扩展目标强度图与速度分布的重建，用于人类活动分类

《IEEE Transactions on Radar Systems》：Reconstruction of Extended Target Intensity Maps and Velocity Distribution for Human Activity Classification

本研究提出一种新型雷达传感器融合方法，通过处理分布式雷达数据生成三维反射强度与目标速度分布，实验表明其分类准确率达87.4%，F1分数81.9%，优于传统方法。

　　

摘要：

本文探讨了利用分布式雷达传感器网络对人类活动进行分类的问题。提出了一种新的传感器融合方法，该方法能够处理来自雷达传感器网络的数据，并生成反射强度和速度分布的3D表示。通过实验案例验证了该方法的可行性，在该案例中，使用了14名参与者在不同轨迹上移动并执行九种活动的数据来进行活动分类。将所提出方法与相同数据集上的其他融合方法进行了比较，结果显示其分类准确率分别为87.4%和81.9%。此外，还进行了可行性研究，证明了该方法生成强度和目标速度3D分布的能力。

引言

在医疗保健领域，雷达被视为一种有前景的传感器技术，可用于监测患者和弱势群体在家庭环境中的情况。雷达的监测功能包括生命体征检测[1]、[2]、步态分析[3]、[4]、跌倒检测[5]、[6]、与智能设备的交互手势识别以及自动手语解读[7]、[8]、[9]、[10]，还有活动分类[11]、[12]、[13]、[14]。雷达的非接触式特性使其能够在可穿戴传感器不适用的情况下进行监测，例如当受试者忘记佩戴传感器或不愿意佩戴传感器时。此外，雷达是一种主动式传感器，可以在完全黑暗或强光环境下正常工作，不会给用户带来任何不便。最后，雷达不会捕获任何视觉图像，从而有助于保护用户的隐私。