CubeLearn：基于原始毫米波雷达信号端到端学习的人体运动识别
机器学习
2021-11-09 v1 信号处理
摘要
近年来，毫米波 FMCW 雷达在以人为中心的应用（如人体手势/活动识别）中引起了大量研究兴趣。大多数现有流程建立在传统的离散傅里叶变换（DFT）预处理与深度神经网络分类器混合方法之上，且以往多数工作聚焦于设计下游分类器以提升整体准确率。在本工作中，我们退一步审视预处理模块。为避免传统 DFT 预处理的缺陷，我们提出一个可学习的预处理模块，名为 CubeLearn，直接从原始雷达信号提取特征，并构建用于毫米波 FMCW 雷达运动识别应用的端到端深度神经网络。大量实验表明，我们的 CubeLearn 模块持续提升了不同流程的分类准确率，尤其惠及此前较弱的模型。我们给出了关于所提模块初始化方法与结构的消融研究，以及在 PC 与边缘设备上的运行时间评估。本工作亦可作为不同数据立方体切片方法的比较。通过任务无关的设计，我们提出了迈向雷达识别问题通用端到端解决方案的第一步。
引用
@article{arxiv.2111.03976,
title = {CubeLearn: End-to-end Learning for Human Motion Recognition from Raw mmWave Radar Signals},
author = {Peijun Zhao and Chris Xiaoxuan Lu and Bing Wang and Niki Trigoni and Andrew Markham},
journal= {arXiv preprint arXiv:2111.03976},
year = {2021}
}