欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202211638770X
申请人: 成都理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法,其特征在于:包括以下步骤:(1)在检测区域安装毫米波雷达,且雷达覆盖区域内具有确定数量的目标;

(2)通过毫米波雷达模块对检测区域内的目标进行实时监控,采集目标返回的雷达回波信号,同时上传至系统的行为表征模块,针对同一目标同一行为生成三类蕴含不同时频聚集特征和立体关联特征的三维谱图,并根据不同目标不同行为构建数据集;

(3)设计多表征输入的基于Transformer时空特征提取与交叉注意力特征融合的跌倒行为识别网络,再利用数据集对网络进行训练和测试,并基于此网络设计特征提取与行为识别模块;

(4)在特征提取与行为识别模块中,根据输入的融合特征对目标行为进行分类,实时判断目标是否跌倒;若是,则进入步骤(5);若否,则返回步骤(4);

(5)通过通信模块向远程监护平台报警,以实现实时的跌倒行为识别。

2.根据权利要求1所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法,其特征在于:步骤(1)中使用的毫米波雷达具体安装细节为:将毫米波雷达安装检测区域内、高度2.0m至3.0m;与竖直方向夹角约为25°至35°。

3.根据权利要求1所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法,其特征在于:步骤(2)具体为:(21)对雷达采集到的原始回波信号进行预处理;

(22)对预处理后的信号进行不同阶次短时分数阶傅里叶变换,并将不同阶次的分数阶时频谱图进行堆叠得到分数阶三维特征表达;

(23)对预处理后的信号进行S变换、平滑伪威格纳‑维利分布与下采样短时傅里叶变换,并将这些不同类别的二阶时频谱图堆叠形成二阶三维特征表达;

(24)对预处理后的信号进行时间滑窗的短时双谱变换,并将这些高阶时频谱图按照时间顺序进行堆叠,得到高阶三维特征表达。

4.根据权利要求3所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法,其特征在于:步骤(21)具体为:对原始回波信号进行静态杂波抑制,这里采用相量均值相消算法,首先对所有接收脉冲求平均得出参考接收脉冲,再用每一束接收脉冲减去参考接收脉冲即可得到目标回波信号。

5.根据权利要求3所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法,其特征在于:步骤(22)具体为:首先对预处理后的信号进行分帧加窗,再对加窗后的数据进行不同阶次的分数阶傅里叶变换,最后将这些不同阶次的分数阶时频谱图按照固定的阶次进行堆叠即可得到分数阶三维特征表达。

6.根据权利要求3所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法,其特征在于:步骤(23)具体为:首先对信号进行S变换,即先给信号加高度和宽度随频率变化的高斯窗口,再进行傅里叶变换;其次对信号进行SPWVD,即对信号进行加窗、平滑、威格纳‑维利分布;最后对信号进行DS‑STFT,即先对信号进行下采样,再进行短时傅里叶变换;最后将这些不同类别的二阶时频谱图堆叠形成二阶三维特征表达。

7.根据权利要求3所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法,其特征在于:步骤(24)具体为:首先对原始信号加窗,再进行双谱变换,并且让窗在原始信号矩阵上进行滑动,得到多张高阶时频谱图,最后将这些时频谱图按照时间顺序进行堆叠则可得到高阶三维特征表达。

8.根据权利要求1所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法,其特征在于:步骤(3)具体为:首先,将三维信号划分为固定数量的数值阵列块,并使用线性投影网络将其映射为固定维度为特征向量,将获取的特征矩阵输入Transformer结构中实现信号表征的抽象,然后将其与其它信号表征进行交叉自注意力融合,获取融合特征,最后利用逻辑回归对特征进行分类。

9.基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1至8任一项所述的方法。