DOPPLER-SPECTRUM機能ベースの人間車両分類スキームFMCWレーダーセンサーに機械学習を使用した

このホワイトペーパーでは、FMCW（周波数変調連続波）レーダーセンサーのドップラースペクトル特徴に基づいたヒト車両分類スキームを提案します。2つの連続したフレームのドップラースペクトルの特性に基づいて、散乱点数、散乱点の差、および大きさの差レート機能と呼ばれる3つの新しい機能を紹介します。また、前述の3つの機能のトレーニングと検証には、SVM（サポートベクターマシン）とBDT（バイナリ決定ツリー）を使用します。24-GHz FMCWレーダーフロントエンドモジュールとリアルタイムのデータ収集モジュールを使用して信号を測定し、フィールド内のウォーキングヒトと移動車両から3つの機能を抽出しました。次に、SVMとBDTを使用して提案されたアルゴリズムの分類決定率を繰り返し測定し、それぞれ歩行人と移動車両の平均パフォーマンスが99％と96％を超えたことがわかりました。

In this paper, we propose a Doppler-spectrum feature-based human-vehicle classification scheme for an FMCW (frequency-modulated continuous wave) radar sensor. We introduce three novel features referred to as the scattering point count, scattering point difference, and magnitude difference rate features based on the characteristics of the Doppler spectrum in two successive frames. We also use an SVM (support vector machine) and BDT (binary decision tree) for training and validation of the three aforementioned features. We measured the signals using a 24-GHz FMCW radar front-end module and a real-time data acquisition module and extracted three features from a walking human and a moving vehicle in the field. We then repeatedly measured the classification decision rate of the proposed algorithm using the SVM and BDT, finding that the average performance exceeded 99% and 96% for the walking human and the moving vehicle, respectively.