文献类型：期刊文章

作　　者：王小瑞[1] 侯兴松[1] 王生霄[1,2]

Wang Xiaorui;Hou Xingsong;Wang Shengxiao(School of Electronic and Information Engineering, Xi'an Jiaotong University, Xi'an 710049,China;Guangdong Xi'an Jiaotong University Academy,Shunde 528300,China)

机构地区：[1]西安交通大学电子与信息工程学院,西安710049 [2]广东顺德西安交通大学研究院,顺德528300

出　　处：《国外电子测量技术》

基　　金：国家重点研发计划(2017YFF0107700);国家自然科学基金(61872286,u1531141,61732008,61772407,61701391);广东省科技计划(2017A010101006);陕西自然科学基金(2018JM6092)项目资助

年　　份：2019

卷　　号：38

期　　号：6

起止页码：1-8

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：超宽带(UWB)雷达生命电磁探测是一种先进的非接触式生命探测技术,在灾害救援、生物医学方面应用广泛。通常由于雷达的不稳定性以及生命体呼吸信号微弱、加之静态和运动散射体干扰等,雷达接收回波信杂比(SCR)较低,传统的基于恒虚警率(CFAR)检测方法存在很多不足。为此,利用深度学习的高维特征泛化学习能力,将YOLOv3网络用于超宽带雷达生命信号电磁检测。为了提高信杂比,在检测前对回波数据进行了杂波去除和弱信号增强预处理,然后,将预处理后的距离-慢时间二维回波矩阵成像为灰度图并整理成数据集RP800,在该数据集上进行YOLOv3网络的训练和测试。实验表明,网络检测召回率达到99.77%,平均误检率为1.235%。

关 键 词：超宽带雷达 生命信号检测  卷积神经网络

分 类 号：TN957.5]