发明在实现了对弱约束步态轨迹处理的同时,也为基于单发多收多普勒雷达在弱约束步态轨迹场景下的步态识别问题提供了思路。
Description
技术领域
本发明属于步态识别技术领域,具体涉及一种弱约束步态轨迹处理方法。
背景技术
步态识别是目前模式识别领域研究的热点。文献“Li Y,Peng Z,Pal R,etal.Potential active shooter detection based on radar micro-Doppler and range-Doppler analysis using artificial neural network[J].IEEE Sensors Journal,2018,19(3):1052-1063.”提出了一种基于FMCW雷达的步态识别方法,该方法通过计算步态的距离多普勒域及微多普勒域的时频域变化提取与步态数据相关的特征信息,文献“SunZ,Wang J,Sun J,et al.Parameter estimation method of walking human based onradar micro-Doppler[C]//2017IEEE Radar Conference(RadarConf).IEEE,2017:0567-0570.”提出了一种基于多普勒雷达的步态特征参数估计方法,通过不同人群的步态特征参数来区别不同的目标人群,文献“Xu W,Yu Z W,Wang Z,et al.Acousticid:gait-basedhuman identification using acoustic signal[J].Proceedings of the ACM onInteractive,Mobile,Wearable and Ubiquitous Technologies,2019,3(3):1-25.”利用麦克风设备采集数据并构建步态时序数据的高维时频域特征,通过机器学习方法提取高维时频域数据的特征从而达到步态识别的目的。虽然上述三个文献均实现了基于无线射频设备的步态识别任务,但是在具体实验过程中对受试者的步态轨迹都有一个共性的限制条件:受试者需要朝向无线射频设备做直线行走,且要与无线射频设备的法线方向一致,另外受试者在行走过程中其移动方向不能发生改变。基于此,文献“Zhang L,Wang C,Ma M,etal.WiDIGR:Direction-Independent Gait Recognition System Using Commercial Wi-Fi Devices[J].IEEE Internet of Things Journal,2019,7(2):1178-1191.”提出了一种基于Wifi设备的步态识别方法,该方法利用多维度频谱交叉融合的方法实现了受试者运动方向与无线射频设备法线方向的解耦,但是受试者在行走过程中其移动方向依然不能发生改变,文献“Zhao P,Lu C X,Wang J,et al.mid:Tracking and identifying people withmillimeter wave radar[C]//201915th International Conference on DistributedComputing in Sensor Systems(DCOSS).IEEE,2019:33-40.”提出一种基于FMCW雷达的室内定位追踪方法,通过构建人体三维谱图的点云数据模型,结合深度神经网络完成对室内目标的定位追踪任务。然而,相关技术中并没有形成基于单发多收多普勒雷达在这样的一个弱约束步态轨迹场景下的解决方案。
发明内容
为了克服现有技术的不足,本发明提供了一种基于SIMO多普勒雷达的弱约束步态轨迹处理方法,首先使用单发双收多普勒雷达采集受试者的步态数据,然后对数据进行预处理消除高频噪声对步态数据的影响;接下来里采用相关系数法计算接收到的两路信号的相位差,并计算受试者与雷达法线构成的夹角,即偏转角;接着根据多普勒效应计算受试目标朝向雷达设备的移动速度,并据此计算受试者在雷达设备法线方向上的移动距离;最后计算受试者在不同时间帧的运动方向,并将步态轨迹进行分割,得到多段运动方向与雷达设备法线方向解耦的直线步态轨迹。本发明在实现了对弱约束步态轨迹处理的同时,也为基于单发多收多普勒雷达在弱约束步态轨迹场景下的步态识别问题提供了思路。
本发明解决其技术问题所采用的技术方案包括如下步骤:
步骤1:采用单发双收多普勒雷达采集受试者的步态信号;
步骤2:对采集到的步态信号进行平滑滤波;
步骤3:对经过平滑滤波后的步态信号进行分段处理,将步态信号分解为多个信号片段,并利用相位解调技术恢复步态信号的相位信息;
步骤4:使用相关系数法并利用相角关系计算受试者移动方向与单发双收多普勒雷达法线方向的夹角,即偏转角θ的大小;
步骤5:利用多普勒效应计算受试者朝向雷达的移动速度,并据此计算受试者在单发双收多普勒雷达法线方向上的移动距离s;
步骤7:根据运动方向将受试者的步态轨迹分割为多段运动方向与雷达法线方向解耦的直线步态轨迹lstraight_trace,分割的原则是将运动方向时序变化不超过给的阈值的连续轨迹点划分到同一直线步态轨迹中,表示如下:
进一步地,所述采集受试者的步态信号时,受试者在距雷达法线夹角±15°的范围内行走。
进一步地,所述平滑滤波的方法为使用加权线性最小二乘和一阶多项式的局部回归模型对采集到的步态信号进行平滑滤波。
进一步地,所述对经过平滑滤波后的步态信号进行分段处理时,并每帧大小和帧移均设置为2000,即0.03秒长度。
其中,m为时域信号的下标变量,ω[k]为信号I(k)和Q(k)经过反正切微分后的形式,Δt为采样点的时间间隔,I[i]为接收通道I在第i个采样点的振幅大小,Q[i]为接收通道Q在第i个采样点的振幅大小,I[i-1]为接收通道I在第i-1个采样点的振幅大小,Q[i-1]为接收通道Q在第i-1个采样点的振幅大小;
进一步地,所述计算偏转角θ的过程如下:
步骤4-1:利用相关系数法计算信号片段I(k)和Q(k)的相位偏移量;
其中,getKey(.})表示计算数组某元素对应的下标变量;
其中,d为接收天线之间相隔的距离,即得到受试者移动方向与雷达法线夹角θ值。
进一步地,所述利用多普勒效应计算受试者朝向雷达的移动速度的方法如下:
假设信号频差为fD(t),雷达的发射频率为f0,则受试者朝向雷达的移动速度v(t)为:
进一步地,所述计算受试者在单发双收多普勒雷达法线方向上的移动距离s的表达式如下:
步骤6-1:假设信号片段的步态轨迹起始点为A,结束点为B,步态轨迹在A和B处的偏转角记为θA和θB,A和B与雷达设备O的距离记为lOA和lOB;
步骤6-3:计算第k个信号片段长度内受试者在雷达法线上的移动距离s(k):
其中,v(t)(k)为第k个信号片段长度内受试者朝向雷达的移动速度,fD(t)(k)为第k个信号片段长度内的信号频差;
步骤6-4:更新lOA的值;lOA的更新公式为:
本发明的有益效果如下:
本发明能够使用单发多收多普勒雷达将运动方向变化的弱约束步态轨迹划分为多段运动方向与雷达设备法线方向解耦的直线步态轨迹,在实现了对弱约束步态轨迹处理的同时,也为基于单发多收多普勒雷达在弱约束步态轨迹场景下的步态识别问题提供了新思路。
附图说明
图1为本发明中基于单发双收多普勒雷达的弱约束步态轨迹处理方法流程框架图。
图2为本发明中两路信号的相位差与移动目标偏转角的关系示意图。
图3为本发明中信号片段的步态轨迹点位于雷达法线两侧/同侧时的示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
如图1所示,一种基于SIMO多普勒雷达的弱约束步态轨迹处理方法,包括如下步骤:
步骤1:采用单发双收多普勒雷达采集受试者的步态信号,受试者在距雷达法线夹角±15°的范围内行走;
步骤2:对采集到的步态信号使用加权线性最小二乘和一阶多项式的局部回归模型对采集到的信号进行平滑滤波;
步骤3:对经过平滑滤波后的步态信号进行分段处理,将步态信号分解为多个信号片段,每帧大小和帧移均设置为2000,即0.03秒长度;对分割后的信号片段,采用DACM相位解调技术避免两路接收信号相位不匹配的问题,同时抑制高频噪声对步态数据的影响,恢复步态信号的相位信息;
步骤4:使用相关系数法并利用相角关系计算受试者移动方向与单发双收多普勒雷达法线方向的夹角,即偏转角θ的大小;
步骤5:利用多普勒效应计算受试者朝向雷达的移动速度,并据此计算受试者在单发双收多普勒雷达法线方向上的移动距离s;
假设信号频差为fD(t),雷达的发射频率为f0,则受试者朝向雷达的移动速度v(t)为:
计算受试者在单发双收多普勒雷达法线方向上的移动距离s的表达式如下:
步骤7:根据运动方向将受试者的步态轨迹分割为多段运动方向与雷达法线方向解耦的直线步态轨迹lstraight_trace,分割的原则是将运动方向时序变化不超过给的阈值的连续轨迹点划分到同一直线步态轨迹中,表示如下:
具体实施例:
1、利用商用单发双收多普勒雷达(RFBeam KMC4)和笔记本电脑部署感知环境。受试者在雷达法线方向距雷达7.5m的位置面向雷达站立,系统正常运行时,受试者在距雷达法线夹角±15°的范围内行走,以完成步态数据采集过程。
2、对采集到的信号进行平滑滤波。本实施例使用加权线性最小二乘和一阶多项式的局部回归模型对采集到的信号进行平滑滤波。在平滑滤波的过程中设置局部回归滤波器的窗宽为20。假设信号在局部回归滤波器中每窗的时间维度序列为X,能量维度序列为Y,在局部回归滤波器的窗函数中权值函数为w,则滤波过程使用公式 进行处理。
3、对经过平滑滤波后的信号进行分段处理,并利用相位解调技术恢复信号的相位信息。具体而言,在分段处理环节,每帧大小和帧移均设置为2000(即0.03秒长度)。对分割后的信号片段,采用DACM相位解调技术避免两路接收信号相位不匹配的问题,同时抑制高频噪声对步态数据的影响。假设经过平滑滤波及数据分割后两接收通道的信号片段分别为I(k)和Q(k),那么经过相位解调后相位信息为:
4、前3步完成了基本的数据预处理之后,使用相关系数法并利用相角关系计算运动目标与雷达法线方向的夹角,即偏转角的大小。
根据互相关函数的性质,当相关系数从初始值变成最大值的时候,说明相位差也从初始相位差变为零。因此可以通过计算相关系数最大值对应的下标偏移量,得到两信号的相位偏移量x,即相位偏移量x可表示为:
得到两路信号的相位偏移量x后,利用相位偏移量计算两路信号的相位差。由于相位差可以通过相位偏移量x与每帧对应的相位值的乘积得到,而每帧对应的相位值/>在相位周期的变化与每帧对应的时间/>在周期的变化成比例,因此可以据此建立相位偏移量x与相位差/>间的关系。假设设备的采样率为Fs,数据分段后信号频率为f,每帧对应的相位为/>每帧对应的时间为/>信号周期为T,则那么两路信号的相位差/>可表示为:
得到两路信号的相位差后,需要通过相角关系计算运动目标离雷达法线方向的夹角,即偏转角的大小。图2为两路信号的相位差与移动目标偏转角的关系示意图。由图2可以看出,两根接收天线之间相隔距离为d=13.7mm,因此会造成两路回波信号异步到达接收天线,此时两根天线同时接收到的信号在相位上相差/>假设接收信号的波长为λ,两路接收信号的波程差为ΔR,光速为c,则偏转角θ为:
由此即可得到移动目标与雷达法线夹角θ的大小。
5、利用多普勒效应计算运动目标朝向雷达设备的移动速度,并据此计算运动目标在雷达设备法线方向上的移动距离。
首先利用多普勒效应计算运动目标朝向雷达设备的移动速度。多普勒效应是指,当物体靠近或者远离波源运动时,物体接收到的波源频率会发生变化;换句话说,物体接收到的波源频率与物体的移动速度有直接的关系。因此可以建立信号频差与运动目标移动速度之间的关系。假设信号频差为fD(t),雷达的发射频率为f0,则运动目标朝向雷达设备的移动速度v(t)为:
得到运动目标朝向雷达设备的移动速度v(t)后,对移动速度v(t)在数据分段的信号长度内积分可得运动目标在雷达设备法线方向上的移动距离s,即:
由此可得到运动目标在雷达设备法线方向上的移动距离s。
6、通过偏转角θ与运动目标在雷达设备法线方向上的移动距离s计算每个数据片段移动目标的运动方向,下面的方法参照图3进行说明。
图3为信号片段的步态轨迹点位于雷达法线两侧/同侧时的示意图。在图3中,信号片段的步态轨迹起始点为A,结束点为B,步态轨迹在A和B处的偏转角记为θA和θB,A和B与雷达设备O的距离记为lOA和lOB,算法步骤如下:
2)计算第k个信号片段长度内运动目标在雷达设备法线上的移动距离s(k)。使用第5步的方法,利用多普勒效应并在信号片段长度内积分计算s(k),即:
3)计算第k个信号片段长度内运动目标的移动方向由于信号片段的长度N为2000(即0.03秒长度),因此考虑将信号片段内的步态轨迹视为直线运动轨迹,并通过分析信号片段内直线步态轨迹的平面几何关系找到移动方向/>与偏转角θ(k)和移动距离s(k)之间的关系。在ΔAOB中使用正弦定理,就可以通过偏转角θ(k)和移动距离s(k)得到运动目标的移动方向/>即:
4)更新lOA的值。由于第k个信号片段的轨迹结束点即为第k+1个信号片段的轨迹起始点,因此通过几何关系在第k+1个信号片段开始前更新lOA的值,使其等于第k个信号片段的轨迹结束点B到雷达设备O的距离。lOA的更新公式为:
7、根据运动方向将弱约束步态轨迹分割为多段运动方向与雷达设备法线方向解耦的直线步态轨迹。具体而言,轨迹划分的原则是将运动方向时序变化不超过某一阈值的连续轨迹点划分到同一直线步态轨迹中。假设阈值为/>则运动方向与雷达设备法线方向解耦的直线步态轨迹lstraight_trace可表示为:
将弱约束步态轨迹按照上式进行分割,至此即完成了基于单发双收多普勒雷达的弱约束步态轨迹处理。
本发明为基于单发双收多普勒雷达在弱约束步态轨迹场景下的新兴技术,针对单发双收多普勒雷达在弱约束步态轨迹场景下运动方向捕捉能力不足进行了创新。在完成了将弱约束步态轨迹分割为多段运动方向与雷达设备法线方向解耦的直线步态轨迹的同时,也为基于单发多收多普勒雷达在弱约束步态轨迹场景下的步态识别问题提供了思路。
Claims (9)
1.一种基于SIMO多普勒雷达的弱约束步态轨迹处理方法,其特征在于,包括以下步骤:
步骤1:采用单发双收多普勒雷达采集受试者的步态信号;
步骤2:对采集到的步态信号进行平滑滤波;
步骤3:对经过平滑滤波后的步态信号进行分段处理,将步态信号分解为多个信号片段,并利用相位解调技术恢复步态信号的相位信息;
步骤4:使用相关系数法并利用相角关系计算受试者移动方向与单发双收多普勒雷达法线方向的夹角,即偏转角θ的大小;
步骤5:利用多普勒效应计算受试者朝向雷达的移动速度,并据此计算受试者在单发双收多普勒雷达法线方向上的移动距离s;
步骤7:根据运动方向将受试者的步态轨迹分割为多段运动方向与雷达法线方向解耦的直线步态轨迹lstraight_trace,分割的原则是将运动方向时序变化不超过给的阈值的连续轨迹点划分到同一直线步态轨迹中,表示如下:
2.根据权利要求1所述的一种基于SIMO多普勒雷达的弱约束步态轨迹处理方法,其特征在于,所述采集受试者的步态信号时,受试者在距雷达法线夹角±15°的范围内行走。
3.根据权利要求2所述的一种基于SIMO多普勒雷达的弱约束步态轨迹处理方法,其特征在于,所述平滑滤波的方法为使用加权线性最小二乘和一阶多项式的局部回归模型对采集到的步态信号进行平滑滤波。
4.根据权利要求3所述的一种基于SIMO多普勒雷达的弱约束步态轨迹处理方法,其特征在于,所述对经过平滑滤波后的步态信号进行分段处理时,并每帧大小和帧移均设置为2000,即0.03秒长度。
6.根据权利要求5所述的一种基于SIMO多普勒雷达的弱约束步态轨迹处理方法,其特征在于,所述计算偏转角θ的过程如下:
步骤4-1:利用相关系数法计算信号片段I(k)和Q(k)的相位偏移量;
其中,getKey(.})表示计算数组某元素对应的下标变量
其中,d为接收天线之间相隔的距离,即得到受试者移动方向与雷达法线夹角θ值。
步骤6-1:假设信号片段的步态轨迹起始点为A,结束点为B,步态轨迹在A和B处的偏转角记为θA和θB,A和B与雷达设备O的距离记为lOA和lOB;
步骤6-3:计算第k个信号片段长度内受试者在雷达法线上的移动距离s(k):
其中,v(t)(k)为第k个信号片段长度内受试者朝向雷达的移动速度,fD(t)(k)为第k个信号片段长度内的信号频差;
步骤6-4:更新lOA的值;lOA的更新公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110492846.1A CN113253227B (zh) | 2021-05-07 | 2021-05-07 | 一种基于simo多普勒雷达的弱约束步态轨迹处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110492846.1A CN113253227B (zh) | 2021-05-07 | 2021-05-07 | 一种基于simo多普勒雷达的弱约束步态轨迹处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113253227A CN113253227A (zh) | 2021-08-13 |
CN113253227B true CN113253227B (zh) | 2023-06-30 |
Family
ID=77223862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110492846.1A Active CN113253227B (zh) | 2021-05-07 | 2021-05-07 | 一种基于simo多普勒雷达的弱约束步态轨迹处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113253227B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113791414B (zh) * | 2021-08-25 | 2023-12-29 | 南京市德赛西威汽车电子有限公司 | 一种基于毫米波车载雷达视图的场景识别方法 |
CN114172656B (zh) * | 2021-11-22 | 2023-10-20 | 上海交通大学 | 基于无线感知的全域步态检测与身份认证方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110632587A (zh) * | 2019-10-10 | 2019-12-31 | 南京凌云科技发展有限公司 | 一种基于快速fmcw雷达的弱运动物体监测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011012680B3 (de) * | 2011-03-01 | 2012-01-05 | Eads Deutschland Gmbh | Verfahren zur Erfassung der Flugbahn von Projektilen |
-
2021
- 2021-05-07 CN CN202110492846.1A patent/CN113253227B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110632587A (zh) * | 2019-10-10 | 2019-12-31 | 南京凌云科技发展有限公司 | 一种基于快速fmcw雷达的弱运动物体监测方法 |
Non-Patent Citations (1)
Title |
---|
C波段双多基地多普勒雷达资料处理和三维变分风场反演方法研究;刘黎平,莫月琴,沙雪松,苏涛;大气科学(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113253227A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113253227B (zh) | 一种基于simo多普勒雷达的弱约束步态轨迹处理方法 | |
Yang et al. | MU-ID: Multi-user identification through gaits using millimeter wave radios | |
CN107167784B (zh) | 一种基于多通道比相定位的多人体目标定位跟踪方法 | |
CN104898115B (zh) | 一种穿墙雷达成像后多目标跟踪方法 | |
CN106028446A (zh) | 室内停车场定位方法 | |
Li et al. | An indoor location algorithm based on Kalman filter fusion of ultra-wide band and inertial measurement unit | |
JP2023533883A (ja) | 生体情報取得装置及び生体情報取得方法 | |
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 | |
Pan et al. | Dynamic hand gesture detection and recognition with WiFi signal based on 1d-CNN | |
Kong et al. | Gesture recognition system based on ultrasonic FMCW and ConvLSTM model | |
Aziz et al. | A MIMO radar-based metric learning approach for activity recognition | |
KR102322480B1 (ko) | 대상체 크기 및 동작강도에 최적화된 검출 임계치를 적용할 수 있는 uwb 위치인식시스템 및 uwb 위치인식방법 | |
CN110852266A (zh) | 一种基于无线信号的步态特征提取方法 | |
CN112741617A (zh) | 一种基于csi的全方向步态检测算法 | |
Rajagopal et al. | Portable real-time system for multi-subject localization and vital sign estimation | |
WO2022101390A2 (en) | Optimization of dataset | |
Wang et al. | Hand gesture recognition scheme based on millimeter-wave radar with convolutional neural network | |
CN106255041A (zh) | 一种无线传感器网络目标跟踪系统及目标跟踪方法 | |
Abrar et al. | Poster: Link line crossing speed estimation with narrowband signal strength | |
CN114172656B (zh) | 基于无线感知的全域步态检测与身份认证方法及系统 | |
Stockel et al. | Interference Free Vital Sign Extraction with Radar Using a Signal Fusion Approach | |
Han et al. | Wearless and Non-Invasive Gait Speed Observation System Based on Channel State Information of Wi-Fi | |
CN117179728A (zh) | 一种基于mimo毫米波雷达信号的心率估计方法 | |
CN114594857B (zh) | 一种利用无线射频信号识别空中手势的方法 | |
Tao et al. | Research on adaptive data fusion algorithm for point and surface ranging sensor |
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 |