CN103308899A - 一种基于过零点技术的生物雷达人体目标识别方法 - Google Patents

Abstract

本发明公开了一种基于过零点技术的生物雷达人体目标识别方法,该算法包括过零点提取、时域累积、信噪比估计和阈值判断4个步骤：过零点提取实现UWB生物雷达检测人体呼吸过零点特征的量化，时域累积在时间上对过零点提取结果进行累积，降低偶然因素造成的误判；信噪比估计用于人体目标识别的量化指标；对该量化指标设定阈值进行判断最终实现人体目标的自动识别。

Description

一种基于过零点技术的生物雷达人体目标识别方法

技术领域

本发明涉及属于生物雷达或雷达式生命探测技术领域，特别涉及一种基于过零点技术的UWB生物雷达人体目标识别算法。

背景技术

生物雷达是一种用于生命体目标探测和识别的特殊形式雷达，是国际科技界公认的新兴前沿技术。该技术主要以人体为探测目标，以雷达发射的电磁波为载体，能穿透废墟、墙壁等障碍，检测到人体目标的运动，或呼吸、心跳等生命体征引起的体表微动，进而判断有无目标的存在。生物雷达具有非接触、穿透力强、能精确定位的特点，在生物医学、国家安全、应急救援等领域具有广泛的应用前景。

生物雷达主要采用窄带连续波（Continuous Wave,CW）和超宽谱（Ultra Wideband,UWB）两种体制的雷达技术。相比而言，UWB雷达具有较强的穿透能力、良好的近场性能和目标识别能力，特别是冲激脉冲体制的UWB雷达以其系统简单、功耗小、成本低等优点，已成为目前生物雷达技术的研究热点。

现阶段，冲激脉冲UWB生物雷达技术主要以人体呼吸信号为检测指标，通过精确测距来检测目标呼吸引起的体表微动，技术实现难度较大。尤其是在穿透条件下，墙壁或废墟等的衰减作用导致UWB生物雷达回波信号十分微弱，而且其中还包含大量墙壁或废墟等的反射和散射杂波、周围环境的干扰以及系统内部的各种噪声，进一步增加了回波信号处理的难度。因此，UWB生物雷达回波信号处理技术的研究大多围绕人体呼吸信号的检测算法，而在此基础上的人体目标识别算法还有待进一步研究。

发明内容

本发明旨在提供一套完整的UWB生物雷达人体目标的识别算法，该算法主要基于过零点技术，能有效提高探测中人体目标识别的准确率，并且为UWB生物雷达生命体目标的探测和识别提供新的技术思路。

本发明的技术方案如下：

一种基于过零点技术的生物雷达人体目标识别方法，包括以下步骤：

A1过零点提取:

对UWB生物雷达一道回波数据中的相邻两点相乘，乘积小于0，则这两点的幅值符号必然相反，那么计算过零点一次，并以前一点数据的点序号作为此过零点的位置。这一过程可表示为：

式中r[m]表示UWB生物雷达一道回波数据，m为数据距离点的序号。V₀和V₁分别表示计过零点一次和不计过零点;

A2时域累积:

对每一道信号中识别出来的过零点，在相应的距离点上进行能量累积,能量用该点信号幅值的平方表征，即：

v[m]=v[m]+r²[m]       （2）

式中v[m]表示时域能量累积的结果;

A3信噪比估计:

定义检测信噪比SNR_D为目标峰值与噪声能量的比值：

${\mathrm{SNR}}_D=\frac{\mathrm{Energy}\left[\mathrm{OBJECT}\right]}{\mathrm{Energy}\left[\mathrm{NOISE}\right]}---\left(3\right)$

为避免噪声能量水平的估计与人体目标发生重叠，以目标为中心设定一距离范围将目标保护起来；因此噪声用保护单元外距离点上的能量极大值估计;保护距离的长度根据UWB生物雷达发射脉冲宽度确定;

A4阈值判断

采用上述方法得到的检测信噪比SNR_D应高于无目标时的情况，因此通过设定合适的阈值就能实现有/无目标的二元判断;检测信噪比SNR_D和阈值TH进行比较，比较准则为：

H₀:SNR_D<TH;H₁:SNR_D>TH      ……(4)

式中H₀为无目标假设，H₁为有目标假设。

所述的生物雷达人体目标识别方法，将所述阈值TH确定为2，表示呼吸引起的人体目标距离点上的回波能量显著高于杂波和噪声能量水平。

本发明所涉及的UWB生物雷达属于近场探测，对信号源峰值功率要求较低，因而发射信号采用冲激脉冲体制。发射脉冲的宽度控制在ns级别，对应的频谱宽度和中心频率均为500MHz，既能有效提高雷达的穿透能力，而且保证了足够的探测精度。在探测过程中雷达保持静止，不要求对回波信号进行实时取样采集，因此接收可采用成熟的等效取样技术实现。

冲激脉冲在接收机中进行积分，并在步进逻辑电路的控制下等效采样成包含距离和时间二维信息的UWB生物雷达回波信号，经过数据采集单元和DSP后送至计算机存储成离散的二维回波数据。因此本发明基于人体呼吸检测算法，在对UWB生物雷达回波数据进行处理后，针对人体呼吸信号的UWB生物雷达检测特征设计相应的目标识别算法，实现人体目标的自动识别。

提出了一种基于过零点技术的人体目标识别方法，该方法基于人体呼吸的UWB生物雷达探测特征，能有效提高冲激脉冲UWB生物雷达对人体目标识别的有效性和准确性。

附图说明

图1为冲激脉冲UWB生物雷达回波数据；

图2为人体呼吸检测算法处理后的理想UWB生物雷达回波数据；

图3为UWB生物雷达检测的人体呼吸波形；

图4为基于过零点技术的人体目标识别算法流程；

图5为UWB生物雷达回波数据多道信号的波形图；

图6为UWB生物雷达回波数据某一道信号的波形图；

图7为过零点提取和累积后的UWB生物雷达回波能量分布；

图8为UWB生物雷达回波能量分布检测信噪比估计的示意图。

具体实施方式

以下结合具体实施例，对本发明进行详细说明。

实施例1

本实施例对人体呼吸的UWB生物雷达检测算法和特征进行简单说明：

冲激脉冲UWB生物雷达采用等效采样技术，可以实现对设定距离范围内的探测。由于距离信息是通过收发脉冲间的延时进行度量，该距离范围通常称为UWB生物雷达的时窗。对时窗内的回波信号按照一定的速度进行连续扫描测量，可获得二维的UWB生物雷达回波信号，并转换成离散数据以满足存储和处理的需要。

图1为一组UWB生物雷达回波数据。横轴为测量时间，单位通常为s；纵轴为时窗，表示UWB脉冲回波的延时，单位通常为ns，可以根据脉冲传播速度换算成距离。

冲激脉冲照射到人体产生反射，由于呼吸导致的人体体表微动，反射回波的延迟时间会出现相应的变化。通过检测这种变化，就能实现人体呼吸的检测。但在实际中，这种变化非常微弱，并且被大量杂波和噪声淹没。因此对UWB生物雷达回波数据必须进行算法处理，以检测其中包含的人体呼吸信号。通常情况下，该算法主要包括几个基本步骤：一是利用积累、平均等对回波数据的信噪比进行改善；二是对UWB生物雷达时窗内静止目标（如墙壁、废墟等）的反射或散射形成的背景杂波进行去除；三是利用人体呼吸在时域上的低频、缓变等特点对其进行增强。在此基础上，可设计算法对人体目标进行识别。

图2为理想情况下经过人体呼吸检测算法处理过的UWB生物雷达回波数据。该数据时窗为20～40ns,对应自由空间3～6m探测范围。距雷达约4.5m（30ns）处有一静止人体目标。从图中可以看出，由于人体目标的呼吸活动，时窗内30ns区域附近出现随测量时间变化的周期性起伏。从图3可以看出，这些起伏具有明显的缓变准周期特性，与人体呼吸信号相符，且相邻距离点上的信号表现出较强的相关性。

根据以上现象可确定生命体目标的特征并进行特征提取、积累、量化等工作，从而实现人体目标的自动识别。

实施例2

本实施例对基于过零点技术的UWB生物雷达人体目标识别算法进行详细说明：

如图4所示，该算法包括过零点提取、时域累积、信噪比估计和阈值判断4个步骤：过零点提取实现UWB生物雷达检测人体呼吸过零点特征的量化，时域累积在时间上对过零点提取结果进行累积，降低偶然因素造成的误判；信噪比估计用于人体目标识别的量化指标；对该量化指标设定阈值进行判断最终实现人体目标的自动识别。

3.1过零点提取

为了便于分析，将图2按测量时间展开，取一段测量时间内多道回波信号绘制波形。如图5所示，由于人体呼吸的作用，每一道信号30ns附近具有明显的波形起伏区域，且波形随着呼吸在基线附近上下波动。首先定义这一区域为目标区域。

UWB生物雷达目标区域有很强的规律性。如图6所示，一段连续的点形成波峰或波谷的形状；而且随着测量时间的变化，这些点中的一部分始终具有明显的反相特征，从而形成过零点。

提取过零点的方法如下：对UWB生物雷达一道回波数据中的相邻两点相乘，乘积小于0，则这两点的幅值符号必然相反，那么计算过零点一次，并以前一点数据的点序号作为此过零点的位置。这一过程可表示为：

式中r[m]表示UWB生物雷达一道回波数据，m为数据距离点的序号。V₀和V₁分别表示计过零点一次和不计过零点。

3.2时域累积

识别出过零点特征后，不能立即得出有目标的识别结果，因为这一特征可能是由系统不稳定、外界干扰等偶然因素形成的。为此必须通过时域积累来排除偶然因素对识别结果带来的影响，降低算法的误判率。

其实现方法为：对每一道信号中识别出来的过零点，在相应的距离点上进行能量累积（能量用该点信号幅值的平方表征），即：

v[m]=v[m]+r²[m]          （2）

式中v[m]表示时域能量累积的结果。

如图7所示，经时域积累后出现明显的峰值，对应的距离与目标实际位置相符。由此可见，时域累积能有效降低算法的误判率，而且获得高信噪比的处理结果，为后续目标的识别奠定基础。

3.3信噪比估计

由于人体呼吸的作用，目标区域的能量显著高于其他非目标区域，形成峰值。通过识别该峰值可以实现目标的自动识别。为达到这一目标，定义检测信噪比SNR_D为目标峰值与噪声能量的比值： ${\mathrm{SNR}}_D=\frac{\mathrm{Energy}\left[\mathrm{OBJECT}\right]}{\mathrm{Energy}\left[\mathrm{NOISE}\right]}......\left(3\right)$

如图8所示，为避免噪声能量水平的估计与人体目标发生重叠，以目标为中心设定一距离范围将目标保护起来。因此噪声用保护单元外距离点上的能量极大值估计。保护距离的长度根据UWB生物雷达发射脉冲宽度确定。图中由于噪声能量较低，为便于观察纵轴取对数坐标。

3.4阈值判断

从以上分析可知，当UWB生物雷达探测区域内存在人体目标时，采用上述方法得到的检测信噪比SNR_D应高于无目标时的情况，因此通过设定合适的阈值就能实现有/无目标的二元判断。检测信噪比SNR_D和阈值TH进行比较，比较准则为：

H₀:SNR_D<TH;H₁:SNR_D>TH            ……(4)

式中H₀为无目标假设，H₁为有目标假设。

UWB生物雷达回波数据的SNR_D与穿透厚度、目标距离关系密切，阈值TH是一个经验值。为确定该值，将UWB生物雷达穿透单堵砖墙、双堵砖墙以及2m厚度的砖混结构模拟废墟后，对静止人体目标探测数据的检测信噪比列表如下：

表1UWB生物雷达回波信号的检测信噪比SNR_D

从表中可以看出，随着穿透深度和目标距离的增加，计算得到的UWB生物雷达回波信号的SNR_D减小。我们以模拟废墟实验数据的SNR_D为底限，将阈值TH确定为2，表示人体呼吸导致的回波信号能量显著高于杂波和噪声能量水平，同时也是本发明采用的UWB生物雷达探测和识别静止人体目标的已知穿透极限，

实施例3

本实施例对以上算法效能进行评价：

采用以上基于过零点技术的人体目标识别方法和设定的阈值，我们在单砖墙、双墙和模拟废墟中对静止人体目标进行了大量探测和识别实验，以验证该方法的有效性。实验过程中，将呼吸检测算法和人体目标识别算法固化到UWB生物雷达中，进行实时处理并给出识别结果。结果分为两种情况：无目标和有目标。其中有目标时同时给出目标距离点对应的延迟时间，并以此估计目标相对雷达的径向距离。

在统计结果前，定义“误判”如下：对无目标数据判断成有目标；对于有目标数据判断成无目标，或判断出的目标在时窗内的距离点与其实际距离明显不符。实验结果按照探测场景和目标距离的不同进行分组统计，每一组包括无目标和有目标两种情况，目标均为同一正常成年男子。结果统计如表2所示：

表2人体目标识别算法验证实验的结果统计

从表中可知，单砖墙探测实验的误判率为0%；双墙探测实验的误判率为5.7%；模拟废墟探测实验的误判率为17.1%。该结果与理论分析一致，表明随着穿透深度和目标距离的增加，探测和识别的准确率有所下降。总体来说，采用以上基于过零点技术的人体目标识别算法，对静止人体目标的识别达到了满意的效果，可以满足UWB生物雷达技术在穿墙探测和应急救援中的日常使用需求。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (2)

1.一种基于过零点技术的生物雷达人体目标识别方法，其特征在于，包括以下步骤：

A1过零点提取:

对UWB生物雷达一道回波数据中的相邻两点相乘，乘积小于0，则这两点的幅值符号必然相反，那么计算过零点一次，并以前一点数据的点序号作为此过零点的位置。这一过程可表示为：

式中r[m]表示UWB生物雷达一道回波数据，m为数据距离点的序号。V₀和V₁分别表示计过零点一次和不计过零点;

A2时域累积:

对每一道信号中识别出来的过零点，在相应的距离点上进行能量累积,能量用该点信号幅值的平方表征，即：

v[m]=v[m]+r²[m]      （2）

式中v[m]表示时域能量累积的结果;

A3信噪比估计:

定义检测信噪比SNR_D为目标峰值与噪声能量的比值：

${\mathrm{SNR}}_D=\frac{\mathrm{Energy}\left[\mathrm{OBJECT}\right]}{\mathrm{Energy}\left[\mathrm{NOISE}\right]}---\left(3\right)$

为避免噪声能量水平的估计与人体目标发生重叠，以目标为中心设定一距离范围将目标保护起来；因此噪声用保护单元外距离点上的能量极大值估计;保护距离的长度根据UWB生物雷达发射脉冲宽度确定;

A4阈值判断

采用上述方法得到的检测信噪比SNR_D应高于无目标时的情况，因此通过设定合适的阈值就能实现有/无目标的二元判断;检测信噪比SNR_D和阈值TH进行比较，比较准则为：

H₀:SNR_D<TH;H₁:SNR_D>TH          ……(4)

式中H₀为无目标假设，H₁为有目标假设。

2.根据权利要求1所述的生物雷达人体目标识别方法，其特征在于，将所述阈值TH确定为2，表示呼吸引起的人体目标距离点上的回波能量显著高于杂波和噪声能量水平。

Images