基于微动 Doppler 角点云和动态图学习的室内人类活动通用识别方法

通过墙壁雷达（TWR）实现人类活动识别可以通过融合微动 Doppler特征提取和智能决策算法来实现。然而，受限于实际室内场景中测试者先验不足，训练在一个测试者上的模型通常难以在其他测试者上进行推理，从而导致泛化能力差。为解决此问题，本文提出一种基于微动 Doppler 角点云和动态图学习的通用室内人类活动识别方法。在提出的方法中，使用DoG-{\mu}D-CornerDet对两种雷达轮廓进行微动 Doppler角点提取。然后，提出一种基于多项式拟合平滑的微动 Doppler角点过滤方法，在运动学模型约束下最大化特征距离。来自两种雷达轮廓的提取角点拼接成三维点云。最后，本文提出一种基于动态图神经网络（DGNN）的数据到活动标签映射方法。开展了可视化、比较和消融实验，以验证所提方法的有效性。结果表明，所提方法在来自不同测试者收集的雷达数据上具有强大的泛化能力。