基于超宽带雷达的轻量化领域辅助深度学习二值人体存在检测框架及边缘AI部署研究
《Electronics》:A Lightweight Physics-Informed Deep Learning Framework for Human Presence Detection Using UWB Radar
【字体:
大
中
小
】
时间:2026年09月20日
来源:Electronics 2.9
摘要
本研究提出了一种基于超宽带(UWB)雷达用于二值人体存在检测的轻量化领域辅助深度学习框架。所提出的方法通过对原始UWB雷达信号进行处理,利用经统计学筛选、具有物理基础的信号特征,包括基于快速傅里叶变换(FFT)的频域统计量和基于希尔伯特变换(HT)的包络统计量;这些特征通过逐受试者的Cohen's d筛选步骤进行选取,并与原始信号堆叠为辅助输入通道,供轻量化二维卷积神经网络(2D-CNN)使用。研究采用跨受试者评估协议(对一名受试者训练、对另一名受试者测试)来评估个体间的泛化能力,而非依赖混合后的样本级划分。在候选特征中,频率标准差(FSTD)被证明能够达到甚至超过所有已测试的多特征组合性能,表明在此任务中,有针对性的特征选择比输入融合更为关键。为进一步提升部署效率,采用了训练后INT8量化,将模型压缩至约23 KB,同时保持了对量化鲁棒配置的分类性能。在STEdgeAI平台上进行的硬件在环基准测试表明,设备端推理时间从AI赋能的STM32N6硬件上约0.88毫秒到STM32H7级微控制器上约117至130毫秒不等;上述数据仅反映模型推理时间,不包括雷达数据采集和预处理时间。实验基于包含两名受试者(一男一女)的室内数据集进行;所报告的跨受试者结果以特征和量化配置之间的相对比较形式呈现,而非对总体泛化能力的估计。尽管如此,研究结果仍展示了将原则性特征选择与量化感知、硬件验证的嵌入式人工智能(AI)平台部署相结合的可行性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号