CN103854054A

CN103854054A - 一种基于距离和关联的穿墙雷达活动人数判定方法

Info

Publication number: CN103854054A
Application number: CN201410020724.2A
Authority: CN
Inventors: 孔令讲; 刘剑刚; 张鹏; 崔国龙; 姚雪; 赵中兴; 贾勇; 杨晓波; 易伟
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2014-01-16
Filing date: 2014-01-16
Publication date: 2014-06-11
Anticipated expiration: 2034-01-16
Also published as: CN103854054B

Abstract

本发明提供一种基于距离和关联的穿墙雷达活动人数判定方法。本发明从数据关联的角度出发，基于大量的实验数据，分析和总结复杂封闭的建筑环境下多目标随机运动时距离和的变化规律，多人在狭小空间内随机运动时，不可避免地会在一段时间内相互遮挡，造成回波的突变。本发明据此突变形成的临界区域作为判断房间内出现多运动目标的条件，再对临界区域中发生突变的目标数据进行关联从而确定运动目标数目。本发明能够对穿墙雷达进行活动人数提取，可辅助运动人体跟踪以改善航迹质量，提升复杂封闭建筑环境下多个目标的跟踪效果。

Description

一种基于距离和关联的穿墙雷达活动人数判定方法

技术领域

本发明涉及穿墙雷达技术，特别涉及穿墙雷达的检测跟踪技术。

背景技术

穿墙雷达作为复杂封闭建筑环境下辅助执行军事任务的一种新型特种侦察装备，通过发射特定频段的电磁波实现穿墙探测，逐渐取代了反猫眼窥视镜、门缝窥视仪等常规侦察手段，在反恐、巷战等军事战场上得到了越来越广泛的应用，近年来，已成为近年来国内外雷达技术领域的一个研究热点。穿墙雷达通过提取回波信号中的有用信息，并通过信息处理，实现对建筑物内感兴趣目标的成像、检测、识别、定位和跟踪。

穿墙雷达的一个主要探测功能是建筑物内部隐蔽的运动人体实时跟踪，多目标实时跟踪已成为目前国内外研究的热点，例如美国维纳诺瓦大学、北京电子所等科研机构已展开了多目标连续跟踪的研究工作，已经问世的湖南华诺星空公司猫眼CE-100、英国剑桥顾问公司穿墙雷达PRISM200、美国Time Domain公司Soldier Vision系列穿墙雷达、以色列Camero公司的Xaver-400等多款穿墙雷达产品也均能实现运动人体跟踪功能，它们的共同点是：在人数未知的前提下对建筑物内的目标实施跟踪，研究重心集中在墙体补偿和目标跟踪算法方面。实际上，为保证穿透性，发射电磁波的波长必须足够大，那么距离分辨率就会受限，同时考虑到穿透性和分辨率的要求，信号通常选择在0.5G-3G的频段内，假设在复杂封闭的狭小空间内对多目标进行探测，由于距离分辨率在穿墙后严重展宽为理论值的数倍，并考虑到穿墙雷达探测区域内多目标之间的相互遮挡、人体不同姿态引起的RCS起伏等影响，可能会造成一部分目标距离像丢失，无法实时准确地同时跟踪多个运动目标，这是穿墙雷达研究领域内一直悬而未决的难题。在这种情况下，通过“挖掘”回波信号中的有用信息判定出目标个数以辅助跟踪，将大大改善多目标跟踪的航迹质量，在一定程度上实现复杂建筑环境下多目标的实时准确跟踪。然而，却鲜有进行穿墙雷达目标个数判定技术的研究工作。

发明内容

本发明所要解决的技术问题是，提供一种从数据关联的角度出发的，基于穿墙雷达的活动人数判定方法。

本发明为解决上述技术问题所采用的技术方案是，一种基于距离和关联的穿墙雷达活动人数判定方法，其特征在于，包括以下步骤：

1）获取距离和平面：

穿墙雷达包含一个发射天线一个接收天线，接收天线分别采集连续周期的回波信号，根据回波信号处理生成峰值点距离和矩阵，再对峰值点距离和矩阵进行距离和分类处理，将矩阵中对应同一目标的距离和存放在同一列数组上得到距离和矩阵NP(N-1,K_c)；

2）活动人数判定：

(1)假定目标的数目为l，初始时l=l₀，l₀为可检测的最大目标数目；

(2)在距离和平面EP(N-1,K_c)中寻找出当前目标数目l对应的L个临界区域，所述当前目标数目l对应的临界区域为，在两段目标个数为l-1的连续行之间为目标个数为l的连续行的突增区域，或者在两段目标个数为l的连续行之间为目标个数为l-1的连续行之间为目标个数为l-2的连续行的突减区域；

(3)判断当前假定的目标数目是否满足l>1，若是，则转至步骤(4)；否则，进行单目标的判决得到最终判定活动目标数目l_F；

(4)判断当前目标数目l对应的临界区域数目L是否为0，如是，更新l=l-1后返回步骤(2)，否则，进行多目标的判决得到最终判定活动目标数目l_F；

所述单目标的判决的方法为：当距离和平面EP(N-1,K_c)中存在有1个目标存在的周期数大于预设单目标判决门限时，则最终判定活动目标数目l_F为1，否则，判定为无目标；

所述多目标的判决的方法为：依次对L个临界区域进行基于距离和关联的多目标判定来得到最终判定活动目标数目l_F；

每一次基于距离和关联的多目标判定的方法为：

确定当前假定的目标数目l，为当临界区域为突增区域的情况时，当满足距离和关联规则：

则表示为距离和关联成功，更新此次基于距离和关联的多目标判定的活动目标数目为l-1，否则判断此次基于距离和关联的多目标判定的活动目标数目为l；

其中，T₀表示脉冲周期，T₁表示l个目标出现所持续的脉冲周期门限，T₂表示l个目标出现前后的l-1个目标持续的脉冲周期门限，g为突变之前的l-1个目标持续的脉冲周期数，m-k为突变之后的l-1个目标持续的脉冲周期数，k-g为突增的l个目标持续的脉冲周期数，v表示人体目标最大运动速度，|r_k+1,j-r_g,i|表示突变发生时的目标i与突变结束时的目标j之间的距离；

确定当前假定的目标数目l，当临界区域为突减区域的情况时，满足满足距离和关联规则：

\{\begin{matrix} g > T \\ (m - k) > T \\ \frac{| r_{k + 1, j} - r_{g, i} |}{(k - g) \times T_{0}} < v \end{matrix};

其中，T表示l-2个目标出现前后的l-1个目标持续的脉冲周期门限；

当出现1次基于距离和关联失败后，则将最终判定活动目标数目l_F赋值为l，多目标的判决完成；否则，进行下一次的基于距离和关联的多目标判定；当L次基于距离和关联均关联成功，则将最终判定活动目标数目l_F赋值为l-1。

本发明从数据关联的角度出发，基于大量的实验数据，分析和总结复杂封闭的建筑环境下多目标随机运动时距离和的变化规律，多人在狭小空间内随机运动时，不可避免地会在一段时间内相互遮挡，造成回波的突变。本发明据此突变形成的临界区域作为判断房间内出现多运动目标的条件，再对临界区域中发生突变的目标数据进行关联从而确定运动目标数目。

进一步的，还提供一种为活动人数判定提供良好数据基础的获取距离和平面的方法。

本发明的有益效果是，能够对穿墙雷达进行活动人数提取，可辅助运动人体跟踪以改善航迹质量，提升复杂封闭建筑环境下多个目标的跟踪效果。

附图说明

图1为穿墙雷达距离和平面获取方法流程图。

图2为穿墙雷达活动人数判定方法流程图。

图3为情况1和情况2的临界区域示意图。

图4为穿墙雷达探测场景示意图。

图5为回波信号预处理后的原始距离像平面。

图6为抽取后的距离像平面。

图7为距离和分类后的距离和平面。

具体实施方式

本发明基于一发一收配置的便携式穿墙雷达，首先从回波数据中恢复原始距离像平面并进行动目标检测，采用二维滤波器滤除高频噪声后按理论分辨率进行抽取，得到平滑后待检测的距离像平面，其次对距离像平面的每个脉冲周期进行自适应双门限检测，并提取出极值点辅助距离单元凝聚，然后进行距离和分类处理获得距离和平面，分析和总结复杂封闭的建筑环境下多目标随机运动时距离和的变化规律，按照设定的准则完成距离和关联，判定出建筑空间内的活动人数，具体步骤如下：

1）获取距离和平面

T个脉冲周期的回波数据可以形成距离像平面，然后经过检测、凝聚、分类等处理后得到距离和平面EP(n-1,K_c)，流程如图1所示。具体步骤如下：

步骤1，针对接收天线分别采集的N个周期的回波，对每个脉冲进行包括重采样、去直流、加hamming窗、IFFT脉压的信号预处理，这样接收天线的回波信号经过预处理后形成一个包含快慢时间信息的二维数据矩阵，共形成原始距离像平面D(N,M)，其中N为脉冲周期总数，即慢时间，M为距离单元总数，即快时间。

步骤2，针对原始距离像平面D(N,M)中的每一行数据，首先对系统及电缆中的信号传输延时τ进行补偿，然后按照距离单元求和（即按列求和）后，在大于M_min=round(M·R_w/R_max)的范围内，提取出最大值对应的距离单元作为后墙位置l辅助距离像平面截断，仅保留后墙位置之前的距离单元，得到距离像平面BD(N,K)，其中R_w表示房间前墙回波拖尾处的距离，K表示房间后墙之前的距离单元总数。

步骤3，对数据矩阵BD(N,K)分别按列进行MTI滤波以平均对消抑制杂波，形成数据矩阵BS(N-1,K)；MTI表示为BS(n,k)=BD(n+1,k)-BD(n,k);n=1,2,…N-1;k=1,2,…,K，即每列每个元素减去本列上一个元素的差值。

步骤4，对数据矩阵BS(N-1,K)分别进行二维低通滤波以抑制高频杂波，形成数据矩阵AS(N-1,K)，其中低通滤波表示为AS(N-1,K)=DS(N-1,K)

其中

表示二维卷积符号，F(X,Y)表示低通FIR滤波器的系统函数。

步骤5，对数据矩阵AS(N-1,K)按理想分辨率进行抽取，并获取抽取倍数范围内的最大幅度信息，得到幅值矩阵CS(N-1,K_c)，同时保留对应的距离信息，得到距离和矩阵P(N-1,K_c)，其中，K_c表示抽取后的距离单元总数，抽取倍数D=round(K·ΔR/R_max)，ΔR为理想距离分辨率，R_max为后墙截断后的最大距离。

步骤6，对幅值矩阵CS(N-1,K_c)的每一行归一化后进行双门限检测，即高于门限的元素保留原始值，低于门限则置为0，形成幅值矩阵RS(N-1,K_c)，门限值为：

G (n) = \max (\frac{1}{K_{C}} Σ_{k = 1}^{K_{C}} {CS}_{n} (k) / \max ({CS}_{n}), N_{noise} / \max ({CS}_{n})) + Δ_{factor}

其中，max表示取最大值，n为行数，n=1,2,…,N-1；CS_n表示矩阵CS(N-1,K_c)中的第n行，CS_n(k)表示矩阵CS(N-1,K_c)中的第n行第k列的元素值；N_noise为噪声基底，Δ_factor为冗余量。

步骤7，对幅值矩阵RS(N-1,K_c)的每一行做二阶差分，二阶差分小于0的单元即为极大值，保留其原有值，其他单元置为零，得到幅值矩阵WS(N-1,K_c)。

步骤8，针对幅值矩阵WS(N-1,K_c)，假定其每个脉冲周期(每一行)的幅值向量定义为a=WS(n,K_c),n=1,2,…,N-1，从a中第一个极大值点开始，将L个距离单元内的极大值点凝聚为一个，保留中间点作为输出，然后依次向后寻找极大值点，重复上述的凝聚过程，直到每一行所有极大值点都完成凝聚，得到凝聚后的幅值矩阵QS(N-1,K_c)。

步骤9，对幅值矩阵QS(N-1,K_c)进行二值化处理，大于零的元素置为1，再与距离和矩阵P(N-1,K_c)对应相乘，得到新的距离和矩阵NP(N-1,K_c)。

步骤10，对距离和矩阵NP(N-1,K_c)进行距离和分类处理，采用N'/M'原则按行依次滑窗，在每个包含M'行数据的窗口内，根据距离和分类的关联准则，将两个距离和矩阵中每个目标的距离和存成一列数组（满足距离和关联准则的距离和认定为属于同一目标），并将距离和个数少于N'的列认为是虚警，予以删除，得到最终的距离和平面EP(N-1,K_c)，其中关联准则为|NP(m+1,j)-NP(m,k)|<Rclassify;j,k=1,2,…,K_c,m=1,2,…,M'-1，R_classify为关联门限值。

2）活动人数判定

在距离和平面EP(N-1,K_c)中寻找出全部临界区域的个数L，根据距离和关联准则进行关联以判定人数，流程如图2所示。具体步骤如下：

(2)在距离和平面EP(N-1,K_c)中寻找出当前目标数目l对应的L个临界区域，所述当前目标数目l对应的临界区域为，在两段目标个数为l-1的连续行之间为目标个数为l的连续行的突增区域，或者在两段目标个数为l的连续行之间为目标个数为l的连续行之间为目标个数为l-1的连续行的突减区域；

(3)判断当前假定的目标数目是否满足l>1，若是，则转至步骤(4)；否则，进行单目标的判决得到最终判定活动目标数目l_F。

(4)判断当前目标数目l对应的临界区域数目L大于为0，如否，更新l=l-1，返回步骤(2)，如是，进行多目标的判决得到最终判定活动目标数目l_F。

需要说明的是：

将目标个数可能发生突变的多个脉冲周期定义为临界区域，假定目标个数为l(l>1)，那么其对应“临界区域”就可以认为是可能出现l个目标且相邻脉冲周期中的目标个数发生“突变”的“局部”时间段，根据大量的实测数据分析，“突变”规律通常有且只有两种情况：突增l-1→l→l-1和突减l→l-1→l，以此将“临界区域”分为两类，如图2所示：

情况1：突增

临界区域分为三个部分，目标个数为l-1的g个周期，目标个数为l的k-g个周期(灰色阴影区)和目标个数为l-1的m-k个周期。情况1表示在第g+1个周期，第i个距离单元内突然出现目标，且在第k+1个周期，第j个距离单元内的目标突然消失。

情况2：突减

临界区域也分为三个部分，目标个数为l-1的g个周期，目标个数为l-2的k-g个周期(灰色阴影区)和目标个数为l-1的m-k个周期。情况2表示在第k+1个周期，第i个距离单元内突然出现目标，且在第g+1个周期，第j个距离单元内的目标突然消失。

基于距离和关联的判决准则仅在多目标的前提条件下有效，需要另外设定的单目标判决则来辅助判定目标个数，具体判决准则如下：

1、基于距离和关联的多目标判定

在多目标的情况下，临界区域内通过设置速度波门进行距离和关联，门限为v，v表示人体目标最大运动速度，对于情况1，关联准则可以用数学表达式表示为：

其中，T₀表示脉冲周期，T₁表示l个目标出现所持续的脉冲周期门限，T₂表示l个目标出现前后的l-1个目标持续的脉冲周期门限，_g为突变之前的l-1个目标持续的脉冲周期数，m-k为突变之后的l-1个目标持续的脉冲周期数，k-g为突增的l个目标持续的脉冲周期数，v表示人体目标最大运动速度，|r_k+1,j-r_g,i|表示突变发生时的目标i与突变结束时的目标j之间的距离。若该临界区域内的距离和同时满足以上关联准则，则距离和关联成功。

对于情况2，关联准则可以用数学表达式表示为：

\{\begin{matrix} g > T \\ (m - k) > T \\ \frac{| r_{k + 1, j} - r_{g, i} |}{(k - g) \times T_{0}} < v \end{matrix};

其中，T表示l-2个目标出现前后的l-1个目标持续的脉冲周期门限。若该“临界区域”内的距离和满足以上关联准则，则距离和关联成功。

综上所述，在l个目标对应包含这两种情况的所有“临界区域”内，若至少存在l个临界时段内距离和关联失败，则判定为l个目标；否则，判定为l-1个目标。

2、基于统计原理的单目标判定

在单目标的情况下，通过统计距离和中有目标存在的脉冲周期数所占的比例来判定目标是否存在，判定准则可以有数学表达式表示为：

\frac{M}{N} > Ratio

其中，N表示总脉冲周期数，M表示有目标存在的周期数，Ratio是判决门限。若满足判定准则，判定为1个目标；否则，判定为无目标。

在办公室、宾馆等普通房间内探测时最大目标个数必须满足条件：l₀≤5。

实施例

一部一发一收配置的步进频穿墙雷达探测场景如图4所示，穿墙雷达系统紧贴墙壁放置在中间位置，发射1GHz-2GHz的步进频率连续波信号，步进间隔为2M，脉冲周期为50ms，对墙后大约4m×3.5m的狭小房间内两个随机活动人体目标实施穿墙探测，墙壁材料为粘土砖，厚度大约为30cm，两堵墙之间的距离大约为3.5m。

基于上述所示的穿墙雷达系统探测场景，本发明的具体工作流程如下：

（1）采用一发一收穿墙雷达系统发射步进频率连续波信号，在大约35秒内连续接收的705个周期回波信号进行重采样、去直流、加hamming窗、IFFT脉压等预处理，获取原始距离像平面D(N,M)，如图5所示。

（2）根据上述本发明的流程，对原始距离像平面D(N,M)进行检测前处理，对信号在系统及电缆中传输延时τ=11.72ns对应的距离l=3.516m进行补偿，并提取出后墙位置p=3.9936m辅助截断以确定探测区域，再在距离像平面上进行二维滤波，距离向和方位向的截止频率分别设置为ω_Rc=0.25×2π和ω_ρc=0.125×2π，然后按照理论距离分别率ΔR=15cm完成距离单元抽取，形成新的距离像平面CS(N-1,K_c)，如图6所示。

（3）对距离像平面CS(N-1,K_c)的每一个脉冲周期进行双门限检测，其中噪声基底N_noise=30，冗余量Δ_factor=0.15，高于门限的元素保留原有值，低于门限则置为0，然后根据二阶差分的值提取出极值，并根据极值点的幅值和位置完成距离单元的凝聚，进一步地，采用N'/M'准则按行依次滑窗，逐步进行距离和分类处理，即在每个包含M'行数据的窗口内按照分类关联准则将两个距离和矩阵中各个目标的距离存成一列数组，若每列的距离个数少于N'认为是虚警，予以删除，其中N'=15(周期)、M'=30(周期)，分类处理后获取最终的距离和平面EP(N-1,K_c)如图7所示。

（4）根据穿墙雷达活动人数判定方法流程，初始时假定l₀=5，依次递减，在距离和平面EP(N-1,K_c)中进行遍历搜索，直到能够获取其对应的“临界区域”为止，然后在所有的临界区域内，按照预定的多目标判决准则判定人数(v=1.5m/s,T₁=20,T₂=10)。若距离和平面EP(N-1,K_c)不满足多目标判决准则的条件，则按照单目标的判决准则完成人数判定(Ratio通常设置为0.8)。最终判定房间内的人数为2人。

Claims

1.一种基于距离和关联的穿墙雷达活动人数判定方法，其特征在于，包括以下步骤：

1）获取距离和平面：

2）活动人数判定：

每一次基于距离和关联的多目标判定的方法为：

确定当前假定的目标数目l，当临界区域为突减区域的情况时，满足距离和关联规则：

\{\begin{matrix} g > T \\ (m - k) > T \\ \frac{| r_{k + 1, j} - r_{g, i} |}{(k - g) \times T_{0}} < v \end{matrix};

2.如权利要求1所述一种基于距离和关联的穿墙雷达活动人数判定方法，其特征在于，可检测的最大目标数目l₀为5。

3.如权利要求1所述一种基于距离和关联的穿墙雷达活动人数判定方法，其特征在于，所述单目标的判决的方法为：统计距离和平面EP(N-1,K_c)中存在有1个目标存在的周期数M，判断是否满足N表示天线接收的总脉冲周期数，Ratio为预设单目标判决门限。

4.如权利要求1所述一种基于距离和关联的穿墙雷达活动人数判定方法，其特征在于，步骤1）获取距离和平面的具体方法为：

预处理步骤：穿墙雷达包含一个发射天线、一个接收天线，接收天线采集N个周期的回波信号；经过预处理后形成包含快慢时间信息的二维数据矩阵表示原始距离像平面D(N,M)，其中N为脉冲周期总数，M为距离和单元总数；距离和是指，电磁波从发射天线到达目标后再返回接收天线的延时在自由空间的等效距离；

检测区域截断步骤：对原始距离像平面D(N,M)进行检测区域截断，保留后墙之前的区域，得到距离像平面BD(N,K)，K表示待检测的房间的后墙位置距离和；

滤波步骤：对距离像平面BD(N,K)进行动目标检测MTI滤波处理得到数据矩阵AS(N-1,K)；

距离和矩阵生成步骤：对数据矩阵AS(N-1,K)进行降采样得到幅值矩阵CS(N-1,K_c)并保存幅值矩阵CS(N-1,K_c)中每个元素对应的距离和，并将矩阵CS(N-1,K_c)中每个元素对应的距离和替换为元素值，得到距离和矩阵P(N-1,K_c)；K_c表示降采样后的总列数；

自适应门限步骤：对幅值矩阵CS(N-1,K_c)的每一个脉冲周期归一化后分别以门限G(n)进行检测，高于门限的元素保留原始值，低于门限则置为0，形成幅值矩阵RS(N-1,K_c)；

G (n) = \max (\frac{1}{K_{C}} Σ_{k = 1}^{K_{C}} {CS}_{n} (k) / \max ({CS}_{n}), N_{noise} / \max ({CS}_{n})) + Δ_{factor}

其中，max表示取最大值，n为行数，n=1,2,…,N-1；CS_n表示矩阵CS(N-1,K_c)中的第n行，CS_n(k)表示矩阵CS(N-1,K_c)中的第n行第k列的元素值；N_noise为噪声基底，Δ_factor为冗余量；

峰值点距离和矩阵生成步骤：对幅值矩阵RS(N-1,K_c)的每一行求极大值，保留极大值所在位置的元素值，其他元素的元素值置为零，得到幅值矩阵WS(N-1,K_c)，并进行凝聚处理得到幅值矩阵QS(N-1,K_c)；对幅值矩阵QS(N-1,K_c)进行二值化处理，将大于零的元素值置为1，再将二值化后的矩阵与对应距离和矩阵P(N-1,K_c)相乘，得到距离和矩阵NP(N-1,K_c)；

分类处理步骤：对距离和矩阵NP(N-1,K_c)进行距离和分类处理，依次滑窗，在每个包含M'行数据的窗口内，将相邻列上的元素的元素值之差小于门限值R_classify的关联为同一目标的点迹，将关联为同一目标的元素置于同一列上；当M'行数据的窗口内属于同一目标的元素个数少于N'时，将该目标下的元素值置为0，得到距离和平面EP(N-1,K_c)。

5.如权利要求4所述一种基于距离和关联的穿墙雷达活动人数判定方法，其特征在于，峰值点距离和矩阵生成步骤中，得到幅值矩阵WS(N-1,K_c)之后，进行矩阵二值化处理之前还包括：对幅值矩阵WS(N-1,K_c)中每一行的极大值点依次向后进行凝聚处理，得到凝聚后的幅值矩阵QS(N-1,K_c)；所述凝聚处理为从每一行的第一个极大值点开始将连续L个的极大值点凝聚为一个，保留中间点的元素值，其余元素的值置0；所述L为先验人体回波宽度。