.png){kind=icon}
返回
mmWave Radar-Based Wall Classification Using Progressive Feature Selection
.png){kind=icon}
PRE
AI
DOI：10.1109/jsen.2026.3716595.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种用于基于毫米波（mmWave）雷达的墙体材料分类的渐进式特征选择框架。通过TI AWR1843雷达在多个天内收集来自八种室内表面类型的原始复基带I-Q数据：透明玻璃墙、光滑玻璃板、水泥墙、金属门、乙烯基地板、聚烯烃地毯地板、瓷砖和混凝土墙。我们引入了一种增量数据递减特征学习（IDDFL）策略，该策略逐步累积逐日的训练数据，同时使用事后解释器逐步修剪低贡献特征。一个预处理模块从获取的I-Q测量中提取100个手工制作的描述符，涵盖时域、频域、时频域和雷达特定特征。通过SHapley加性解释（SHAP）分析量化特征相关性，并在LightGBM（LGBM）分类器上移除最不具区分性的特征。所提出的IDDFL过程将特征集从100个减少到30个，同时保持高分类性能。所提出的模型最终测试准确率达到79.80%，F1得分为0.79，在最小性能降级的情况下展示了改进的计算效率。最终的30特征LGBM模型优于文献中报道的九种最新基准方法，并部署在边缘平台（树莓派4和Rock Pi 4 C+）上以展示实时适用性。所提出的特征选择和边缘就绪流水线非常适合建筑检查、自主导航和安全应用。
Keyword:
Edge deployment
frequency-modulated continuous wave (FMCW) radar
radar-based material classification
SHapley additive exPlanations (SHAP)
wall classification
