第一周文献阅读报告

泛读

1.《毫米波与太赫兹技术》

• 研究问题:从硬件芯片和技术应用两方面介绍了毫米波和太赫兹的研究现状。
• 文章总述:将电磁波按照不同的微波频段可以分为微波（0.3-30GHZ）、毫米波（30-300GHZ）、太赫兹（300-10000GHZ或者0.1-10THZ），其中毫米波技术在硬件方面的工艺有GaAs和InP工艺、GaN工艺、硅基工艺；由于毫米波频谱资源丰富，毫米波在移动通讯领域作用举足轻重；利用毫米波穿透性强的特点，在成像方面：主动式成像应用于安检等有比较成熟的发展；又由于毫米波具有波长短、波束窄、体积小、功耗低和穿透性强等特点，毫米波在雷达领域广泛应用于军事和民用产品。太赫兹技术的发展基础是低成本、高功率、室温稳定的太赫兹产生源（太赫兹源），按照产生机理,可以分为基于光学效应和基于电子学的太赫兹源。 按照源类型可以分成 3 类:非相干热辐射源、宽带太赫兹辐射源以及窄带太赫兹连续波源。由于宇宙背景辐射在太赫兹频谱中存在丰富信息，所以应用在射电天文方面；由于太赫兹穿透物品无损的性质，应用在无损检测方面；又由于太赫兹对不同的动物组织反射不同的特性应用于生物医疗。
• 文章总结:阅读这篇文章主要是在查找文献时，发现毫米波在呼吸心律上论文很少，专利很多，太赫兹正相反，所以想找出毫米波和太赫兹的区别，阅读文章后结合百度，我了解到现在市场上应用在心率呼吸位置体态的雷达项目都不会超过100GHZ，更高的频段不能应用主要碍于硬件限制，故应用还是停留在毫米波阶段，所以说虽然毫米波硬件成本较高，但是相对成熟。频段高的太赫兹现阶段没有应用价值，在科研方面是一大难题也是热点。
• 思维导图：百度脑图链接.

2.《基于物联网的智能养老系统》

• 研究问题:以定制的手环为核心载体，使用GSM通信模块传递数据，最终配合终端APP和社区服务平台，组成一套养老系统，解决养老的一些日常问题。

• 文章总述:围绕养老这个主题，定制的手环有心率传感器、温度传感器、加速度传感器、GPS定位模块、GSM通信模块，依次对应心率监测、体温检测、跌倒检测、地理围栏、通信功能。通过以上功能最终实现老人摔倒或心率异常时,手环自动拨打求救电话并发送求救信息给子女和社区，子女和社区也可在用户终端App和服务平台上随时查看老人的情况的需求。

• 文章总结:通过这篇文章了解了传统养老的系统的模式，针对论文中的描述，在实际应用中这么多传感器集成在手环上舒适度欠佳，其中使用NFC记录老人信息，希望走失后让路人通过NFC对老人予以救助，使用NFC的创意感觉不错，但是功能鸡肋。文中只对系统功能做了描述，心率，跌倒等最重要的算法并没有提及，并文末四个实验只给了结果，没有提及对比标准。希望自己日后可以避免这些不足。

• 思维导图： 百度脑图链接.

3.《基于空间聚类的FMCW 雷达双人行为识别方法》

• 研究问题:在一个空旷室内利用毫米波雷达的数据识别两个人跌倒、坐下、行走三种状态。

• 文章总述:实验环境为大概50平米的空旷室内，使用一个TI 公 司 的IWＲ1443EVM型号三发四收毫米波雷达布置在离实验人员6m的距离内进行数据采集，将采集到的数据使用做背景数据预处理，随后使用 DBSCAN 聚类算法对雷达数据做分类，分类得到两个人的数据，然后分别对数据做关键点提取，接着定义了几个特征向量，对特征进行提取，最后根据特征向量使用贝叶斯分类器分理出跌倒、坐下、行走三种状态，最终得到的正确率分别达到 100%、93.8%和 87.3%。
  

• 文章总结:这篇文章主要将毫米波数据结合了两种机器学习的分类方法来达到最终目的，他的实验结果在论文设定的条件下分析对比非常全面，但是情景设定还是不够全面，将跌倒作为瞬间行为不足以概括所有跌倒情景，在行走过渡到跌倒状态上主要以速度、关键点高度两个向量做状态判断，坐下到跌倒主要以高度做判断条件，判断应对场景单一。如果一个人在缓慢坐下中相对缓慢的跌倒，算法准确率是否还能保持？两人并行可以区分，交叉或者无规则行走是不是很难区分数据呢？

• 思维导图： 百度脑图链接.

4.《太赫兹应用分析和展望》

• 研究问题:对国内外太赫兹技术的研究现状作综述，并对太赫兹以后的发展作展望。

• 文章总述:太赫兹的频谱范围为：0.1-30THz,由于太赫兹所在频谱范围广，故在6G通信领域有巨大的研究价值，各个国家也在很早就关注这项技术的研究。太赫兹介于微波和红外之间，与更高频段的红外光谱相比，太赫兹受云、雾、大风沙尘影响小。但相比更低频段的毫米波频段，太赫兹频段高，空间损耗大，多普勒频移大，传播距离短，受大气影响显著，特别是容易受水蒸气、雨水衰减的影响。太赫兹具有：宽带性、高分辨性、低能性、电磁特性、穿透性、特征谱这几种特性。在军事领域应用在：反隐身设备、导航、雷达设备、保密通信几个具体领域。在检测领域应用在：安检、食品检测、质量检测、大气监测几个具体领域。在生物医疗领域应用在：口腔疾病诊断、成分分析、癌症早期诊断几个具体领域。在航空领域可以通过极低的功率就可实现超远距离传输，还可以穿透通信黑障，解决“黑障通信”问题。在通信领域应用在：超热点超高速通信场景、光纤替代通信场景、微观领域通信场景、安全接入几个具体领域。

• 文章总结:这篇文章概述了太赫兹领域的发展现状和目前应用的领域，并且指出太赫兹的硬件设施：太赫兹辐射源、调制解调器、灵敏的检测器等，一直在限制着太赫兹的发展，我们应该重视太赫兹技术，积极推进太赫兹广泛应用和落地。

• 思维导图： 百度脑图链接.

5.《车载毫米波雷达应用研究》

• 研究问题:分析了车载毫米雷达市场应用情况 ，介绍了其工作原理以及工作波形和工作调频机制。

• 文章总述:文章首先对车载毫米波雷达的市场进行了分析，并对毫米波频段、原理、收发调频体质做了概要叙述，重点详细介绍了可变斜率连续波（CVS）、多频移键控雷达波（MFSK）、快斜波序列雷达（FRCS）三种集中波形及处理方式。现阶段雷达调制锁相环芯片 ADF4158/4159 芯片与收发 MMIC芯片 ADF5901 和 ADF5904 结合，可以实现车载雷达多种调频体制和基带算法。

• 文章总结:这篇文章通过对车载毫米雷达市场应用和原理分析，详细介绍了雷达波形以及调制机制，于车载微波雷达技术的应用，增强了汽车行驶安全，并给驾乘人员提供更加舒适的操控体验，系统工作稳定，应用场景广泛，确保了行车安全。满足了汽车操控舒适性要求。

• 思维导图： 百度脑图链接.

6.《基于压力传感器的跌倒检测系统研究》

• 研究问题:作者设计了一种基于压力传感器的跌倒检测系统，检测中老年人的跌倒状态，新意在于将压力传感器放在鞋里。

• 文章总述:文中认为可穿戴式传感器可以弥补视频分析和声波分析隐私和成本问题，但是传统可穿戴设备对于使用者来说比较繁琐，舒适性欠佳，将传感器放在鞋中解决了以上难题。作者将压力采集模块设计成鞋垫，在脚掌中部和脚后跟的着力点处各放置一个FSR-402压敏电阻，然后将压敏电阻产生的模拟电压信息转换为数字数据，通过无线电通讯模块GW100B将数据传输到后台，后台再采用基于支持向量机的分类算法识别正常行走和跌倒状态。在实验中，对SVM模型进行训练，最后确定模型中的参数值，使用训练后的模型对状态进行判断，跌倒和正常行走的识别率达到85%以上。
  

• 文章总结:这篇文章是10年发表的EI核心，创新点在于将传感器设计成鞋垫，解决了可穿戴设备的的诸多不便。就整体方案来说与其他可穿戴传感器的方式大同小异，都是得到数据后使用算法对数据进行分类，在应用场景上只能分辨行走和跌倒，应用场景单一，鞋垫虽然有优势，但是也限定了只能穿有鞋垫的鞋才能检测，与实际相差比较大。

• 思维导图： 百度脑图链接.

7.《基于隐马尔可夫模型的老年人跌倒行为检测方法研究望》

• 研究问题:针对跌倒的运动过程，分析人体加速度变化特征，提出基于隐马尔可夫模型( HMM) 的跌倒检测方法。
• 文章总述:文中研究老人跌倒问题，针对跌倒的运动过程，分析人体加速度变化特征，此基于穿戴式设备进行跌倒检测，提出基于隐马尔可夫模型( HMM) 的跌倒检测方法。将人体跌倒的加速度信号提取为加速度观测序列，并以此为训练样本训练隐马尔可夫模型，建立跌倒过程的概率模型进行跌倒检测。在验证实验中，采集 10 名志愿者共 300 例样本，采用 5 折交叉检验方法，对模型的有效性进行验证。验证结果表明，该方法检测跌倒的准确率为 98. 2% ，灵敏度为 91. 3% ，特异性为 99. 6% ，具有良好的检测效果，可实现对跌倒行为的准确检测。验证实验结果表明，基于隐马尔可夫模型的跌倒检测方法检测效果优异。
• 文章总结:文中的基于加速度的模型可以类比毫米波，建立跌倒过程模型来检测跌倒，优点是模型由跌倒过程的数据训练建立，完整地描述跌倒过程的数据特点; 另外，HMM 的学习训练过程简单，识别跌倒所要求的计算能力低，与机器学习相比具有明显的优势，适用于实时监测的情况。
• 思维导图： 百度脑图链接.

8.《矿用卡车毫米波雷达防碰撞系统的研究与应用》

• 研究问题:由于矿山需要大型卡车运输岩石，且矿车司机驾驶时也存在盲区，加之运输线路复杂 ，弯道 、斜坡道较多和作业环境恶劣 ，车辆相撞事故时有发生。文中使用毫米波雷达有效的解决了这个问题。

• 文章总述:文中使用毫米波雷达解决了矿山上的施工作业环境恶劣，容易发生交通事故的问题。并根据相关规定和实际各种实验获取安全参数 ，主要是实验验证该系统的可靠性。
  

• 文章总结:在某大型露天煤矿进行了多次不同天气条件下的试验 (粉尘 、大雾、夜晚 、雨天)，系统都能正常工作 ，对运输生产均不造成任何影响。在露天矿各种道路条件下 ：上坡 、下坡 、标牌 、电缆桥架 、端帮等等 ，系统均能正常工作 ，对运输生产均不造成任何影响。 在不同的运输作业过程中：装车铲位、同向行驶 、相向行驶 、弯道会车等条件下 ，系统均能满足生产要求 ，对生产不造成任何影响。
  毫米波雷达的特性对于车辆避障有很好的锲合度，现在应用也很普遍成熟。

• 思维导图： 百度脑图链接.

9.《基于ＹＯＬＯ网络的人体跌倒检测方法》

• 研究问题:在处理老人跌倒问题上，图像和神经网络的结合，使识别的精读和体验上都得到了提升，文中通过候选框密度重组方法，对ＹＯＬＯ网络的候选框提取策略进行改进，并根据人体形态学特征和方向梯度直方图ＨＯＧ特征，基于两级支持向量机分类器算法，实现室内人体跌倒的快速检测。
• 文章总述:本文针对人体识别，改进YOLO网络在网络中加入重组层以完成特征重组，增加水平方向候选框密度，降低竖直方向密度，随后初始化候选框，使用自己采集的数据训练人体检测网络。随后，先提取人体矩形宽高比和参考点位移速率等目标形态学特征，通过第一级ＳＶＭ 分类器判定当前行为状态，若为非常规行为状态，则提取图像的 ＨＯＧ 特征，然后通过第二级ＳＶＭ 分类器判断是否发生跌倒行为．为减少误警情况的发生，设置跌倒报警值，当累计判断人体跌倒达到阈值时发出警报。
• 文章总结:文中提取人的生态学特征，一方面是长宽高的变化，一方面是人体参考点的变化，配合两级 ＳＶＭ 分类器进行训练识别，提高了目标检测精度。
• 思维导图： 百度脑图链接.

10.《基于多传感器融合的老人跌倒检测》

• 研究问题:使用加速度计、陀螺仪和磁力计三种传感器的数据配合跌倒检测算法融合判断老人跌倒的状态。
• 文章总述:文中提出了一种新的跌倒事件检测方法，将人体活动分为两个姿势：平躺姿态和非平躺姿态。假设平躺姿态是在跌倒后被检测到的，为了检测跌倒，系统有三个步骤：第一步是通过四元数卡尔曼滤波得到姿态矢量，第二步是姿态识别，第三步是活动强度分析。九轴传感器（加速度计、陀螺仪、磁强计）基于可穿戴装置安装在人的腰部。跌落检测系统采用四元数卡尔曼滤波得到人体的四元数、欧拉角和加速度。如果检测到躺姿，利用加速度来分析活动强度，并确定老人是否跌倒。
• 文章总结:通过阅读这篇文章发现包括斜面跌倒等一些缓慢的跌倒，使用多个传感器融合也很难达到很好的效果，因为这种跌倒没有数据上的突变，是目前需要解决的问题。
• 思维导图： 百度脑图链接.

11.《基于毫米波雷达山火监测技术研究》

• 研究问题: 文中将红外探测技术与毫米波雷达技术相结合，探讨了对山火的监测和定位技术，提高山火监测的准确性，降低了由于山火灾害造成的影响。

• 文章总述:当发生山火险情时，先使用过程红外发现火情，再使用毫米波雷达对该方位进行探测，确定山火的距离。根据测试结果，毫米波雷达能够发现在预定位置处设置的火点所产生的烟尘目标，验证了毫米波雷达烟尘探测的有效性。同时也检验了本系统所采用的信号与数据处理方法的有效性。毫米波雷达能探测山火烟雾的回波信号，具有探测识别山火烟雾的能力；结合试验测试数据，基于雷达基本方程，测算可得毫米波雷达探测山火烟雾的范围可达 10 km。
  

• 文章总结:这篇文章主要使用了毫米波雷达的测距功能发现火情的位置，毫米波雷达体积小，受烟雾影响小的优势就体现出来了。

• 思维导图： 百度脑图链接.

12.《基于视觉和毫米波雷达的车道级定位方法》

• 研究问题:利用机器视觉方法，通过摄像头检 测车道线，并用圆曲线模型进行拟合；采用毫米波雷达检测道路两旁的静止护栏边沿，以获取道路的边界信息，采用低精度全球定位系统（ＧＰＳ）获取当前道路信息，并对比车道线与道路边沿的相对位置关系，从而进行车道级定位。

• 文章总述:在包含车道偏离预警、车辆辅助转向的诸多高级驾驶辅助系统应用中，车辆的车道级定位非常重要，基于GPS的定位成本高误差大，基于激光雷达的定位受环境影响大，与激光雷达相比，毫米波雷达的数据量非常小、可靠检测距离较长，适用于全天气环境，在传感器端即可实现动、静态障碍物的识别，识别道路两旁连续规则的护栏的计算量小且稳定可靠。车道级定位系统主要分为：为检测、定位与匹配及车道级定位３大模块，运行流程见下图。
  

• 文章总结:从传感器配置上来说，相比多线激光雷达，毫米波雷达的数据量非常小、可靠检测距离较长，适用于全天气环境的车道级定位，在传感器端即可实现动、静态障碍物的识别，识别道路两旁连续规则的护栏或树木的计算量小且稳定可靠．通过车道定位实验发现，针对中、高速城市道路及高速公路场景，车道级定位方法可以得到较好的定位效果，其定位准确率依赖于车道线以及道路边沿检测的准确率。

• 思维导图： 百度脑图链接.

13.《融合运动特征和深度学习的跌倒检测算法》

• 研究问题:这篇文章从视频处理的角度完善人跌倒这个状态的检测方法，针对现有跌倒检测算法中人为设计特征造成的不完备性，跌倒检测过程中前后景分离困难、目标混淆、运动目标丢失、跌倒检测准确率低等问题，提出了一种基于融合人体运动信息的深度学习跌倒检测算法对人体跌倒状态进行检测。

• 文章总述:首先，对 YOLOv3 主干网络进行裁剪，通过改进的YOLOv3 网络进行前景与背景分离，并根据 YOLOv3 的检测结果对前景人体目标进行外接矩形框标记；然后，然后分析跌倒过程中人体运动目标在时间序列上的变化情况，提取了表示人体摔倒过程中的运动特征信息，将人体运动特征进行向量化并通过 S 激活函数转化为 0-1 之间的运动权重信息，将运动特征与卷积神经网络（CNN）提取特征进行拼接；最后，通过全连接层将特征融合进行人体跌倒分类判别。
  

• 文章总结:这篇文中分析称跌倒方法检测中分三种，分别基于传感器、环境、视觉，他们各有舒适性、价格、非人体运动误判等问题，文中在对比其他论文时使用YOLO3，应该是以前版本，感觉使用最新的第五个版本效果会更好，其次，文中介绍的其他论文有把人体看作椭圆模型，计算轴之间的变化的方法感觉很有创意，文中的特征提取方法相当于将重心、矩形变化、躯干倾斜三个体征融合判断，提高精确度。

• 思维导图： 百度脑图链接.

精读

1.《基于非接触生命参数检测系统的信号处理技术研究》

• 研究问题:为了克服传统接触式设备不便于探测危重、传染、烧伤等特殊病人的心率和呼吸频率的弊端，使用毫米波实现了非接触式探测，并对毫米波雷达得到的数据进行优化处理。
• 文章总述:毫米波雷达不易受到温度、环境遮挡物的干扰，空间传播衰减小，利用这些特性实现非接触式检测病人心率和呼吸的方法来弥补传统接触式检测技术的局限性，但是在应用毫米波雷达进行非接触生命参数检测时，信号容易受到检测对象及检测环境中各种微动的干扰，特别是呼吸运动回波信号较强，对心跳信号产生混合干扰，使心跳信号无法独立检出。针对该问题使用数字信号处理技术对信号进行处理，将同态滤波、小波分析、窄带数字滤波等生物医学信号处理技术应用于非接触生命参数信号的检测，提高了检测信号的信噪比，使生命信号检出率得到提升，并在优化得到的数据同时建立了与肢体导联心电信号的同步采集系统，最后通过该系统对心跳数据的优化算法做出评价。
• 研究方法：由于人体呼吸幅度比较大，在毫米波实际应用中对呼吸的检测也十分准确，文中主要针对在被呼吸和其他干扰信息干扰下的心率信息提取做了研究。首先使用毫米波雷达对正常呼吸状态、屏住呼吸状态、无受检对象状态做了原始的数据采集，对采集到的数据做预处理就得到了理想中的呼吸数据；接着对预处理后的心跳数据做仿真模拟，希望可以模拟出符合实际心跳波形的心跳信号，以此找到特点选择滤波方法；最后将处理后的心率结果与传统生理记录仪的数据做比对，得出实验结果。
• 解决方案（算法）：
  • 数据预处理阶段
    1.BP神经网络算法：将有人时的数据和无人时的数据使用BP神经网络算法训练，以达到判断有人和无人的二分类效果，去除无人状态下的无效数据；
    2.FIR数字滤波器（硬件）：针对噪声复杂，目标信号频率具有规律的信号具有很好的效果。
  • 心跳数据处理
    1.同态滤波：运用卷积域的同态系统对心跳通路采集信号进行复倒谱转换，将时域信号转化为复倒谱信号,便于对信号下一步的线性滤波；
    2.小波变换：首先选择小波基函数和进行小波分解的层数,计算小波分解，然后对高频系数的进行阈值选择；最后每一层经过修改的高频系数，计算出信号的小波重建。
• 实验结果：实验在数据预处理后便得到了比较满意的呼吸效果；在心跳信号处理中，同态滤波使心跳信号得到了加强，但仍有一部分的低频干扰，在这一方面小波变换的效果更好，缺点就是不如同态滤波简单，复杂度较高；最终将处理后的心率结果与传统生理记录仪的数据做比对，发现非接触式检测心跳信号与生理记录仪在二十五秒时间内相差一次，与人工脉搏计数一分钟时间内相差三次.
• 文章总结:文章是2005年发表的硕士论文，其中多次考虑了计算机的算力问题，以现在的计算机资源在数据预处理时可以设计层数更多的BP神经网络，训练更多次以达到更好的拟合状态，也可以使用其他的二分类模型；同时论文中提及必须在病人不动且环境简单的情况下实验，实际应用价值比较小，实验次数少、数据规模小、时间短也使得实验结果并不可信。文中使用神经网络二分类的实用性毋庸置疑，我们也可以使用毫米波雷达测得的比较准确的呼吸数据使用深度学习的模型预测呼吸类的疾病。
• 思维导图：百度脑图链接.

2.《基于智能视觉的人体跌倒检测仿真》

• 研究问题：文中针对传统人体跌倒检测方法准确度低，不能在人体疑似跌倒的第一时间及时检测的问题，提出基于智能视觉的人体跌倒检测方法。根据智能视觉分析技术解析人体跌倒行为，采用加速度传感器采集人体跌倒惯性特征数据并利用加速度传感器建立三轴加速坐标，对跌倒行为作出判断。
• 文章总述：跌倒是剧烈运动的一种，作者首先根据智能视觉技术分析行人做不同动作时的行为特征，以此对行人的跌倒行为进行判断; 建立三轴加速度坐标，对采集的跌倒行为数据预处理，并通过 K-L 变换对跌倒行为作出分类，利用 PSO 分类器完成人体跌倒检测优化。通过实验证明，所提检测方法可以快速准确的检验出行人是否发生跌倒事件，有一定的应用性。
• 研究方法：首先，采用智能视觉分析技术，分析人体的站立、走步、下蹲和跌倒等一系列动作角度，总结出人在发生跌倒行为时，身体会有明显的角度变化，通过对以上跌倒动作特征的分析来区分跌倒过程的不同阶段，以此解析身体跌倒行为的整个过程。在研究了人体跌倒行为整个过程的基础上，采用加速度传感器完成对人体跌倒行为的判断。
• 解决方案（算法）：
  • K -L 变换
    采用 K-L 变换( Karhunen- Loeve Transform) 的方法从中选取合理特征量。根据协方差矩阵将 K － L 展开，把和比较大的特征值对应的向量构成变化矩阵。
  • PSO 算法
    使用PSO 算法对人体跌倒检测 SVM 参数j进行优化，选用PSO 算法对 SVM 的惩罚因子 C 和核函数参数 γ 进行优化，因此获得 SVM 分类最优参数值。
• 实验结果：在 800 组数据的检测过程中，三个对比文献的检测时间为：1.2 0.95 1.03 S 而本文方法的检测时间仅为0. 3s。由此可见，本文方法的检测时间远远低于其它 3 种检测方法，具有较高的检测效率。
• 文章总结:文章中为避免人在行走时跌倒带来的安全隐患，提出基于智能视觉的人体跌倒检测方法。在智能视觉分析的基础上利用阈值分类与 POS 模式，识别相结合的算法来对人体跌倒进行检测。通过实验对比了该方法与其它 3 种方法的检测情况，实验结果表明，该方法对行人跌倒检测的准确率较高，且检测时间短，具有一定的实际应用价值。
• 思维导图：百度脑图链接.

总结

通过最近阅读的文献了解到，检测跌倒的方法可以大概分为三大类：一是基于传感器的，通过传感器的与坐标轴的角度，加速度等特征值判断跌倒状态;二是基于视频，计算机视觉的检测方法，重点在于背景跟主体的分离，然后是主体状态分类；三是基于环境，包括红外，雷达都是基于环境的；毫米波雷达检测跌倒状态在整体流程上跟第二种是一样的，都是先要对数据做预处理，分离出目标数据，然后对得到的数据建模做分类判断，基于视觉跌倒处理的方法借鉴意义很强。在涉及到具体算法操作的论文中用到了：分类算法：BP算法、DBSCAN聚类、K-means、SVM，目标识别：YOLO、HMM。不管是基于视觉还是基于环境，论文里都是使用机器学习的方法做数据预处理，雷达数据往往还要使用滤波算法，大多数用神经网络或者深度学习已有的模型做目标识别，一部分继续使用机器学习里的方法。在所有方式的跌倒判别中，都是判别的在短短几秒的快速跌倒过程，对于侧倒，瘫倒等场景的辨别度不够，但是这一项在实际应用场景中是必不可少的，是解决的一个难题。