基于改进粒子群算法的UWB雷达人体动作识别研究

摘要

针对雷达信号中的杂波干扰及样本数量对人体动作识别精度的限制，提出一种基于改进粒子群算法(particle swarm optimization, PSO)优化支持向量机(support vector machine, SVM)模型的超宽带(ultra-wideband, UWB)雷达人体动作识别算法。利用动态目标指示(moving target indication, MTI)与小波阈值滤波对接收到的UWB回波信号进行预处理，消除回波信号中的杂波和噪声对人体动作识别的影响；结合二维离散小波包分解(two dimensional discrete wavelet packet decomposition, 2D-DWPD)与奇异值分解(singular value decomposition, SVD),对预处理后的雷达信号进行特征提取和降维；提出一种改进粒子群算法，优化SVM模型的相关参数进行识别和分类。实验结果表明，提出的算法准确率可达到96.25%,具有良好的识别性能。

关键词

超宽带雷达 / 人体动作识别 / 小波阈值滤波 / 改进粒子群算法