CN104237865A - 一种基于太赫兹雷达回波的人体目标微动信号时频分析方法 - Google Patents

Abstract

本发明提供了一种基于太赫兹雷达回波的人体目标微动信号时频分析方法，首先建立太赫兹雷达多散射中心的人体目标回波信号模型，离散回波信号及核函数，计算双线性函数及其与核函数的离散卷积，在每一个离散频率点m，对离散卷积结果进行离散傅里叶变换，最后得到回波信号的B分布时频域谱图，从图中可以观察出手臂，腿部的运动周期和频率，可以进行人体目标的步态识别。本发明解决了在进行人体目标回波信号时频分析中，WD方法存在比较严重的交叉项，PWD方法分辨力降低，STFT方法能量聚集性差、分辨力不够的问题。

Description

一种基于太赫兹雷达回波的人体目标微动信号时频分析方法

技术领域

本发明属于雷达信号处理技术领域，尤其涉及一种基于太赫兹雷达回波的人体目标微动信号时频分析方法。

背景技术

在使用雷达对人体进行探测时，雷达回波人体特征提取是其关键环节，从雷达回波中提取有用的人体特征信息的精确与否，直接决定雷达人体探测的效果。人身体各部位运动形式的不一样，人体目标是多散射中心目标，人体各个部位的运动对雷达回波相位产生调制，因此雷达回波中含有多频率分量的微动信号。要实现对人体目标的探测识别，就要达到对多散射中心的多微动信号回波微多普勒特征进行分析，然而基于传统的傅里叶变换频谱分析不再适合。目前对于人体目标雷达回波多微多普勒特征的研究主要基于时频谱分析。目前所使用的时频分析方法主要是WVD，PWVD，STFT。

当处理多分量信号时，WD存在比较严重的交叉项，PWD对于任意阶次的多项式调频信号都可以获得该信号瞬时频率的delta函数，克服交叉项的影响。但是PWD是以牺牲计算性能以及分辨力为代价的，抑制了交叉项，降低了分辨力。STFT虽然不存在交叉项的干扰，但是它的能量聚集性差，精度不够。

发明内容

本发明的目的在于提供一种一种基于太赫兹雷达回波的人体目标微动信号时频分析方法，旨在解决克服现有用于人体目标多微动信号时频谱分析不足的问题。

本发明是这样实现的，一种基于太赫兹雷达回波的人体目标微动信号时频分析方法，包括以下步骤：

S1、建立人体目标包含运动特征的太赫兹雷达回波模型；

S2、构建B分布；

S3、通过B分布获得回波信号的时频图，在时频谱进行人体运动特征分析。

优选地，所述步骤S2具体包括以下步骤：

(1)对太赫兹雷达回波模型中的回波信号进行采样，获得其离散形式信号s(n)，计算双线性函数；

(2)计算核函数的离散形式。

优选地，所述双线性函数为：

K_s(n,m)＝s(n+m)·s^*(n-m)，

其中，n为离散域时间点，m为离散域时间延迟点，s^*(n)为s(n)的共轭。

优选地，所述核函数的离散形式用函数定义为：

$\mathrm{\Φ}(n,m)={\left[\frac{|m\·T|}{{\cosh }^2(n\·T)}\right]}^{\mathrm{\α}},$

其中，Φ(n,m)的连续形式为T为采样时间，假设T＝1，α是一个实参数，它的变化范围是在0到1之间(0<a≦1)，通常取a＝0.01。

优选地，所述步骤S3具体为：在时间离散点上，计算双线性函数和核函数的离散卷积，在每一个离散频率点，对离散卷积结果进行傅里叶变换，得到回波信号的B分布的时频域结果，进而对人体目标运动特征微动信号的分析，进行步态识别。

优选地，在步骤S3中，所述B分布的时频域结果B(n,w)用函数定义为：

$B(n,w)=\underset{m=-M}{\overset{M}{\mathrm{\&Sigma;}}}\underset{p=-M}{\overset{M}{\mathrm{\&Sigma;}}}h\left(m\right)\mathrm{\&Phi;}(p,m)s(n+p+\frac{1}{2}m)s^{*}(n+p-\frac{1}{2}m)e^{-j2\mathrm{\&pi;mw}},$

其中，h(m)为矩形窗，它的长度为2M+1，n为离散时间，m为离散时间延迟，p为运算中时间n的中间变量，Φ(n,m)为核函数，s^*(n)为回波离散信号s(n)的共轭。

相比于现有技术的缺点和不足，本发明具有以下有益效果：本发明首先建立太赫兹雷达多散射中心的人体目标回波信号模型，离散回波信号及核函数，计算双线性函数及其与核函数的离散卷积，在每一个离散频率点m，对离散卷积结果进行离散傅里叶变换，最后得到回波信号的B分布时频域谱图，从图中可以观察出手臂，腿部的运动周期和频率，可以进行人体目标的步态识别。本发明解决了在进行人体目标回波信号时频分析中，WD方法存在比较严重的交叉项，PWD方法分辨力降低，STFT方法能量聚集性差、分辨力不够的问题。

附图说明

图1是基于太赫兹雷达回波的人体目标微动信号时频分析方法的步骤流程图；

图2是本发明实施例中核函数的时域图；

图3是本发明实施例中核函数的频域图；

图4是本发明实施例中目标回波信号的B分布时频图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

一种基于太赫兹雷达回波的人体目标微动信号时频分析方法，如图1所示，包括以下步骤：

S1、建立人体目标包含运动特征的太赫兹雷达回波模型

在步骤S1中，当太赫兹雷达发射的电磁波照射到人体并被人体反射后，雷达接收机接收到的去载频雷达回波信号为：

$S\left(t\right)=A_0{e}^{-j2\mathrm{\&pi;}\left(2{\mathrm{\&lambda;}}^{-1}{R}_0\right)}+\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{A}_i{e}^{-j2\mathrm{\&pi;}\left(2{\mathrm{\&lambda;}}^{-1}{R}_i\left(t\right)\right)},$

式中λ＝c/f_c为信号波长，f_c为发射信号载频，c为光速，为人体躯干产生的静态回波，R₀为人体躯干相对于雷达的径向距离、R₀(t)＝R₀+vt，v为人体相对雷达的径向速度，R₀为人体与雷达的距离，v为人体相对雷达的径向速度，A₁为其回波幅度；为人体各关节散射中心产生的回波信号，R_i(t)为人体各关节散射中心相对于雷达的径向距离、A_i为其回波幅度。R_i(t)为人体各关节简的简化模型：R_i(t)＝R₀+r_isin(2πf_it+θ_i)，其中，r_i为各关节的幅度，θ_i为各关节的初始相位，f_i为人体运动时各关节的频率。

S2、构建B分布

步骤S2更具体包括：

(1)对太赫兹雷达回波模型中的回波信号进行采样，获得其离散形式信号s(n)，计算双线性函数

在步骤(1)中，所述双线性函数为：

K_s(n,m)＝s(n+m)·s^*(n-m)，

其中，n为离散域时间点，m为离散域时间延迟点，s^*(n)为s(n)的共轭。

(2)计算核函数的离散形式。

在步骤(2)中，所述核函数的离散形式用函数定义为：

$\mathrm{\&Phi;}(n,m)={\left[\frac{|m\&CenterDot;T|}{{\cosh }^2(n\&CenterDot;T)}\right]}^{\mathrm{\&alpha;}},$

其中，Φ(n,m)的连续形式为T为采样时间，采样频率fs＝1/T，t＝n·T，时间延迟τ＝m·T。总的持续时间T_s＝N·T，N是总的采样点数。为了简单而不使一般性，假设T＝1，Φ(t,τ)的傅里叶变换动集中在原点附近，同时具有陡峭的阻带边缘，可以有很好的时频分辨力；通过改变α的数值，可以控制通过其自项强度以及交叉项的削弱程度。α是一个实参数，控制着二维滤波器在模糊度域的截止边缘的尖锐程度。α值的选择是独立于信号形式的，它的变化范围是在0到1之间(0<a≦1)。通常，取a＝0.01时，就可以得到很好的时频分辨能力，同时交叉项的抑制效果较好。当然，这个取值仅是一个提示而已，并不适合于所有的情况。a参数的选择以及它的取值最优的问题，将来还需要进行更深入的研究。函数(其中τ＝1,α＝1)的时域图，如图2所示，函数(其中τ＝1,α＝1)经傅里叶变换后的频域图，如图3所示。

S3、通过B分布获得回波信号的时频图，在时频谱进行人体运动特征分析

在步骤S3中，在时间离散点n上，计算双线性函数K_s(n,m)和的离散卷积，在每一个离散频率点m，对离散卷积结果进行傅里叶变换，得到回波信号的B分布的时频域结果：

$B(n,w)=\underset{m=-M}{\overset{M}{\mathrm{\&Sigma;}}}\underset{p=-M}{\overset{M}{\mathrm{\&Sigma;}}}h\left(m\right)\mathrm{\&Phi;}(p,m)s(n+p+\frac{1}{2}m)s^{*}(n+p-\frac{1}{2}m)e^{-j2\mathrm{\&pi;mw}},$

其中，h(m)为矩形窗，它的长度为2M+1，n为离散时间，m为离散时间延迟，p为运算中时间n中间变量，Φ(p,m)为核函数，s^*(n)为回波离散信号s(n)的共轭。

根据B分布的时频域结果，进而可以进行人体目标运动特征微动信号的分析，得到人体目标回波信号的B分布时频图，如图4所示，从时频图中可以分析各关节的瞬时频率变换，进而进行步态识别。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于太赫兹雷达回波的人体目标微动信号时频分析方法，其特征在于包括以下步骤：

S1、建立人体目标包含运动特征的太赫兹雷达回波模型；

S2、构建B分布；

S3、通过B分布获得回波信号的时频图，在时频谱进行人体运动特征分析。

2.如权利要求1所述的基于太赫兹雷达回波的人体目标微动信号时频分析方法，其特征在于，所述步骤S2具体包括以下步骤：

(1)对太赫兹雷达回波模型中的回波信号进行采样，获得其离散形式信号s(n)，计算双线性函数；

(2)计算核函数的离散形式。

3.如权利要求2所述的基于太赫兹雷达回波的人体目标微动信号时频分析方法，其特征在于，所述双线性函数为：

K_s(n,m)＝s(n+m)·s^*(n-m)，

其中，n为离散域时间点，m为离散域时间延迟点，s^*(n)为s(n)的共轭。

4.如权利要求3所述的基于太赫兹雷达回波的人体目标微动信号时频分析方法，其特征在于，所述核函数的离散形式用函数定义为：

$\mathrm{\&Phi;}(n,m)={\left[\frac{|m\&CenterDot;T|}{{\cosh }^2(n\&CenterDot;T)}\right]}^{\mathrm{\&alpha;}},$

其中，Φ(n,m)的连续形式为T为采样时间，假设T＝1，α是一个实参数，它的变化范围是在0到1之间(0<a≦1)，通常取a＝0.01。

5.如权利要求1所述的基于太赫兹雷达回波的人体目标微动信号时频分析方法，其特征在于，所述步骤S3具体为：在时间离散点上，计算双线性函数和核函数的离散卷积，在每一个离散频率点，对离散卷积结果进行傅里叶变换，得到回波信号的B分布的时频域结果，进而对人体目标运动特征微动信号的分析，进行步态识别。

6.如权利要求5所述的基于太赫兹雷达回波的人体目标微动信号时频分析方法，其特征在于，在步骤S3中，所述B分布的时频域结果B(n,w)用函数定义为：

$B(n,w)=\underset{m=-M}{\overset{M}{\mathrm{\&Sigma;}}}\underset{p=-M}{\overset{M}{\mathrm{\&Sigma;}}}h\left(m\right)\mathrm{\&Phi;}(p,m)s(n+p+\frac{1}{2}m)s^{*}(n+p-\frac{1}{2}m)e^{-j2\mathrm{\&pi;mw}},$

其中，h(m)为矩形窗，它的长度为2M+1，n为离散时间，m为离散时间延迟，p为运算中时间n的中间变量，Φ(n,m)为核函数，s^*(n)为回波离散信号s(n)的共轭。