一种基于改进循环神经网络的雷达识别算法的制作方法

本发明涉及人体姿态识别计算，具体为一种基于改进循环神经网络的雷达识别算法。

背景技术：

1、人体姿态识别方法旨在识别出人体目标姿态的不同类型如站、坐、蹲等，是人体感知任务的重要组成部分，人体姿态识别方法大多是基于光学系统设计的，能够直接从照片或视频中识别出人体目标的姿态，但是相机等光学系统首先获取图像，然后对获取的图像进行图像识别处理，这样方式中由于受到光照条件、天气、烟雾等环境因素干扰，尤其是在夜间，其识别效果大大折扣，识别准确度不高，甚至出现无法识别的情况，稳定性非常差，且在特征选择的过程可能会忽略重要的线索并删除补充的信息，如果对特征的统计出现差错，结果就不会非常可靠，不仅耗费时间精力且识别准确率不高，为此我们提出了一种xx，来解决此项问题。

技术实现思路

1、本发明的目的在于提供一种基于改进循环神经网络的雷达识别算法，具备便于对人体姿态进行识别和计算的优点，解决了相机等光学系统首先获取图像，然后对获取的图像进行图像识别处理，这样方式中由于受到光照条件、天气、烟雾等环境因素干扰，尤其是在夜间，其识别效果大大折扣，识别准确度不高，甚至出现无法识别的情况，稳定性非常差，且在特征选择的过程可能会忽略重要的线索并删除补充的信息，如果对特征的统计出现差错，结果就不会非常可靠，不仅耗费时间精力且识别准确率不高的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于改进循环神经网络的雷达识别算法，其雷达识别算法包括如下步骤：

3、a、雷达识别人体姿态并进行数据计算和标注；

4、a1、首先通过开启雷达，雷达发射雷达波，并接收该雷达波在z＝0处的时域回波数据d′2(x,y,z＝0,t)；

5、a2、将时域回波数据取三维傅里叶变换，得到频域回波数据d2(kx,ky,z＝0,ω)；

6、a3、采用相位偏移公式，频域回波数据d2(kx,ky,z＝0,ω)进行相位偏移，得到整个成像区域的频域回波数据d2(kx,ky,z,ω)

7、a4、之后通过雷达采集并接收信号，收集这些信号并制作源数据集；之后将预先指定目标的k类动作类别，为这些数据进行标注，即指定每个雷达信号所对应的人体姿态类别；

8、b、将源数据集中的数据送入循环神经网络模型，通过n层特征提取模块，提取包含人体姿态信息的特征；将这些特征送入分类器后将其分类为不同的姿态类别；

9、c、由于源数据集已进行标注，运用监督学习的方法，构造标注类别与循环神经网络模型的预测类别之间的损失函数，即姿态类别损失函数，可将标注类别设为o1，循环神经网络模型的预测类别为o2，通过对该损失函数使用反向传播算法，更新特征提取模块和分类器的参数；

10、d、之后采用nufft求逆变换到空时域d′2(x,y,z,t＝0))，从而得到消除墙体影响后的雷达成像结果；

11、e、最后通过将雷达成像结果传输至存储器进行存储，当需要再次识别计算使，通过循环神经网络技术在存储器的源数据中选择符合度最高的值，进而可识别判定人体姿态。

12、优选的，所述步骤a中考虑到雷达脉冲信号在传输过程中会出现脉冲丢失、同时还会受到周围其他电磁辐射源和地杂波、海杂波等环境因素的干扰，实际接收到的雷达脉冲信号的各个参数会与辐射源描述字的原始数据集略有不同，可根据雷达的实际工作的性能指标和对外界电磁环境的综合评估，得到的雷达脉冲信号进行收集并记录，对实际测量的各个雷达信号的工作模式进行识别。

13、优选的，所述步骤a中雷达的直接回波、环境杂波、目标回波；采用平均对消的方法均可消除墙体直接回波。

14、优选的，所述步骤c中o1的计算公式为

15、

16、优选的，所述步骤c中02的计算公式为

17、

18、优选的，所述步骤e中所提及的存储器采用w25x10clsnig25x10clnig贴片sop-8存储器。

19、优选的，所述步骤a中的雷达采集时采用双天线发射和双天线接收。

20、与现有技术相比，本发明的有益效果如下：

21、本发明通过对雷达回波的分析，实时对人姿态识别，通过循环神经网络加持和采用相位偏移公式、三维傅里叶变换和反向传播算法，进而对回波信号时频图进行识别和分类，从而避免出现特征遗漏的情况，且该方法基于雷达实现，相比于光学摄像机，该发明不受光照条件、天气、烟雾等因素干扰，能够全天时、全天候工作，可实现性强，能够有效地进行高准确率识别和计算，同时不易受各种环境因素影响，系统稳健性好，解决了相机等光学系统首先获取图像，然后对获取的图像进行图像识别处理，这样方式中由于受到光照条件、天气、烟雾等环境因素干扰，尤其是在夜间，其识别效果大大折扣，识别准确度不高，甚至出现无法识别的情况，稳定性非常差，且在特征选择的过程可能会忽略重要的线索并删除补充的信息，如果对特征的统计出现差错，结果就不会非常可靠，不仅耗费时间精力且识别准确率不高的问题。

1.一种基于改进循环神经网络的雷达识别算法，其特征在于：其雷达识别算法包括如下步骤：

2.根据权利要求1所述的一种基于改进循环神经网络的雷达识别算法，其特征在于：所述步骤a中考虑到雷达脉冲信号在传输过程中会出现脉冲丢失、同时还会受到周围其他电磁辐射源和地杂波、海杂波等环境因素的干扰，实际接收到的雷达脉冲信号的各个参数会与辐射源描述字的原始数据集略有不同，可根据雷达的实际工作的性能指标和对外界电磁环境的综合评估，得到的雷达脉冲信号进行收集并记录，对实际测量的各个雷达信号的工作模式进行识别。

3.根据权利要求1所述的一种基于改进循环神经网络的雷达识别算法，其特征在于：所述步骤a中雷达的直接回波、环境杂波、目标回波；采用平均对消的方法均可消除墙体直接回波。

4.根据权利要求1所述的一种基于改进循环神经网络的雷达识别算法，其特征在于：所述步骤c中o1的计算公式为

5.根据权利要求1所述的一种基于改进循环神经网络的雷达识别算法，其特征在于：所述步骤c中02的计算公式为

6.根据权利要求1所述的一种基于改进循环神经网络的雷达识别算法，其特征在于：所述步骤e中所提及的存储器采用w25x10clsnig25x10clnig贴片sop-8存储器。

7.根据权利要求1所述的一种基于改进循环神经网络的雷达识别算法，其特征在于：所述步骤a中的雷达采集时采用双天线发射和双天线接收。