一种基于MIMO雷达的度量学习方法用于活动识别
信号处理
2021-11-04 v1 机器学习
摘要
人体活动识别在医疗和监控领域具有重要意义。基于捕获的微多普勒 (μ-D) 特征，雷达已显示出在该领域的巨大可行性。本文使用 MIMO 雷达，为非切向场景下的角速度 (μ-ω) 构建了一种新颖的微动谱图。结合 μ-D 和 μ-ω 特征已显示出更好的性能。基于度量学习方法，分类准确率达到 88.9%。实验设置旨在捕获不同方位角和视线 (LOS) 上的微动特征。与最先进技术相比，所使用的训练数据集规模较小，其中捕获了八种活动。采用小样本学习方法调整预训练模型以用于跌倒检测。最终模型对十种活动的分类准确率达到 86.42%。
引用
@article{arxiv.2111.01939,
title = {A MIMO Radar-Based Metric Learning Approach for Activity Recognition},
author = {Fady Aziz and Omar Metwally and Pascal Weller and Urs Schneider and Marco F. Huber},
journal= {arXiv preprint arXiv:2111.01939},
year = {2021}
}
备注
6 pages, 7 figures, 2 tables