基于EEMD穿墙雷达人的运动模式识别

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于EEMD穿墙雷达人的运动模式识别

王宏, 周正欧, 李廷军, 孔令讲

文章导航 > 电子科技大学学报 > 2011 > 40(3): 346-351

王宏, 周正欧, 李廷军, 孔令讲. 基于EEMD穿墙雷达人的运动模式识别[J]. 电子科技大学学报, 2011, 40(3): 346-351. doi: 10.3969/j.issn.1001-0548.2011.03.003

引用本文:

王宏, 周正欧, 李廷军, 孔令讲. 基于EEMD穿墙雷达人的运动模式识别[J]. 电子科技大学学报, 2011, 40(3): 346-351. doi: 10.3969/j.issn.1001-0548.2011.03.003

WANG Hong, ZHOU Zheng-ou, LI Ting-jun, KONG Ling-jiang. Human Activity Classification Based on EEMD Using a Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(3): 346-351. doi: 10.3969/j.issn.1001-0548.2011.03.003

Citation:

WANG Hong, ZHOU Zheng-ou, LI Ting-jun, KONG Ling-jiang. Human Activity Classification Based on EEMD Using a Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(3): 346-351. doi: 10.3969/j.issn.1001-0548.2011.03.003

基于EEMD穿墙雷达人的运动模式识别

doi: 10.3969/j.issn.1001-0548.2011.03.003

1.
电子科技大学电子工程学院成都 610054

基金项目:

国家自然科学基金(60472014);云南省科技计划项目(2009CA021);中央高校基本科研业务费(ZYGX20103023)

作者简介:
王宏(1975-),女,博士,主要从事雷达信号处理方面的研究.

中图分类号: TN959.1

Human Activity Classification Based on EEMD Using a Support Vector Machine

1.
School of Electronic Engineering,University of Electronic Science and Technology of China Chengdu 610054

摘要: 根据穿墙雷达动目标探测中人的运动多普勒信号属于非线性、非平稳信号的特点,分别采用经验模式分解(EMD)和整体平均经验模式分解(EEMD)将人5种运动的多普勒信号分解为一系列本征模式函数(IMF)。采用支持向量机(SVM)学习算法,将两种方法分解后的各IMF能量占总能量的百分比作为支持向量机分类器的特征向量进行模式识别,分析了特征向量维数对识别率的影响,比较了EMD和EEMD的识别率。EEMD能够消除EMD存在的模式混合问题,识别率更高,达到94%以上。
- 多普勒特性 /
- 整体平均经验模式分解 /
- 经验模式分解 /
- 支持向量机 /
- 穿墙雷达
Abstract: For the moving target detection using the through wall radar, according to the fact that the Doppler signals of the human activities are nonlinear and non-stationary, the ensemble empirical mode decomposition (EEMD) and empirical mode decomposition (EMD) are used respectively to decompose five different activities Doppler signals into a set of instinct mode functions (IMF). The five different activities include the human standing still, standing with arms waving, stepping forward and backward, walking and running. A support vector machine (SVM) is trained using the energy ratio of each IMF to the total IMFs as the features to classify the activities. The relationship between the classification accuracy with the number of the features is analyzed and the classification accuracy comparison using two different decomposition methods is given. Because the EEMD can eliminate the mode mixing problem existed in EMD and each IMF obtained from the EEMD has a clear physical meaning, the classification accuracy using the EEMD is found to be more than 94%, higher than the one using the EMD.
- Doppler character /
- EEMD /
- EMD /
- support vector machine /
- the through wall rada

[1]	黄一鸣, 雷航, 周瑞, 桑楠. 基于手机传感器的握持方式判断及运动状态识别 . 电子科技大学学报, 2017, 46(2): 399-406. doi: 10.3969/j.issn.1001-0548.2017.02.014
[2]	张静, 刘忠宝. 基于流形判别分析的全局保序学习机 . 电子科技大学学报, 2015, 44(6): 911-916. doi: 10.3969/j.issn.1001-0548.2015.06.020
[3]	高军峰, 张文佳, 杨勇, 胡佳佳, 陶春毅, 官金安. 基于P300和极限学习机的脑电测谎研究 . 电子科技大学学报, 2014, 43(2): 301-306. doi: 10.3969/j.issn.1001-0548.2014.02.028
[4]	何海江. 截断误差的光滑型支持向量顺序回归 . 电子科技大学学报, 2014, 43(1): 131-136. doi: 10.3969/j.issn.1001-0548.2014.01.022
[5]	刘忠宝. 新型支持向量机在风速预测模型中的应用研究 . 电子科技大学学报, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021
[6]	蒋伟雄, 刘华生, 廖坚, 廖云杰, 唐艳, 王维. 多变量模式分析在反社会人格障碍中的应用 . 电子科技大学学报, 2014, 43(2): 296-300. doi: 10.3969/j.issn.1001-0548.2014.02.027
[7]	刘忠宝, 王士同. 面向大规模数据的隐私保护学习机 . 电子科技大学学报, 2013, 42(2): 272-276. doi: 10.3969/j.issn.1001-0548.2013.02.018
[8]	郭兴明, 袁志会, 丁晓蓉. 经验模式分解及关联维数在心音信号分类识别中的应用 . 电子科技大学学报, 2013, 42(6): 955-960. doi: 10.3969/j.issn.1001-0548.2013.06.028
[9]	丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述 . 电子科技大学学报, 2011, 40(1): 2-10. doi: 10.3969/j.issn.1001-0548.2011.01.001
[10]	张雪芹, 顾春华, 吴吉义. 异常检测中支持向量机最优模型选择方法 . 电子科技大学学报, 2011, 40(4): 559-563. doi: 10.3969/j.issn.1001-0548.2011.04.017
[11]	郭兴明, 汤丽平, 陈丽珊, 陈毛毛. 经验模式分解在QRS波群和T波检测中的应用 . 电子科技大学学报, 2011, 40(1): 142-146. doi: 10.3969/j.issn.1001-0548.2011.01.027
[12]	陈其松, 陈孝威, 张欣, 吴茂念. 优化SVM在锅炉负荷预测中的应用 . 电子科技大学学报, 2010, 39(2): 316-320. doi: 10.3969/j.issn.1001-0548.2010.02.035
[13]	何海江, 陈姝. 由排序支持向量机抽取博客文章的摘要 . 电子科技大学学报, 2010, 39(4): 593-597. doi: 10.3969/j.issn.1001-0548.2010.04.026
[14]	向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计 . 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034
[15]	唐艳, 柳建新, 龚安栋. ICA+CSSD的脑-机接口分类 . 电子科技大学学报, 2008, 37(3): 466-469.
[16]	胡丹, 肖建, 车畅. 再生核支持向量机在非线性系统中的应用 . 电子科技大学学报, 2008, 37(1): 124-127.
[17]	徐图, 罗瑜, 何大可. 多类支持向量机的DDoS攻击检测的方法 . 电子科技大学学报, 2008, 37(2): 274-277.
[18]	王勇, 许录平. 独立成分分析和支持向量机的虹膜识别方法 . 电子科技大学学报, 2007, 36(3): 583-586.
[19]	李向军. 一种基于经验模式分解的心电QRS波检测方法 . 电子科技大学学报, 2007, 36(4): 795-797.
[20]	周鸣争, 汪军. 基于支持向量机的传感器非线性误差校正 . 电子科技大学学报, 2006, 35(2): 242-245.

WeChat

点击查看大图

计量

文章访问数: 3289
HTML全文浏览量: 106
PDF下载量: 59
被引次数: 0

基于EEMD穿墙雷达人的运动模式识别

doi: 10.3969/j.issn.1001-0548.2011.03.003

1. 电子科技大学电子工程学院成都 610054

基金项目:

国家自然科学基金(60472014);云南省科技计划项目(2009CA021);中央高校基本科研业务费(ZYGX20103023)

作者简介:
王宏(1975-),女,博士,主要从事雷达信号处理方面的研究.

收稿日期: 2009-07-07
修回日期: 2009-10-16
刊出日期: 2011-06-15

中图分类号: TN959.1

关键词:

摘要: 根据穿墙雷达动目标探测中人的运动多普勒信号属于非线性、非平稳信号的特点,分别采用经验模式分解(EMD)和整体平均经验模式分解(EEMD)将人5种运动的多普勒信号分解为一系列本征模式函数(IMF)。采用支持向量机(SVM)学习算法,将两种方法分解后的各IMF能量占总能量的百分比作为支持向量机分类器的特征向量进行模式识别,分析了特征向量维数对识别率的影响,比较了EMD和EEMD的识别率。EEMD能够消除EMD存在的模式混合问题,识别率更高,达到94%以上。

English Abstract

王宏, 周正欧, 李廷军, 孔令讲. 基于EEMD穿墙雷达人的运动模式识别[J]. 电子科技大学学报, 2011, 40(3): 346-351. doi: 10.3969/j.issn.1001-0548.2011.03.003

引用本文:

王宏, 周正欧, 李廷军, 孔令讲. 基于EEMD穿墙雷达人的运动模式识别[J]. 电子科技大学学报, 2011, 40(3): 346-351. doi: 10.3969/j.issn.1001-0548.2011.03.003

WANG Hong, ZHOU Zheng-ou, LI Ting-jun, KONG Ling-jiang. Human Activity Classification Based on EEMD Using a Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(3): 346-351. doi: 10.3969/j.issn.1001-0548.2011.03.003

Citation:

WANG Hong, ZHOU Zheng-ou, LI Ting-jun, KONG Ling-jiang. Human Activity Classification Based on EEMD Using a Support Vector Machine[J]. Journal of University of Electronic Science and Technology of China, 2011, 40(3): 346-351. doi: 10.3969/j.issn.1001-0548.2011.03.003

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发