CN109541585A - 一种基于峰度评估的人体穿墙检测成像方法 - Google Patents
一种基于峰度评估的人体穿墙检测成像方法 Download PDFInfo
- Publication number
- CN109541585A CN109541585A CN201811171791.9A CN201811171791A CN109541585A CN 109541585 A CN109541585 A CN 109541585A CN 201811171791 A CN201811171791 A CN 201811171791A CN 109541585 A CN109541585 A CN 109541585A
- Authority
- CN
- China
- Prior art keywords
- kurtosis
- value
- mimo
- image
- human body
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
- G01S13/888—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons through wall detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于峰度评估的人体穿墙检测成像方法,该方法中,建立墙体参数间的约束关系;对三维数据矩阵采用基于峰度评估值的自聚焦成像算法得到聚焦图像;在步骤五获得聚焦成像的过程中,采用峰度值序列的最大值检测是否有人体目标。本发明的方法采用基于峰度评估值的自聚焦成像算法,结合墙体参数对传统的MIMO雷达BP成像模型进行修正,然后在自聚焦成像过程中对人体生理微动信号进行了增强修正,修正后的算法能够获得人体生理微动信号的更高质量的自聚焦图像。
Description
技术领域
本发明属于生命探测领域,涉及生物雷达人体穿墙成像,具体涉及一种基于峰度评估的人体穿墙检测成像方法。
背景技术
生物雷达是以探测生命体为目的的一种新概念雷达,可穿透非金属介质、远距离、非接触探测和识别生命体目标,已广泛应用于反恐处突、灾后搜救等场合,对保障人民群众的生命安全具有重要作用。
多输入多输出(Multiple-Input Multiple-Output,MIMO)生物雷达是一种特殊的多通道雷达,其接收端的每个天线阵元同时接收回波信号并通过匹配滤波分选得到多路回波,从而引入了多于实际物理阵元数目的观测通道和自由度。MIMO生物雷达利用虚拟阵元技术扩展原有物理接收阵列的孔径长度,从而产生更窄的波束方向图,提高阵列的横向分辨率。现阶段,UWB-MIMO(超宽带多输入多输出)生物雷达已应用于穿墙雷达成像中,但人体目标生理体征信号的成像与探测方法的研究较少。
在人体穿墙成像中,墙体参数(厚度和介电常数)的模糊会降低生理微动信号的聚焦质量,降低生理微动信号的信杂噪比(SCNR),增加了探测区域中人体目标的有无、目标个数的判定的难度。
发明内容
针对上述现有技术存在的缺陷与不足,本发明的目的在于提供一种基于峰度评估的人体穿墙检测成像方法,解决现有技术中的人体生理微动信号成像散焦大,成像质量不高的技术问题。
为了解决上述技术问题,本申请采用如下技术方案予以实现:
一种基于峰度评估的人体穿墙检测成像方法,该方法包括以下步骤:
步骤一:UWB-MIMO生物雷达的多个发射天线依次分时向空间辐射电磁波信号,电磁波信号遇到物体反射,多个接收天线接收反射后的电磁波信号,形成多通道的雷达原始回波信号si,i表示等效虚拟接收通道的序号;
步骤二:对多通道的雷达原始回波信号si分别进行预处理得到距离-慢时间二维数据矩阵将各通道的信号按顺序排列形成距离-慢时间-多通道的三维数据矩阵
步骤三:根据三维数据矩阵采用BP成像算法得到MIMO图像,所有的MIMO图像形成MIMO图像序列I。
步骤四:建立墙体参数间的约束关系;
所述的墙体参数为墙体厚度D和墙体介电常数ε;
步骤五:对三维数据矩阵采用基于峰度评估值的自聚焦成像算法得到聚焦图像;
步骤六:在步骤五获得聚焦成像的过程中,采用峰度值序列的最大值检测是否有人体目标。
本发明还具有如下技术特征:
所述的步骤四具体包括以下步骤:
步骤4.1:对MIMO图像序列I进行平均滤波,得到平均滤波后的MIMO图像;
步骤4.2:对平均滤波后的MIMO图像进行预滤波,所述的预滤波为抑制噪声和杂波的预滤波,得到预滤波后的MIMO图像;
步骤4.3:对预滤波后的MIMO图像做霍夫变换,得到霍夫变换后的MIMO图像;
步骤4.4:计算电磁波在墙体内传播的电长度:
电磁波在墙体内传播的电长度为ρ0=|ρ1-ρ2|;
其中,墙体的前沿和后沿将形成两条直线,所述的两条直线在霍夫空间中形成两个极大值点(ρ1,θ1)和(ρ2,θ2),θ1=θ2,两条直线间的距离ρ0=|ρ1-ρ2|,即电磁波在墙体内传播的电长度为ρ0=|ρ1-ρ2|;
步骤4.5:建立参数间的约束关系:
根据电磁波在介质中传播速度,D和ε之间的约束关系为:εD2=ρ0 2。
所述的步骤五具体包括以下步骤:
步骤5.1:将三维数据矩阵在某一慢时间下的雷达回波信号用Sp表示,Sp为距离-多通道的二维数据矩阵;
步骤5.2:建立空间直角坐标系,横轴x为横向,纵轴y为距离向,高度为0;并根据实际需要设定成像区域;
步骤5.3:将成像区域划分为均匀网格,每个网格中包含1个像素点(x,y);
步骤5.4:在慢时间τ0处对均匀网格上的像素点逐点遍历,针对每一个像素点(x,y),采用公式得到像素点(x,y)的幅度值:
其中:
IBP(x,y,τ0)表示在慢时间τ0处像素点(x,y)的幅度值;
m表示发射天线的序号;
n表示接收天线的序号;
M表示发射天线个数;
N表示接收天线个数;
t表示快时间;
(xTm,yTm)表示第m个发射天线的位置;
(xRn,yRn)表示第n个接收天线的位置;
收发天线的高度向坐标均为0;
c表示光速;
δ(·)表示狄里克莱函数;
ELm,n(x,y)表示第m个发射天线到像素点(x,y),再从像素点(x,y)回到第n个接收天线的电长度;
lm,n(x,y)表示在真空环境下,第m个发射天线到像素点(x,y),再从像素点(x,y)回到第n个接收天线的电长度;
θm(x,y)表示第m个发射天线和像素(x,y)之间的入射角;
θn(x,y)表示第n个接收天线和像素(x,y)之间的入射角;
每个慢时间下的雷达回波信号Sp对应的成像区域的所有像素点的幅度值均组成一幅MIMO图像,所有的MIMO图像形成MIMO图像序列IMBP;
步骤5.5:对MIMO图像序列IMBP进行生理微动信号增强,提高人体生理微动信号的信杂噪比,获得增强MIMO图像;
步骤5.6:基于峰度的聚焦评估:
增强MIMO图像中的生理微动信号为点状目标,通过峰度来度量该点状目标对应的图像的对比度,所述的峰度定义为如下公式:
其中,ID对应于参数D生成的图像,P和Q是沿着横向和距离向的像素数目,μ和σ是图像的均值和标准差,计算方法如下:
步骤5.7:参数迭代:
对墙体厚度D的取值进行均匀间隔遍历,获得使峰度值达到最大的墙体厚度值
所述的D的取值范围为0m~0.5m。
所述的步骤六的具体过程包括以下步骤:
在步骤5.7参数迭代过程中,将获取不同参数情况下的峰度值,形成峰度值序列,求取该峰度值序列的最大值,并将该值与门限值T进行比较,判断是否存在生命体;
当该峰度值序列的最大值小于门限值T时,表示无人体目标,信号处理结束,不成像;
当该峰度值序列的最大值大于等于门限值T时,表示有人体目标,提取最大峰度值对应的墙体参数值,按照步骤5.4进行参数补偿成像,得到聚焦图像。
本发明与现有技术相比,有益的技术效果是:
(Ⅰ)本发明的方法采用基于峰度评估值的自聚焦成像算法,结合墙体参数对传统的MIMO雷达BP成像模型进行修正,然后在自聚焦成像过程中对人体生理微动信号进行了增强修正,修正后的算法能够获得人体生理微动信号的更高质量的自聚焦图像。
(Ⅱ)本发明的方法在自聚焦成像迭代过程中进行采用峰度值序列的最大值检测是否有人体目标,对修正后的算法进行辅助协同,能够获得更高质量的自聚焦图像。
(Ⅲ)本发明的方法建立墙体参数间的约束关系,建立该约束关系后,电长度的计算将只与一个参数有关,降低了未知参数的个数,减少了运算量。
附图说明
图1为仿真场景示意图。
图2是未经墙体参数补偿的BP图像。
图3是经过Hough变换的结果。
图4是不同参数D下的图像的峰度。
图5是自聚焦成像结果。
图6是生理微动信号自聚焦成像之前的结果。
图7是生理微动信号自聚焦成像之后的结果。
图8是空背景仿真场景示意图。
图9为不同SNR下图像的峰度序列,其中:
图9(a)SNR=5dB;图9(b)SNR=15dB;图9(c)SNR=25dB。
以下结合附图和实施例对本发明的具体内容作进一步详细解释说明。
具体实施方式
慢时间:MIMO雷达在一个周期内完成一次数据发射和采集,然后再次在一个周期内完成下一次数据发射和采集,如此重复。在此过程中,多个重复的周期序列即为慢时间。
快时间其中r表示距离,即距离-慢时间-多通道的三维数据矩阵中所述的距离。
需要说明的是,本发明中,将墙体简化为厚度相同的均匀介质。
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例:
本实施例给出一种基于峰度评估的人体穿墙检测成像方法,该方法包括以下步骤:
步骤一:UWB-MIMO生物雷达的多个发射天线依次分时向空间辐射电磁波信号,电磁波信号遇到物体反射,多个接收天线接收反射后的电磁波信号,形成多通道的雷达原始回波信号si,i表示等效虚拟接收通道的序号;
步骤二:对多通道的雷达原始回波信号si分别进行预处理得到距离-慢时间二维数据矩阵将各通道的信号按顺序排列形成距离-慢时间-多通道的三维数据矩阵
步骤二的具体过程参见申请公布号为CN106054156A的中国专利,申请号为201610460405.2,专利名称为“一种基于UWBMIMO生物雷达的静止人体目标识别与定位方法”。
在步骤二中,在人体生命体征的穿墙成像中,主体可以分为微动生命体征和静止建筑结构两类。对于生命体征检测,墙壁的反射被认为是干扰。因此,通过去除背景操作抑制这些静态杂波。
步骤三,根据三维数据矩阵采用BP成像算法得到MIMO图像,所有的MIMO图像形成MIMO图像序列I。
步骤三的具体过程参见申请公布号为CN106054156A的中国专利,申请号为201610460405.2,专利名称为“一种基于UWBMIMO生物雷达的静止人体目标识别与定位方法”。
步骤四:建立墙体参数间的约束关系;
所述的墙体参数为墙体厚度D和墙体介电常数ε;
步骤四中,在MIMO图像中提取电磁波在墙体中的传播时延建立墙体参数间的约束关系,具体包括以下步骤:
步骤4.1:对MIMO图像序列I进行平均滤波,得到平均滤波后的MIMO图像;
步骤4.2:对平均滤波后的MIMO图像进行预滤波,所述的预滤波为抑制噪声和杂波的预滤波,得到预滤波后的MIMO图像;
步骤4.3:对预滤波后的MIMO图像做霍夫变换,得到霍夫变换后的MIMO图像;
步骤4.4:计算电磁波在墙体内传播的电长度:
电磁波在墙体内传播的电长度为ρ0=|ρ1-ρ2|;
其中,墙体的前沿和后沿将形成两条直线,所述的两条直线在霍夫空间中形成两个极大值点(ρ1,θ1)和(ρ2,θ2),θ1=θ2,两条直线间的距离ρ0=|ρ1-ρ2|,即电磁波在墙体内传播的电长度为ρ0=|ρ1-ρ2|;
步骤4.5:建立参数间的约束关系:
根据电磁波在介质中传播速度,D和ε之间的约束关系为:εD2=ρ0 2;
步骤四中,所述的平均滤波的具体过程为:沿着慢时间维进行平均操作以保留墙体边缘的反射,平均操作后MIMO图像序列I投影到距离-横向图像平面IM(m,n)上,其中,m和n是横向和距离向的序号。
步骤四中,所述的预滤波的具体过程为:
像素值小于门限值Tg的像素点将被置为零;否则该像素点保留原有像素值。Tg由以下公式计算
其中,N[·]N[·]计算满足括号中给出条件的元素的个数。根据经验,γ设为0.5。
在步骤四中,在MIMO图像中,墙体的前沿是一条直线,因为墙体前沿的反射在自由空间中传播因而不受墙体介质的影响。在墙体后沿的反射不是严格的直线,而是一条弧线。但是,与其它的强反射物体相比,可将其近似视为直线。
步骤四中,霍夫变换(Hough Transform,HT)是自动提取图像中直线的一种有效方法。霍夫变换可以将直角坐标系中的直线y=kx+b映射为(ρ,θ)平面的一个点,霍夫变换的公式为:ρ=xcosθ+ysinθ;其中,从原点引一条垂线l,ρ是原点到直线的距离,θ是直线l与坐标轴之间的夹角。
步骤五:对三维数据矩阵采用基于峰度评估值的自聚焦成像算法得到聚焦图像;
步骤5.1:将三维数据矩阵在某一慢时间下的雷达回波信号用Sp表示,Sp为距离-多通道的二维数据矩阵;
步骤5.2:建立空间直角坐标系,横轴x为横向,纵轴y为距离向,高度为0;并根据实际需要设定成像区域;
步骤5.3:将成像区域划分为均匀网格,每个网格中包含1个像素点(x,y);
步骤5.4:在慢时间τ0处对均匀网格上的像素点逐点遍历,针对每一个像素点(x,y),采用公式得到像素点(x,y)的幅度值:
其中:
IBP(x,y,τ0)表示在慢时间τ0处像素点(x,y)的幅度值;
m表示发射天线的序号;
n表示接收天线的序号;
M表示发射天线个数;
N表示接收天线个数;
t表示快时间;
(xTm,yTm)表示第m个发射天线的位置;
(xRn,yRn)表示第n个接收天线的位置;
收发天线的高度向坐标均为0;
c表示光速;
δ(·)表示狄里克莱函数;
ELm,n(x,y)表示第m个发射天线到像素点(x,y),再从像素点(x,y)回到第n个接收天线的电长度;
lm,n(x,y)表示在真空环境下,第m个发射天线到像素点(x,y),再从像素点(x,y)回到第n个接收天线的电长度;
θm(x,y)表示第m个发射天线和像素(x,y)之间的入射角;
θn(x,y)表示第n个接收天线和像素(x,y)之间的入射角;
每个慢时间下的雷达回波信号Sp对应的成像区域的所有像素点的幅度值均组成一幅MIMO图像,所有的MIMO图像形成MIMO图像序列IMBP;
步骤5.5:对MIMO图像序列IMBP进行生理微动信号增强,提高人体生理微动信号的信杂噪比,获得增强MIMO图像;
步骤5.6:基于峰度的聚焦评估:
增强MIMO图像中的生理微动信号为点状目标,通过峰度来度量该点状目标对应的图像的对比度,所述的峰度定义为如下公式:
其中,ID对应于参数D生成的图像,P和Q是沿着横向和距离向的像素数目,μ和σ是图像的均值和标准差,计算方法如下:
步骤5.7:参数迭代:
对墙体厚度D的取值进行均匀间隔遍历,获得使峰度值达到最大的墙体厚度值
步骤五中,D的取值范围为0m~0.5m。
步骤五中,生理微动信号增强的具体过程为:
四肢的运动和呼吸微动是生命体与静态环境杂波之间最为显著的特征。这些微动信号将在接收到的回波信号中形成具有强信号分量。通过公式所示可增强人体生理微动信号其中,l为慢时间采样序号,L是BP图像序列中的慢时间采样数目,λ为控制微动信号增强程度的松弛因子。对每个像素点序列而言,求取方差的过程将保留和增强变化的分量,静态分量一般视为均值,通过减平均的操作也将会得到有效抑制。
步骤六:在步骤五获得聚焦成像的过程中,采用峰度值序列的最大值检测是否有人体目标;
在步骤5.7参数迭代过程中,将获取不同参数情况下的峰度值,形成峰度值序列,求取该峰度值序列的最大值,并将该值与门限值T进行比较,判断是否存在生命体;
当该峰度值序列的最大值小于门限值T时,表示无人体目标,信号处理结束,不成像;
当该峰度值序列的最大值大于等于门限值T时,表示有人体目标,提取最大峰度值对应的墙体参数值,按照步骤5.4进行参数补偿成像,得到聚焦图像。
一般,无人情况下,图像中无点状目标,图像峰度值较小,有人情况下,图像峰度值较大。合理设置门限值T可判断场景是否有人存在。T由多次实测数据处理结果统计获得。
仿真例1:单人体目标
本仿真例给出给出一种基于峰度评估的人体穿墙检测成像方法,该方法采用磁共振成像(MRI)对不同呼吸状态下的生命体征进行模拟,并采用时域有限差分法(FDTD)计算仿真数据。如图1所示,均匀线阵由位于阵列中心的两个发射单元和间隔为0.05m的38个接收单元组成。发射信号是宽度为5ns的脉冲波形。天线阵列的中心被设置为坐标系的原点。人***于距离向1.6m、横向0m处。天线阵列与人体之间有一堵0.2m厚的墙壁(ε=6.25)。
未经校正的BP图像如图2所示。图像中,墙体的前沿可视为一条直线。墙体后沿可近似为线装结构。在Hough变换空间中,墙体前沿的直线映射为较为理想的一个点,墙体后沿映射为多个强点,如图3所示。墙体前沿和后沿在Hough空间中的位置可由两块点状区域的中心确定,电磁波在墙体中的传播距离约为0.52m。因此,参数间的约束关系为εD2=0.522。图像的峰度值只与参数D有关。随D变化的峰度值序列如图4所示。最小的峰度值也大于500。峰度序列的最大值远远大于500。保守而言,可将检测的门限值设为500。
当D的估计值接近真实值时,峰度值最大。将该估计值用于补偿可得到图5所示的补偿成像结果。人体目标的生理微动信号聚焦为一个较为理想的点状目标。图6和图7给出了自聚焦之后的成像对比图。经过自聚焦后,人体目标生理微动信号的聚焦度大为改善。在自聚焦成像之前,生理微动信号的坐标约为(1.89m,0m),与实际位置不一致。自聚焦成像后,生理微动信号的位置坐标修正为(1.6m,0)。以上结果表明,该方法可以提高成像质量和定位精度。
仿真例2:空背景检测
本仿真例给出给出一种基于峰度评估的人体穿墙检测成像方法,该方法实验场景的设置与仿真例1相同,但墙后无人体目标,如图8所示。在回波中添加Gauss白噪声。不同信噪比(SNR)下得到的峰度值序列如图9所示。在各种信噪比下,峰度值序列的最大值仍小于50。综合仿真例1有人情况下峰度值大于500的结果,可将判决门限设置为500即可实现正确的判决。
Claims (6)
1.一种基于峰度评估的人体穿墙检测成像方法,该方法包括以下步骤:
步骤一:UWB-MIMO生物雷达的多个发射天线依次分时向空间辐射电磁波信号,电磁波信号遇到物体反射,多个接收天线接收反射后的电磁波信号,形成多通道的雷达原始回波信号si,i表示等效虚拟接收通道的序号;
步骤二:对多通道的雷达原始回波信号si分别进行预处理得到距离-慢时间二维数据矩阵将各通道的信号按顺序排列形成距离-慢时间-多通道的三维数据矩阵
步骤三:根据三维数据矩阵采用BP成像算法得到MIMO图像,所有的MIMO图像形成MIMO图像序列I。
其特征在于:
步骤四:建立墙体参数间的约束关系;
步骤五:对三维数据矩阵采用基于峰度评估值的自聚焦成像算法得到聚焦图像;
步骤六:在步骤五获得聚焦成像的过程中,采用峰度值序列的最大值检测是否有人体目标。
2.如权利要求1所述的基于峰度评估的人体穿墙检测成像方法,其特征在于,所述的墙体参数为墙体厚度D和墙体介电常数ε。
3.如权利要求2所述的基于峰度评估的人体穿墙检测成像方法,其特征在于,所述的步骤四具体包括以下步骤:
步骤4.1:对MIMO图像序列I进行平均滤波,得到平均滤波后的MIMO图像;
步骤4.2:对平均滤波后的MIMO图像进行预滤波,所述的预滤波为抑制噪声和杂波的预滤波,得到预滤波后的MIMO图像;
步骤4.3:对预滤波后的MIMO图像做霍夫变换,得到霍夫变换后的MIMO图像;
步骤4.4:计算电磁波在墙体内传播的电长度:
电磁波在墙体内传播的电长度为ρ0=|ρ1-ρ2|;
其中,墙体的前沿和后沿将形成两条直线,所述的两条直线在霍夫空间中形成两个极大值点(ρ1,θ1)和(ρ2,θ2),θ1=θ2,两条直线间的距离ρ0=|ρ1-ρ2|,即电磁波在墙体内传播的电长度为ρ0=|ρ1-ρ2|;
步骤4.5:建立参数间的约束关系:
根据电磁波在介质中传播速度,D和ε之间的约束关系为:εD2=ρ0 2。
4.如权利要求2所述的基于峰度评估的人体穿墙检测成像方法,其特征在于,所述的步骤五具体包括以下步骤:
步骤5.1:将三维数据矩阵在某一慢时间下的雷达回波信号用Sp表示,Sp为距离-多通道的二维数据矩阵;
步骤5.2:建立空间直角坐标系,横轴x为横向,纵轴y为距离向,高度为0,并根据实际需要设定成像区域;
步骤5.3:将成像区域划分为均匀网格,每个网格中包含1个像素点(x,y);
步骤5.4:在慢时间τ0处对均匀网格上的像素点逐点遍历,针对每一个像素点(x,y),采用公式得到像素点(x,y)的幅度值:
其中:
IBP(x,y,τ0)表示在慢时间τ0处像素点(x,y)的幅度值;
m表示发射天线的序号;
n表示接收天线的序号;
M表示发射天线个数;
N表示接收天线个数;
t表示快时间;
(xTm,yTm)表示第m个发射天线的位置;
(xRn,yRn)表示第n个接收天线的位置;
收发天线的高度向坐标均为0;
c表示光速;
δ(·)表示狄里克莱函数;
ELm,n(x,y)表示第m个发射天线到像素点(x,y),再从像素点(x,y)回到第n个接收天线的电长度;
lm,n(x,y)表示在真空环境下,第m个发射天线到像素点(x,y),再从像素点(x,y)回到第n个接收天线的电长度;
θm(x,y)表示第m个发射天线和像素(x,y)之间的入射角;
θn(x,y)表示第n个接收天线和像素(x,y)之间的入射角;
每个慢时间下的雷达回波信号Sp对应的成像区域的所有像素点的幅度值均组成一幅MIMO图像,所有的MIMO图像形成MIMO图像序列IMBP;
步骤5.5:对MIMO图像序列IMBP进行生理微动信号增强,提高人体生理微动信号的信杂噪比,获得增强MIMO图像;
步骤5.6:基于峰度的聚焦评估:
增强MIMO图像中的生理微动信号为点状目标,通过峰度来度量该点状目标对应的图像的对比度,所述的峰度定义为如下公式:
其中,ID对应于参数D生成的图像,P和Q是沿着横向和距离向的像素数目,μ和σ是图像的均值和标准差,计算方法如下:
步骤5.7:参数迭代:
对墙体厚度D的取值进行均匀间隔遍历,获得使峰度值达到最大的墙体厚度值
5.如权利要求4所述的基于峰度评估的人体穿墙检测成像方法,其特征在于,所述的D的取值范围为0m~0.5m。
6.如权利要求5所述的基于峰度评估的人体穿墙检测成像方法,其特征在于,所述的步骤六的具体过程包括以下步骤:
在步骤5.7参数迭代过程中,将获取不同参数情况下的峰度值,形成峰度值序列,求取该峰度值序列的最大值,并将该值与门限值T进行比较,判断是否存在生命体;
当该峰度值序列的最大值小于门限值T时,表示无人体目标,信号处理结束,不成像;
当该峰度值序列的最大值大于等于门限值T时,表示有人体目标,提取最大峰度值对应的墙体参数值,按照步骤5.4进行参数补偿成像,得到聚焦图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811171791.9A CN109541585B (zh) | 2018-10-09 | 2018-10-09 | 一种基于峰度评估的人体穿墙检测成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811171791.9A CN109541585B (zh) | 2018-10-09 | 2018-10-09 | 一种基于峰度评估的人体穿墙检测成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109541585A true CN109541585A (zh) | 2019-03-29 |
CN109541585B CN109541585B (zh) | 2020-11-06 |
Family
ID=65843548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811171791.9A Expired - Fee Related CN109541585B (zh) | 2018-10-09 | 2018-10-09 | 一种基于峰度评估的人体穿墙检测成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109541585B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562574A (zh) * | 2020-05-22 | 2020-08-21 | 中国科学院空天信息创新研究院 | 基于后向投影的mimo探地雷达三维成像方法 |
CN112485792A (zh) * | 2020-11-26 | 2021-03-12 | 中国人民解放军空军军医大学 | 一种人体目标的三维增强成像方法 |
CN113671496A (zh) * | 2021-08-27 | 2021-11-19 | 中国人民解放军国防科技大学 | 一种基于图像滤波器的mimo雷达自聚焦三维成像方法 |
CN114063176A (zh) * | 2021-12-09 | 2022-02-18 | 中国石油大学(华东) | 雷达成像方法、装置及计算机可读存储介质 |
CN114680862A (zh) * | 2022-06-01 | 2022-07-01 | 中国科学技术大学 | 生物表面微动成像方法、装置及生物信号检测装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243303A (zh) * | 2011-04-13 | 2011-11-16 | 电子科技大学 | 一种基于呼吸特征的静止人体穿墙定位方法 |
CN102961165A (zh) * | 2012-12-06 | 2013-03-13 | 中国人民解放军第四军医大学 | 一种基于超宽带雷达的音频生命参数探测仪 |
CN103278818A (zh) * | 2013-06-13 | 2013-09-04 | 中国人民解放军国防科学技术大学 | 基于相位统计参数加权的穿墙雷达成像方法 |
CN103454691A (zh) * | 2013-08-22 | 2013-12-18 | 中国人民解放军第四军医大学 | 一种基于uwb 生物雷达的扫描探测方法及*** |
CN103777190A (zh) * | 2014-02-26 | 2014-05-07 | 南京信息工程大学 | 一种双基地mimo雷达高速高机动目标的角度估计方法 |
US20150198713A1 (en) * | 2014-01-13 | 2015-07-16 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Through-the-Wall Imaging using Compressive Sensing and MIMO Antenna Arrays |
CN104898115A (zh) * | 2015-05-11 | 2015-09-09 | 电子科技大学 | 一种穿墙雷达成像后多目标跟踪方法 |
CN105158756A (zh) * | 2015-08-27 | 2015-12-16 | 电子科技大学 | 集中式mimo雷达射频隐身时多目标跟踪波束指向方法 |
CN105549011A (zh) * | 2015-12-16 | 2016-05-04 | 成都理工大学 | 一种基于mimo穿墙雷达的建筑物单边两点斜视成像方法 |
CN105785365A (zh) * | 2016-03-06 | 2016-07-20 | 中国传媒大学 | 一种基于完备正交序列的mimo sar成像方法 |
CN106054156A (zh) * | 2016-06-22 | 2016-10-26 | 中国人民解放军第四军医大学 | 一种基于uwb mimo生物雷达的静止人体目标识别与定位方法 |
CN107167784A (zh) * | 2017-07-05 | 2017-09-15 | 电子科技大学 | 一种基于多通道比相定位的多人体目标定位跟踪方法 |
CN107219523A (zh) * | 2017-05-22 | 2017-09-29 | 电子科技大学 | 一种穿墙雷达三维成像后多目标后墙一次多径抑制方法 |
CN107655405A (zh) * | 2017-08-29 | 2018-02-02 | 南京理工大学 | 利用自聚焦迭代算法消除物体与ccd间轴向距离误差的方法 |
US20180059237A1 (en) * | 2016-08-24 | 2018-03-01 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Radar Imaging Using Distributed Moving Platforms Under Unknown Position Perturbations |
-
2018
- 2018-10-09 CN CN201811171791.9A patent/CN109541585B/zh not_active Expired - Fee Related
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102243303A (zh) * | 2011-04-13 | 2011-11-16 | 电子科技大学 | 一种基于呼吸特征的静止人体穿墙定位方法 |
CN102961165A (zh) * | 2012-12-06 | 2013-03-13 | 中国人民解放军第四军医大学 | 一种基于超宽带雷达的音频生命参数探测仪 |
CN103278818A (zh) * | 2013-06-13 | 2013-09-04 | 中国人民解放军国防科学技术大学 | 基于相位统计参数加权的穿墙雷达成像方法 |
CN103454691A (zh) * | 2013-08-22 | 2013-12-18 | 中国人民解放军第四军医大学 | 一种基于uwb 生物雷达的扫描探测方法及*** |
US20150198713A1 (en) * | 2014-01-13 | 2015-07-16 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Through-the-Wall Imaging using Compressive Sensing and MIMO Antenna Arrays |
CN103777190A (zh) * | 2014-02-26 | 2014-05-07 | 南京信息工程大学 | 一种双基地mimo雷达高速高机动目标的角度估计方法 |
CN104898115A (zh) * | 2015-05-11 | 2015-09-09 | 电子科技大学 | 一种穿墙雷达成像后多目标跟踪方法 |
CN105158756A (zh) * | 2015-08-27 | 2015-12-16 | 电子科技大学 | 集中式mimo雷达射频隐身时多目标跟踪波束指向方法 |
CN105549011A (zh) * | 2015-12-16 | 2016-05-04 | 成都理工大学 | 一种基于mimo穿墙雷达的建筑物单边两点斜视成像方法 |
CN105785365A (zh) * | 2016-03-06 | 2016-07-20 | 中国传媒大学 | 一种基于完备正交序列的mimo sar成像方法 |
CN106054156A (zh) * | 2016-06-22 | 2016-10-26 | 中国人民解放军第四军医大学 | 一种基于uwb mimo生物雷达的静止人体目标识别与定位方法 |
US20180059237A1 (en) * | 2016-08-24 | 2018-03-01 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Radar Imaging Using Distributed Moving Platforms Under Unknown Position Perturbations |
CN107219523A (zh) * | 2017-05-22 | 2017-09-29 | 电子科技大学 | 一种穿墙雷达三维成像后多目标后墙一次多径抑制方法 |
CN107167784A (zh) * | 2017-07-05 | 2017-09-15 | 电子科技大学 | 一种基于多通道比相定位的多人体目标定位跟踪方法 |
CN107655405A (zh) * | 2017-08-29 | 2018-02-02 | 南京理工大学 | 利用自聚焦迭代算法消除物体与ccd间轴向距离误差的方法 |
Non-Patent Citations (5)
Title |
---|
FULAI LIANG , MIAO LIU , HAONAN LI , FUGUI QI , ZHAO LI , JIANQI: "Through-the-wall Imagery of Human Vital Signs Using UWB MIMO Bioradar", 《2017 IEEE 2ND INFORMATION TECHNOLOGY, NETWORKING, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (ITNEC)》 * |
XIAOLIN LIANG: "An Improved Algorithm for Through-Wall Target Detection Using Ultra-Wideband Impulse Radar", 《IEEE ACCESS》 * |
唐茜: "基于方位向互相干因子的建筑物布局成像", 《雷达科学与技术》 * |
汪玲: "逆合成孔径雷达成像关键技术研究", 《中国博士学位论文全文数据库》 * |
王家海: "一种改进的组合实时自聚焦算法", 《理论与方法》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111562574A (zh) * | 2020-05-22 | 2020-08-21 | 中国科学院空天信息创新研究院 | 基于后向投影的mimo探地雷达三维成像方法 |
CN111562574B (zh) * | 2020-05-22 | 2022-08-16 | 中国科学院空天信息创新研究院 | 基于后向投影的mimo探地雷达三维成像方法 |
CN112485792A (zh) * | 2020-11-26 | 2021-03-12 | 中国人民解放军空军军医大学 | 一种人体目标的三维增强成像方法 |
CN112485792B (zh) * | 2020-11-26 | 2023-08-08 | 中国人民解放军空军军医大学 | 一种人体目标的三维增强成像方法 |
CN113671496A (zh) * | 2021-08-27 | 2021-11-19 | 中国人民解放军国防科技大学 | 一种基于图像滤波器的mimo雷达自聚焦三维成像方法 |
CN113671496B (zh) * | 2021-08-27 | 2023-07-21 | 中国人民解放军国防科技大学 | 一种基于图像滤波器的mimo雷达自聚焦三维成像方法 |
CN114063176A (zh) * | 2021-12-09 | 2022-02-18 | 中国石油大学(华东) | 雷达成像方法、装置及计算机可读存储介质 |
CN114063176B (zh) * | 2021-12-09 | 2023-09-15 | 中国石油大学(华东) | 雷达成像方法、装置及计算机可读存储介质 |
CN114680862A (zh) * | 2022-06-01 | 2022-07-01 | 中国科学技术大学 | 生物表面微动成像方法、装置及生物信号检测装置 |
CN114680862B (zh) * | 2022-06-01 | 2022-09-30 | 中国科学技术大学 | 生物表面微动成像方法、装置及生物信号检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109541585B (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109541585A (zh) | 一种基于峰度评估的人体穿墙检测成像方法 | |
CN106248340B (zh) | 一种基于三维超声成像技术的风洞模型3d冰形在线测量方法 | |
CN105974405B (zh) | 基于幅度加权的探地雷达后向投影成像方法 | |
CN109035152B (zh) | 一种合成孔径雷达图像非局部均值滤波方法 | |
CN106054156A (zh) | 一种基于uwb mimo生物雷达的静止人体目标识别与定位方法 | |
CN106204570B (zh) | 一种基于非因果分数阶梯度算子的角点检测方法 | |
CN104834915B (zh) | 一种复杂云天背景下小红外目标检测方法 | |
CN107942329B (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
CN110988818A (zh) | 基于条件生成式对抗网络的欺骗干扰模板生成方法 | |
CN110208796B (zh) | 基于奇异值逆滤波的扫描雷达超分辨成像方法 | |
CN104268877A (zh) | 一种红外图像海天线自适应检测方法 | |
CN109061643A (zh) | 基于三维属性散射中心模型的多雷达融合高分辨成像方法 | |
CN102842047A (zh) | 基于多尺度稀疏字典的红外小弱目标检测方法 | |
CN109782279A (zh) | 一种基于压缩感知的双基地isar成像方法 | |
CN111681272B (zh) | 一种基于奇异性功率谱的sar图像处理方法 | |
CN110706208A (zh) | 一种基于张量均方最小误差的红外弱小目标检测方法 | |
CN110456351A (zh) | 基于时变幅值lfm信号参数估计的机动目标isar成像方法 | |
CN108802725A (zh) | 一种浅层穿透雷达合成孔径成像方法 | |
CN108919259A (zh) | 一种基于多径利用的穿墙雷达建筑墙***置获取方法 | |
CN115731174A (zh) | 基于图像信息熵和多尺度局部对比度量的红外小目标检测方法及装置 | |
Li et al. | Artifact suppression of back-projection algorithm under multiple buried objects | |
CN104182942B (zh) | Sar图像方位模糊抑制方法 | |
CN107783111A (zh) | 一种基于最大熵准则的雷达前视超分辨成像方法 | |
CN106908791B (zh) | 基于全极化圆迹sar数据的输电线提取方法 | |
CN103675811B (zh) | 基于阵列雷达的扩展动目标穿墙成像方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201106 Termination date: 20211009 |