© 2021 IEEE. Reprinted, with permission [1]

Mit einem hochintegrierten 60 GHz Radarsensor (das Frontend selbst ist kleiner als eine 1€-Münze) können verschiedene menschliche Aktivitäten wie z.B. gehen, stehen, Arme bewegen, winken und arbeiten am Laptop berührungslos über mehrere Meter detektiert werden.

Für die Ergebnisse, die in der renommierten Fachzeitschrift „IEEE Sensors Journal“ veröffentlicht wurden („Data-Driven Radar Processing Using a Parametric Convolutional Neural Network for Human Activity Classification“, doi: 10.1109/JSEN.2021.3092002) gibt es vielfältige Anwendungen, beispielsweise im Smart Home Bereich: Das Wissen über die Anwesenheit und Aktivität von Menschen kann etwa zur intelligenten Steuerung von Licht, Heizung und Belüftung-/Klimatisierungssystemen genutzt werden, die damit energieeffizienter und nachhaltiger arbeiten können. Ebenso lassen sich die Ansätze aber auch zur Verbesserung der automatischen Sturzerkennung von älteren Personen anwenden oder für Mensch-Maschine-Schnittstellen und Sicherheitsanwendungen verwenden.

Das vorgestellte Verfahren erreicht mit einem F1-Score von 99,5% (± 0,3) eine sehr hohe Zuverlässigkeit. Dies wurde unter anderem dadurch erreicht, dass neben der Auswertung der Mikro-Doppler-Signaturen mit maschinellem Lernen zusätzlich die „klassische“ Vorverarbeitung der Radardaten durch adaptive (2D sinc bzw. 2D wavelet) Filter ersetzt wurden, deren ideale Parameter das neuronale Netz während dem Training lernt.

[1]: T. Stadelmayer, A. Santra, R. Weigel and F. Lurz, "Data-Driven Radar Processing Using a Parametric Convolutional Neural Network for Human Activity Classification," in IEEE Sensors Journal, vol. 21, no. 17, pp. 19529-19540, 1 Sept., 2021, doi: 10.1109/JSEN.2021.3092002.