【毕业设计】基于雷达与深度学习的摔倒检测——微多普勒效应

运动物体的微多普勒效应为人体动作识别提供了可能,基于雷达的居家检测具有良好的隐私保护性,且不易受环境因素影响(如光照、温度等),近年来已受到国内外学者的广泛关注。由于雷达信号的非平稳特性,通过短时傅里叶变换或者小波变换等数字信号处理方法,揭示人体运动情况的多普勒与微多普勒特征已经能够很好地显示出来,这为基于雷达地人体摔倒检测提供了理论基础。

目录

1 多普勒效应

2 微多普勒效应

3 微多普勒信号分析


1 多普勒效应

        根据波动理论,当波源与观察者相互靠近或者相互远离时,观察者接收到的频率(以下简称接收频率)与波源频率不一致,这种现象叫做多普勒效应。根据波源与观察者的相对运动状态,多普勒效应可以分为以下两种情况:

(1)波源静止,观察者相对介质运动,接收频率与波源频率满足:

f_{r} = (v \pm v_0)/v \times f_{s}

其中 v 为波在介质中的传播速度,v0 为观察者的径向移动速度,若观察者靠近波源则取“+”号,反之取“-”号。

(2)观察者静止,波源相对介质运动,接收频率与波源频率满足:

f_{r} = v / (v \mp v_{s}) \times f_{s}

其中 vs 为波源的径向移动速度,若波源向观察者接近则取“-”号,反之取“+”号。

多普勒效应引起的接收频率和波源频率之差,定义为多普勒频移,即

\Delta f = f_{r} - f_{s}

多普勒频移可以通过对接收信号的频谱分析得到。

        应用多普勒效应的雷达称为多普勒雷达(Doppler Radar),在速度相同的情况下,信号频率 f_{t} 越高,多普勒效应越显著。

f_{d} \approx 2 v f_{t}/c

2 微多普勒效应

        在波源频率已知的情况下,运动物体速度的测量可以转换成多普勒频移的测量。或者说,多普勒效应可以用于测量运动物体的速度,例如行驶中的汽车。实际上,行驶中的汽车等物体在物理上被等效为一个刚体。

        然而在基于雷达的人体摔倒检测中,人体不能被视为一个刚体。这是因为人在摔倒或者做其他动作时, 除人体躯干运动之外,通常还伴随有手臂的摆动、头部的微小晃动等运动,这些运动也会在雷达时频谱图中引入多普勒频率。这种由非刚体自身结构的振动或转动而引起的多普勒效应,被称为微多普勒效应(Micro-Doppler Effect)。

If the object or any structural component of the object has an oscillatory motion in addition to the bulk motion of the object, the oscillation will induce additional frequency modulation on the returned signal and generates side bands about the Doppler shifted frequency of the transmitted signal due to the bulk motion. The additional Doppler modulation is called the micro-Doppler effect.

3 微多普勒信号分析

        人体雷达信号的多普勒特征与微多普勒特征,分别揭示了人体躯干的运动情况和除躯干外其他部位的运动情况。然而,微多普勒信号在分析过程中,也存在着一些挑战。

(1)强非平稳性,傅里叶频谱不能反映微多普勒效应的真实特征;

(2)多分量相互交叉,频带集中,难于分离;

(3)特征微弱,易被噪声淹没。

How to effectively decompose micro-Doppler signatures into mono-components that relate to the physical structural parts of a target and how to measure the embedded kinematic/structural information from mono-component signatures are still open issues.

        对于非平稳信号,可以采用时频变换和信号分解的分析方法。时频变换方法包括短时傅里叶变换(Short Time Fourier Transform, STFT)和连续小波变换(Continuous wavelet transform, CWT).

短时傅里叶变换

STFT_{x}(\tau , \omega) = \int^{\infty} _{-\infty} x(t) g(t-\tau) e^{-j\omega t} dt

连续小波变换

CWT_{x} (a, b; \psi) = 1/\sqrt{a} \int ^{\infty} _{-\infty} x(t) \psi((t-b)/a) dt

        通过短时傅里叶变换或者小波变换等数字信号处理方法,揭示人体运动情况的多普勒特征和微多普勒特征已经能够很好地显示出来,这为基于雷达的人体摔倒检测提供了理论基础。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/194842.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Oracle-CDB容器数据库修改service_names踩坑

前言: 最近在对一套Oracle容器数据库进行迁移测试时,为了保持新环境与旧环境的服务名一致,需要在新环境添加旧环境的服务名,在CDB的根容器通过service_name参数添加旧环境的服务名之后,发现数据库PDB的服务名全部被注销&#xff0…

自动驾驶学习笔记(十四)——感知算法

#Apollo开发者# 学习课程的传送门如下,当您也准备学习自动驾驶时,可以和我一同前往: 《自动驾驶新人之旅》免费课程—> 传送门 《Apollo Beta宣讲和线下沙龙》免费报名—>传送门 文章目录 前言 感知算法 开发过程 测试和评价 前言…

[leetcode 哈希表] 模版

文章目录 1.有效字母的异位词 E2. 两个数组的交集 E3.快乐数 E4. 两数之和 E5. **topk(前k个高频元素) M** 1.有效字母的异位词 E :::details 给定两个字符串 s 和 t ,编写一个函数来判断 t 是否是 s 的字母异位词。 注意:若 s 和 t 中每个字符出现的次…

一致性哈希算法,hash(key)是负值时,会出现异常吗?

一致性哈希算法,hash(key)是负值时,会出现异常吗? 一致性哈希算法中,哈希函数hash(key)的返回值通常是一个非负整数。如果hash(key)返回负值,则可能会出现一些问题,例如无法正确地映射对象到哈希环上的位置,或者无法正确地找到…

【PTA-C语言】编程练习3 - 循环结构Ⅱ

如果代码存在问题,麻烦大家指正 ~ ~有帮助麻烦点个赞 ~ ~ 编程练习3 - 循环结构(9~15) 7-9 特殊a串数列求和(分数 15)7-10 穷举法搬运砖块问题(分数 15)7-11 数字金字塔(分数 15&…

鸿蒙4.0开发笔记之ArkTS装饰器语法基础@Prop@Link@State状态装饰器(十二)

文章目录 一、哪些是状态装饰器二、StatePropLink状态传递的核心规则三、状态装饰器练习 一、哪些是状态装饰器 1、State:被装饰拥有其所属组件的状态,可以作为其子组件单向和双向同步的数据源。当其数值改变时,会引起相关组件的渲染刷新。 …

思维模型 赫洛克效应

本系列文章 主要是 分享 思维模型,涉及各个领域,重在提升认知。及时反馈,激发动力。 1 赫洛克效应的应用 1.1 赫洛克效应在管理中的应用 美国惠普公司是一家全球知名的科技公司,该公司非常注重员工的激励和认可。在惠普公司&…

网络和Linux网络_9(应用层和传输层_笔试选择题)

目录 一. 常见应用协议等等 1. 以下不是合法HTTP请求方法的是( ) 2. 文件传输使用的协议是() 3. HTTP1.1的请求方法不包括?() 4. http状态码中,( )表示访问成功,( )表示坏请求,( )表示服务不可用。() …

mysql的几种索引

mysql可以在表的一列、或者多列上创建索引,索引的类型可以选择,如下: 普通索引(KEY) 普通索引可以提高查询效率。在表的一列、或者多列上创建索引。 每个表可以创建多个普通索引。 例如,下面示例&#…

智能优化算法应用:基于海洋捕食者算法无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用:基于海洋捕食者算法无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用:基于海洋捕食者算法无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.海洋捕食者算法4.实验参数设定5.算法结果…

KWin、libdrm、DRM从上到下全过程 —— drmModeAddFBxxx(21)

接前一篇文章:KWin、libdrm、DRM从上到下全过程 —— drmModeAddFBxxx(20) 距离本系列上一篇文章发布的时间已经过去了十多天,虽然这样算下来时间不算长,但笔者感觉上都快过了一个月没更新了。这可能是在我心里一直把Linux图形、尤其是DRM、libdrm这块看得很重,总想尽快往…

实现一个简单的网络通信下(udp)

时间过去好久了,先回忆一下上一篇博客的代码!! 目前来看,我们客户端发一条消息,我服务器收到这一条消息之后呢,服务器也知道了是谁给我发来的消息,紧接这就把这条消息放进buffer当中&#xff0c…

伸展树你需要了解一下

介绍 伸展树(Splay Tree)是一种平衡二叉搜索树,它能在O(log n)内完成插入、查找和删除操作。它是丹尼尔斯立特Daniel Sleator 和 罗伯特恩卓塔扬Robert Endre Tarjan 在1985年发明的。 伸展树是一种自调整形式的二叉查找树,它会在…

51单片机项目(18)——基于51单片机的大棚环境监测系统

1.功能描述 首先使用DS18B20,测量土壤温度,并显示在OLED屏幕左边。然后使用土壤湿度传感器测量土壤湿度,因为这个传感器输出的值是模拟量,所以需要使用AD转换模块。本次使用ADC0832,这是一个8位精度的AD转换模块&#…

MATLAB算法实战应用案例精讲-【路径规划】 图搜索算法

目录 前言 几个高频面试题目 运动规划、路径规划、轨迹规划对比 1. 运动规划 2. 路径规划VS轨迹规划

大数据技术学习笔记(七)—— Zookeeper

目录 1 Zookeeper 概述1.1 Zookeeper 定义1.2 Zookeeper 工作机制1.3 Zookeeper 特点1.4 数据结构1.5 应用场景 2 Zookeeper 安装3 客户端命令行操作4 Zookeeper 的 Java 客户端操作4.1 IDEA 环境搭建4.2 初始化 ZooKeeper 客户端4.3 创建子节点4.4 获取子节点4.5 判断Znode是否…

深入理解 Kafka 集群搭建与管理

Apache Kafka 作为分布式流处理平台的核心,其集群搭建与管理是确保高可用性和高性能的关键。本文将深入研究 Kafka 集群的构建、配置、工作原理、节点角色以及一些高级管理策略,以助力读者更深层次地理解和灵活运用 Kafka 集群。 Kafka 集群基础 1 集群…

智能优化算法应用:基于供需算法无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用:基于供需算法无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用:基于供需算法无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.供需算法4.实验参数设定5.算法结果6.参考文献7.MATLAB…

Flume 安装部署

文章目录 Flume 概述Flume 安装部署官方网址下载安装配置文件启动 Flume 进程启动报错输出文件乱码问题 Flume 概述 Flume(Apache Flume)是一个开源的分布式日志收集、聚合和传输系统,属于 Apache 软件基金会的项目之一。其主要目标是简化大…

预约系统源码解析:打造智能定制化预约服务的技术奇迹

在当今数字化时代,预约系统的重要性日益凸显,而预约系统源码的开放将为各行业带来更加灵活、智能的预约解决方案。本文将深入探讨预约系统源码的技术内幕,为开发者提供实用的代码示例,助力打造智能定制化的预约服务。 技术栈概览…