中文标题：基于多域协同训练的半监督雷达人体动作识别方法

英文标题：A Semisupervised Radar-Based Human Action Recognition Method via Multidomain Collaborative Training

来源期刊：雷达学报

基金项目：国家密码科学基金(2025NCSF02059)，国家自然科学基金(42174175, 62105233)，山西省基础研究计划资助项目(202203021221090)

作  者：赵兴鹏^{1, 2}, 徐航^{1, 2}, 常朋发^{1, 2}, 刘丽^{3, 1}, 李静霞^{1, 2}, 张建国^{1, 2}, 王冰洁^{1, 2}

作者单位：1. 太原理工大学新型传感器与智能控制教育部重点实验室 晋中 030600
2. 太原理工大学物理与光电工程学院 晋中 030600
3. 太原理工大学电子信息工程学院 晋中 030600

摘  要：针对雷达人体动作识别任务中标注数据不足的问题，该文提出了一种基于多域协同训练的半监督学习方法。该方法融合慢时间-距离域、慢时间-多普勒频率域和距离-多普勒频率域的动作特征，构建决策层集成框架，通过域间一致性评估机制动态调整各域在集成预测中的权重，并设计了分层置信度动态伪标签策略，通过多层次质量评估和动态阈值校准实现伪标签质量与利用率的平衡。此外，该方法引入了特征对齐约束机制，利用快速主成分分析方法提取多域特征的主成分，引导深度网络学习紧凑的特征表示，增强模型的判别能力。在基于随机码雷达的穿墙人体动作数据集上，该文所提方法在5%标注比例下平均识别准确率达到(93.6±1.6)%。在基于调频连续波雷达的室内人体动作数据集上，5%标注比例下平均识别准确率达到(91.3±1.9)%，既高于包括Bi-LSTM, LH-ViT和MFAFN的监督学习方法，也高于包括FixMatch, C-TGAN, MF-Match和LW-HGR的半监督学习方法。实验结果证明该方法在随机码雷达和调频连续波雷达两种不同雷达体制下，以及在穿墙和室内两种不同探测场景下，均表现稳定，验证了其跨体制和跨场景的适应性。此外，基于多域协同训练的半监督学习模型的参数量为1.30 M，浮点计算量为26.16 M，模型大小为5.01 MB，展现出较高的计算效率。

全文链接： https://radars.ac.cn/cn/article/doi/10.12000/JR25223