买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国计量大学

摘要：本发明公开了一种基于深度学习的抗干扰毫米波雷达活体检测方法及系统，涉及目标检测技术领域，方法包括以下步骤：步骤1：采集雷达信号数据，构建数据集；步骤2：构建PMUnet降噪网络，利用PMUnet降噪网络对数据集进行去噪，获得降噪数据集；步骤3：构建TPreUnet分类网络，利用降噪数据集采用滑动窗口提取特征对TPreUnet分类网络进行训练，获得活体检测模型；步骤4：采集待检测雷达信号，输入活体检测模型，获得检测结果。本发明通过引入深度学习用于信号干扰去处可以增加毫米波雷达微动信号的识别准确率，提高系统的可实用性。

主权项：1.一种基于深度学习的抗干扰毫米波雷达活体检测方法，其特征在于，包括以下步骤：步骤1：采集雷达信号数据，构建数据集；步骤2：构建PMUnet降噪网络，利用PMUnet降噪网络对数据集进行去噪，获得降噪数据集；PMUnet降噪网络包括依次连接的Physical降噪模块、MUNet降噪模块和MSFF多尺度特征融合块；Physical降噪模块包括依次连接的Unwrap_phase层、jump_threshold层、signal_detrend函数、Filter滤波器和stack_data层；Filter滤波器由FIR滤波器和IIR滤波器组成；MUNet降噪模块包括依次连接的UNetConvBlock编码器、UNetUpBlock解码器和跳跃连接块；UNetConvBlock编码器包括若干编码子空间模块，每个编码子空间模块包括依次连接的第一卷积层、第一激活函数层、第二卷积层、第二激活函数层和降采样层；UNetUpBlock解码器包括若干解码子空间模块，每个解码子空间模块包括依次连接的反卷积层、第一卷积层、第一激活函数层、第二卷积层和第二激活函数层，每个解码子空间模块的反卷积层通过跳跃连接模块对应连接一个编码子空间模块的降采样层；MSFF多尺度特征融合块包括依次连接的第一卷积层、第一激活函数层、第二卷积层、膨胀卷积层、平均池化层、拼接层和第三卷积层；步骤3：构建TPreUnet分类网络，利用降噪数据集采用滑动窗口提取特征对TPreUnet分类网络进行训练，获得活体检测模型；TPreUnet分类网络包括依次连接的PreUnet模块、Encoder模块、softmax层和两个线性层；PreUnet模块包括依次连接的初始卷积层、中间卷积层、残差块和分类器Tokens；初始卷积层包括依次连接的两个Conv1d、BatchNorm1d和Gelu激活函数；中间卷积层包括依次连接的Maxpool1d、Dropout、Conv1d和Gelu激活函数；分类器Tokens包括依次连接的token1、token2和token_bricks；Encoder模块包括依次连接的若干个LayerNorm归一化层和若干个Block块；每个Block块包括Attention模块和前馈神经网络MLP；步骤4：采集待检测雷达信号，输入PMUnet降噪网络进行降噪处理后输入活体检测模型，获得检测结果。

全文数据：

权利要求：

百度查询： 中国计量大学 基于深度学习的抗干扰毫米波雷达活体检测方法及系统