摘要:超寬帶(UWB)雷達生命電磁探測是一種先進的非接觸式生命探測技術,在災害救援、生物醫學方面應用廣泛。通常由于雷達的不穩定性以及生命體呼吸信號微弱、加之靜態和運動散射體干擾等,雷達接收回波信雜比(SCR)較低,傳統的基于恒虛警率(CFAR)檢測方法存在很多不足。為此,利用深度學習的高維特征泛化學習能力,將YOLOv3網絡用于超寬帶雷達生命信號電磁檢測。為了提高信雜比,在檢測前對回波數據進行了雜波去除和弱信號增強預處理,然后,將預處理后的距離-慢時間二維回波矩陣成像為灰度圖并整理成數據集RP800,在該數據集上進行YOLOv3網絡的訓練和測試。實驗表明,網絡檢測召回率達到99.77%,平均誤檢率為1.235%。
注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社。
國外電子測量技術雜志, 月刊,本刊重視學術導向,堅持科學性、學術性、先進性、創新性,刊載內容涉及的欄目:理論與方法、研究與開發、應用天地等。于1982年經新聞總署批準的正規刊物。