一、超宽带雷达信号模型研究（论文文献综述）
齐芮[1]（2021）在《基于多传感器的动作识别、多目标识别及室内定位算法研究》文中认为伴随着信息化时代的不断进步,电子技术飞速发展,以雷达为代表的非接触式传感器进入了人们的视野。通过分析雷达接收的电磁波,我们可以发现目标并获得其位置、运动方向、速度等信息。不仅如此,搭配着特定的雷达信号处理算法,我们可以将雷达应用得更宽、更广,如人体动作识别、多目标识别和室内定位等。本文对雷达信号处理算法展开研究,主要的研究内容和创新点如下:（1）提出了一种基于多分类结构的超宽带雷达人体动作识别算法。本算法包括三部分:首先,使用k-近邻（kNN）算法对预处理后信号的径向特征进行分类从而识别受试者的径向位移方向;然后,使用提出的功率谱特征提取算法和多普勒频移特征提取算法提取和可视化在第一部分中已分类数据的特征;最后,将从第二部分得到的特征谱图送入卷积神经网络（CNNs）进行训练和测试以实现人体动作的分类识别。为了验证所提出算法的性能,包含1 5个人（每人12种动作）的数据集被创建,并使用五折交叉验证计算识别准确率。结果表明,对受试者径向位移方向进行判断的平均准确率达99%,对受试者动作种类进行判断的平均准确率达98%。实验证明,本算法能在人体日常动作中实现较高的识别准确率且在多种测试环境下是可行的。（2）提出了一种基于整体信号模式的超宽带雷达多目标识别算法。本算法包括三部分:首先,对雷达原始回波信号进行预处理去除背景和空间杂波并进行距离补偿;然后,基于UWB信道模型利用簇特征提取的方法提取信号模式特征;最后,利用k-近邻（kNN）算法对信号模式特征进行分类。为了验证所提出算法的性能,包含0-5人的场景数据集被创建,并使用五折交叉验证计算识别准确率。结果表明,在较空旷的室内环境中本算法的平均人数统计准确率在90%以上。实验证明,本算法的计算复杂度较低且在多种测试环境下对区域内的人员数量进行检测是可行的。（3）提出了一种基于毫米波调频连续波雷达的室内定位算法,本算法包括三部分:首先,利用背景频谱相减法和MTI算法滤除背景噪声;然后,分别利用距离FFT、速度FFT、角度FFT对目标距离、速度、角度信息进行检测;最后,将得到的距离、速度、角度信息进行整合并在方位图中标识。为了验证所提出算法的性能,用测量工具对真实距离、角度信息进行测量,并与雷达探测结果进行对比。结果表明,在较空旷的室内环境中本算法的单目标定位平均距离误差在10cm以内,角度误差在5°以内。
杨成浩[2]（2021）在《基于超宽带信号的土壤特征与数据挖掘研究》文中研究表明超宽带（UWB,Ultra Wide Band）雷达传感器由于雷达带宽高,在农业中具备很强的土壤距离分辨率,目标穿透能力和抗干扰能力优势,已在农业土壤动态信息的实时获取和综合处理中得到广泛的应用。本文就超宽带雷达信号中的土壤特征参数信息提取问题提出了两种土壤特征分类算法和两种土壤特征预测算法。利用机器学习和信号处理算法从超宽带雷达信号的时域、频域和特征空间三个角度对信号进行特征提取,建立了信号与土壤特征之间的映射关系,并通过实验验证了算法在不同信噪比、标签噪声以及特征维度下的最优算法。主要工作内容总结如下:1、本文提出了UWB-LSTM和UWB-GRU土壤含水量分类算法,达到了可以无需进行超宽带雷达土壤信号特征提取即可对五种具有不同的超宽带土壤回波信号进行土壤体积含水量分类的目的。该算法利用了UWB土壤信号作为时间序列样本数据的特点,通过挖掘信号前后数据点之间的相关特性与土壤特征参数之间的关系,结合两种循环神经网络对土壤回波信号进行了分类。本文针对两个模型在分类效果、模型收敛速度和模型泛化能力三个方面的特点,就两个模型在实测量和数据中的表现情况进行了综述和分析。仿真结果显示,UWB-GRU算法的分类精度和准确率优于UWB-LSTM,但是UWB-LSTM模型的泛化能力优于UWB-GRU模型。2、本文提出了一种基于置信学习的改进逻辑回归算法,该算法针对超宽带雷达土壤信号中可能存在的错误标签会影响模型的分类效果这一问题,达到了提高算法分类准确率的效果。该算法将置信学习方法应用于逻辑回归模型,通过对标签噪声概率进行估计发现可能的错误标签。另外,本文在不同信噪比下,对比了基于置信学习的逻辑回归模型和一般逻辑回归模型的分类精度。仿真分析表明,在信号自身和信号标签中均存在噪声的情况下,基于置信学习的改进逻辑回归算法在分类准确率上有较大的提升。3、提出了一种WPT-SVM土壤特征参数预测算法,该算法以小波包变换为基础（WPT,wavelet packet transform）提取了超宽带土壤回波信号的频域能量特征,该特征为不同土壤特征的超宽带雷达信号在不同频率分段上的能量占比。同时以支持向量机（SVM,support vector machine）为基础建立了超宽带土壤回波信号的土壤p H值和土壤含水量预测模型。当对土壤超宽带回波进行6层Dmeyer小波包处理后,算法的p H预测性能达到最佳;分解层数达到7层时,土壤VWC预测效果达到最佳。4、提出了一种基于主成分分析（PCA,Principal Component Analysis）和集成学习方法的土壤特征参数预测模型,实现了土壤特征参数的智能化提取。本文实现算法预测效能在不同的特征维度和信号噪声条件下的考察。PCA+bagging、PCA+randomforest、PCA+adaboost和PCA+gradientboost算法中,PCA+randomforest的预测效果和抗噪性能均优于其余三种模型。另外,利用集成学习算法集成多个弱学习器的特点,对上一章中的小波包分解得到的能量特征谱进行分析,对各频段的信号能量对土壤p H预测的重要程度排序。使用三种集成模型（随机森林、决策树和gradientboost模型）分析得出结论,超宽带土壤信号与p H值相关的信息主要集中在信号的3.84-4.10GHz频域范围内。本文在传统信号处理算法之上,利用机器学习强大的数据拟合能力,从信号频域、信号时域、特征空间三个角度对信号进行特征提取,建立了土壤特征参数与超宽带雷达信号之间的映射关系。针对土壤p H值与体积含水量预测、在信号噪声环境下进行土壤特征的分类与预测任务提出了解决方案。
周世镒[3]（2021）在《基于超宽带雷达的老年人室内跟踪与日常活动能力评估》文中研究说明人口老龄化为世界各国带来挑战的同时,也推动了环境辅助生活概念的产生与智慧养老事业的发展。建立基于环境和生物智能感知的室内日常生活监测系统可以将老年人的身体情况及时反馈给远程家属,从而实现辅助照护。为避免摄像头和可穿戴设备等传统感知方式造成的隐私暴露和身体侵入感,超宽带雷达不失为一种选择。本研究借助超宽带雷达实现室内人体目标检测与跟踪、动作识别、运动参数提取以及初步的日常活动能力评估,主要工作如下:1.针对人体目标的多点散射和距离扩展特性,提出采用基带信号进行目标检测,有效减少量测数目、数据存储空间和算法处理时间,进一步提升实时性;2.根据目标检测结果,提出量测凝聚和跳窗起始方法,确定目标个数及各自的初始状态,并分别实现了单目标和多目标的跟踪。轨迹更新时间为0.1 s,跟踪的均方根误差小于0.3 m;3.针对现有日常活动能力评估工具的应用局限性,建立SWS评估工具——采用单次坐下、3 m行走和单次下蹲三项动作的完成时间进行评估,具体过程包括动作识别和运动参数提取两个阶段;4.在动作识别阶段,基于人体动作对雷达信号产生的多普勒效应,将信号转换为时序-距离-多普勒谱图,通过卷积自编码器提取特征,利用QRNN进行时序建模。该网络模型对室内常见8种动作的识别准确率为96.58%,并且在推理时间上存在优势;5.在运动参数提取阶段,对于下蹲和坐下,将雷达信号转换为时间-多普勒谱图,基于速度约束实现动作持续时间提取。对于行走,联合时间-多普勒谱图和目标跟踪轨迹综合判断,输出实际位移3 m所需的时间。最终以SWS评分标准来反映日常活动能力。
杨梦遥[4]（2020）在《基于超宽带雷达的长时生命体征监测研究与实现》文中研究指明生命体征是标志生命活动存在与质量的重要指征,针对人体的生命体征监测能够为疾病的预防与临床诊断提供重要依据。超宽带（Ultra-WideBand,UWB）雷达具有低功耗、高分辨率的特性,能够提供一种非接触式的监测方式,且回避了易受光线干扰与侵犯隐私的问题,已被广泛用于众多生命体征监测系统中。然而现有的生命体征监测系统,对于多目标生命体征同时监测的探讨不够,对于如何去除目标随机体动的研究仍有不足。本文针对以上两个问题,分别提出基于位置的变分模态分解法的车内多目标生命体征监测与基于正弦拟合和映射算法的波形联合优化的动目标生命体征监测算法。本文提出了复杂强反射环境下的多目标生命体征监测算法,解决了金属多径干扰与多目标多径混叠干扰环境下多目标生命体征信号难以区分的难题。依据已知位置信息对雷达信号进行分区变分模态分解处理后,利用同一目标的生命体征信号在时域上具有更好的相关性这一特性,将与其他位置目标提取出的生命体征信号具有最大相关性的信号作为多目标混叠信号去除,实现多目标干扰去除。本文提出抵抗运动干扰的波形联合优化以实现动目标生命体征监测。人体不可避免的身体动作导致信号周期性被破坏,对生命体征信号波形的提取造成了困难。本文应用基于正弦拟合的方法与基于信号幅度与身体运动映射的方法对运动干扰进行消除,并提取波形在时域、频域上的特征,结合随机森林对这些信号赋予权重,使用卡尔曼滤波器进行波形融合,实现波形联合优化,以获得更可靠的生命体征信号波形。为验证上述算法的效果和实用程度,搭建了实际测试环境并采集长时间的雷达信号数据。在此数据集上,将所提算法与近期已有算法进行功能和性能比较。比较结果表明本文所提算法能够较好地完成封闭空间（车内）长时间生命体征监测,在静止与运动状态下的正确度分别可达92.66%与88.41%。
余艺博[5]（2020）在《基于超宽带雷达网的室内多目标追踪研究与实现》文中指出室内目标位置信息的准确获取是当前基于位置服务的重要研究内容。拥有低功耗,高分辨率,高穿透力和强抗干扰能力的超宽带雷达因其能够真正实现无接触式的目标信息获取而备受关注。然而,想要将其付诸于实践应用却依然存在着种种挑战:单一雷达视距受限难以获得全面信息;室内环境封闭,墙壁和饰品等物体会对信号产生干扰;目标物体之间互相遮挡,致使信号的接收受到严重影响。因此本文将利用超宽带雷达网对室内多目标追踪问题进行研究。首先,本文从室内环境特点和超宽带雷达的结构原理入手,分析其信号种类、特点、以及信号的传播过程。其次,本文对于超宽带雷达信号处理流程中的杂波抑制和目标检测两部分进行了详细讨论,阐明不同算法在室内环境中应用的优劣势并且提出了一种两步式的CLEAN算法,该算法基于密度对目标检测结果做进一步筛选,能够有效的优化超宽带雷达对于较远距离目标的探测效果。再次,提出了一种结合聚类的多目标追踪算法,算法通过DBSCAN和KMEANS聚类对目标数量进行检测并以JPDA的原理对测量值和目标进行关联。实验结果表明:该算法能够有效解决传统数据关联算法中难以处理目标数量变化的问题并保持足够的追踪精度。最后,本文依据理论分析搭建了一套多目标追踪系统,该系统利用多个单基地超宽带雷达进行组网,用于数据采集,数据处理和结果演示,验证了本文研究成果在多目标追踪方面所具有的参考价值。
程一歌[6]（2020）在《基于超宽带雷达的人体睡眠监测研究》文中研究指明随着工作节奏的加快,工作压力的增加,越来越多的人都有不同程度的睡眠质量问题,严重影响了人们生理和心理健康,所以迫切需要一种能长期监测人们睡眠的产品。常用的睡眠监测技术有:医用级的多导（Polysomnography,PSG）睡眠监测技术、基于微机电传感器的睡眠监测技术、基于压力传感器的睡眠监测技术、基于脑电探测传感器的睡眠监测技术等。目前,PSG睡眠监测技术是行业金标准,但需要专业医护人员进行操作,不适用于普通大众的日常睡眠监测。基于机电传感器（Micro-electromechanical Sensor,MEMS）、基于压力传感器和基于脑电探测传感器的睡眠监测技术虽然无需专业医护人员操作,但是均属于接触式传感技术,容易给睡眠造成不适感,且存在容易滑落、松动或超出探测区域的问题。相比上述技术,基于雷达传感器的睡眠监测技术完全非接触,且能提供如呼吸、心跳、体动、睡眠中发生的事件、动作以及睡眠质量等信息,被认为是一种非常有潜力的睡眠监测技术。基于此,本文研究基于超宽带雷达的睡眠监测技术,其主要研究工作有以下四个方面:1、提出了一种基于自适应对数双阈值的人体睡眠特征事件恒虚警检测器。针对实际环境中人体睡眠特征事件雷达数据概率统计分布模型未知的问题,搭建了睡眠监测系统,采集了大量实验数据,并统计了对应的概率分布情况。基于此概率分布设计了自适应对数双阈值恒虚警检测器。实验结果表明:相比其他检测器,所提检测器检测概率较高,且虚警率更低。2、提出了基于事件前后差异性特征的睡眠特征事件识别方法。首先通过数据分析提出了具有可分性的五种差异性特征,如能量差异性特征、幅值差异性特征、熵差异性特征、目标大小差异性特征和目标位置差异性特征;然后,利用支持向量分类器和后向传播神经网络分类器分别对睡眠特征事件进行了分类识别;实验结果表明了所提方法的有效性。3、提出了一种基于周期性特征的人体胸腔位置估计方法。针对人体胸腔位置不确定的问题,利用人体胸腔位置具有呼吸所带来的周期特性,提取了波形峰值与峰值之间的方差特性,检测出了人体胸腔位置。实验结果表明:基于此胸腔位置计算的呼吸频率与医用呼吸频率估计的平均绝对误差为0.45次/分钟。4、搭建了睡眠实时监测系统。该系统能实时显示睡眠监测中的呼吸频率、体动指数、睡眠特征事件等信息,在睡眠结束时,能够提供睡眠质量、睡眠效率、睡眠分期等结果。该系统在线验证了本文所提出的睡眠监测算法的有效性。本文研究成果对基于雷达传感器的睡眠监测具有一定的理论指导意义和实际工程应用价值。
王朝[7]（2020）在《遮蔽环境下超宽带雷达人体目标定位与回波处理方法研究》文中研究指明超宽带雷达式生命探测技术具有在遮蔽环境下对人体体征等微弱生命信号进行检测与定位的能力,能够非接触式地获得人体生理信息。为了实现遮蔽环境下目标定位与检测,需要研究遮蔽物参数对目标定位的影响机制以及回波信号预处理方法。但是当雷达发射的电磁波在穿透遮蔽物进行人体目标探测时,遮蔽物的材质和厚度等参数将造成电磁波传播时间延迟,从而影响基于到达时间的目标定位方法的效果。并且,在对目标定位校正时,遮蔽物参数估计误差同样会引起定位误差,但现有研究并未对此进行系统而深入的讨论。此外,为了实现目标检测并且获取生命信息,需要对雷达接收到的原始数据进行必要的预处理。但是雷达回波中遮蔽物回波强度远大于人体回波,噪声分布于各频段中,这些都不利于信号预处理。特别是目前并未提出能够较好地解决针对信噪比较低情况下的雷达回波信号预处理方法。针对以上问题,通过仿真建模的方式建立实验环境,利用单次穿透技术和线性系统理论研究遮蔽物参数对目标定位的影响,并采用统计分析方法进行信号预处理实现目标检测,本论文主要研究内容如下:（1）针对雷达回波信号应用问题,采用理论分析方法对遮蔽环境下雷达回波信号建模。首先,对人体呼吸和心跳引起的体表运动建模,得到人体回波模型;然后,将人体目标回波模型表示为雷达回波矩阵模型,并在该模型的基础上,考虑更具实际意义的遮蔽物回波和噪声等成分的影响,建立了遮蔽环境下雷达回波模型;最后,将该模型应用于人体目标检测和遮蔽物对目标定位影响的研究中。（2）为了实现目标定位,研究了遮蔽物参数对目标定位的影响。首先,介绍了遮蔽物对雷达信号的影响;其次,推导了多层介质遮蔽环境下电磁波传播过程,证明了线性系统理论可应用于该环境下的电磁波传播过程分析;然后,通过实验仿真得到了遮蔽物各参数对目标定位的影响;最后,研究了遮蔽物参数估计误差对目标定位误差的影响。（3）为了实现目标检测,研究了雷达回波信号预处理方法。首先,采用奇异值分解方法对雷达回波信号做预处理实验;其次,采用主成分分析方法对雷达回波信号做预处理实验;然后,对上述两种方法进行对比;最后,针对信噪比很低的雷达回波信号,提出采用统计分析方法和自适应加窗方法相结合的方式,最终实现了抑制噪声和去除遮蔽物回波杂波的目的。
王晓波[8]（2020）在《压缩感知在MIMO雷达系统中的应用研究》文中研究表明多输入多输出（Multi-input Multi-output,MIMO）雷达作为一种新体制雷达被国内外很多学者深入研究。相比于传统相控阵雷达,MIMO雷达在工作模式、工作效率、干扰抑制以及分辨率上具有显着的优点,但其在获得诸多高性能的同时,在系统结构、数据传输、信号处理等方面给雷达系统也带来了巨大的压力。压缩感知（Compressed Sensing,CS）理论是近年来针对信号的高数据率、高采样率而提出的信号处理理论,该理论能够支持对信号的低速率采样和高概率重构。压缩感知理论应用于MIMO雷达系统,不仅在雷达信号处理中可以低速化处理系统数据,使得数据更易传输和存储,而且在雷达天线阵列布阵和接收通道中可以简化雷达系统的结构设计。因此,本文在MIMO雷达背景下结合压缩感知理论,研究了稀疏子频带的超宽带合成、天线阵列的多波束综合稀布阵、模拟信息转换器（Analog Information Converter,AIC）在MIMO雷达系统接收通道中的设计这三个方面内容。论文主要工作概括为如下几个方面:1、首先介绍了压缩感知的基本理论,阐述了MIMO雷达中关于利用稀疏子带合成超宽带、多波束稀疏天线阵列综合以及用模拟信息转换器设计MIMO雷达接收通道的相关理论和数学模型。2、研究了多个稀疏子频带的超宽带合成成像问题。利用多个稀疏子频带相对于全频带的稀疏特性,在各子频带都相干的情况下,将3GHz?3.7GHz的低频带信号与11.3GHz?12GHz的高频带信号看成3GHz?12GHz的全频带信号的稀疏采样,使高、低频子带信号的宽带合成问题转化为压缩感知中的稀疏信号重建问题,建立多频带信号压缩感知的超宽带合成模型,实现了对静止目标中多个散射点的高分辨率成像。实验结果与传统脉冲压缩成像进行比较,通过比较和分析综合评价了利用压缩感知实现超宽带合成成像的性能。3、研究了多波束联合凸优化方法对天线阵列优化的综合问题。根据均匀阵列的方向图包络和波束扫描特性,提出了一种综合稀布阵方法——多波束联合凸优化方法,该方法分两部分进行,第一部分是在0??60?范围内,首先将多个不同波束指向的期望方向图包络结合凸优化算法,对均匀阵列中的阵元数目、位置及激励等多参数进行优化;第二部分是固定每个波束指向下的稀布阵阵元的数目和位置,在0??60?范围内,再将多个不同波束指向的期望方向图包络结合凸优化算法,对该稀布阵的阵元激励进行优化。在该方法的两个部分中,都利用了压缩感知对期望方向图包络进行稀疏采样和优化重构,使得多波束联合凸优化方法在对阵元数目、位置及激励进行优化稀布阵的同时,实现了一定范围内的波束扫描或多波束。4、研究了分段型AIC结构应用于MIMO雷达系统接收通道设计的问题。首先,用Matlab/Simulink软件对分段型AIC结构进行系统建模,并详细给出了该系统各部分的具体设计,利用多谐波信号对该系统处理信号的能力进行了测试,实验结果与预调制型和直接型AIC结构的比较,体现了该分段型AIC结构在数据精度和硬件结构上的优点。然后,将该分段型AIC结构应用到两发一收MIMO雷达系统接收通道中,设计MIMO雷达系统,利用线性调频（Linear Frequency Modulation,LFM）信号仿真测试该MIMO雷达系统对目标的探测和信号处理性能,仿真实验结果显示,该MIMO雷达系统不仅实现了对回波信号的低采样处理,还实现了对静止目标的距离成像,体现了将该分段型AIC结构应用到MIMO雷达接受通道的可行性和先进性。
晏超[9]（2020）在《步进频连续波雷达生命体检测与定位算法研究》文中认为我国是一个地震频发的国家,最近十几年,汶川、玉树、芦山等地的地震灾害造成了严重的生命财产损失。随着我国经济水平的增长,在地震灾害中对被困人员进行快速救援的需求也越来越强烈。快速、准确的发现和定位受害者的生命探测技术是地震救援相关研究中的重中之重。由于电磁波具有优秀的穿透性能和抗干扰特性,可以有效地对非视距内的生命体进行检测和定位,雷达生命探测技术在近些年获得越来越高的研究价值和应用价值。目前,我国常用的生命探测雷达大都是单点探测设备,不适合对大范围区域进行探测,也无法对生命体目标进行定位。而且在以往的雷达生命探测算法研究中,研究者们常常使用相干积累等方法提取雷达回波中的生命信号,以生命信号能量的强弱作为判断生命体存在的依据,然而这种方法在多目标条件下面临着两个难以解决的问题:首先,受到遮蔽效应的生命体目标回波能量非常微弱,传统的能量积累检测方法可能无法检测到这些微弱目标,发生漏检测现象;其次,能量检测的方法无法对不同目标的信号特征进行识别,无法对不同通道中的目标进行匹配,在多目标场景中可能造成配对错误和误检测。因此,提出一种针对大面积、多目标场景的多站雷达协同生命体检测与定位算法是非常有必要性的。本文的工作主要从检测和定位两方面展开:针对多生命体目标的检测问题。本文首先讨论分析了不同体制雷达的生命探测特性与优劣势,并确定以步进频率波形的雷达作为本文雷达生命探测研究的基础。通过对步进频率雷达回波中的生命信号进行建模和对以往基于能量积累的生命体检测算法进行研究,本文以同一个生命体在不同通道雷达回波中生命信号的相似性为切入点,提出了一种基于双站步进频连续波雷达的互相关生命检测算法,并针对实际情况对算法进行了优化。实验结果表明,本文提出的互相关生命体检测算法具有优秀的检测能力,可以适应多种情况下的生命体检测,并且能够解决以往基于能量积累的生命体检测算法中对于微弱信号的漏检测问题和错误配对问题。针对多站雷达生命体目标的定位问题。本文在双站雷达互相关生命体检测的基础上设计恒虚警率检测法和目标距离提取方法获取目标相对于每个雷达的距离。另外,本文研究了线性最小二乘法和列文伯格-马夸尔特法在多站雷达目标定位中的应用,并设计仿真实验比较和分析了两种方法的性能差异。仿真实验结果表明,列文伯格-马夸尔特法在多站雷达协同目标定位中具有优秀的应用价值和定位性能。本文的研究从目标信号在不同通道中的相关性出发,提供了一种雷达生命体检测和定位的新思路,为建设一套分布式多站雷达协同生命探测系统打下基础。深入推进本文的研究将有助于在地震灾害发生时提高救援的准确性,加快搜救被困人员的速度,保护人民的生命财产安全,具有重要的社会价值。
王依川[10]（2020）在《基于超宽带雷达的老年人室内动作识别及行为推断系统》文中指出世界各国老龄化的加重为社会和个人带来了巨大的压力,同时也催生了环境辅助生活这一概念的出现。针对老年人照护的环境辅助生活系统有助于远程的照护人了解老人身体活动能力并做出合适的应对方案,在降低时间与经济压力的前提下延长老人独立生活的时间。超宽带雷达作为一种民用领域的新兴传感技术,由于其隐私保护和非侵入性等优点已经逐渐得到了重视。本文借助超宽带雷达技术探测人类活动的微多普勒特征,利用不同的雷达信号表示域和分类技术对其动作类型进行分类。研究了基于时间-多普勒图和时变距离-多普勒图下的动作识别问题,同时结合动作和定位信息推断目标的行为。主要工作开展如下:1.在四名实验对象的参与下,建立了包含八种室内常见动作的超宽带雷达数据集,用来支持本文所述算法的性能验证;2.利用时间-多普勒图的形式来表征人类动作产生的微多普勒特征,并分别使用传统的预定义特征分类和先进的深度学习特征分类方式进行动作识别,实验结果表明深度学习算法拥有更强大的特征提取能力;3.基于时间-多普勒图信息表征不完全的缺点,提出时变距离-多普勒图这一新型雷达信号表示域,卷积自编码器被用来提取时序特征,最后通过门控循环单元的动态建模得到动作识别结果。这一方法达到了93.88%的识别准确率,且相比于基于时间-多普勒图的方法拥有更小的模型大小和计算复杂度;4.提出一种基于频率过滤的目标定位算法。借助室内区域与常见行为的内在关联性,结合目标定位和动作信息来推断行为的开始、进行和结束。通过UI原型系统来展示行为推断的逻辑过程,证明了此方法的可行性。
二、超宽带雷达信号模型研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、超宽带雷达信号模型研究（论文提纲范文）
（1）基于多传感器的动作识别、多目标识别及室内定位算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究概况 |
| 1.3 论文的主要研究内容 |
| 第二章 理论与实验基础 |
| 2.1 理论基础 |
| 2.1.1 超宽带雷达检测原理 |
| 2.1.2 调频连续波雷达检测原理 |
| 2.2 实验基础 |
| 2.2.1 硬件设备介绍 |
| 2.2.2 软件介绍 |
| 2.3 本章小结 |
| 第三章 基于多分类结构的超宽带雷达人体动作识别算法研究 |
| 3.1 引言 |
| 3.2 基于多分类结构的超宽带雷达人体动作识别算法 |
| 3.2.1 初级分类 |
| 3.2.2 特征提取 |
| 3.2.3 最终分类 |
| 3.2.4 实验设置及结果 |
| 3.2.5 总结 |
| 第四章 基于整体信号模式的超宽带雷达多目标识别算法研究 |
| 4.1 引言 |
| 4.2 基于整体信号模式的超宽带雷达多目标识别算法 |
| 4.2.1 UWB信道模型 |
| 4.2.2 UWB信号预处理方法 |
| 4.2.3 簇特征提取及分类 |
| 4.2.4 实验设置及结果 |
| 4.2.5 总结 |
| 第五章 基于毫米波调频连续波雷达的单雷达室内定位算法研究 |
| 5.1 引言 |
| 5.2 基于毫米波调频连续波雷达的单雷达室内定位算法 |
| 5.2.1 FMCW雷达锯齿波调制下的测距原理 |
| 5.2.2 FMCW雷达锯齿波调制下的测速原理 |
| 5.2.3 FMCW雷达锯齿波调制下的测角原理 |
| 5.2.4 实验设置及结果 |
| 5.2.5 总结 |
| 第六章 总结和展望 |
| 6.1 论文工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者攻读硕士学位期间发表的学术论文目录 |
| 作者攻读硕士学位期间发表的专利目录 |
（2）基于超宽带信号的土壤特征与数据挖掘研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.3 本文的主要贡献与创新 |
| 1.4 本论文的结构安排 |
| 第二章 UWB土壤回波信号采集实验简介与信号预处理方法 |
| 2.1 UWB土壤信号采集实验 |
| 2.1.1 UWB土壤信号采集设备简介 |
| 2.1.2 UWB土壤信号取样实验流程介绍 |
| 2.2 UWB土壤信号数据预处理 |
| 2.3 本章小结 |
| 第三章 基于UWB土壤回波信号时序特征的分类模型设计及标签噪声分类问题 |
| 3.1 基于LSTM及其变体的UWB信号分类模型设计 |
| 3.1.1 基于LSTM的土壤含水量分类模型设计 |
| 3.1.2 基于GRU的土壤含水量分类模型设计 |
| 3.2 两种分类模型仿真分析对比 |
| 3.2.1 基于LSTM网络及其变体的土壤含水量分类流程及系统结构 |
| 3.2.2 基于LSTM网络及其变体的UWB土壤信号分类结果分析对比 |
| 3.3 置信学习方法 |
| 3.4 基于置信学习的改进逻辑回归分类模型 |
| 3.5 本章小结 |
| 第四章 基于UWB土壤回波信号频谱能量特征的预测模型设计 |
| 4.1 UWB土壤信号频谱能量特征提取 |
| 4.1.1 UWB土壤信号频谱特征提取方法:小波包分解 |
| 4.1.2 基于实测数据的UWB土壤信号小波包分解实例 |
| 4.2 WPT-SVM预测算法 |
| 4.2.1 SVM土壤特征预测回归模型 |
| 4.2.2 UWB土壤参数预测模型WPT-SVM |
| 4.3 本章小结 |
| 第五章 基于预测模型设计的UWB土壤信号预测算法设计 |
| 5.1 基于主成分分析法的UWB信号特征提取 |
| 5.1.1 主成分分析法原理 |
| 5.1.2 UWB土壤信号的PCA降维数值算例与分析 |
| 5.2 基于集成学习方法的土壤特征参数预测模型 |
| 5.2.1 Adaboost土壤特征预测模型 |
| 5.2.2 Gradientboost土壤特征预测模型 |
| 5.2.3 Bagging土壤特征预测模型 |
| 5.2.4 Randomforest土壤特征预测模型 |
| 5.3 基于PCA+集成学习模型的土壤特征参数预测方法 |
| 5.4 基于小波包变换+集成学习的土壤特征重要性判别方法 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（3）基于超宽带雷达的老年人室内跟踪与日常活动能力评估（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究内容与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 超宽带雷达的研究现状 |
| 1.3.2 人体目标跟踪的研究现状 |
| 1.3.3 动作识别与行为推断的研究现状 |
| 1.3.4 日常活动能力评估的研究现状 |
| 1.4 关键问题 |
| 1.5 论文的结构安排 |
| 2 超宽带雷达基础 |
| 2.1 超宽带雷达系统概述 |
| 2.2 超宽带雷达发射信号 |
| 2.3 超宽带雷达接收信号 |
| 2.4 本章小结 |
| 3 超宽带雷达目标检测 |
| 3.1 信号预处理 |
| 3.1.1 信号转换 |
| 3.1.2 杂波滤除 |
| 3.2 基带CLEAN检测 |
| 3.3 超宽带雷达安装高度 |
| 3.4 本章小结 |
| 4 超宽带雷达目标跟踪 |
| 4.1 基本原理 |
| 4.2 初始状态确立 |
| 4.2.1 量测凝聚 |
| 4.2.2 跳窗起始 |
| 4.3 单目标跟踪 |
| 4.4 多目标跟踪 |
| 4.5 本章小结 |
| 5 超宽带雷达日常活动能力评估 |
| 5.1 基本原理 |
| 5.1.1 评估依据 |
| 5.1.2 感知机理 |
| 5.2 动作识别 |
| 5.2.1 数据描述 |
| 5.2.2 算法实现 |
| 5.3 SWS评估工具 |
| 5.3.1 SWS评估工具描述 |
| 5.3.2 超宽带雷达SWS评估 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 作者简历 |
（4）基于超宽带雷达的长时生命体征监测研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容和目标 |
| 1.4 论文组织结构 |
| 第二章 生命体征监测问题描述 |
| 2.1 人体心肺运动模型 |
| 2.2 脉冲无线电超宽带雷达信号模型 |
| 2.3 雷达信号预处理 |
| 2.3.1 去直流与带通滤波 |
| 2.3.2 去杂波 |
| 2.4 评价指标 |
| 2.5 本章小结 |
| 第三章 多目标生命体征监测 |
| 3.1 先验位置信息 |
| 3.2 基于位置的VMD算法 |
| 3.3 混叠信号去除 |
| 3.4 本章小结 |
| 第四章 动目标生命体征监测 |
| 4.1 身体运动补偿算法 |
| 4.1.1 信号预处理 |
| 4.1.2 正弦信号拟合 |
| 4.1.3 幅度与身体运动之间映射 |
| 4.2 联合波形优化 |
| 4.2.1 生命信号特征提取 |
| 4.2.2 基于卡尔曼滤波器的联合波形优化 |
| 4.3 本章小结 |
| 第五章 系统搭建与实验论证 |
| 5.1 多目标生命体征监测实验 |
| 5.1.1 实验设置 |
| 5.1.2 单个目标生命体征监测 |
| 5.1.3 两个目标生命体征监测 |
| 5.2 动目标生命体征监测实验 |
| 5.2.1 实验设置 |
| 5.2.2 单目标下生命体征监测 |
| 5.2.3 二目标下生命体征监测 |
| 第六章 总结与展望 |
| 6.1 论文研究工作总结 |
| 6.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（5）基于超宽带雷达网的室内多目标追踪研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景和研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 杂波抑制及目标检测相关研究 |
| 1.2.2 基于超宽带雷达的目标追踪相关研究 |
| 1.2.3 雷达网的数据融合相关研究 |
| 1.3 本文主要研究内容以及工作 |
| 1.4 论文组织结构 |
| 第二章 超宽带雷达原理及室内环境分析 |
| 2.1 超宽带雷达系统介绍 |
| 2.2 超宽带雷达的信号分类 |
| 2.2.1 升余弦脉冲 |
| 2.2.2 高斯脉冲 |
| 2.3 室内信道分析 |
| 2.4 本章小结 |
| 第三章 超宽带雷达的信号处理 |
| 3.1 雷达回波信号采集及雷达信号矩阵 |
| 3.2 杂波抑制 |
| 3.2.1 奇异值分解法 |
| 3.2.2 脉冲对消法 |
| 3.2.3 背景消除法 |
| 3.3 目标检测 |
| 3.3.1 峰值检测算法 |
| 3.3.2 恒虚警检测算法 |
| 3.3.3 CLEAN算法 |
| 3.4 远距离目标检测优化 |
| 3.4.1 信号补偿 |
| 3.4.2 两步式CLEAN算法 |
| 3.5 实验及结果分析 |
| 3.5.1 杂波抑制算法性能对比及分析 |
| 3.5.2 目标检测算法性能对比及分析 |
| 3.5.3 远距离目标检测实验分析 |
| 3.6 本章小结 |
| 第四章 基于超宽带雷达网的多目标追踪 |
| 4.1 基于超宽带雷达网的多目标追踪策略 |
| 4.2 多目标追踪算法 |
| 4.2.1 传统的多目标追踪算法及局限 |
| 4.2.2 结合聚类的JPDA算法 |
| 4.3 超宽带雷达网中的目标坐标计算 |
| 4.3.1 几何法 |
| 4.3.2 最小二乘法 |
| 4.4 实验及结果分析 |
| 4.4.1 目标数量固定的多目标追踪及结果分析 |
| 4.4.2 目标数量变化的多目标追踪及结果分析 |
| 4.4.3 坐标计算结果分析 |
| 4.5 本章小结 |
| 第五章 基于超宽带雷达网的多目标追踪系统 |
| 5.1 雷达网及系统结构 |
| 5.2 系统模块实现 |
| 5.2.1 雷达传感器节点模块 |
| 5.2.2 嵌入式处理模块 |
| 5.2.3 上位机控制显示模块 |
| 5.3 系统算法流程框架 |
| 5.4 系统展示 |
| 5.4.1 系统部署情况及运行界面 |
| 5.4.2 系统实际运行效果测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（6）基于超宽带雷达的人体睡眠监测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 常用的人体睡眠监测产品 |
| 1.2.2 基于雷达的睡眠特征测量研究现状 |
| 1.2.3 睡眠分期研究现状 |
| 1.3 论文主要研究内容及论文结构安排 |
| 第2章 人体睡眠特征事件检测 |
| 2.1 引言 |
| 2.2 X4M03雷达模块介绍 |
| 2.3 信号模型与杂波抑制 |
| 2.3.1 雷达信号模型 |
| 2.3.2 杂波抑制 |
| 2.4 基于超宽带雷达的人体睡眠特征事件检测算法 |
| 2.4.1 睡眠特征事件检测问题描述 |
| 2.4.2 睡眠特征事件回波能量统计特性分析 |
| 2.4.3 ADT-CFAR睡眠特征事件检测器 |
| 2.4.4 实验结果及分析 |
| 2.5 本章小结 |
| 第3章 人体睡眠特征事件识别 |
| 3.1 引言 |
| 3.2 睡眠特征事件的差异性特征提取 |
| 3.2.1 能量差异性特征、幅值差异性特征、熵差异性特征 |
| 3.2.2 目标大小差异性特征以及目标位置差异性特征 |
| 3.3 基于SVM的人体睡眠特征事件分类识别 |
| 3.4 基于BP神经网络的人体睡眠特征事件分类识别 |
| 3.5 实验结果及分析 |
| 3.6 本章小结 |
| 第4章 人体睡眠微动特征参数估计与睡眠分期 |
| 4.1 引言 |
| 4.2 人体呼吸和心跳的雷达回波模型 |
| 4.3 基于周期性特征的人体呼吸频率估计算法 |
| 4.3.1 基于周期性特征的呼吸频率估计算法流程 |
| 4.3.2 实验结果及分析 |
| 4.4 人体睡眠体动指数提取 |
| 4.5 人体睡眠质量评估 |
| 4.5.1 人体睡眠分期算法和睡眠质量、睡眠效率 |
| 4.5.2 睡眠分期问卷设计以及结果统计 |
| 4.6 实验结果与分析 |
| 4.7 本章小结 |
| 第5章 人体睡眠实时监测系统设计与实现 |
| 5.1 引言 |
| 5.2 人体睡眠实时监测系统总体设计 |
| 5.2.1 人体睡眠实时监测系统整体结构 |
| 5.2.2 人体睡眠实时监测系统设计流程 |
| 5.2.3 系统模块功能介绍 |
| 5.3 人体睡眠实时监测系统界面设计 |
| 5.4 人体睡眠实时监测系统功能测试 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 附录 |
| 指导教师评语 |
| 答辩决议书 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（7）遮蔽环境下超宽带雷达人体目标定位与回波处理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 超宽带生命探测雷达的发展现状 |
| 1.2.2 遮蔽物参数对目标定位影响的研究现状 |
| 1.2.3 雷达式生命回波信号预处理的研究现状 |
| 1.3 本文研究内容及章节安排 |
| 第2章 雷达式人体目标检测原理与波形选择 |
| 2.1 引言 |
| 2.2 人体目标检测原理介绍 |
| 2.2.1 人体检测的电磁学基础 |
| 2.2.2 人体对电磁波的反射 |
| 2.3 雷达发射信号的选择 |
| 2.3.1 超宽带雷达的定义 |
| 2.3.2 雷达发射信号的选择 |
| 2.4 脉冲信号仿真 |
| 2.5 本章小结 |
| 第3章 遮蔽环境下雷达回波建模与应用 |
| 3.1 引言 |
| 3.2 遮蔽环境下雷达回波建模 |
| 3.2.1 人体呼吸和心跳信号建模 |
| 3.2.2 遮蔽环境下雷达回波建模 |
| 3.3 遮蔽环境下雷达回波模型的应用研究 |
| 3.3.1 回波模型用于人体目标检测 |
| 3.3.2 回波模型用于目标定位研究 |
| 3.4 本章小结 |
| 第4章 遮蔽环境下的目标定位误差分析 |
| 4.1 引言 |
| 4.2 遮蔽物对雷达信号的影响 |
| 4.3 多层介质遮蔽环境下电磁波传播过程分析 |
| 4.3.1 多层介质遮蔽环境下目标探测原理分析 |
| 4.3.2 紧密放置状态下的电磁波传播过程分析 |
| 4.3.3 分离放置状态下的电磁波传播过程分析 |
| 4.4 遮蔽物参数对目标定位的影响 |
| 4.5 遮蔽物参数估计误差对目标定位的影响 |
| 4.6 本章小结 |
| 第5章 遮蔽环境下雷达回波信号预处理方法研究 |
| 5.1 引言 |
| 5.2 统计分析方法理论与标准差定位原理 |
| 5.2.1 奇异值分解 |
| 5.2.2 主成分分析 |
| 5.2.3 标准差定位 |
| 5.3 统计分析方法抑制噪声 |
| 5.3.1 理想状态下的信号处理与目标定位 |
| 5.3.2 奇异值分解实验结果分析 |
| 5.3.3 主成分分析实验结果分析 |
| 5.3.4 SVD与PCA对比 |
| 5.4 自适应加窗方法去除遮蔽物回波杂波 |
| 5.5 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间发表的学术论文目录 |
（8）压缩感知在MIMO雷达系统中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 压缩感知在雷达中的研究现状 |
| 1.2.2 压缩感知在MIMO雷达中的研究现状 |
| 1.3 论文主要研究内容与章节安排 |
| 第二章 压缩感知应用于MIMO雷达系统相关理论 |
| 2.1 引言 |
| 2.2 压缩感知理论 |
| 2.2.1 稀疏信号 |
| 2.2.2 测量矩阵 |
| 2.2.3 重构算法 |
| 2.3 MIMO雷达中的超宽带合成和稀布阵优化 |
| 2.3.1 超宽带合成 |
| 2.3.2 稀布阵优化 |
| 2.4 模拟信息转换器 |
| 2.4.1 预调制型AIC结构 |
| 2.4.2 直接型AIC结构 |
| 2.5 本章小结 |
| 第三章 基于压缩感知的MIMO雷达超宽带合成 |
| 3.1 引言 |
| 3.2 MIMO雷达多频子带信号的压缩感知观测模型 |
| 3.3 实验仿真与结果分析 |
| 3.4 本章小结 |
| 第四章 基于多波束联合凸优化的MIMO雷达稀布阵综合 |
| 4.1 引言 |
| 4.2 稀布阵的多波束联合凸优化模型 |
| 4.3 模型仿真实验与结果分析 |
| 4.4 本章小结 |
| 第五章 基于分段型模拟信息转换器的MIMO雷达接收通道设计 |
| 5.1 引言 |
| 5.2 分段型模拟信息转换器模型的建立与仿真分析 |
| 5.2.1 分段型AIC的模型建立 |
| 5.2.2 分段型AIC的仿真结果及分析 |
| 5.3 分段型AIC结构在MIMO雷达接收通道中的模型建立与仿真分析 |
| 5.3.1 模型建立 |
| 5.3.2 仿真结果分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 本文主要研究工作及成果总结 |
| 后续工作及展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（9）步进频连续波雷达生命体检测与定位算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外相关研究现状 |
| 1.3 选题来源及研究内容 |
| 1.3.1 选题来源 |
| 1.3.2 主要研究内容 |
| 1.4 论文结构安排 |
| 第2章 雷达生命探测原理 |
| 2.1 生命探测雷达对比分析 |
| 2.1.1 生命探测雷达体制 |
| 2.1.2 雷达选型及参数设置 |
| 2.2 SFCW雷达系统与信号模型 |
| 2.2.1 SFCW雷达系统 |
| 2.2.2 SFCW连续波雷达信号分析 |
| 2.3 生命信号分析 |
| 2.3.1 生命信号特征分析 |
| 2.3.2 杂波分析 |
| 2.3.3 生命信号雷达回波分析 |
| 2.4 小结 |
| 第3章 SFCW雷达生命检测算法 |
| 3.1 SFCW雷达回波预处理 |
| 3.2 基于相干积累的雷达生命信号检测算法 |
| 3.2.1 杂波与噪声处理 |
| 3.2.2 生命目标显示 |
| 3.3 双站雷达互相关生命检测算法 |
| 3.3.1 互相关特性分析 |
| 3.3.2 不同生命体目标间的互相关 |
| 3.3.3 旁瓣干扰抑制 |
| 3.3.4 部分截取减小计算量 |
| 3.4 实验及分析 |
| 3.4.1 关于目标位置关系的实验 |
| 3.4.2 研究算法性能的补充实验 |
| 3.5 小结 |
| 第4章 雷达目标定位算法研究 |
| 4.1 目标检测与距离提取算法 |
| 4.1.1 CFAR阈值检测 |
| 4.1.2 用于互相关系数平面的CFAR检测 |
| 4.1.3 目标距离提取 |
| 4.2 目标定位算法 |
| 4.2.1 线性最小二乘估计 |
| 4.2.2 L-M算法估计 |
| 4.3 仿真与分析 |
| 4.3.1 检测与定位仿真实验 |
| 4.3.2 影响定位误差的因素 |
| 4.4 小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（10）基于超宽带雷达的老年人室内动作识别及行为推断系统（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究内容与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 超宽带雷达的研究现状 |
| 1.3.2 动作识别的研究现状 |
| 1.3.3 行为推断的研究现状 |
| 1.4 关键问题 |
| 1.5 论文的结构安排 |
| 2 超宽带雷达基本原理 |
| 2.1 超宽带雷达系统基本结构 |
| 2.2 超宽带雷达发射信号 |
| 2.3 超宽带雷达接收信号 |
| 2.4 本章小结 |
| 3 超宽带信号预处理 |
| 3.1 相位噪声校正 |
| 3.2 杂波滤除 |
| 3.3 本章小结 |
| 4 超宽带雷达动作识别 |
| 4.1 基本原理 |
| 4.2 数据采集 |
| 4.3 基于TDM的方法 |
| 4.3.1 TDM的定义 |
| 4.3.2 预定义特征分类 |
| 4.3.3 深度学习特征分类 |
| 4.3.4 实验结果 |
| 4.4 基于TRDM的方法 |
| 4.4.1 TRDM的定义 |
| 4.4.2 特征提取 |
| 4.4.3 动态建模 |
| 4.4.4 实验结果 |
| 4.5 本章小结 |
| 5 超宽带雷达行为推断 |
| 5.1 基本原理 |
| 5.2 目标定位 |
| 5.3 行为推断 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 作者简历 |
四、超宽带雷达信号模型研究（论文参考文献）
- [1]基于多传感器的动作识别、多目标识别及室内定位算法研究[D]. 齐芮. 北京邮电大学, 2021(01)
- [2]基于超宽带信号的土壤特征与数据挖掘研究[D]. 杨成浩. 电子科技大学, 2021(01)
- [3]基于超宽带雷达的老年人室内跟踪与日常活动能力评估[D]. 周世镒. 浙江大学, 2021(01)
- [4]基于超宽带雷达的长时生命体征监测研究与实现[D]. 杨梦遥. 北京邮电大学, 2020(04)
- [5]基于超宽带雷达网的室内多目标追踪研究与实现[D]. 余艺博. 北京邮电大学, 2020(05)
- [6]基于超宽带雷达的人体睡眠监测研究[D]. 程一歌. 深圳大学, 2020(10)
- [7]遮蔽环境下超宽带雷达人体目标定位与回波处理方法研究[D]. 王朝. 兰州理工大学, 2020(12)
- [8]压缩感知在MIMO雷达系统中的应用研究[D]. 王晓波. 安徽大学, 2020(07)
- [9]步进频连续波雷达生命体检测与定位算法研究[D]. 晏超. 成都理工大学, 2020(04)
- [10]基于超宽带雷达的老年人室内动作识别及行为推断系统[D]. 王依川. 浙江大学, 2020(02)