版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、基于微波雷達的人體探測主要是利用人體運動形成的多普勒效應(yīng),實現(xiàn)對人體的檢測、定位和跟蹤,在現(xiàn)代城市戰(zhàn)爭、自然災(zāi)害救援、醫(yī)療監(jiān)護等領(lǐng)域具有重要的應(yīng)用價值。由于實際探測中場景復(fù)雜,人體微攝動以及步態(tài)信號回波形式多樣、能量微弱,造成難以有效檢測。本文圍繞穿墻場景下人體檢測難題開展研究,主要工作和貢獻如下:
1.針對穿墻場景下的人體探測難題,研究了單頻連續(xù)波雷達體制和步進頻連續(xù)波雷達體制下的人體回波信號模型,并對人體回波信號進行分析。
2、通過仿真確定了穿墻人體探測情況下雷達發(fā)射信號的最佳頻段;
2.針對低信雜比、復(fù)雜非高斯雜波場景下人體微攝動信號穩(wěn)健檢測難題,提出了雙通道相關(guān)熵探測算法,該算法首先通過計算回波信號的相關(guān)熵,實現(xiàn)對雜波的抑制以及人體微攝動信號能量的積累,然后對相關(guān)熵做傅里葉變換,得到相關(guān)熵譜,從而實現(xiàn)人體探測。通過與傳統(tǒng)人體探測算法效果的對比,證明了該算法能夠有效提高探測結(jié)果信噪比;
3.針對人體微攝動信號回波能量弱,單幅回波圖像包含信
3、息量少的情況,研究了利用雙幅圖像進行相關(guān)分析的人體探測算法,該算法通過目標與場景的相關(guān)分析,有效加強了微弱目標信號能量,有利于從強雜波中提取人體微弱信息。通過仿真驗證了該算法的有效性,并與傳統(tǒng)人體探測算法進行了效果上的對比;
4.針對人體步態(tài)回波信號具有時變性強,包含頻率分量多的情況,將時頻分析方法用于人體步態(tài)回波信號分析,首先對人體步態(tài)回波進行短時傅里葉變換,得到人體步態(tài)運動回波時頻圖,然后對二值化處理,提取上下包絡(luò),最后對
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于雷達回波的人體探測算法研究.pdf
- 基于微多普勒的人體探測和特征提取算法研究.pdf
- 基于姿態(tài)傳感器的人體步態(tài)預(yù)測算法設(shè)計與實現(xiàn).pdf
- 基于區(qū)域高斯特征的人體檢測算法.pdf
- 基于步態(tài)壓力特征的人體行為識別.pdf
- 基于稀疏表示的人體步態(tài)識別算法研究.pdf
- 基于多模特征融合的人體跌倒檢測算法研究.pdf
- 基于AdaBoost的人體檢測算法.pdf
- 基于多特征和級聯(lián)分類器的人體檢測算法.pdf
- 基于區(qū)域約束HOG-LBP特征的人體檢測算法研究.pdf
- 基于adaboost的人體檢測算法(1)
- 基于人體特征和模型的步態(tài)識別的算法研究.pdf
- 基于步態(tài)的人體身份識別.pdf
- 基于SVM的人體異常行為檢測算法研究.pdf
- 基于深度圖的人體檢測算法研究.pdf
- 基于Kinect的人體步態(tài)跟蹤與識別技術(shù).pdf
- 基于人體動靜態(tài)特征融合的步態(tài)識別算法研究.pdf
- 基于SURF特征的人群數(shù)量檢測算法研究.pdf
- 基于視頻的人體骨架步態(tài)協(xié)同研究
- 基于雷達回波的人體檢測和步態(tài)特征提取.pdf
評論
0/150
提交評論