《表3 基于CFAR方法检测结果》
(%)
将本文所提出的基于神经网络的超宽带雷达生命信号检测方法与传统的基于CFAR检测方法[17]进行比较。在CFAR检测前,同样进行杂波去除和弱信号增强预处理。CFAR检测前需要对雷达回波进行时频变换,采用慢时间傅里叶变换并进行频域加窗(根据人体呼吸知识本文加窗大小0.05~1Hz)得到距离-频率信息。CFAR处理之后采用膨胀腐蚀(dilation and erosion,DE)方法将临近的生命像素点合并,采用递归像素寻找法(recursive pixelfinding,RPF)[17]进行生命信号寻找和定位,合称为CFAR-DE-RPF方法。实验中,在CFAR的阈值判决部分,根据先验对不同特征的回波数据在范围1.7~2.4内采用合适阈值在数据集上进行生命检测,得到结果如表3所示。检测Recall为78.33%,AP为62.5%,AF为37.5%。通过对比,YOLOv3方法在回波时域上的检测优势明显。
图表编号 | XD0061604800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 王小瑞、侯兴松、王生霄 |
绘制单位 | 西安交通大学电子与信息工程学院、西安交通大学电子与信息工程学院、西安交通大学电子与信息工程学院、广东顺德西安交通大学研究院 |
更多格式 | 高清、无水印(增值服务) |