赖佳磊， 阳召成， 鲍润晗， 周建华

(深圳大学电子与信息工程学院， 广东深圳 518060)

0 引言

人体的日常活动包含着大量信息，是与外界信息交换的重要方式，能够在特定场合直观地传递有效信息。人体活动监测在安防监控、人机交互、医疗监护等领域中发挥着重要的作用。因此，近年来随着智能物联网的普及和发展，人体活动分类的问题也成为研究的一大热点。雷达传感器以其独有的优势吸引了许多研究者的目光，利用雷达进行人体活动分类的研究也不断涌现。雷达进行人体活动分类通常包含两步：一是人体目标检测；二是活动分类。

对于人体目标检测，常见的检测器如恒虚警检测器(Constant False Alarm Rate，CFAR)被广泛应用。CFAR检测器是指假定噪声服从某一分布时，设定恒虚警概率对输入信号进行判别，最后进行目标检测的方法。文献[1]利用改进的CFAR检测器，提出了一种新的基于可变窗口的CFAR图像舰船目标检测算法，其仿真结果表明该算法的优越性。在文献[2]中，对数排序统计恒虚警检测器(Ordered-Statistic Constant-False-Alarm-Rate，OS-CFAR)用于每帧距离单元的有效点检测，进行人体目标探测和跟踪。

对于活动分类，大部分学者利用微多普勒效应对人体雷达回波进行特征提取，进行目标的活动分类。人体的微多普勒效应最早由Chen[3]提出，是指由于人体这种多散射点目标对雷达有着不同的径向速度，因此能够产生不同多普勒频移的效应。文献[4]则进一步提取微多普勒特征，采用支持向量机(Support Vector Machine，SVM)分类器对人体动作进行分类。……