摘 要：传统的基于雷达的人体动作识别主要采用微多普勒原理，对原始数据进行处理，生成微多普勒时 频图，然后输入到基于分类的深度学习网络中进行识别，只能对单个动作进行识别。本文提出一种FMCW雷达 光学字符识别技术的连续动作识别方法，首先对采集的雷达数据采用 RDM（Range⁃Doppler Map）向速度维投影 的方法逐帧获取微多普勒时频图，然后将处理得到的时频图输入一个特别定制的，由卷积神经网络、incep⁃ tion_resnet、最大池化层和 Bi⁃LSTM 的网络组成，使用联结主义时间分类（CTC）作为损失函数进行训练的网络。 实验结果表明该方法对步行、跑步、蹲下、站起、跳跃这 5 种动作的识别准确率分别高达 96.16%，95.34%， 88.49%，89.37%，96.72%。对一个时间窗口内多个动作的识别也取得了不错的效果，时间上的识别准确率整体 令人满意。
关键词：FMCW雷达；连续人体运动识别；微多普勒；深度学习；光学字符识别
0 引 言
根据第七次全国人口普查显示，2020 年我国 60 岁及以上人口有 2.6 亿人，占总人口的 18.70%，中国已经逐步进入深度老龄化社会［1⁃2］ 。老人活动 不便，很容易跌倒并且