基于PCA-VDM-SSA的毫米波雷达多目标跌倒检测OA

针对毫米波雷达在室内跌倒检测中面临的多径效应、动态干扰及模态混叠等关键问题,提出了一种基于主成分分析(PCA)与麻雀搜索算法(SSA)优化的变分模态分解(VMD)联合信号处理方法,旨在提升复杂家居环境下跌倒检测的精度与鲁棒性.首先,通过PCA对FMCW雷达回波信号进行降维预处理,有效抑制冗余数据与噪声,降低后续计算复杂度;其次,引入SSA自适应优化VMD的核心参数(模态数k与惩罚因子α),解决了传统VMD依赖人工经验调参的局限性,显著降低了由杂波及动态干扰引起的模态混叠问题,实现了多目标场景下跌倒瞬态特征的高效分离与生物异常运动信号的精准提取.实验结果表明,该方法能够将虚警率降低至5%,通过提取目标极化信息与速度-角度联合特征,在多目标共存场景下的检测准确率达到97%.为智能居家养老中高鲁棒性非接触式跌倒监测系统的开发提供了理论支撑与技术实现路径.