基于雷达数据增强深度学习方法与微多普勒特征的行人识别
信号处理
2023-06-16 v1 计算机视觉与模式识别
机器学习
摘要
作为近年来的热点，基于雷达微多普勒特征的行人识别能力受限于缺乏充足的训练数据。本文提出一种具有数据增强（DE）模块和多特征学习（MCL）模块的数据增强多特征学习（DEMCL）模型，以学习更具互补性的行人微多普勒（m-D）特征。在DE模块中，提出距离-多普勒生成对抗网络（RDGAN）以增强自由行走数据集；训练具有多尺度卷积神经网络（MCNN）和径向基函数神经网络（RBFNN）的MCL模块，从增强数据集中学习提取的m-D特征。实验结果表明，我们的模型比其他研究准确率高3.33%至10.24%，且在25分钟行走数据集上运行时间仅为0.9324秒。
引用
@article{arxiv.2306.08303,
title = {Pedestrian Recognition with Radar Data-Enhanced Deep Learning Approach Based on Micro-Doppler Signatures},
author = {Haoming Li and Yu Xiang and Haodong Xu and Wenyong Wang},
journal= {arXiv preprint arXiv:2306.08303},
year = {2023}
}
备注
6 pages,17 figures