多源联邦跨域与源域增强的毫米波动作识别方法及系统

本发明公开了一种多源联邦跨域与源域增强的毫米波动作识别方法及系统，利用毫米波雷达生成微多普勒频谱图，通过信号处理模块提取人体动作的运动特征；在联邦多源域适应模块中，采用基于投票的伪标签方法和加权知识聚合机制，动态评估并融合多个源域的知识，优化目标模型的泛化能力；通过泛化差距优化方法，提升源域模型的性能，确保系统在不同环境中的鲁棒性。通过联邦学习框架结合多源域适应技术，实现在目标域无标注数据情况下的无监督学习，仅需单套毫米波设备、兼容毫米波通信协议，具有隐私保护、无监督学习、多源知识融合、泛化能力强的特点，适用于智能家居、健康监测、人机交互等应用场景，具有广泛的实际应用价值和研究前景。