用于人体运动分析的合成雷达信号发生器

《IEEE Transactions on Radar Systems》：Synthetic Radar Signal Generator for Human Motion Analysis

雷达信号合成方法通过人体多体散射模型提升数据真实性，利用公开运动捕捉数据替代3D网格生成Doppler-time spectrograms，并验证了在活动分类和骨骼关节速度估计中的应用价值。

　　

摘要：

雷达信号的合成生成是一种解决缺乏包含雷达数据与人体运动数据配对的标准化数据集问题的有效方法。遗憾的是，目前文献中的方法（如SimHumalator）无法真实地模拟实际测量结果，因此无法单独用于依赖大规模训练集的数据驱动应用。为此，我们提出了一种基于实证的信号模型，该模型将人体视为由多个扩展目标组成的集合。与仅使用单一点散射体的SimHumalator不同，我们的方法为身体的每个部位都定位了多个散射体。该方法不依赖于三维网格，而是利用为每个部位拟合的简单几何形状，从而可以利用公开可用的动作捕捉（MoCap）数据集。通过仔细选择所提出模型的参数，我们可以生成更接近实际测量结果的多普勒时间频谱图（DTS），从而缩小合成数据与真实数据之间的差距。最后，我们展示了该方法在两个不同应用场景中的可行性，这两个场景分别利用人工神经网络（ANN）进行活动分类和骨骼关节速度估计。

引言

雷达传感器在许多领域中变得越来越重要，这些领域利用机器学习（ML）来解决复杂问题，包括汽车安全、监控和健康监测[1]。这些解决方案严重依赖于标准化数据集，这有助于实现一致的训练、评估和可重复性。然而，收集雷达数据集是一个耗时且劳动密集型的过程。