CN102243303A

CN102243303A - 一种基于呼吸特征的静止人体穿墙定位方法

Info

Publication number: CN102243303A
Application number: CN2011100919099A
Authority: CN
Inventors: 孔令讲; 杨晓波; 贾勇; 杨建宇
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2011-04-13
Filing date: 2011-04-13
Publication date: 2011-11-16
Anticipated expiration: 2031-04-13
Also published as: CN102243303B

Abstract

一种基于呼吸特征的静止人体穿墙定位方法，属于雷达探测技术领域。包括步骤：1)两个接收天线回波信号经预处理形成两个快慢时间数据矩阵；2)MTI滤波；3)带通滤波；4)对两个带通滤波后的快慢时间数据矩阵分别进行FFT频谱分析形成两个距离延迟-多普勒频率(RD)数据矩阵；5)二维单元平均恒虚警检测；6)对两个检测后的RD平面分别采用滑窗极值法估计两个接收天线对应的静止人体回波距离延迟；7)椭圆交叉定位。本发明通过呼吸特征信号的频域积累、多种不同杂波的联合抑制和距离延迟模糊的消除，保证了静止人体回波延迟估计的准确度，从而实现了静止人体的精确定位；具有抗干扰性强和定位精度高的突出优点，具有很强的实用性。

Description

一种基于呼吸特征的静止人体穿墙定位方法

技术领域

本发明属于雷达探测技术领域，涉及穿墙雷达目标定位技术，尤其是基于呼吸特征的静止人体穿墙定位方法。

背景技术

静止人体穿墙定位是指采用超宽带穿墙雷达对墙体、烟雾等非电磁透明介质屏障后的静止人体进行探测、定位的技术。灾难搜救中的被困人体、反恐中的恐怖分子和人质、巷战中隐蔽的敌人通常都处于静止状态，因此，静止人体穿墙定位具有广泛的应用需求，近年来，已引起各国研究机构的重点关注，发展迅速。

目前，静止人体穿墙定位主要是基于穿墙成像实现的，通过形成包含静止人体图像的探测区域图像，在图像域检测提取静止人体的位置信息。基于成像的静止人体穿墙定位方法本质上利用了静止人体对电磁波的散射强度信息，通过成像反演到静止人体附近像素点上，像素值唯一表征了目标的散射强度。为了保证足够的目标分辨率和定位精度，穿墙成像通常采用超宽带信号，超宽带信号定义为带宽与中心频率比值大于25％的信号(相对超宽带信号定义)。由于穿墙探测通常面临复杂的探测环境，墙体、家具等强散射体的散射强度远高于静止人体的散射强度，造成强散射体图像边缘会干扰静止人体图像，尤其在人体临近强散射体的情况下更加严重，不利于基于静止人体图像的检测定位。同时，复杂探测环境带来严重的多径杂波以及静止人体多径回波，造成人体图像散焦和图像信杂比降低，降低了静止人体定位性能。针对墙体图像边缘干扰问题，美国俄亥俄州立大学采用自适应CLEAN算法在图像域消除墙体图像，实测数据处理效果并不理想；针对多径杂波干扰问题，美国维拉诺瓦大学采用多视角图像融合算法对多径杂波实现了良好抑制，但多视角探测存在操作复杂、易引入测量误差等问题，而且实际探测环境通常不具备多视角探测的条件；针对静止人体多径回波造成的图像散焦问题，法国尼斯大学采用TRM技术对多径回波进行重聚焦，解决图像散焦问题，实验测试对图像散焦的抑制效果有限。另外，实际探测区域图像可能包含不同散射体的图像，难以区分静止人体和其他散射体，在没有探测区域布局先验信息的条件下难以实现静止人体定位。综上所述，基于成像的静止人体穿墙定位方法在实际应用中具有很大的局限性。

发明内容

本发明提供一种基于呼吸特征的静止人体穿墙定位方法，联合静止人体呼吸特征提取和椭圆交叉定位实现对静止人体的稳健定位，其中，呼吸特征提取利用静止人体呼吸起伏对回波信号的多普勒调制效应实现人体呼吸频率和回波距离延迟的精确估计，椭圆交叉定位将回波距离延迟转化为人体位置信息，实现静止人体精确定位。

本发明基于一发两收天线配置进行椭圆交叉定位实现静止人体回波距离延迟到位置坐标的转换，静止人体精确定位的实现要求准确估计静止人体的回波距离延迟，因此，本发明利用FFT频谱分析对呼吸特征信号进行相干积累，同时，采用运动目标显示(MTI)滤波抑制墙体回波、多径杂波等强静止杂波，采用带通滤波抑制由周围人员走动、静止人体抖动和环境变化导致的低频和高频杂波，联合形成高信杂噪比的距离延迟-多普勒频率(RD)数据矩阵，进一步，通过二维单元平均恒虚警(CA-CFAR)检测后，采用滑窗极值法消除静止人体多径回波造成的距离延迟模糊，通过以上操作能够准确估计静止人体呼吸频率和回波距离延迟，保证了静止人体穿墙定位的精确度和实用性。

本发明技术方案如下：

一种基于呼吸特征的静止人体穿墙定位方法，处理流程如图1所示，包括以下步骤：

穿墙雷达采用一发两收天线配置，收发天线与地面高度相同且紧靠墙体放置，发射天线居中，收发天线间距相等，间距为SD，发射信号为超宽带步进频率连续波，两个接收天线分别采集N个脉冲的回波信号；

步骤1：针对两个接收天线分别采集的N个脉冲的回波信号，对每个脉冲进行包括重采样、去直流、IFFT脉压的信号预处理，每个接收天线的回波信号经预处理后形成一个快慢时间数据矩阵，共形成两个快慢时间数据矩阵AS₁(N，M)和AS₂(N，M)；其中，N为脉冲总数、即慢时间，M为距离单元总数、即快时间；

步骤2：求解AS₁(N，M)中第一行AS₁(1，M)的最大幅值所在的列数记为m_1max，求解AS₂(N，M)中第一行AS₂(1，M)最大幅值所在的列数记为m_2max，最大幅值对应的距离延迟AS₁(1，m_1max)和AS₂(1，m_2max)作为两个天线墙体回波距离延迟的估计值；

步骤3：对两个数据矩阵AS₁(N，M)和AS₂(N，M)分别按列进行MTI滤波以平均对消抑制以墙体回波为主的杂波，形成两个数据矩阵BS₁(N，M)和BS₂(N，M)；MTI滤波表示为BS_i(n，m)＝AS_i(n，m)-∑AS_i(N，m)/N；i＝1，2；n＝1，2，L，N；m＝1，2，L，M，即每列每个元素减去本列所有元素的平均值；

步骤4：对两个数据矩阵BS₁(N，M)和BS₂(N，M)分别按列进行截止频率为0.1Hz～1Hz的K阶带通滤波抑制低高频杂波，形成两个数据矩阵DS₁(N-K+1，M)和DS₂(N-K+1，M)，带通滤波表示为DS_i(N-K+1，m)＝CS_i([K，K+1，L，N]，m)，其中，

为卷积符号，F(K)为K阶带通滤波系数；

步骤5：对两个数据矩阵DS₁(N-K+1，M)和DS₂(N-K+1，M)分别按列进行T点FFT频谱分析，并依次求解绝对值和平方值，形成两个距离延迟-多普勒频率、即RD数据矩阵RD₁(T，M)和RD₂(T，M)；

步骤6：对两个数据矩阵RD₁(T，M)和RD₂(T，M)分别进行二维单元平均恒虚警、即CA-CFAR检测，其中，待测数据单元对应的检测门限为α＝q(pfa^-1/q-1)，pfa为恒虚警概率，q为待测数据单元周围参考单元的个数，低于门限的数据单元置零，高于门限的数据单元保持，形成两个数据矩阵TD₁(T，M)和TD₂(T，M)；

步骤7：对数据矩阵TD₁(T，M)采用滑窗极值法估计的多个呼吸频率和回波距离延迟分别记为BF₁(U₁)和BR₁(U₁)，对数据矩阵TD₂(T，M)采用滑窗极值法估计的多个呼吸频率和回波距离延迟分别记为BF₂(U₂)和BR₂(U₂)；

步骤8：对BR₁(U₁)中的所有距离延迟补偿步骤2中估计的墙体回波距离延迟AS₁(1，m_1max)，对BR₂(U₂)中的所有距离延迟补偿步骤2中估计的墙体回波距离延迟AS₂(1，n_2max)，即BR₁(u)＝BR₁(u)-AS₁(1，m_1max)，BR₂(u)＝BR₂(u)-AS₂(1，m_2max)，u＝1，2，L，U；然后，对BR₁(U₁)和BR₂(U₂)中任意两个元素BR₁(u₁)，u₁＝1，2，L，U₁和BR₂(u₂)，u₂＝1，2，L，U₂进行椭圆交叉定位距离延迟配对，配对准则为|BR₁(u₁)-BR₂(u₂)|＜2SD，满足此配对准则的距离延迟BR₁(u₁)和BR₂(μ₂)形成数组PR₁(U)和PR₂(U)，对应位置的呼吸频率BF₁(u₁)和BF₂(μ₂)形成数组PF₁(U)和PF₂(U)，其中，U为目标个数，相同位置元素PR₁(u)和PR₂(u)为配对成功的第u个目标的两个距离延迟估计值，相同位置元素PF₁(u)和PF₂(u)为第u个目标的两个呼吸频率估计值，PF₁(u)和PF₂(u)的统计平均值作为第u个目标最终输出的呼吸频率估计值；

步骤9：对PR₁(U)和PR₂(U)中相同位置中相同位置的距离延迟通过椭圆交叉定位解得U个目标的位置估计横纵坐标分别记为X(U)和Y(U)，作为静止人体目标定位输出结果。

需要说明的是：

1、步骤1中所述回波脉冲总数N≥20PRF，PRF为脉冲重复频率，即保证本发明的频率分辨率至少为0.1Hz用以准确估计人体呼吸频率。

2、步骤4中所述的带通滤波阶数K≤N/2，保证采集的N个脉冲回波经过K阶带通滤波后至少有N/2个脉冲回波保留进行FFT频谱分析实现0.1Hz的频率分辨率。

3、步骤7中所述的利用滑窗极值法估计静止人体呼吸频率和回波距离延迟的具体流程为：设置包含W×W个数据元素的二维窗口，分别对数据矩阵TD₁(T，M)和TD₂(T，M)进行滑窗处理，W×W窗口内数据元素进行叠加求和，具有和值极大值的窗口的中心元素对应的多普勒频率和距离延迟作为静止人体呼吸频率和回波距离延迟的估计值。

本发明的有益效果是：

本发明联合应用FFT相干积累、MTI静止杂波抑制、低高频杂波带通滤波、二维CFAR检测、滑窗极值参数估计，实现了呼吸特征信号的频域积累，抑制了墙体回波、多径杂波等强静止杂波、静止人体抖动导致的低频杂波、周围人员走动导致的高频杂波以及环境变化引起的低高频杂波的影响，消除了目标多径回波造成的距离延迟模糊，从而保证了静止人体回波距离延迟的估计精度，采用椭圆交叉定位将准确的回波距离延迟转换为准确的静止人体位置估计坐标。因此，本发明具有抗干扰性强和定位精度高的突出优点，具有很强的实用性。

附图说明

图1为本发明的流程图。

图2为典型的穿墙静止人体探测场景示意图。

图3(a)为左侧接收天线回波信号预处理形成的快慢时间平面图，图3(b)为右侧接收天线回波信号预处理形成的快慢时间平面图。

图4(a)为左侧接收天线快慢时间平面MTI平均对消结果，图4(b)为右侧接收天线快慢时间平面MTI平均对消结果。

图5(a)为左侧接收天线未带通滤波的快慢时间平面进行FFT频谱分析后的RD平面图，图5(b)为右侧接收天线未带通滤波的快慢时间平面进行FFT频谱分析后的RD平面图。

图6(a)为左侧接收天线带通滤波后的快慢时间平面进行FFT频谱分析后的RD平面图，图6(b)为右侧接收天线带通滤波后的快慢时间平面进行FFT频谱分析后的RD平面图。

图7(a)为左侧接收天线距离延迟-多普勒频率平面进行CA-CFAR检测、滑窗极值参数估计的输出结果，图7(b)为右侧接收天线距离延迟-多普勒频率平面进行CA-CFAR检测、滑窗极值参数估计的输出结果

图8为基于两个接收天线对应的静止人体回波距离延迟估计值进行椭圆交叉定位求解静止人体位置估计坐标示意图。

具体实施方式

下面结合一个典型实验例子给出本发明的具体实施方式。

穿墙静止人体定位实验场景图如图2所示，穿墙雷达系统采用一发两收介质天线，收发天线间距为0.5m，发射信号为1GHz～2GHz的步进频率连续波信号，单个静止人体处在(1.0m，4.5m)处，两个接收天线共采集800个步进频率脉冲回波信号，墙体为普通粘土砖墙，墙体厚度为24.5cm。

根据本发明的处理步骤，第一步，对于两个接收天线的步进频率回波信号进行包括重采样、去直流、IFFT脉压的信号预处理，得到两个快慢时间数据矩阵，如图3所示，由于墙体回波等强静止杂波的对静止人体回波的干扰，无法直接估计出静止人体回波距离延迟。

第二步，选取左侧接收天线快慢时间数据矩阵的第一行，求出最大幅值对应的距离延迟1.10m作为左侧接收天线墙体回波距离延迟的估计值，同样，求得的右侧接收天线墙体回波距离延迟的估计值为1.04m。

第三步，对两个快慢时间数据矩阵分别进行MTI平均对消抑制静止杂波，输出结果如图4所示，墙体回波等静止杂波得到较好抑制，右侧天线快慢时间数据矩阵存在较低水平的墙体回波残余。通过MTI滤波处理，能够较为明显地观察到静止人体回波信号，但能量水平较低，同时存在走动人体回波的干扰，造成快慢时间数据矩阵的信杂噪比很低，不利于准确估计静止人体回波距离延迟。

第四步，根据人体正常呼吸的频率范围，采用通带为0.1Hz～1Hz的400阶带通滤波器对MTI后的两个快慢时间数据矩阵进行低频和高频杂波的抑制，低频杂波通常为人体抖动产生，高频杂波通常为周围人员走动产生，同时，周围环境变化也会产生一定的低频和高频杂波。

第五步，分别对两个带通滤波后的快慢时间数据矩阵按列进行FFT频谱分析，形成两个高信杂噪比的RD数据矩阵，如图6所示。对比图5和图6，未采用带通滤波处理，静止人体抖动产生的低频杂波对呼吸特征信号的干扰比较严重，而由于实验中走动人体远离雷达，回波较弱，同时由于走动人体回波出现在多个距离单元，FFT无法有效地进行相干积累，导致人体走动导致的高频杂波基本可以忽略。通过带通滤波处理，能够显著抑制低频和高频杂波干扰，提高RD数据矩阵的信杂噪比。

第六步，分别对两个接收天线对应的带通滤波后高信杂噪比的RD数据矩阵，采用虚警概率为10^-5的CA-CFAR检测器进行检测处理，低于门限的数据点置零，高于门限的数据点保持。其中，CA-CFAR检测器的保护数据单元为检测数据单元周围环绕的8个数据单元，参考数据单元为保护单元周围环绕的16个数据单元。

第七步，采用基于包含6×6个数据元素的二维窗口的滑窗极值法分别对两个CA-CFAR检测后的RD数据矩阵处理，得到两个接收天线对应的静止人体呼吸频率和回波距离延迟的估计值。如图7所示，左侧和右侧接收天线对应的静止人体呼吸频率的估计值分别为0.19Hz和0.20Hz，左侧和右侧接收天线对应的静止人体回波距离延迟分别为10.34m和10.08m。

第八步，对左侧接收天线的静止人体回波距离延迟估计值10.34m减去第二步估计的左侧接收天线墙体回波距离延迟1.10m，对右侧接收天线的静止人体回波距离延迟估计值10.08m减去第二步估计的右侧接收天线墙体回波距离延迟1.04m，从而实现墙体补偿消除墙体对静止人体回波距离延迟的影响，获得校准后的距离延迟估计值为9.24m和9.04m。校准后的距离延迟估计值差距为9.24m-9.04m＝0.20m＜2SD＝1m，满足椭圆交叉定位配对准则，因此，判定9.24m和9.04m为同一静止人体目标的两个回波距离延迟估计值，对应的两个呼吸频率估计值0.19Hz和0.20Hz也属于该目标，取平均值0.195Hz作为最终的静止人体呼吸频率估计值。

第九步，对校准配对后两个接收天线对应的静止人体回波距离延迟9.24m和9.04m采用椭圆交叉定位算法求解得到静止人体位置的估计坐标为(0.92m，4.46m)，与实际静止人体位置(1.0m，4.5m)较为准确地符合，验证了算法的可行性。如图8所示。

综上所述，本方法能够有效消除多种杂波的干扰，实现了对静止人体的准确定位，适于应用在实际穿墙静止人体探测和定位中。

Claims

1.一种基于呼吸特征的静止人体穿墙定位方法，包括以下步骤：

步骤4：对两个数据矩阵BS₁(N，M)和BS₂(N，M)分别按列进行截止频率为0.1Hz～1Hz的K阶带通滤波抑制低高频杂波，形成两个数据矩阵DS₁(N-K+1，M)和DS₂(N-K+1，M)，带通滤波表示为

DS_i(N-K+1，m)＝CS_i([K，K+1，L，N]，m)，其中，

为卷积符号，F(K)为K阶带通滤波系数；

步骤8：对BR₁(U₁)中的所有距离延迟补偿步骤2中估计的墙体回波距离延迟AS₁(1，m_1max)，对BR₂(U₂)中的所有距离延迟补偿步骤2中估计的墙体回波距离延迟AS₂(1，m_2max)，即BR₁(u)＝BR(u)-AS₁(1，m_1max)，BR₂(u)＝BR₂(u)-AS₂(1，m_2max)，u＝1，2，L，U；然后，对BR₁(U₁)和BR₂(U₂)中任意两个元素BR₁(u₁)，u₁＝1，2，L，U₁和BR₂(u₂)，u₂＝1，2，L，U₂进行椭圆交叉定位距离延迟配对，配对准则为|BR₁(u₁)-BR₂(u₂)|＜2SD，满足此配对准则的距离延迟BR₁(u₁)和BR₂(μ₂)形成数组PR₁(U)和PR₂(U)，对应位置的呼吸频率BF₁(u₁)和BF₂(μ₂)形成数组PF₁(U)和PF₂(U)，其中，U为目标个数，相同位置元素PR₁(u)和PR₂(u)为配对成功的第u个目标的两个距离延迟估计值，相同位置元素PF₁(u)和PF₂(u)为第u个目标的两个呼吸频率估计值，PF₁(u)和PF₂(u)的统计平均值作为第u个目标最终输出的呼吸频率估计值；

2.根据权利要求1所述的基于呼吸特征的静止人体穿墙定位方法，其特征在于，步骤1中所述回波脉冲总数N≥20PRF，PRF为脉冲重复频率，即保证频率分辨率至少为0.1Hz用以准确估计人体呼吸频率。

3.根据权利要求1所述的基于呼吸特征的静止人体穿墙定位方法，其特征在于，步骤4中所述的带通滤波阶数K≤N/2。

4.根据权利要求1所述的基于呼吸特征的静止人体穿墙定位方法，其特征在于，步骤7中所述的利用滑窗极值法估计静止人体呼吸频率和回波距离延迟的具体流程为：设置包含W×W个数据元素的二维窗口，分别对数据矩阵TD₁(T，M)和TD₂(T，M)进行滑窗处理，W×W窗口内数据元素进行叠加求和，具有和值极大值的窗口的中心元素对应的多普勒频率和距离延迟作为静止人体呼吸频率和回波距离延迟的估计值。