公开(公告)号：CN113901863A

公开(公告)日：2022-01-07

申请号：CN202110946427.0

申请日：2021-08-18

Applicant: 北京理工大学

Inventor： 赵娟 ,  范莹霞 ,  白霞 ,  张冉 ,  乔幸帅

IPC: G06K9/00 ,  G06K9/62 ,  G01S7/41

Abstract: 本发明涉及基于加权组稀疏贝叶斯学习的人体活动分类方法，属于雷达及模式识别技术领域。所述方法对接收的人体活动雷达回波信号，采用短时傅里叶变换进行预处理；通过主成分分析法进行特征提取；利用加权组稀疏贝叶斯学习算法对人体活动测试样本进行稀疏编码，再基于残差最小准则对人体活动进行分类识别。所述方法考虑了训练样本的标签信息，使得稀疏表示系数具有组结构特点，从而提升分类的准确性；且所采用的贝叶斯模型考虑了噪声的影响，对实际环境具有较好的适应性，能稳健地实现人体活动分类；与传统方法相比，在有噪情况下具有更好的分类性能。

公开(公告)号：CN113901863B

公开(公告)日：2024-07-19

申请号：CN202110946427.0

申请日：2021-08-18

Applicant: 北京理工大学

Inventor： 赵娟 ,  范莹霞 ,  白霞 ,  张冉 ,  乔幸帅

IPC: G06V40/20 ,  G06V10/40 ,  G06V10/771 ,  G06V10/774 ,  G06V10/764 ,  G01S7/41

Abstract: 本发明涉及基于加权组稀疏贝叶斯学习的人体活动分类方法，属于雷达及模式识别技术领域。所述方法对接收的人体活动雷达回波信号，采用短时傅里叶变换进行预处理；通过主成分分析法进行特征提取；利用加权组稀疏贝叶斯学习算法对人体活动测试样本进行稀疏编码，再基于残差最小准则对人体活动进行分类识别。所述方法考虑了训练样本的标签信息，使得稀疏表示系数具有组结构特点，从而提升分类的准确性；且所采用的贝叶斯模型考虑了噪声的影响，对实际环境具有较好的适应性，能稳健地实现人体活动分类；与传统方法相比，在有噪情况下具有更好的分类性能。