Resumen

La detección y la clasificación a través de la pared son muy deseables para aplicaciones de vigilancia, seguridad y militares en zonas que no pueden ser detectadas con medidas convencionales. En el ámbito de estas aplicaciones, un reto clave es la capacidad no sólo de detectar la presencia de individuos detrás de la pared, sino también de clasificar sus acciones y posturas. Los investigadores han aplicado radares de banda ultraancha (UWB) para penetrar en los materiales de las paredes y tomar decisiones inteligentes sobre el contenido de habitaciones y edificios. Como forma de radar UWB, se han preferido los radares de onda continua de frecuencia escalonada (SFCW) debido a sus ventajas. Por otra parte, es notable el éxito de la clasificación con métodos de aprendizaje profundo en diferentes problemas. Dado que las señales de radar contienen información valiosa sobre los objetos que se encuentran detrás de la pared, el uso de técnicas de aprendizaje profundo para la clasificación dará una dirección diferente a la investigación. Este trabajo se centra en la clasificación de la postura humana detrás de la pared utilizando señales de radar a través de la pared y una red neuronal convolucional (CNN). El radar SFCW se utiliza para recoger las señales de radar reflejadas por el objetivo humano detrás de la pared. Estas señales se emplean para clasificar la presencia del ser humano y su postura, ya sea de pie o sentado, mediante el uso de una CNN. El enfoque propuesto consigue resultados notables y satisfactorios sin necesidad de operaciones detalladas de preprocesamiento ni de datos a largo plazo que se utilizan en los enfoques tradicionales.

• Materias:Minería de datos Propagación de ondas Electromagnetismo Radiofrecuencia Teoría de Antenas
• Subjects:Data mining Wave propagation Electromagnetism Radio frequency Antenna theory
• Palabras claves:pared, postura humana, señal de radar, métodos de aprendizaje profundo, red neuronal convolucional, contenido de la habitación, técnicas de aprendizaje profundo, frecuencia de onda continua, forma de uwb, señal de radar de pared
• Keywords:wall, human posture, radar signal, deep learning methods, convolutional neural network, content of room, deep learning techniques, frequency continuous wave, form of uwb, wall radar signal