基于WGAN-GP的微多普勒雷达人体动作识别

作     者：屈乐乐 王禹桐 QU Lele;WANG Yutong

作者机构：沈阳航空航天大学电子信息工程学院辽宁沈阳110136 

出 版 物：《雷达科学与技术》 (Radar Science and Technology)

年 卷 期：2022年第20卷第2期

页      面：195-201页

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(No.61671310) 航空科学基金(No.2019ZC054004) 辽宁省兴辽英才计划项目(No.XLYC1907134) 辽宁省百千万人才工程项目(No.2018B21) 

主　　题：人体动作识别 微多普勒 沃瑟斯坦生成对抗网络 深度卷积神经网络 

摘      要：针对人体动作识别微多普勒雷达数据量有限的问题,本文提出基于梯度惩罚的沃瑟斯坦生成对抗网络(WGAN-GP)进行雷达数据增强,实现深度卷积神经网络(DCNN)在样本数量较少时可以得到有效训练。首先对人体各种动作的线性调频连续波雷达回波数据进行预处理得到微多普勒时频谱图像,然后采用WGAN-GP进行时频谱图像数据增强,最后利用生成的图像对DCNN进行训练。实验结果表明使用WGAN-GP可以有效解决雷达数据不足的问题,从而提高DCNN人体动作识别准确率。