本发明属于雷达人体动作识别领域，具体涉及一种基于张量稀疏点云的人体动作空时频多维联合表征方法。
背景技术：
1、人类动作识别在公共监控、灾害救援、智能交互、生活辅助等领域的应用受到了广泛关注。雷达能够不受光线和天气影响穿越障碍完成探测，使得基于雷达的人体动作识别技术成为热门。相较于光学传感器，基于雷达的人体动作识别方法的在不同环境下都有出色表现，能够克服阴暗和障碍物等环境影响，随着目标的运动，雷达能够轻易地获得受试者的距离、速度和角度等信息。最关键的是，雷达回波信号中只携带了目标的特征信息，并不会捕捉目标的视觉形态，因此能够保护被测者的个人隐私。
2、现有的基于雷达传感器的人体动作识别方法主要应用的是基于图像的特征提取算法。通过将雷达回波信号转化为距离、多普勒、角度等特征域的图像，然后提取图像的深浅、轮廓等信息来实现对应特征的提取和表示。这种基于图像的特征提取算法存在容易受到噪声干扰、特征表示效率不高等不足。新的抗干扰能力强、信息表示效率高的特征提取算法成为人体动作识别研究关注的热点
3、稀疏表示理论能够用极少数非零稀疏解来保留原始信号中绝大部分信息，在有效减少对经验参数依赖的基础上，有效提高了信息的表示效率。然而，现有的基于稀疏表示理论的人体动作特征表示算法局限于时频域或距离多普勒域，难以对人体动作空时频域的多维特征进行全面有效的表征。
技术实现思路
1、针对上述问题，本发明的目的在于提供一种基于张量稀疏点云的人体动作空时频多维联合表征方法，利用张量代数的概念，将稀疏表示理论从二维空间拓展到高维空间，提出了一种基于张量稀疏点云的人体动作空时频多维联合表征方法。首先，对回波信号建立快时间维、慢时间维、帧时间维、通道维等维度的高阶张量模型；然后，构建对应的张量稀疏字典和测量矩阵，得到人体动作回波信号在距离-多普勒-时间-角度域上的张量稀疏投影；最终，设计了基于核心张量变形的正交匹配追踪算法求解出核心张量，并通过映射关系得到张量稀疏点云(tensorsparse human activity point clouds，tshap)，实现了人体动作的空时频多维联合表征。
2、实现本发明目的的具体技术方案为：
3、一种基于张量稀疏点云的人体动作空时频多维联合表征方法，包括以下步骤：
4、步骤1、获取雷达回波信号，并对雷达回波信号进行预处理，构建人体动作回波信号的四阶张量模型rtensor；
5、步骤2、构建张量稀疏字典ψ和张量测量矩阵φ，并结合人体动作回波信号的四阶张量模型rtensor，获取张量稀疏投影rstensor；
6、步骤3、基于核心张量变形的正交匹配算法确定核心张量x；
7、步骤4、基于核心张量x进行位置索引到物理信息的映射重新排列进行重排，产生表征人体动作的空时频多维特征的张量稀疏人体动作点云。
8、相比于现有技术，本发明的有益效果在于：
9、(1)本发明所提出的基于张量稀疏点云的人体动作空时频多维联合表征方法，从保留信号各个维度的耦合关系，多维、整体的角度完整提取信号的张量特征，在准确性和效率以及鲁棒性上优于低维特征提取算法；
10、(2)本发明基于核心张量变形对传统张量正交匹配算法进行优化，去除冗杂无用点，提高信息的表示效率、有效降低计算复杂度，同时以稀疏度作为指标，减少特征提取算法对于经验参数的依赖；
11、(3)本发明针对人体动作空时频域的稀疏性，提取出的张量稀疏人体动作点云，相较于传统谱图特征具有更高的表示效率，更低的数据量，同时提高了特征的信噪比，有利于后续网络处理。
12、下面结合具体实施方式对本发明做进一步的说明。
1.一种基于张量稀疏点云的人体动作空时频多维联合表征方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于张量稀疏点云的人体动作空时频多维联合表征方法，其特征在于，所述步骤1中的构建人体动作回波信号的四阶张量模型rtensor，具体为：
3.根据权利要求2所述的基于张量稀疏点云的人体动作空时频多维联合表征方法，其特征在于，所述步骤2中的获取张量稀疏投影rstensor，具体为：
4.根据权利要求2所述的基于张量稀疏点云的人体动作空时频多维联合表征方法，其特征在于，所述步骤3中的确定核心张量x，具体为：
5.根据权利要求4所述的基于张量稀疏点云的人体动作空时频多维联合表征方法，其特征在于，所述步骤4中的产生表征人体动作的空时频多维特征的张量稀疏人体动作点云，具体为：
6.一种基于张量稀疏点云的人体动作空时频多维联合表征系统，其特征在于，包括以下模块：
7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-5中任一项所述方法的步骤。
8.一种计算机可存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5中任一项所述的方法的步骤。
