CN110879389A - 基于多基地ir-uwb生物雷达信号的多人体目标识别定位方法 - Google Patents
基于多基地ir-uwb生物雷达信号的多人体目标识别定位方法 Download PDFInfo
- Publication number
- CN110879389A CN110879389A CN201911018557.7A CN201911018557A CN110879389A CN 110879389 A CN110879389 A CN 110879389A CN 201911018557 A CN201911018557 A CN 201911018557A CN 110879389 A CN110879389 A CN 110879389A
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- value
- channel
- signals
- 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
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于生物雷达技术领域,公开了一种基于多基地IR‑UWB生物雷达信号的多人体目标识别定位方法,依托于一发三收的三通道生物雷达,通过对回波信号进行预处理和拐点提取,获得三个通道的二次拐点信号和二次拐点信号的前三大值,计算前三大值的波峰‑背景比值和相关系数均值,通过三大值的波峰‑背景比值和相关系数均值的判别实现多人体目标的识别定位。本发明根据人体呼吸等信号特征,采用能量噪声比、相关系数均值两个特征参数相结合的一套目标判别程序,实现了多人体目标的识别和距离向定位,提高了目标识别准确率。
Description
技术领域
本发明属于生物雷达技术领域,具体涉及一种基于多基地IR-UWB生物雷达信号的多人体目标识别定位方法。
背景技术
生物雷达是一种通过提取雷达回波中与生命体征相关的信号,非接触、远距离、并且能穿透一定介质实现生命体探测、生命体征监测、生命体成像和定位等功能的技术。其原理是雷达对人体发射电磁波,电磁波经过呼吸、心跳、体动等人体生理活动的调制后反射回雷达接收天线,雷达接收后再通过一定的信号处理技术从雷达回波中获取关于人体目标的生理和生物信息,这些信息包括生理参数、波形、图像、目标位置等。因为具有以上优点,生物雷达技术在灾后救援、医学监测、反恐维稳、战场搜救等领域显示出了极大的优越性和广阔的应用前景。
生物雷达探测中的多目标识别和定位是一个难点,也是制约生物雷达技术进一步走向实用的一项瓶颈技术,这影响了现有的生物雷达样机的实用价值。现有技术中缺乏对于基于生物雷达的多人体目标识别、定位的成果,因此,多人体目标识别定位问题的解决可以极大提高非接触生命探测中的探测效率,满足实际探测中多目标的探测定位问题,可以扩大生物雷达的应用范围,从而促进生物雷达产业的进一步发展。
发明内容
本发明的目的在于提供一种基于多基地IR-UWB生物雷达信号的多人体目标识别定位方法,用以解决现有技术中缺乏对于通过生物雷达实现的多人体目标进行识别定位的问题。
为了实现上述任务,本发明采用以下技术方案,包括如下步骤:
步骤1:三通道的IR-UWB生物雷达的发射天线对目标位置发射雷达脉冲,所述三通道包括中间通道、左通道和右通道,雷达脉冲在目标位置处反射,通过三通道的IR-UWB生物雷达的三个接收天线获得中间通道雷达回波信号E(m,n)、左通道雷达回波信号Eleft(m,n)和右通道雷达回波信号Eright(m,n),其中,m为快时间方向的采样序数,n为慢时间方向的采样序数,且m和n为正整数;
步骤2:将步骤1获得的E(m,n)、Eleft(m,n)和Eright(m,n)分别通过信号预处理得到中间通道能量信号E6(l)、左边通道能量信号E6left(l)和右边通道能量信号E6right(l);
步骤3:对步骤2获得的E6(l)、E6left(l)和E6right(l)均进行拐点提取,得到中间通道二次拐点信号E9(l)、左边通道二次拐点信号E9left(l)和右边通道二次拐点信号E9right(l);
步骤4:获得步骤3得到的每个二次拐点信号的前三大值和前三大值的位置,所述前三大值包括最大值、第二大值和第三大值;
步骤5.1:计算E9(l)的前三大值的波峰-背景比值和相关系数均值,通过E9(l)的前三大值的波峰-背景比值和相关系数均值得到目标的个数,包括:
A)如果VEtoB1<σ1N,或σ1N≤VEtoB1<σ1Y且rm1<σrm1,则判别结果为无目标;
B)如果σ1N≤VEtoB2<σ2N,或σ2N≤VEtoB2<σ2Y且rm2<σrm1,则判别结果为单目标;
C)如果rm3>σrm3,或σrm2<rm3≤σrm3且VEtoB3≥σ1Y,则判别结果为三目标;
D)除A)B)C)外其他情况,则判别结果为双目标;
其中,VEtoB1表示E9(l)最大值的波峰-背景比值,VEtoB2表示E9(l)第二大值的波峰-背景比值,VEtoB3表示E9(l)第三大值的波峰-背景比值,rm1表示最大值的相关系数均值,rm2表示第二大值的相关系数均值,rm3表示第三大值的相关系数均值,σ1N表示无目标阈值,σ1Y表示有目标阈值,σ2N表示双目标阈值,σ2Y表示多目标阈值且σ1N<σ2N<σ1Y<σ2Y,σrm1、σrm2和σrm3表示相关性阈值且σrm2<σrm1<σrm3;
步骤5.2:根据步骤5.1识别到的目标个数,结合E9(l)、E9left(l)和E9right(l)前三大值的位置确定目标的径向距离和目标的方位,包括:
a)如果识别结果为单目标,则通过E9(l)的最大值的位置确定目标的径向距离,通过E9left(l)和E9right(l)的最大值的位置确定目标的方位;
b)如果识别结果为双目标,则通过E9(l)的最大值的位置确定第一个目标的径向距离,通过E9left(l)和E9right(l)的最大值的位置确定第一个目标的方位,然后通过E9(l)的第二大值的位置确定第二个的目标径向距离,通过E9left(l)和E9right(l)的第二大值的位置确定第二个目标的方位;
c)如果识别结果为三目标,则通过E9(l)的最大值的位置确定第一个目标的径向距离,通过E9left(l)和E9right(l)的最大值的位置确定第一个目标的方位,然后通过E9(l)的第二大值的位置确定第二个的目标径向距离,通过E9left(l)和E9right(l)的第二大值的位置确定第二个目标的方位,最后通过E9(l)的第三大值的位置确定第三个目标的径向距离,通过E9left(l)和E9right(l)的第三大值的位置确定第三个目标的方位;
根据目标的个数、目标径向距离和目标的方位实现目标的识别定位。
进一步的,步骤5.1中,σ1N=2,σ1Y=3,σ2N=2.4,σ2Y=3.5,σrm1=0.8、σrm2=0.75和σrm3Y=0.88。
进一步的,步骤2中的信号预处理包括如下子步骤:
步骤2.1:对E(m,n)、Eleft(m,n)和Eright(m,n)分别进行距离累积;
步骤2.2:将步骤2.1距离累积后的信号乘以式Ⅰ的指数增益曲线G(l),进行衰减补偿;
其中,Vh表示雷达回波数据的最大值和人体目标反射回波的幅值的比值,Phuman是人体目标位置,l表示距离累积后的快时间序号,l=1,2,…,L且L为正整数;
步骤2.3:对步骤2.2衰减补偿后的信号移除静态杂波;
步骤2.4:对步骤2.3移除静态杂波后的信号进行线性趋势消除;
步骤2.5:对步骤2.4线性趋势消除后的信号在慢时间维度上进行低通滤波;
步骤2.6:对步骤2.5低通滤波后的信号沿慢时间轴累加,得到中间通道能量信号E6(l)、左边通道能量信号E6left(l)和右边通道能量信号E6right(l)。
进一步的,步骤3的拐点提取包括如下子步骤:
步骤3.1:对步骤2获得的E6(l)、E6left(l)和E6right(l)去除直达波,得到E7(l)、E7left(l)和E7right(l);
步骤3.2:对步骤3.1获得的信号提取拐点,得到一次拐点信号E8(l)、E8left(l)和E8right(l);
步骤3.2:对步骤3.2获得的信号提取拐点,得到中间通道二次拐点信号E9(l)、左边通道二次拐点信号E9left(l)和右边通道二次拐点信号E9right(l)。
进一步的,步骤4包括如下子步骤:
步骤4.1:获得步骤3得到的每个二次拐点信号的最大值,并去除最大值的拖尾;
步骤4.2:获得步骤3得到的每个二次拐点信号的第二大值,并去除第二大值的拖尾;
步骤4.3:获得步骤3得到的每个二次拐点信号的第三大值。
在获得前三大值时,将最大值位置和第二大值位置之后的相邻16个连续的幅值信号置零,去除最值拖尾。
更进一步的,通过式Ⅱ计算得到最大值处的相关系数均值rm1、第二大值处的相关系数均值rm2和第三大值处的相关系数均值rm3:
其中,i表示相关系数的序号且i=1,2,3,4,5,6,k表示前三大值的序号且k=1表示最大值的序号,k=2表示第二大值的序号,k=3表示第三大值的序号,rik表示前三大值的相关系数,rmk表示前三大值的相关系数均值,E5(l,q)表示步骤2.5得到的慢时间维度上进行低通滤波后的中间通道的信号,Emaxk(q)表示E5(l,q)的前三大值位置处的信号,E(maxk+(i-4))(q)表示与E5(l,q)的前三大值位置相邻的前三个位置的信号,(E(maxk+(i-3))(q)表示与E5(l,q)的前三大值位置相邻的后三个位置处的信号,Q表示E5(l,q)慢时间方向的信号总采样点数且Q为正整数,q表示慢时间方向的第q个信号采样点且q为正整数。
更进一步的,步骤5中,通过E9left(l)前三大值的位置lleft-maxk和E9right(l)前三大值的位置lright-maxk确定目标的方位,包括:
a)如果|lleft-maxk-lright-maxk|≤2,则目标在中轴线上,所述中轴线为接收天线与中间通道发射天线的连线;
b)如果(lleft-maxk-lright-maxk)≤-2,则目标在中轴线的左边区域,所述左边区域为中轴线一侧的左边通道发射天线所在的区域;
c)如果(lleft-maxk-lright-maxk)>2,则目标在中轴线的右边区域,所述右边区域为中轴线一侧的右边通道发射天线所在的区域。
本发明与现有技术相比具有以下技术特点:
1、本发明根据人体呼吸等信号特征,采用能量噪声比、相关系数均值两个特征参数相结合的一套目标判别程序,实现了多人体目标的识别和距离向定位,提高了目标识别准确率。
2、本发明采用预先判定人体目标位置,再根据计算出来的指数增益曲线G(l),在距离向上对信号进行衰减补偿,解决了雷达信号在传输过程中随着距离的增加产生的能量衰减问题,有效降低了远端目标的漏判率,相比分段的线性增益补偿方式,本发明采用的增益补偿更加精确。
3、本发明采用三通道雷达探测的方式,中间通道对最多三个人体目标进行识别和距离向定位,两边通道对目标进行方位向定位的方法,实现了三个目标的探测识别和定位(定位结果含有方位信息),提高了多目标二维定位的准确性。
4、本发明通过研究影响VEtoBk的相关因素以及影响rmk的相关因素,找到了了最优的目标存在阈值和相关性阈值,通过最优阈值的设置,更好地提高了识别效果。
附图说明
图1为三通道IR-UWB生物雷达***原理框图;
图2为三通道IR-UWB生物雷达***穿墙探测示意图;
图3为雷达回波信号二维矩阵示意图;
图4(a)为快时间信号波形图;
图4(b)为慢时间信号波形图;
图5为IR-UWB雷达探测人体呼吸示意图;
图6为人体呼吸的脉冲回波示意图;
图7为信号预处理算法流程图;
图8为模拟的雷达回波信号示意图;
图9为静态杂波移除后的模拟回波信号示意图;
图10为二次拐点信号E9(l)的三个最大值以及“拖尾”现象示意图;
图11为中间通道去除“拖尾”后的二次拐点信号E(l)示意图;
图12为三目标识别定位结果图。
图13为多人体目标个数判别方法流程图;
具体实施方式
首先对本发明中出现的技术术语进行解释:
生物雷达技术:包含连续波(Continuous Wave,CW)雷达和超宽谱雷达(Ultra-wideband,UWB),其中,超宽谱生物雷达因其具有高距离分辨率和目标识别能力等特点而成为目前生物雷达技术研究的主流。而冲击脉冲超宽谱雷达(Impulse-radio Ultra-wideband,IR-UWB)因为其性能优良、结构简单等特点而成为灾后搜救等领域内的研究热点,因此多人体目标的识别定位则需要采用多通道IR-UWB生物雷达***来实现。
慢时间:雷达对目标的探测时间,单位是秒(s)。
快时间:脉冲传播所用时间,单位是纳秒(ns)。
如图3所示,在实际探测中,IR-UWB雷达采样的回波信号经过采样、积分和放大后,存储在一个二维矩阵R(m,n)中,其中m为行向量,n为列向量,图中的横轴表示慢时间,纵轴表示快时间,快时间可根据电磁波在介质中的传播速度折算成探测距离,单位是米(m)。
快时间和距离的计算关系为:距离(m)=快时间(ns)×电磁波在介质中的传播速度(m/ns)/2。
快时间信号:在某一时刻,沿着快时间维度的信号,即二维矩阵的列向量。
慢时间信号:在某一距离点,沿着慢时间维度的信号,即二维矩阵的行向量。
拐点:在数学上指改变曲线向上或向下方向的点,直观地说拐点是使切线穿越曲线的点(即曲线的凹凸分界点)。
本发明实现的原理为:当生物雷达的发射信号照射到静止物体时,雷达回波信号是稳定的固定值,但是当照射到人或者动物等生命体时,由于生命体呼吸等引起的体表微动起伏,导致雷达原始回波信号出现波动,因此我们可以通过这些微小波动对生命体进行检测。
本发明公开了一种一发三收的三通道生物雷达***,***结构框图如图1所示,在PRF震荡器的控制下,脉冲发生器以一定的脉冲重复频率(Pulse Repeat Frequency,PRF)产生脉冲信号。产生的脉冲信号分成两路:一路经过发射电路调理整形成双极性脉冲信号,通过发射天线辐射出去;另一路脉冲信号被送入延时单元在微处理器控制下产生一系列延时时间可调的距离门,距离门其实是一种采样脉冲信号,持续时间非常短,在该信号的触发下,接收电路能够对雷达回波进行选择性地接收采样。由发射天线辐射出去的信号在遇到物体时发生反射,反射的雷达回波被接收天线接收后送入接收电路在距离门的触发下进行选择性地采样、积分、放大,然后通过模数转换器(Analog to Digital Converter,ADC)形成雷达回波信号。雷达回波信号在微处理器控制下经由WiFi模块送到处理显示终端进行信号处理和结果显示。该IR-UWB生物雷达***一共有三个通道组成:每个发射天线和一个接收天线组成一个收发通道,如图1所示的三个接收天线可分别与发射天线组合,形成三个通道。
图2是三通道IR-UWB生物雷达***进行多目标穿墙探测识别的平面示意图,各雷达天线紧贴一堵24cm厚的砖墙放置(该多通道雷达的穿透范围为:200cm厚度以内的砖墙),距离地面1.15米(对应成年人胸部的平均高度,该高度可以自由调节,雷达探测区域为120度张角的圆锥体空间,只要目标在探测区域内均可以被探测到),其中发射天线Tx和接收天线Rx1紧挨放置于中间,组成雷达***的中间通道,中间通道的数据主要用来进行目标个数的判别和个目标径向距离的确定;接收天线Rx2和接收天线Rx3分别置于发射天线Tx左侧1.2米处和右侧1.2米处(Rx2、Rx3与发射天线的距离为0.3m-1.2m可调,不同的距离对应不同的横向分辨率,该距离越大,多目标的横向分辨率越大,定位越准确),并与发射天线组成左边通道和右边通道,左边通道和右边通道的数据主要用来对目标进行方向定位。
图4(a)和(b)分别显示了雷达回波快时间信号和慢时间信号的波形。IR-UWB雷达时窗的窗宽决定了快时间信号的长度,在本发明的实验设置中,一个快时间信号的时窗宽度设为80ns,对应的探测距离为12m范围。每个快时间信号由8192个采样点组成,每两个快时间信号之间的时间间隔Ts=0.0625s,也就是说,慢时间信号的采样频率fs=1/Ts=16Hz,满足奈奎斯特采样定律对人体呼吸信号采样的要求。
实施例1
本实施例公开了一种基于多基地IR-UWB生物雷达信号的多人体目标识别定位方法,包括如下步骤:
步骤1:三通道的IR-UWB生物雷达的发射天线对目标位置发射雷达脉冲,所述三通道包括中间通道、左通道和右通道,雷达脉冲在目标位置处反射,通过三通道的IR-UWB生物雷达的三个接收天线获得中间通道雷达回波信号E(m,n)、左通道雷达回波信号Eleft(m,n)和右通道雷达回波信号Eright(m,n),其中,m为快时间方向的采样序数,n为慢时间方向的采样序数,且m和n为正整数;
步骤2:将步骤1获得的E(m,n)、Eleft(m,n)和Eright(m,n)分别通过信号预处理得到中间通道能量信号E6(l)、左边通道能量信号E6left(l)和右边通道能量信号E6right(l);
步骤3:对步骤2获得的E6(l)、E6left(l)和E6right(l)均进行拐点提取,得到中间通道二次拐点信号E9(l)、左边通道二次拐点信号E9left(l)和右边通道二次拐点信号E9right(l);
步骤4:获得步骤3得到的每个二次拐点信号的前三大值和前三大值的位置,所述前三大值包括最大值、第二大值和第三大值;
步骤5.1:计算E9(l)的前三大值的波峰-背景比值和相关系数均值,通过E9(l)的前三大值的波峰-背景比值和相关系数均值得到目标的个数,包括:
A)如果VEtoB1<σ1N,或σ1N≤VEtoB1<σ1Y且rm1<σrm1,则判别结果为无目标;
B)如果σ1N≤VEtoB2<σ2N,或σ2N≤VEtoB2<σ2Y且rm2<σrm1,则判别结果为单目标;
C)如果rm3>σrm3,或σrm2<rm3≤σrm3且VEtoB3≥σ1Y,则判别结果为三目标;
D)除A)B)C)外其他情况,则判别结果为双目标;
其中,VEtoB1表示E9(l)最大值的波峰-背景比值,VEtoB2表示E9(l)第二大值的波峰-背景比值,VEtoB3表示E9(l)第三大值的波峰-背景比值,rm1表示最大值的相关系数均值,rm2表示第二大值的相关系数均值,rm3表示第三大值的相关系数均值,σ1N表示无目标阈值,σ1Y表示有目标阈值,σ2N表示双目标阈值,σ2Y表示多目标阈值且σ1N<σ2N<σ1Y<σ2Y,σrm1、σrm2和σrm3表示相关性阈值且σrm2<σrm1<σrm3;
步骤5.2:根据步骤5.1识别到的目标个数,结合E9(l)、E9left(l)和E9right(l)前三大值的位置确定目标的径向距离和目标的方位,包括:
a)如果识别结果为单目标,则通过E9(l)的最大值的位置确定目标的径向距离,通过E9left(l)和E9right(l)的最大值的位置确定目标的方位;
b)如果识别结果为双目标,则通过E9(l)的最大值的位置确定第一个目标的径向距离,通过E9left(l)和E9right(l)的最大值的位置确定第一个目标的方位,然后通过E9(l)的第二大值的位置确定第二个的目标径向距离,通过E9left(l)和E9right(l)的第二大值的位置确定第二个目标的方位;
c)如果识别结果为三目标,则通过E9(l)的最大值的位置确定第一个目标的径向距离,通过E9left(l)和E9right(l)的最大值的位置确定第一个目标的方位,然后通过E9(l)的第二大值的位置确定第二个的目标径向距离,通过E9left(l)和E9right(l)的第二大值的位置确定第二个目标的方位,最后通过E9(l)的第三大值的位置确定第三个目标的径向距离,通过E9left(l)和E9right(l)的第三大值的位置确定第三个目标的方位;
根据目标的个数、目标径向距离和目标的方位实现目标的识别定位。
优选的,步骤5.1中,σ1N=2,σ1Y=3,σ2N=2.4,σ2Y=3.5,σrm1=0.8、σrm2=0.75和σrm3Y=0.88。
具体的,步骤1获得雷达回波信号的方法为:
IR-UWB雷达探测人体呼吸示意图如图5所示,假设人体目标的胸壁表面与雷达之间的初始距离是d0,人体的呼吸会引起胸腔周期性的扩张和收缩,一般情况下,人体呼吸时胸腔壁的位移是一个关于慢时间的正弦函数x(t),那么人体目标的胸壁表面与雷达之间的实际距离d(t)将会根据人体的呼吸频率fr在d0附近周期性地变化:
d(t)=d0+x(t)=d0+Arsin(2πfrt)
式中t表示慢时间,x(t)表示人体呼吸时胸壁位移的变化,Ar表示人体呼吸的最大幅度。
因为探测范围内的环境是静态的,人体目标也保持静止,只有呼吸引起的胸壁运动,那么雷达***的脉冲响应h(t,τ)将和呼吸运动一样随时间变化:
式中,t表示慢时间,τ表示快时间,表示静态背景目标的脉冲回波成分,其中αi和τi分别为第i个静态目标脉冲回波的幅度和在快时间维度上的延时,αvδ(τ-τv(t)表示人体目标呼吸运动的脉冲回波成分,其中αv为脉冲回波的幅度,τv(t)为人体目标脉冲回波在快时间维度上的延时变化,可以表示为:
如果忽略脉冲失真和其它非线性影响,就可以将雷达的回波信号看作是雷达发射脉冲和***脉冲响应的卷积。那么在不考虑噪声存在的条件下,t时刻雷达的回波信号为:
式中p(τ)为雷达的发射脉冲,“*”表示卷积运算。
为了更加清楚地解释该信号模型,人体呼吸的脉冲回波示意图如图6所示。从图中可以看出,人体呼吸的脉冲回波在快时间维度上的延时是随着慢时间变化的,而静态目标的脉冲回波延时是不变的。
实际探测中,IR-UWB雷达***沿快时间方向在各离散时刻τ=mTf(m=1,2,...,M)对每个脉冲波形上的各点进行采样,而沿慢时间方向在每个离散时刻t=nTs(n=1,2,...,N)采样一次脉冲波形。采样后的回波信号存储为一个(M×N)二维数组E,数组E中的元素用E(m,n)表示:
信号E(m,n)为一个二维信号,m为快时间方向的采样序数,其中n为慢时间方向的采样序数。
具体的,步骤2中的信号预处理包括如下子步骤:
步骤2.1:对E(m,n)、Eleft(m,n)和Eright(m,n)分别进行距离累积,以中间通道为例:
本研究采用的IR-UWB雷达***,其采样点数为8192,时窗为80ns,如果直接对雷达原始回波数据进行处理,计算量大,运算缓慢,对探测识别的实时性不利。在IR-UWB雷达接收的二维原始回波数据E(m,n)中,由于快时间维度上邻近距离点处的雷达回波的调制方式大致相同,且具有一定的相关性,因此可以在不影响有用信息的前提下,首先对雷达的原始回波数据E(m,n)沿着快时间维度进行距离累积:
式中E1(l,n)(l=1,2,…L)为距离累积后的回波数据,Q为沿着快时间维度累积的窗宽,L为累积后在快时间维度的距离点数,且其中表示向下取整。通过大量的实验研究表明,窗宽Q=40时,算法取得最优效果。那么经过距离累积后,原始回波数据E(m,n)的8192个对应距离点上的慢时间信号,就减少到E1(l,n)的200个(即L=200)对应距离点上的快时间信号,大大降低了雷达数据处理过程的运算量,减少了探测所需的运算时间,提高了探测效率。同时,沿着快时间维度的距离累积,也相当于对雷达回波的快时间信号做平滑滤波,一定程度上可以抑制快时间信号上的高频干扰。
步骤2.2:将步骤2.1距离累积后的信号乘以式Ⅰ的指数增益曲线G(l),进行衰减补偿;
其中,Vh表示雷达回波数据的最大值和人体目标反射回波的幅值的比值,Phuman是人体目标位置,l表示距离累积后的快时间序号,l=1,2,…,L且L为正整数;
由于雷达波在介质传播过程中被严重衰减,这会使远端的物体界面反射回波幅值大幅减小,进而导致远端的物体很难被探测到,所以需要在识别界面反射回波之前,对距离累积后的雷达回波E1(l,n)进行补偿。目前的超宽谱雷达(主要是探地雷达)都带有自动增益调节功能,通过对雷达回波进行分段的线性或者指数增益调节,对远端回波数据进行放大,但是由于缺乏电磁波传播介质界面信息的先验知识,其增益计算的准确率不高,往往会因为不准确的增益而导致噪声被过度放大,而真正的界面反射回波却因为增益较小得不到适当的放大,最终导致目标被误判和漏判的概率大大增加。
对衰减进行分段补偿的方式,需要根据各段回波可能的衰减来计算不同的增益,其计算过程过于复杂,但是很难准确地计算增益,容易受到噪声的影响,导致错误的补偿。在实际探测中,我们可以先采用无补偿的形式探测并计算出人体目标的位置,将人体目标位置信息作为先验知识,由于电磁波在介质内传播过程中呈指数衰减,因此我们以人体目标的位置和相应的反射回波幅值为补偿基准,采取指数增益补偿的方法对雷达回波数据在快时间维度进行衰减补偿,补偿后再次按照信号处理流程对信号进行处理,并对目标进行探测区分。
增益曲线的计算方法如下:
假设理想的指数增益曲线形如eK×τ,其中K为一未知常数。对于经过预处理的数据,用E1(l,n)的最大值Amax(通常也是雷达回波数据的最大值)除以人体目标反射回波的幅值Ahuman(即人体目标位置Phuman在雷达回波数据中对应的幅值),得到的比值计为Vh。将这个比值Vh作为雷达回波位置为Phuman处的理想增益值,便可以计算出随快时间序号l变化的指数增益曲线,将计算指数增益曲线与雷达回波数据在快时间轴上相乘,便实现了对雷达回波数据的衰减补偿,衰减补偿后的信号为E2(l,n),且E2(l,n)=G(l)E1(l,n)。
步骤2.3:对步骤2.2衰减补偿后的信号移除静态杂波;
在雷达式生命探测过程中,雷达的直达波以及探测范围内静止物体的反射,都会在雷达回波信号中形成很强的背景杂波,由于人体目标的呼吸信号非常微弱,通常都被这些背景杂波所淹没,如图3所示,在雷达的原始回波中,几乎看不到人体目标的生命信号,只能看到背景杂波。但在理想条件下,这些背景杂波都是静止的,称为静态杂波,而只有人体目标的生命信号是随时间变化的,因此,可以通过减去回波的慢时间信号均值将静态杂波完全滤除,只留下人体生命信号:
其中E3(l,n)为去背景后的雷达回波信号。
图8为用matlab软件模拟的二维雷达信号,从图中可以看出,15ns和65ns附近是静态杂波,不随慢时间变化,而40ns附近为人体目标的呼吸信号,沿着慢时间维度有规律的变化。对模拟的二维雷达信号用去均值法进行静态杂波消除后,回波中的静态杂波成分被完全移除,只留下人体目标的呼吸信号,如图9所示。
步骤2.4:对步骤2.3移除静态杂波后的信号进行线性趋势消除;
IR-UWB雷达***的硬件在采集数据过程中往往伴随着回波基线的漂移。线性的基线漂移会导致回波数据在低频段出现能量泄露,从而影响人体目标呼吸信号的探测和识别。因此本发明采用线性趋势消除(Linear Trend Subtraction,LTS)来移除雷达回波信号中的线性基线漂移。LTS通过线性最小二乘拟合估计出回波信号E3(l,n)在慢时间维度上的直流分量和低频线性漂移趋势后,再从回波数据中减去:
式中E4表示LTS处理后的雷达数据,E3表示去均值后的雷达数据E3(l,n);E4 T和E3 T分别为它们的转置行列式。n=[0,1,2...,N-1]T,这里y为一个N行2列的行列式,1N为一个长度是N且元素都是1的列向量,N为E3中快时间信号的个数。线性趋势消除以后再将E4 T转置得到E4(l,n)。
步骤2.5:对步骤2.4线性趋势消除后的信号在慢时间维度上进行低通滤波;
由于IR-UWB雷达***的硬件在工作过程中不可避免地会产生噪声,这些噪声相对于人体呼吸信号来说属于高频噪声,而人体目标的呼吸信号又是一个窄带的低频准周期信号,因此,为了有效滤除高频干扰,进一步提高雷达回波的信噪比,本发明在慢时间维度上对雷达回波信号进行低通滤波:
E5(l,q)=E4(l,n)*h(t)
式中,E5(l,q)为滤波后的雷达数据,”*”表示卷积运算,h(t)为有限冲击响应(Finite Impulse Response,FIR)滤波器的冲击函数。根据人体的呼吸频率,低通滤波器的截止频率设为0.5Hz,滤波器的阶数为120阶。低通滤波后的雷达回波信号为E5(l,q)。
步骤2.6:对步骤2.5低通滤波后的信号沿慢时间轴累加,得到中间通道能量信号E6(l)、左边通道能量信号E6left(l)和右边通道能量信号E6right(l)。
在实验中,每次采实验数据ts=80秒,根据慢时间信号的采样频率fs=16Hz可知,每次采得数据包含16×80=1280个快时间信号,即低通滤波后的雷达回波信号为E5(l,q)中的Q=tsfs=1280,L为距离累积后的数值200(200是由快时间信号的8192个采样点通过距离累积得到的,主要是为了减小运算量,该数值可以自由确定,累积至200-1000点均可以较少运算,且不影响信号质量)。
因为预处理中去均值、低通滤波等步骤需要一个收敛过程,因此前200(这里的200跟预处理中去均值、低通滤波的阶数之和有关,阶数越低,该值可以取的越小,阶数越高,该值需要取得越大)个快时间信号不作为目标探测识别的依据,予以剔除。我们将E5(l,q)中的1000(这里的1000是由采样时间长短决定的,16Hz的采样频率对应约62.5秒的数据,信号采得时间越长,该值越大)个快时间信号(200-1200)取绝对值以后,沿慢时间轴累加,形成能量信号E6(l)。
能量信号E6(l),(l=1,2,...,200)是一个一维信号,其横坐标为快时间,对应为距离(m),纵坐标为沿慢时间累加形成的能量幅值。经过前述一系列信号处理以后,能量信号的幅值与生命体的生命信号密切相关,幅值越大,表明该距离处生命微动信号越强,越有可能是一个人体或者生物目标。
进一步的,步骤3的拐点提取包括如下子步骤:
步骤3.1:对步骤2获得的E6(l)、E6left(l)和E6right(l)去除直达波,得到E7(l)、E7left(l)和E7right(l),以中间通道为例:
去除直达波以消除收发天线之间的直达波对目标判别造成的影响,即将E6(l)前50点数据置零(置零的范围为前10-50点),形成新的去除直达波以后的得到能量信号E7(l);
步骤3.2:对步骤3.1获得的信号提取拐点,得到一次拐点信号E8(l)、E8left(l)和E8right(l),以中间通道为例:
找出能量信号E7(l)的所有一次拐点,所有满足下式条件的点,称为一次拐点,将不满足拐点条件的各点对应的数值置零,满足条件的各点按原幅值、原位置存储在新的一维数组中形成一次拐点信号E8(l);
由于电磁波传播的复杂性,通过去除直达波后的能量信号E7(l),很难直接从该信号中找到被探测目标。因此需要去除干扰,雷达回波中一种影响目标识别的主要干扰是峰值附近的旁瓣干扰,并且峰值的旁瓣呈现出一种向两侧衰减的特点。因此在本步骤中我们通过拐点提取来识别峰值信号,即当某一点处的能量信号幅值比它左右两侧相邻点处的信号幅值都大时,则判别该点为一次拐点。一次拐点判别规则如下:
E7(l)>E7(l+1)∩E7(l)>E7(l-1)
步骤3.2:对步骤3.2获得的信号提取拐点,得到中间通道二次拐点信号E9(l)、左边通道二次拐点信号E9left(l)和右边通道二次拐点信号E9right(l),以中间通道为例:
找出一次拐点信号E8(l)的所有二次拐点,所有满足下式条件的点,称为二次拐点,将不满足二次拐点条件的各点对应的数值置零,满足条件的各点按原幅值、原位置存储在新的一维数组中形成二次拐点信号E9(l)。
从实际处理结果来看,一次拐点信号E8(l)仍然有干扰存在,导致无法准确识别目标,尤其是无法准确识别多目标。因此作为一种优化的实施方式,对所述的一次拐点信号E8(l)进行二次拐点提取,获得二次拐点信号,即保留一次拐点信号E8(l)中所有满足以下条件的点,识别这些点为二次拐点:
E8(l)>E8(l+a)∩E8(l)>E8(l-b)
其中E8(l+a)为E8(l)右边第一个不为零的值,E8(l-b)为E8(l)左边第一个不为零的值。
经过取二次拐点提取之后的能量信号E9(l)去除了绝大部分峰值的旁瓣干扰,并最大程度地保留了各目标位置处的信号能量,可大大提高多目标识别能力。
具体的,步骤4.1:通过冒泡排序算法获得步骤3得到的每个二次拐点信号的最大值,并通过将最大值位置之后的相邻16个连续的幅值信号置零,去除最大值的拖尾;
步骤4.2:通过冒泡排序算法获得每个二次拐点信号的第二大值,并通过将第二大值位置之后的相邻16个连续的幅值信号置零,去除第二大值的拖尾;
步骤4.3:通过冒泡排序算法获得每个二次拐点信号的第三大值。
通过冒泡排序算法,找出中间通道二次拐点信号E9(l)上的最大值E9-max1,位置记为lmax1,并将最大值位置lmax1之后相邻的16个连续的幅值信号置零,以去除最大值的“拖尾”,然后通过冒泡排序算法找出第二大值E9-max2,位置记为lmax2,将E9(l)位置之后相邻的16个连续的幅值信号置零,以去除第二大值的“拖尾”,通过冒泡排序算法找出第三大值E9-max3,位置为lmax3;
由于人体胸壁具有一定的厚度,所以其回波信号E9(l)不光在人体胸壁表面位置处有高能量幅值出现,而在该位置后面一段距离上的能量幅值都较高,我们将其称之为“拖尾”,“拖尾”现象影响了多目标的个数判别。因为标记的E9(l)最大值E9-max1所处位置lmax1一定距离范围内不可能是其他目标,而只能是该位置处目标所产生的“拖尾”,为了去除这种“拖尾”,在这里将最大值位置lmax1之后相邻的16个连续的幅值信号置零。
对于对左边通道、右边通道同样按照上述方法分别进行处理,陆续找出左边通道二次拐点信号E9left(l)上的前三个最大值E9left-max1、E9left-max2、E9left-max3(即信号E9left(l)中的最大值、第二大值和第三大值),其中最大值、第二大值在找到后需要去除“拖尾”再寻找下一个大值,找到的前三个大值位置分别记为E9left-max1、E9left-max2、E9left-max3。
找出右边通道二次拐点信号E9right(l)上的前三个最大值E9rihgt-max1、E9rihgt-max2、E9rihgt-max3(即信号E9right(l)中的的最大值、第二大值和第三大值),其中最大值、第二大值在找到后需要去除“拖尾”再寻找下一个大值,找到的前三个大值位置分别记为E9right-max1、E9right-max2、E9right-max3。
具体的,获取E9(l)最大值的波峰-背景比值VEtoB1,第二大值的波峰-背景比值VEtoB2,第三大值的波峰-背景比值VEtoB3,其中,Bave表示背景均值,且E9-max1表示E9(l)的最大值、且E9-max2表示E9(l)的第二大值、且E9-max3表示E9(l)的第三大值;
优选的,通过式Ⅱ计算得到最大值处的相关系数均值rm1、第二大值处的相关系数均值rm2和第三大值处的相关系数均值rm3:
其中,i表示相关系数的序号且i=1,2,3,4,5,6,k表示前三大值的序号且k=1表示最大值的序号,k=2表示第二大值的序号,k=3表示第三大值的序号,rik表示前三大值的相关系数,rmk表示前三大值的相关系数均值,E5(l,q)表示步骤2.5得到的慢时间维度上进行低通滤波后的中间通道的信号,Emaxk(q)表示E5(l,q)的前三大值位置处的信号,E(maxk+(i-4))(q)表示与E5(l,q)的前三大值位置相邻的前三个位置的信号,(E(maxk+(i-3))(q)表示与E5(l,q)的前三大值位置相邻的后三个位置处的信号,Q表示E5(l,q)慢时间方向的信号总采样点数且Q为正整数,q表示慢时间方向的第q个信号采样点且q为正整数。
如果采样时长为60s的话,在本例的慢时间信号的采样频率为fs=16Hz的情况下,信号的总采样点数Q为16×60=960点。
通过前述步骤,我们计算出了中间通道二次拐点信号E9(l)上的前三个最大值E9-max1、E9-max2、E9-max3,以及他们对应的位置lmax1、lmax2、lmax3;计算出了目标的波峰-背景比VEtoBk,并计算出了该位置处的慢信号与其相邻的六个慢信号的相关系数均值rm1、rm2和rm3。
影响VEtoBk的相关因素的关系公式如下,目标的个数与前三大值的序号相关,每个大值都对应一个目标:
ak为常系数,在背景能量水平(含噪声)相同的条件下,人体目标k的胸壁面积越大反射能量越强,呼吸幅度越大呼吸信号能量越强,人体目标k与雷达距离越近其呼吸信号能量越强,此时目标k的波峰-背景比VEtoBk就越大,反之VEtoBk就越小。在多目标场景下,二次拐点信号前几个最大值E9-max1、E9-max2、E9-max3幅值是依次递减的,而二次拐点信号背景均值Bave为同一个值,因此,针对不同目标,我们需要设定不同阈值进行识别。
影响rmk的相关因素的关系公式如下:
bk为常系数,在噪声水平相同的条件下,人体目标k的胸壁厚度(从前胸到后背的距离)越厚,其对应各距离点的呼吸信号(慢时间信号)越反映为有规律的呼吸信号,即r1k~r6k均呈现为较高的值,较为一致,故均值rmk越高;而人体目标k的呼吸规律程度越高,则目标距离点处呼吸信号与其左右相邻的几个慢时间信号的相关性越高,均值rmk值越大。根据这些特点我们确定以下原则来进行人体目标个数判别。
具体的,步骤5中,通过E9left(l)前三大值的位置lleft-maxk和E9right(l)前三大值的位置lright-maxk确定目标的方位,包括:
a)如果|lleft-maxk-lright-maxk|≤2,则目标在中轴线上,所述中轴线为接收天线与中间通道发射天线的连线;
b)如果(lleft-maxk-lright-maxk)≤-2,则目标在中轴线的左边区域,所述左边区域为中轴线一侧的左边通道发射天线所在的区域;
c)如果(lleft-maxk-lright-maxk)>2,则目标在中轴线的右边区域,所述右边区域为中轴线一侧的右边通道发射天线所在的区域。
具体的,以目标2为例说明其定位方法。前面我们已经分别计算出了中间通道、左边通道、右边通道的二次拐点信号第二大值的位置lmax2、lleft-max2、lright-max2。目标2的径向距离为lmax2对应的距离:12*lmax2/200米,下面按照以下原则确定目标2处于探测区域的左半区域、右半区域还是径向中轴上。
a)如果|lleft-max2-lright-max2|≤2(即两个通道第二大值位置距离差的绝对值小于0.12米),则目标2在中轴线上;
b)如果(lleft-max2-lright-max2)≤-2,则目标2在中轴线的左半区域;
c)如果(lleft-max2-lright-max2)>2,则目标2在中轴线的右半区域;
根据同样的原则,利用中间通道、左边通道、右边通道的二次拐点信号最大值的位置lmax1、lleft-max1、lright-max1对目标1进行定位,利用中间通道、左边通道、右边通道的二次拐点信号第三大值的位置lmax3、lleft-max3、lright-max3对目标3进行定位,这样就完成了对所有三个目标的定位。
实施例2
本实施例采用多人体目标识别定位方法和三通道IR-UWB生物雷达,在实施例1的基础上,还公开了以下技术特征,在实验室进行穿墙探测定位验证实验。实验对象为三名健康青年男性(目标1、目标2和目标3)进行穿透单砖墙条件下的探测实验,并给出目标个数判别及定位结果。其中目标1静止站立于墙后2.3米远处偏右侧方向;目标2静止站立于墙后5.7米远处偏左侧方向;目标3静止站立于墙后7.8米远处中轴线方向。
采用三通道IR-UWB生物雷达穿墙探测后,对三个通道的雷达回波信号进行处理和计算,得到VEtoB1=4.01,VEtoB2=2.93,VEtoB=2.17,rm1=0.97,rm2=0.95,rm1=0.89。根据多目标人数判别方法流程可以判断该次探测结果为三个人体目标。根据中间通道去除“拖尾”后的二次拐点信号前个三最大值的位置lmax1、lmax2、lmax3可知三个目标的径向距离分别为2.34米、5.64米、7.86米。确定各目标径向距离以后,再结合左边通道前个三最大值位置和右边通道前三个最大值位置确定目标1位于探测区域右侧方向,目标2位于探测区域左侧方向,目标3位于探测区域中轴线方向。探测结果与实际三个目标站立分布情况相符,雷达识别定位结果正确,三目标识别定位结果如图13所示。
Claims (7)
1.一种基于多基地IR-UWB生物雷达信号的多人体目标识别定位方法,其特征在于,包括如下步骤:
步骤1:三通道的IR-UWB生物雷达的发射天线对目标位置发射雷达脉冲,所述三通道包括中间通道、左通道和右通道,雷达脉冲在目标位置处反射,通过三通道的IR-UWB生物雷达的三个接收天线获得中间通道雷达回波信号E(m,n)、左通道雷达回波信号Eleft(m,n)和右通道雷达回波信号Eright(m,n),其中,m为快时间方向的采样序数,n为慢时间方向的采样序数,且m和n为正整数;
步骤2:将步骤1获得的E(m,n)、Eleft(m,n)和Eright(m,n)分别通过信号预处理得到中间通道能量信号E6(l)、左边通道能量信号E6left(l)和右边通道能量信号E6right(l);
步骤3:对步骤2获得的E6(l)、E6left(l)和E6right(l)均进行拐点提取,得到中间通道二次拐点信号E9(l)、左边通道二次拐点信号E9left(l)和右边通道二次拐点信号E9right(l);
步骤4:获得步骤3得到的每个二次拐点信号的前三大值和前三大值的位置,所述前三大值包括最大值、第二大值和第三大值;
步骤5.1:计算E9(l)的前三大值的波峰-背景比值和相关系数均值,通过E9(l)的前三大值的波峰-背景比值和相关系数均值得到目标的个数,包括:
A)如果VEtoB1<σ1N,或σ1N≤VEtoB1<σ1Y且rm1<σrm1,则判别结果为无目标;
B)如果σ1N≤VEtoB2<σ2N,或σ2N≤VEtoB2<σ2Y且rm2<σrm1,则判别结果为单目标;
C)如果rm3>σrm3,或σrm2<rm3≤σrm3且VEtoB3≥σ1Y,则判别结果为三目标;
D)除A)B)C)外其他情况,则判别结果为双目标;
其中,VEtoB1表示E9(l)最大值的波峰-背景比值,VEtoB2表示E9(l)第二大值的波峰-背景比值,VEtoB3表示E9(l)第三大值的波峰-背景比值,rm1表示最大值的相关系数均值,rm2表示第二大值的相关系数均值,rm3表示第三大值的相关系数均值,σ1N表示无目标阈值,σ1Y表示有目标阈值,σ2N表示双目标阈值,σ2Y表示多目标阈值且σ1N<σ2N<σ1Y<σ2Y,σrm1、σrm2和σrm3表示相关性阈值且σrm2<σrm1<σrm3;
步骤5.2:根据步骤5.1识别到的目标个数,结合E9(l)、E9left(l)和E9right(l)前三大值的位置确定目标的径向距离和目标的方位,包括:
a)如果识别结果为单目标,则通过E9(l)的最大值的位置确定目标的径向距离,通过E9left(l)和E9right(l)的最大值的位置确定目标的方位;
b)如果识别结果为双目标,则通过E9(l)的最大值的位置确定第一个目标的径向距离,通过E9left(l)和E9right(l)的最大值的位置确定第一个目标的方位,然后通过E9(l)的第二大值的位置确定第二个的目标径向距离,通过E9left(l)和E9right(l)的第二大值的位置确定第二个目标的方位;
c)如果识别结果为三目标,则通过E9(l)的最大值的位置确定第一个目标的径向距离,通过E9left(l)和E9right(l)的最大值的位置确定第一个目标的方位,然后通过E9(l)的第二大值的位置确定第二个的目标径向距离,通过E9left(l)和E9right(l)的第二大值的位置确定第二个目标的方位,最后通过E9(l)的第三大值的位置确定第三个目标的径向距离,通过E9left(l)和E9right(l)的第三大值的位置确定第三个目标的方位;
根据目标的个数、目标径向距离和目标的方位实现目标的识别定位。
2.如权利要求1所述的基于多基地IR-UWB生物雷达信号的多人体目标识别定位方法,其特征在于,步骤5.1中,σ1N=2,σ1Y=3,σ2N=2.4,σ2Y=3.5,σrm1=0.8、σrm2=0.75和σrm3=0.88。
3.如权利要求1所述的基于多基地IR-UWB生物雷达信号的多人体目标识别定位方法,其特征在于,步骤2中的信号预处理包括如下子步骤:
步骤2.1:对E(m,n)、Eleft(m,n)和Eright(m,n)分别进行距离累积;
步骤2.2:将步骤2.1距离累积后的信号乘以式Ⅰ的指数增益曲线G(l),进行衰减补偿;
其中,Vh表示雷达回波数据的最大值和人体目标反射回波的幅值的比值,Phuman是人体目标位置,l表示距离累积后的快时间序号,l=1,2,…,L且L为正整数;
步骤2.3:对步骤2.2衰减补偿后的信号移除静态杂波;
步骤2.4:对步骤2.3移除静态杂波后的信号进行线性趋势消除;
步骤2.5:对步骤2.4线性趋势消除后的信号在慢时间维度上进行低通滤波;
步骤2.6:对步骤2.5低通滤波后的信号沿慢时间轴累加,得到中间通道能量信号E6(l)、左边通道能量信号E6left(l)和右边通道能量信号E6right(l)。
4.如权利要求1所述的基于多基地IR-UWB生物雷达信号的多人体目标识别定位方法,其特征在于,步骤3的拐点提取包括如下子步骤:
步骤3.1:对步骤2获得的E6(l)、E6left(l)和E6right(l)去除直达波,得到E7(l)、E7left(l)和E7right(l);
步骤3.2:对步骤3.1获得的信号提取拐点,得到一次拐点信号E8(l)、E8left(l)和E8right(l);
步骤3.2:对步骤3.2获得的信号提取拐点,得到中间通道二次拐点信号E9(l)、左边通道二次拐点信号E9left(l)和右边通道二次拐点信号E9right(l)。
5.如权利要求1所述的基于多基地IR-UWB生物雷达信号的多人体目标识别定位方法,其特征在于,步骤4包括如下子步骤:
步骤4.1:通过冒泡排序算法获得步骤3得到的每个二次拐点信号的最大值,并通过将最大值位置之后的相邻16个连续的幅值信号置零,去除最大值的拖尾;
步骤4.2:通过冒泡排序算法获得每个二次拐点信号的第二大值,并通过将第二大值位置之后的相邻16个连续的幅值信号置零,去除第二大值的拖尾;
步骤4.3:通过冒泡排序算法获得每个二次拐点信号的第三大值。
在获得前三大值时,将最大值位置和第二大值位置之后的相邻16个连续的幅值信号置零,去除最值拖尾。
6.如权利要求3所述的基于多基地IR-UWB生物雷达信号的多人体目标识别定位方法,其特征在于,通过式Ⅱ计算得到最大值处的相关系数均值rm1、第二大值处的相关系数均值rm2和第三大值处的相关系数均值rm3:
其中,i表示相关系数的序号且i=1,2,3,4,5,6,k表示前三大值的序号且k=1表示最大值的序号,k=2表示第二大值的序号,k=3表示第三大值的序号,rik表示前三大值的相关系数,rmk表示前三大值的相关系数均值,E5(l,q)表示步骤2.5得到的慢时间维度上进行低通滤波后的中间通道的信号,Emaxk(q)表示E5(l,q)的前三大值位置处的信号,E(maxk+(i-4))(q)表示与E5(l,q)的前三大值位置相邻的前三个位置的信号,(E(maxk+(i-3))(q)表示与E5(l,q)的前三大值位置相邻的后三个位置处的信号,Q表示E5(l,q)慢时间方向的信号总采样点数且Q为正整数,q表示慢时间方向的第q个信号采样点且q为正整数。
7.如权利要求6所述的基于多基地IR-UWB生物雷达信号的多人体目标识别定位方法,其特征在于,步骤5中,通过E9left(l)前三大值的位置lleft-maxk和E9right(l)前三大值的位置lright-maxk确定目标的方位,包括:
a)如果|lleft-maxk-lright-maxk|≤2,则目标在中轴线上,所述中轴线为接收天线与中间通道发射天线的连线;
b)如果(lleft-maxk-lright-maxk)≤-2,则目标在中轴线的左边区域,所述左边区域为中轴线一侧的左边通道发射天线所在的区域;
c)如果(lleft-maxk-lright-maxk)>2,则目标在中轴线的右边区域,所述右边区域为中轴线一侧的右边通道发射天线所在的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911018557.7A CN110879389B (zh) | 2019-10-24 | 2019-10-24 | 基于多基地ir-uwb生物雷达信号的多人体目标识别定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911018557.7A CN110879389B (zh) | 2019-10-24 | 2019-10-24 | 基于多基地ir-uwb生物雷达信号的多人体目标识别定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110879389A true CN110879389A (zh) | 2020-03-13 |
CN110879389B CN110879389B (zh) | 2022-09-16 |
Family
ID=69728476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911018557.7A Active CN110879389B (zh) | 2019-10-24 | 2019-10-24 | 基于多基地ir-uwb生物雷达信号的多人体目标识别定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110879389B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112255636A (zh) * | 2020-09-04 | 2021-01-22 | 奥诚信息科技(上海)有限公司 | 一种距离测量方法、***及设备 |
CN113179549A (zh) * | 2021-04-25 | 2021-07-27 | 深圳大漠大智控技术有限公司 | 一种低信噪比下获取基站与标签距离的方法及其相关组件 |
CN113786176A (zh) * | 2021-08-17 | 2021-12-14 | 中国电子科技南湖研究院 | 精确的毫米波雷达呼吸心跳测量方法、***和存储介质 |
CN115089839A (zh) * | 2022-08-25 | 2022-09-23 | 柏斯速眠科技(深圳)有限公司 | 一种头部的检测方法、***和助眠设备的控制方法、*** |
CN116594408A (zh) * | 2023-07-17 | 2023-08-15 | 深圳墨影科技有限公司 | 一种移动协作机器人路径规划***及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073042A (zh) * | 2010-10-27 | 2011-05-25 | 中国人民解放军第四军医大学 | 一种多通道基于uwb雷达式生命探测仪的多个人体目标二维定位方法 |
US20130050011A1 (en) * | 2011-08-22 | 2013-02-28 | Industry-Academic Cooperation Foundation, Yonsei University | Ultrawideband radar |
CN103308899A (zh) * | 2013-05-23 | 2013-09-18 | 中国人民解放军第四军医大学 | 一种基于过零点技术的生物雷达人体目标识别方法 |
CN103616729A (zh) * | 2013-11-06 | 2014-03-05 | 中国人民解放军第四军医大学 | 一种基于uwb生物雷达的多个人体目标估算方法及*** |
WO2014151133A1 (en) * | 2013-03-15 | 2014-09-25 | Kirill Mostov | Apparatus and methods for remote monitoring of physiological parameters |
US20150054670A1 (en) * | 2010-10-27 | 2015-02-26 | Jianqi Wang | Multichannel UWB-based radar life detector and positioning method thereof |
US20150369911A1 (en) * | 2014-05-16 | 2015-12-24 | Mohamed Mabrouk | Remote sensing of human breathing at a distance |
CN106019254A (zh) * | 2016-05-20 | 2016-10-12 | 中国人民解放军第四军医大学 | 一种uwb冲击生物雷达多人体目标距离向分离辨识方法 |
CN109521422A (zh) * | 2018-10-15 | 2019-03-26 | 中国人民解放军第四军医大学 | 一种基于雷达信号的多目标生命探测方法及探测雷达 |
-
2019
- 2019-10-24 CN CN201911018557.7A patent/CN110879389B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102073042A (zh) * | 2010-10-27 | 2011-05-25 | 中国人民解放军第四军医大学 | 一种多通道基于uwb雷达式生命探测仪的多个人体目标二维定位方法 |
US20150054670A1 (en) * | 2010-10-27 | 2015-02-26 | Jianqi Wang | Multichannel UWB-based radar life detector and positioning method thereof |
US20130050011A1 (en) * | 2011-08-22 | 2013-02-28 | Industry-Academic Cooperation Foundation, Yonsei University | Ultrawideband radar |
WO2014151133A1 (en) * | 2013-03-15 | 2014-09-25 | Kirill Mostov | Apparatus and methods for remote monitoring of physiological parameters |
CN103308899A (zh) * | 2013-05-23 | 2013-09-18 | 中国人民解放军第四军医大学 | 一种基于过零点技术的生物雷达人体目标识别方法 |
CN103616729A (zh) * | 2013-11-06 | 2014-03-05 | 中国人民解放军第四军医大学 | 一种基于uwb生物雷达的多个人体目标估算方法及*** |
US20150369911A1 (en) * | 2014-05-16 | 2015-12-24 | Mohamed Mabrouk | Remote sensing of human breathing at a distance |
CN106019254A (zh) * | 2016-05-20 | 2016-10-12 | 中国人民解放军第四军医大学 | 一种uwb冲击生物雷达多人体目标距离向分离辨识方法 |
CN109521422A (zh) * | 2018-10-15 | 2019-03-26 | 中国人民解放军第四军医大学 | 一种基于雷达信号的多目标生命探测方法及探测雷达 |
Non-Patent Citations (12)
Title |
---|
EUN CHONG LEE ET AL.: "Performande enhancement of multi-human detection using an IR-UWB radar by an adaptive thresholding algorithm", 《2016 IEEE INTERNATIONAL CONFERENCE ON NETWORK INFRASTRUCTURE AND DIGITAL CONTENT》 * |
HAO LV ET AL.: "Multi-target human sensing via UWB bio-radar based on multiple antennas", 《2013 IEEE INTERNATIONAL CONFERENCE OF IEEE REGION 10》 * |
HONGMING SHEN ET AL.: "Respiration and Heartbeat Rates Measurement Based on Autocorrelation Using IR-UWB Radar", 《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS II: EXPRESS BRIEFS》 * |
ZHAO LI ET AL.: "Detection of People Trapped under the Ruins Using Dual-frequency IR-UWB Radar", 《PROCEEDINGS OF THE 15TH EUROPEAN CONFERENCE》 * |
张扬等: "基于超宽谱雷达多目标穿墙探测定位技术的研究", 《医疗卫生装备》 * |
张杨等: "基于单基地生命探测雷达的多目标识别方法研究", 《医疗卫生装备》 * |
张芫蓓等: "基于双源IR-UWB生物雷达的强反射杂波抑制", 《中国医疗设备》 * |
殷悦等: "基于EEMD和频带能量比特性的人与动物雷达微动信号辨识", 《中国医疗设备》 * |
王芳芳等: "UWB信号的穿墙传播特性研究", 《南京邮电大学学报(自然科学版)》 * |
薛慧君等: "遮蔽情况下多人体目标的探测和识别研究", 《中国医疗设备》 * |
费翔宇等: "穿墙定位雷达静止人体目标的信号处理", 《信号处理》 * |
陈光等: "超宽带废墟搜救雷达的多生命体目标识别", 《现代电子技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112255636A (zh) * | 2020-09-04 | 2021-01-22 | 奥诚信息科技(上海)有限公司 | 一种距离测量方法、***及设备 |
CN113179549A (zh) * | 2021-04-25 | 2021-07-27 | 深圳大漠大智控技术有限公司 | 一种低信噪比下获取基站与标签距离的方法及其相关组件 |
CN113179549B (zh) * | 2021-04-25 | 2022-02-18 | 深圳大漠大智控技术有限公司 | 一种低信噪比下获取基站与标签距离的方法及其相关组件 |
CN113786176A (zh) * | 2021-08-17 | 2021-12-14 | 中国电子科技南湖研究院 | 精确的毫米波雷达呼吸心跳测量方法、***和存储介质 |
CN113786176B (zh) * | 2021-08-17 | 2024-03-15 | 中国电子科技南湖研究院 | 精确的毫米波雷达呼吸心跳测量方法、***和存储介质 |
CN115089839A (zh) * | 2022-08-25 | 2022-09-23 | 柏斯速眠科技(深圳)有限公司 | 一种头部的检测方法、***和助眠设备的控制方法、*** |
CN115089839B (zh) * | 2022-08-25 | 2022-11-11 | 柏斯速眠科技(深圳)有限公司 | 一种头部的检测方法、***和助眠设备的控制方法、*** |
CN116594408A (zh) * | 2023-07-17 | 2023-08-15 | 深圳墨影科技有限公司 | 一种移动协作机器人路径规划***及方法 |
CN116594408B (zh) * | 2023-07-17 | 2023-10-13 | 深圳墨影科技有限公司 | 一种移动协作机器人路径规划***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110879389B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110879389B (zh) | 基于多基地ir-uwb生物雷达信号的多人体目标识别定位方法 | |
US11435470B2 (en) | Multi-target life detection method based on radar signal and detection radar | |
CN110879388B (zh) | 基于ir-uwb生物雷达信号的人与动物非接触探测区分方法 | |
US9442189B2 (en) | Multichannel UWB-based radar life detector and positioning method thereof | |
CN107966688B (zh) | 基于相位干涉技术的宽带雷达目标速度解模糊方法 | |
CN102058411B (zh) | 一种多通道基于uwb雷达式生命探测仪 | |
CN102008291B (zh) | 一种可用于多目标探测的单通道基于uwb的雷达式生命探测仪 | |
US11525889B2 (en) | Non-contact method for detectiing and distinguishing human and animal based on IR-UWB bio-radar signal | |
CN106019254B (zh) | 一种uwb冲击生物雷达多人体目标距离向分离辨识方法 | |
CN106814353A (zh) | 一种雷达信号处理*** | |
US20070043294A1 (en) | Automatic detection method of spectral Doppler blood flow velocity | |
CN106546979B (zh) | 一种基于多天线数据融合的超宽谱雷达式人体呼吸增强探测方法 | |
CN110161491B (zh) | 一种针对微弱生命体的测距和呼吸频率估计方法 | |
CN110988834B (zh) | 一种基于自适应阈值双门限的脉冲到达时间测量方法 | |
US11609317B2 (en) | Two dimension and three dimension imaging based on speed changes of sound/ultrasound | |
CN107462873A (zh) | 一种雷达干扰快速识别方法 | |
CN106199582A (zh) | 应用于室内的双频连续波雷达人体定位跟踪的方法 | |
CN102018515B (zh) | 单通道基于uwb雷达式生命探测仪的多个人体目标识别和一维定位方法 | |
CN108761445A (zh) | 一种用于穿墙生命探测雷达的目标定位方法 | |
Hamdollahzadeh et al. | Moving target localization in bistatic forward scatter radars: Performance study and efficient estimators | |
CN103308899A (zh) | 一种基于过零点技术的生物雷达人体目标识别方法 | |
CN114545342B (zh) | 利用多通道侦察接收机的雷达脉冲信号参数测量方法 | |
KR101780783B1 (ko) | 레이더를 이용한 주차면 감지 방법 | |
CN113093180A (zh) | 一种基于聚类外推的慢速弱目标检测方法 | |
US20220296209A1 (en) | Fetal ultrasound processing unit |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |