MoCap2Radar：从动作捕捉合成微动 Doppler 雷达签名的时间-空间 Transformer
机器学习
2025-11-17 v1
摘要
我们提出了一种纯粹的机器学习过程，用于从动作捕捉（MoCap）数据合成雷达频谱图。我们将 MoCap 到频谱图的翻译建模为基于窗口的序列到序列任务，使用基于 Transformer 的模型来联合捕获 MoCap 标记之间的空间关系以及帧之间的时间动态。真实世界的实验表明，所提出的方法能够产生在视觉和量化上都合理的 Doppler 雷达频谱图，并实现良好的概括性。消融实验表明，所学模型包括将多部分运动转换为 Doppler 签名的能力，以及对人体不同部位之间空间关系的理解。该结果是一个使用 Transformer 进行时间序列信号处理的有趣案例。它特别适用于边缘计算和物联网（IoT）雷达。它还表明可以使用更丰富的 MoCap 数据来增强稀缺的雷达数据集，以训练更高层次的应用。最后，它比基于物理的方法生成雷达数据所需的计算资源更少。
引用
@article{arxiv.2511.11462,
title = {MoCap2Radar: A Spatiotemporal Transformer for Synthesizing Micro-Doppler Radar Signatures from Motion Capture},
author = {Kevin Chen and Kenneth W. Parker and Anish Arora},
journal= {arXiv preprint arXiv:2511.11462},
year = {2025}
}