无需神经网络的穿墙雷达人类活动识别

经过数年研究，穿墙雷达 (TWR) 人类活动识别 (HAR) 领域似乎陷入以神经网络模型进行训练雷达图像数据的思维定式。基于模板匹配的最早相关工作无需训练过程，却从未消失。因为这些方法具备强大的物理可解释性，更贴近信号处理理论研究的根基。本文尝试回归原初路径，通过不使用神经网络实现 TWR HAR 任务，挑战实现如同神经网络模型般的智能识别。具体而言，首先生成 TWR 的射频-时间图和多普勒-时间图。随后，使用角点检测法确定人类目标前景与噪声背景的初始区域，并采用多相主动轮廓模型对微多普勒签名进行分割。将微多普勒分割特征离散化为二维点云。最后，通过 Mapper 算法计算结果点云与模板数据点云间的拓扑相似性，以获得识别结果。通过数值仿真与实际测量实验，证明了所提方法的有效性。本工作开源代码已发布于 https://github.com/JoeyBGOfficial/Through-the-Wall-Radar-Human-Activity-Recognition-Without-Using-Neural-Networks。