单人行走运动参数估计方法

《单人行走运动参数估计方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2016年4月第42卷第4期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsApril2016V01．42No．4http：?fbhxb．buaa．edu．cnjbuaa@buaa．edu．caDOI：10．13700／j．bh．1001—5965．2015．0305单人行走运动参数估计方法孙忠胜，王俊4，孙进平，张耀天，袁常顺，向洪(北京航空航天大学电子信息工程学院，北京100083)摘要：人体运动雷达微多普勒能够为目标识别

2、提供特征。由于行人雷达回波的复杂性，从雷达回波中提取运动参数难度很大。为了实现目标精确识别，提出了一种估计单人行走平动速度、步态周期和步长的方法。首先应用广义S变换(GST)得到雷达回波的微多普勒谱，然后提取出躯干部位的微多普勒分量，并将此分量转为一维时间频率序列，最后从序列中直接估计行走的平动速度和步态周期，用这2个估计值间接估计步长。仿真实验证明：本文方法抗噪声性能好，当信噪比大于4dB时，估计精度高。关键词：雷达；微多普勒；行人；速度估计；周期估计中图分类号：TN957．51文献标识码：A文章编号：

3、1001—5965(2016)04-0789-07人体运动是复杂的非刚体运动，运动形式复杂多样。行走是典型的人体运动，既包含整体的平动，又包含人体各部位的微运动，例如四肢的摆动和躯干的扭转等。对人体行走进行雷达探测、跟踪和识别能够获得多种信息，在战场侦察、安保监控、灾后搜救、医疗监护和运动力学研究等军用和民用领域有潜在的应用价值，因此，应用雷达对人体行走运动进行分析、分类和识别研究成为近年来重要的研究方向¨⋯。人体行走过程中身体各部位的微动对雷达回波产生调制，引起雷达微多普勒现象"⋯。雷达微多普勒中包含着

4、人体各部位的运动信息，能够为目标探测、分类和识别提供依据。自Chen¨o将微多普勒概念引入雷达领域，基于雷达微多普勒的运动目标分析、分类和识别就得到了广泛的研究。例如，利用雷达微多普勒特征对不同的人体运动形式进行分类¨’4’8

5、，对人体行走(或称为人体步态)进行识别旧。1引等。对目标进行分类和识别，提取特征是其关键。除了微多普勒谱特征外，目标的运动参数和物理参数也是一类重要的分类和识别特征。对于空间刚体目标，可以从雷达微多普勒中提取进动参数、几何参数¨。”1、章动角和惯量比¨副等，作为目标识别的特征。对于

6、行人这种非刚体目标，提出了粒子滤波法¨“、基于模型的方法Ⅲ1和基于特征的方法¨引等估计方法，从雷达微多普勒中估计Boulic行走模型的参数。但是，这些人体运动参数估计方法的计算过程比较复杂，而且估计性能受到一定限制。基于模型的方法的估计精度受限于所建立的运动模型；而基于特征的方法和粒子滤波法由于需要用到腿部运动特征，不仅对信噪比要求较高，而且参数估计精度可能随目标的改变而变化。目前，关于行人运动参数估计的研究还不是很充分，主要原因在于：行人雷达回波是多分量调频信号，各个信号分量在频域相互交叉重叠；身体各部

7、位的雷达散射截面(RadarCrossSection，Rcs)较小，而且在行走过程中不断地变化，造成身体各部位雷达回波信号强度不仅较弱，而且处收稿13期：2015-05-12；录用13期：2015-06-05；网络出版时间：2015-08-0314：23网络出版地址：WWW．cnki．net／kcms／detail／11．2625．V．20150803．1423．009．html基金项目：国家自然科学基金(61171122，61201318，61471019)$通讯作者：Tel．：010-82339203

8、E-mail：wangj203@buaa．edu．en；f用格式：孙芯胜，王俊，孙进乎，等．单入行走运动参数估计方法ⅣJ．北京航空航天大学学报，2016，42一)：789．795．SUNZS，WANG】，SUNJP，eta1．MotionparametersestimationmethodofsinglewalkinghumaneJ]．JoumalofBeijingUniversityofAeronauticsandAstronautics，2016，42(4)：789-795(inChinese)．79

9、0北京航空航天大学学报2016年于变化中。这些不利因素使得从行人雷达回波中提取运动参数非常困难。然而，人体行走运动参数反映了不同行人之间的步态差异，能够为人体运动目标识别提供精确的信息，因此，估计行人运动参数很有意义。本文基于结构简单、成本低廉的单频连续波雷达，提出一种人体行走运动参数估计方法。该方法从雷达回波中提取出躯干微多普勒分量，经过拟合处理后，得到躯干分量的一维时间频率序列；再从这一序列中估计出行走的平动速度和步态周期