論文の概要: Human Behavior Recognition Method Based on CEEMD-ES Radar Selection
- arxiv url: http://arxiv.org/abs/2206.02705v1
- Date: Mon, 6 Jun 2022 16:01:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-07 18:53:02.036383
- Title: Human Behavior Recognition Method Based on CEEMD-ES Radar Selection
- Title（参考訳）: CEEMD-ESレーダ選択に基づく人間の行動認識手法
- Authors: Zhaolin Zhang, Mingqi Song, Wugang Meng, Yuhan Liu, Fengcong Li, Xiang
Feng, Yinan Zhao
- Abstract要約: 人間の行動を特定するミリ波レーダーは、医療、セキュリティ、その他の分野で広く使われている。
複数のレーダデータを処理するには、多くの時間と計算コストが必要です。
これらの問題を解決するために, 補足型経験モード分解エネルギースライス (CEEMD-ES) マルチスタティックレーダ選択法を提案する。
実験により、この方法はレーダーを効果的に選択できることが示され、3種類の人間の行動の認識率は98.53%である。
- 参考スコア（独自算出の注目度）: 12.335803365712277
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, the millimeter-wave radar to identify human behavior has
been widely used in medical,security, and other fields. When multiple radars
are performing detection tasks, the validity of the features contained in each
radar is difficult to guarantee. In addition, processing multiple radar data
also requires a lot of time and computational cost. The Complementary Ensemble
Empirical Mode Decomposition-Energy Slice (CEEMD-ES) multistatic radar
selection method is proposed to solve these problems. First, this method
decomposes and reconstructs the radar signal according to the difference in the
reflected echo frequency between the limbs and the trunk of the human body.
Then, the radar is selected according to the difference between the ratio of
echo energy of limbs and trunk and the theoretical value. The time domain,
frequency domain and various entropy features of the selected radar are
extracted. Finally, the Extreme Learning Machine (ELM) recognition model of the
ReLu core is established. Experiments show that this method can effectively
select the radar, and the recognition rate of three kinds of human actions is
98.53%.
- Abstract（参考訳）: 近年、人間の行動を特定するミリ波レーダーは、医療、セキュリティ、その他の分野で広く使われている。
複数のレーダーが検出タスクを行う場合、各レーダーに含まれる特徴の妥当性を保証することは困難である。
さらに、複数のレーダーデータを処理するには、多くの時間と計算コストが必要です。
これらの問題を解決するために, 補足型経験モード分解エネルギースライス法 (CEEMD-ES) を提案する。
まず、人体の四肢と体幹との反射エコー周波数の差に応じて、レーダ信号を分解して再構成する。
そして、手足とトランクのエコーエネルギー比と理論的値との差に応じてレーダーを選択する。
選択したレーダーの時間領域、周波数領域、および様々なエントロピー特徴を抽出する。
最後に、ReLuコアのエクストリーム学習マシン(ELM)認識モデルを確立する。
実験により、この方法はレーダーを効果的に選択できることが示され、3種類の人間の行動の認識率は98.53%である。
関連論文リスト
- radarODE: An ODE-Embedded Deep Learning Model for Contactless ECG Reconstruction from Millimeter-Wave Radar [16.52097542165782]
レーダノードと呼ばれる新しいディープラーニングフレームワークは、レーダ信号から抽出された時間的および形態的特徴を融合させ、ECGを生成するように設計されている。
レーダノードは,検出率の欠落,ルート平均二乗誤差,ピアソン相関係数の9%,16%,19%で,ベンチマークよりも優れた性能を実現している。
論文 参考訳（メタデータ） (2024-08-03T06:07:15Z) - Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。
提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。
本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
論文 参考訳（メタデータ） (2024-05-07T20:44:48Z) - RadarDistill: Boosting Radar-based Object Detection Performance via Knowledge Distillation from LiDAR Features [15.686167262542297]
RadarDistillは、LiDARデータを利用してレーダデータの表現を改善する知識蒸留(KD)手法である。
RadarDistillは、3つのキーコンポーネントを使用してLiDAR特徴の望ましい特徴をレーダー特徴に伝達することに成功した。
nuScenesデータセットの比較分析により、RadarDistillは、レーダのみのオブジェクト検出タスクに対して、最先端(SOTA)性能を達成することを示した。
論文 参考訳（メタデータ） (2024-03-08T05:15:48Z) - Multi-stage Learning for Radar Pulse Activity Segmentation [51.781832424705094]
無線信号認識は電子戦において重要な機能である。
電子戦システムでは、レーダパルス活動の正確な識別と位置決めが要求される。
ディープラーニングに基づくレーダーパルス活動認識法は、ほとんど未検討のままである。
論文 参考訳（メタデータ） (2023-12-15T01:56:27Z) - RadarLCD: Learnable Radar-based Loop Closure Detection Pipeline [4.09225917049674]
本研究では,ループクロージャ検出に特化して設計された新しい教師付きディープラーニングパイプラインであるRadarLCDを紹介する。
RadarLCDは、事前訓練されたHERO(Hybrid Estimation Radar Odometry)モデルを活用することで、大きな貢献をしている。
この手法は、様々なFMCW Radarデータセットシーンで評価を行う。
論文 参考訳（メタデータ） (2023-09-13T17:10:23Z) - Echoes Beyond Points: Unleashing the Power of Raw Radar Data in
Multi-modality Fusion [74.84019379368807]
本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。
具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
論文 参考訳（メタデータ） (2023-07-31T09:53:50Z) - Radar-based Materials Classification Using Deep Wavelet Scattering
Transform: A Comparison of Centimeter vs. Millimeter Wave Units [0.0]
本研究では、Vayyar ImagingによるWalabot-3D (6.3-8 GHz)cm波と ImageVK-74 (62-69 GHz)mm波イメージングの2つの周波数範囲のレーダーユニットについて検討する。
論文 参考訳（メタデータ） (2022-02-08T02:07:14Z) - Constrained Contextual Bandit Learning for Adaptive Radar Waveform
Selection [14.796960833031724]
適応レーダシステムが有限状態目標チャネルと繰り返し相互作用する逐次決定過程について検討する。
レーダーは受動的に波形の選択プロセスに側面情報を提供する規則的な間隔でスペクトルを感知できます。
波形選択問題は線形文脈バンディット定式化を用いて効果的に解決できることを示す。
論文 参考訳（メタデータ） (2021-03-09T16:43:50Z) - LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar
Fusion [52.59664614744447]
本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。
自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
論文 参考訳（メタデータ） (2020-10-02T00:13:00Z) - Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。
レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。
実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文 参考訳（メタデータ） (2020-09-30T19:01:33Z) - RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。
我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。
RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
論文 参考訳（メタデータ） (2020-07-28T17:15:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。