技术特征：
技术总结
本发明公开了一种基于多频多域深度学习的雷达步态识别方法，用频率步进连续波雷达对步态多次采样，对每个样本分别处理得到多频率时频域微多普勒谱图和时域距离像。将多频率时频域谱图按相似度分组，再将同一组时频域谱图组合为一多通道的高维时频域谱图，并运用多个卷积神经网络分别提取多组高维时频域谱图和时域距离像的分类特征向量，将提取的多组时频域特征和时域特征结合为一个新的特征向量，并将其传入到稀疏自编码神经网络去除无用特征后输入到分类器中完成步态分类。本发明通过获取多频率时频域微多普勒谱图和时域距离像，由深度学习网络综合提取多频率、多域的多层次特征进行步态识别，识别精度高，抗噪声性能好，更具有实用性。
技术研发人员：贾勇;王刚;宋瑞源;晏超;李权;钟晓玲;郭勇
受保护的技术使用者：成都理工大学
技术研发日：2018.09.19
技术公布日：2019.02.15