基于FMCW雷达多域特征融合的连续人体活动识别方法

本发明提出基于FMCW雷达多域特征融合的连续人体活动识别方法，首先运用快速傅里叶变换算法与多重信号分类技术，从雷达的原始数据中处理并得到距离‑多普勒图像和距离‑角度图像，并利用短时分数阶傅里叶变换将雷达数据映射到分数域上，得到分数域谱图；然后通过可变窗长STA/LTA连续动作检测算法，实现三类连续活动序列域信息的同步分割；最后将分割后的活动样本作为多输入多任务连续活动识别模型的输入，通过卷积网络和双向长期记忆网络提取输入特征，引入CTC层融合多输入表示，并计算预测序列与真实标签的CTC损失，执行多任务学习并获得人体动作识别结果；本发明能高精度分割连续人体动作，准确地融合三类雷达域信息，实现高精度的连续人体动作识别任务。