CN106019271A - 一种基于变分模态分解的多人穿墙时变呼吸信号检测方法 - Google Patents

Abstract

本发明公开了一种基于变分模态分解(VMD)的多人穿墙时变呼吸信号检测方法，步骤如下：超宽带发射天线发射窄脉冲经过人体胸腔微多普勒的振动，回波经过接收天线接收，超宽带雷达回波经过慢时采样得到穿墙人体回波信号矩阵；通过距离门选择算法计算每个距离门的方差，并求出方差最大的即多人目标存在的距离门并采用低通滤波器消除高频干扰和多余频域成分；对滤波后的信号使用VMD算法进行模态分解，迭代子信号，得到一个符合呼吸个数和频段的有效呼吸信息；进行希尔伯特变换进行时频处理，得到包含平滑呼吸特征的动态瞬时信息。本发明能够有效的消除不同呼吸成分的干扰谐波，去除墙面干扰，增强微弱呼吸信号，具有强抗干扰性，以及精确的时变追踪特性。

Description

一种基于变分模态分解的多人穿墙时变呼吸信号检测方法

技术领域

本发明属于雷达探测技术领域，特别是一种基于变分模态分解(VMD)的多人穿墙时变呼吸信号检测方法。

背景技术

多人穿墙定位技术被越来越多的应用到灾难搜救，反恐突袭，反恐救援等应用中，而由于超宽带信号的良好穿透性，和高的分辨率，所以采用超宽带雷达对墙体后目标的探测受到越来越广泛的认可，在穿墙探测领域有很多课题，如室内目标定位，人体步态检测，穿墙人体成像等，而同时，随着生物医学科技的兴起，非接触式穿墙生命体征检测成为了如今一个新兴的课题。

现阶段穿墙生命体征的检测主要集中在单人呼吸检测，但也有少量团队进行着多人呼吸穿墙检测的研究，而为了保证对目标的分辨率要求和信号过墙的穿透度，穿墙探测多采用超宽带信号进行，超宽带信号定义为带宽与中心频率比值大于25％的信号(相对超宽带信号的定义)。但是由于目前检测方法单一，无法进行动态跟踪的检测，穿墙多人呼吸检测有着有很大的研究空间，美国田纳西大学的研究团队采用连续波雷达对木墙后2人目标进行检测，但采用傅里叶变换的方法仅仅能进行行走步态的检测，并且连续波雷达并不具备很强的穿透性，所以无法胜任许多复杂环境的检测任务，中国吉林大学的团队使用超宽带雷达对水泥墙后2个静止目标进行检测，然而由于所用雷达检测精度的限制，实际测试中无法得到清晰的呼吸波形，难以进行进一步的研究。综上所述，简单的傅里叶变换无法去除低频干扰和呼吸谐波，也无法得到呼吸的动态变化趋势，所以基于简单频域分析的穿墙多人呼吸检测算法在实际应用中存在很大的局限性。

发明内容

本发明的目的在于提供一种基于变分模态分解(VMD)的多人穿墙时变呼吸信号检测方法，使用模态分解的方法，对信号中呼吸模态进行准确区分，并追踪其动态趋势，实现多目标呼吸信号的提取和分离。

实现本发明目的的技术解决方案为：一种基于变分模态分解的多人穿墙时变呼吸信号检测方法，包括以下步骤：

步骤1，多人穿墙呼吸目标的快慢时回波数据通过超宽带雷达发射和接收，接收天线得到一个M个距离门，N个脉冲的数据矩阵s(M,N)；

步骤2，对数据矩阵s(M,N)进行距离门选择、低通滤波，得到包含多人呼吸特征的单个距离门回波信号f₀(t)；

步骤3，采用VMD即变分模态分解得到包含多人呼吸特征的子信号μ_k(t)；

步骤4，使用希尔伯特算法对子信号μ_k(t)进行时频处理得到穿墙动态变化的多人呼吸波形。

进一步地，步骤2所述对数据矩阵s(M,N)进行距离门选择、低通滤波，得到包含多人呼吸特征的单个距离门回波信号f₀(t)，步骤如下：

(2.1)通过滑窗最大方差法得到变化最大的距离门V_j，公式为：

$V_j={(x_{j,1}-\stackrel{\‾}{x_j})}^2+...+{(x_{j,n}-\stackrel{\‾}{x_j})}^2+...+{(x_{j,N}-\stackrel{\‾}{x_j})}^2;---\left(1\right)$

其中，j＝[1,2,...,M]为距离门的编号，n＝[1,2,...,N]为脉冲的编号，其中M为距离门的总数，N为脉冲总数，x_j,n为第j个距离门的第n个慢时采样；

(2.2)通过计算得到能量最大距离门V_max即为所要求的具有穿墙多人呼吸特征的距离门，公式为：

V_max＝max(V_j) (2)

(2.3)从V_max中提取出超宽带雷达回波中的原始人体回波信号f_v(t)；

(2.4)将f_v(t)通过低通滤波器滤除高频干扰和呼吸高次谐波，得到包含多人呼吸特征的单个距离门回波信号f₀(t)。

进一步地，步骤3所述采用VMD即变分模态分解得到包含多人呼吸特征的子信号μ_k(t)，包括如下步骤：

(3.1)镜像延拓原始回波信号f₀(t)生成包含多人呼吸信息的信号f(t)；

(3.2)对步骤(3.1)获得的多人穿墙延拓信号做傅里叶变换到频域，得到信号f(ω)；

(3.3)设定最大迭代次数N₀，初始化选择带宽α，子信号个数K，子信号μ_k，子信号中心频率ω_k，拉格朗日乘子λ(ω)，噪声因子τ，噪声松弛情况下τ为0，收敛标准tol＝1E-6；

(3.4)根据步骤(3.2)和步骤(3.3)中的初始变量，迭代第n+1次更新含有呼吸成分的子信号μ_k为：

${\widehat{\mathrm{\μ}}}_k^{n+1}=\frac{\hat{f}\left(\mathrm{\ω}\right)-{\Σ}_{i\≠k}{\hat{u}}_i\left(\mathrm{\ω}\right)+\frac{\widehat{\mathrm{\λ}}\left(\mathrm{\ω}\right)}{2}}{1+2\mathrm{\α}{(\mathrm{\ω}-{\mathrm{\ω}}_k)}^2}---\left(3\right)$

其中，i表示第i个呼吸子信号，1≤i≤K，1≤k≤K；ω为信号频率，为信号f(t)的傅里叶变换、代表得到的第i个子呼吸信号的傅里叶变换，为拉格朗日乘子的频域表示；

(3.5)计算更新拉格朗日乘子τ为噪声因子；

(3.6)如果或n＞N₀，则迭代停止，否则返回执行步骤3.4-3.5，ε表示判别约束条件，ε＞0，N₀表示最大迭代次数；

(3.7)根据正常呼吸的频域范围0.1Hz-0.6Hz筛选呼吸信号模态获得的K个呼吸信号；

(3.8)对K个呼吸信号模态进行逆傅里叶变换，最后解除镜像延拓使各分量恢复与原信号f(t)相同的时域长度，分别输出K个人的呼吸子信号μ_k(t)。

进一步地，步骤4所述使用希尔伯特算法对子信号μ_k(t)进行时频处理得到穿墙动态变化的多人呼吸波形，具体如下：

(4.1)将有效的多人呼吸子信号μ_k(t)通过希尔伯特变换，得到瞬时频率信号

(4.2)对进行平滑操作去除随机波动得到平滑后的信号f_i(t)，公式为：

$f_i\left(t\right)=\frac{1}{T}{\∫}_{-2/T}^{+2/T}{\hat{f}}_i\left(\mathrm{\σ}\right)W(\mathrm{\σ}-t)d\mathrm{\σ},(i=1,2,3,\mathrm{...});---\left(4\right)$

其中σ表示卷积变量，W(t)为一个矩形窗，长度T选取为选定呼吸模态的三倍振荡周期、高度为1；

(4.3)通过求和f_i(t)，得到信号f(t)作为不含有墙面干扰，谐波干扰，并具有动态呼吸跟踪特性的多人穿墙时变呼吸信号的结果。

本发明与现有技术相比，其显著优点在于：(1)结合了滑窗估计，极大方差法，VMD算法，希尔伯特变换估计，实现了对多目标动态呼吸特征的同步追踪；(2)消除了墙面干扰，高频噪声，呼吸谐波对待求呼吸信号的干扰，从而保证了对目标信号动态特性清晰的提取；(3)具有强抗干扰性和精确的时变追踪特性，实用性较强。

附图说明

图1为本发明基于VMD的多人穿墙时变呼吸信号检测方法的流程框图。

图2为典型的穿墙多人探测场景示意图。

图3为本发明的由采集数据经过距离选择算法得到的原始呼吸信号波形图。

图4为本发明经过VMD算法重构得到的目标呼吸动态信号时域波形图，其中(a)A目标的呼吸动态信号时域波形图，(b)为B目标的呼吸动态信号时域波形图。

图5为VMD算法重构得到的目标呼吸信号FFT频谱图。

图6为经过希尔伯特变换得到的二人瞬时呼吸信号波形图。

具体实施方式

本发明基于超宽带雷达进行多人穿墙呼吸特征时变的获取，利用UWB接收天线接收的回波经过慢时采样得到穿墙人体回波信号矩阵，进而使用距离门选择算法计算得到多人呼吸目标存在的距离门，低通滤波器消除高频干扰和多余频域成分后，使用变分模态分解(VMD)算法进行模态分解，得到有效模态信号并进行希尔伯特变换，得到时间段内多人呼吸信号的时变特性。通过以上方法获得呼吸信号的是时变信息，同时保证了强抗干扰性和精确的时变追踪特性和很强的实用性。

本发明基于VMD算法的多人穿墙时变呼吸信号检测方法，如图1所示，包括以下步骤；

步骤1，多人穿墙呼吸目标的快慢时回波数据通过超宽带雷达发射和接收，接收天线得到一个M个距离门(快时)，N个脉冲(慢时)的数据矩阵s(M,N)；

穿墙雷达发射信号为超宽带信号，由接收天线得到一个由512个距离门，N个脉冲组成的数据矩阵s(512,N)。

步骤2，对数据矩阵s(M,N)进行距离门选择、低通滤波，得到包含多人呼吸特征的单个距离门回波信号f₀(t)；

(2.1)通过滑窗最大方差法得到变化最大的距离门V_j，公式为：

$V_j={(x_{j,1}-\stackrel{\‾}{x_j})}^2+\mathrm{...}+{(x_{j,n}-\stackrel{\‾}{x_j})}^2+\mathrm{...}+{(x_{j,N}-\stackrel{\‾}{x_j})}^2;---\left(1\right)$

其中，j＝[1,2,...,M]为距离门的编号，n＝[1,2,...,N]为脉冲的编号，其中M为距离门的总数，N为脉冲总数，x_j,n为第j个距离门的第n个慢时采样；

(2.2)通过计算得到能量最大距离门V_max即为所要求的具有穿墙多人呼吸特征的距离门，公式为：

V_max＝max(V_j)； (2)

(2.3)从V_max中提取出超宽带雷达回波中的原始人体回波信号f_v(t)；

(2.4)将f_v(t)通过低通滤波器滤除高频干扰和呼吸高次谐波，得到包含多人呼吸特征的单个距离门回波信号f₀(t)。

步骤3，采用VMD即变分模态分解得到包含多人呼吸特征的子信号μ_k(t)，其中K为目标数。

(3.1)镜像延拓原始回波信号f₀(t)生成包含多人呼吸信息的信号f(t)；

(3.2)对步骤(3.1)获得的多人穿墙延拓信号做傅里叶变换到频域，得到信号f(ω)；

(3.3)设定最大迭代次数N₀，初始化选择带宽α，子信号个数K，子信号μ_k，子信号中心频率ω_k，拉格朗日乘子λ(ω)，噪声因子τ(噪声松弛情况下为0)，噪声松弛情况下τ为0，收敛标准tol＝1E-6；

(3.4)根据步骤(3.2)和步骤(3.3)中的初始变量，迭代第n+1次更新含有呼吸成分的子信号μ_k为：

${\widehat{\mathrm{\μ}}}_k^{n+1}=\frac{\hat{f}\left(\mathrm{\ω}\right)-{\Σ}_{i\≠k}{\hat{u}}_i\left(\mathrm{\ω}\right)+\frac{\widehat{\mathrm{\λ}}\left(\mathrm{\ω}\right)}{2}}{1+2\mathrm{\α}{(\mathrm{\ω}-{\mathrm{\ω}}_k)}^2}---\left(3\right)$

其中，i表示第i个呼吸子信号，1≤i≤K，1≤k≤K；ω为信号频率，为信号f(t)的傅里叶变换、代表得到的第i个子呼吸信号的傅里叶变换，为拉格朗日乘子的频域表示；

(3.5)计算更新拉格朗日乘子τ为噪声因子；

(3.6)如果或n＞N₀，则迭代停止，否则返回执行步骤3.4-3.5，ε表示判别约束条件，ε＞0，N₀表示最大迭代次数；

(3.7)根据正常呼吸的频域范围0.1Hz-0.6Hz筛选呼吸信号模态获得的K个呼吸信号；

(3.8)对K个呼吸信号模态进行逆傅里叶变换，最后解除镜像延拓使各分量恢复与原信号f(t)相同的时域长度，分别输出K个人的呼吸子信号μ_k(t)。

步骤4，使用希尔伯特算法对子信号μ_k(t)进行时频处理得到穿墙动态变化的多人呼吸波形。

(4.1)将有效的多人呼吸子信号μ_k(t)通过希尔伯特变换，得到瞬时频率信号

(4.2)为了去除通过噪声或计算误差造成可能的随机波动，对进行平滑操作去除随机波动得到平滑后的信号f_i(t)，公式为：：

$f_i\left(t\right)=\frac{1}{T}{\∫}_{-2/T}^{+2/T}{\hat{f}}_i\left(\mathrm{\σ}\right)W(\mathrm{\σ}-t)d\mathrm{\σ},(i=1,2,3,\mathrm{...});---\left(4\right)$

其中σ表示卷积变量，W(t)为一个矩形窗，长度T选取为选定呼吸模态的三倍振荡周期、高度为1，以此来得到平滑后的信号f_i(t)

(4.3)通过求和f_i(t)，得到信号f(t)作为不含有墙面干扰，谐波干扰，并具有动态呼吸跟踪特性的多人穿墙时变呼吸信号的结果。

需要说明的是：由于UWB雷达对距离的准确判断，本方法着重体现在相同距离下对人体微多普勒信号，如呼吸信号进行准确的区分。下面结合一个典型实验给出本发明的具体实施方式。

实施例1

穿墙多人探测场景图如图2所示，穿墙雷达采用单发单收天线，发射信号为UWB信号，天线距离墙间距为0.15m，墙体厚度为0.2m，两个目标距离雷达距离均为2m。

根据本发明基于VMD的多人穿墙时变呼吸信号检测方法的处理步骤，具体如下：

步骤1：UWB发射天线发射窄脉冲经过人体胸腔微多普勒的振动，回波经过接收天线接收，UWB雷达回波经过慢时采样得到穿墙人体回波信号矩阵。

步骤2：通过距离门选择算法计算每个距离门的方差，并求出方差最大的即多人目标存在的距离门，波形见图3所示。

步骤3：对步骤2获得的信号采用通带为0-0.7Hz的低通滤波器消除高频干扰和多余频域成分，通常为墙体微动或周围环境变化如人员走动所产生。

步骤4：对步骤3中滤波后的信号使用VMD算法进行模态分解，迭代子信号和中心频率，得到一个符合呼吸个数和频段的有效呼吸信息，分离出的模态见图4所示，其中图4(a)A目标的呼吸动态信号时域波形图，图4(b)为B目标的呼吸动态信号时域波形图可以明显看到两个幅度随时变化的呼吸信号，这是由于人体在呼吸时不能时刻保持幅度一致，所以得到的即为准确的人体呼吸时域信号。

步骤5：对分离出的呼吸模态做FFT变换，可以明显看出呼吸准确的频率分别为0.19Hz和0.37Hz，分别对应呼吸11次/分钟和22次/分钟的清晰频域信号，并且为无任何墙面或谐波干扰，结果如图5所示。

步骤6：进行希尔伯特变换，使用三倍呼吸周期进行平滑操作，得到具有平滑呼吸特征的动态瞬时信息，可以明显看到二人的呼吸是随时间动态变化的，结果如图6所示。

综上所述，本发明主要通过VMD算法能够有效的消除不同呼吸成分的干扰谐波，去除墙面干扰，增强微弱呼吸信号，获得呼吸信号的是时变信息；具有强抗干扰性和精确的时变追踪特性，具有很强的实用性。

Claims (4)

1.一种基于变分模态分解的多人穿墙时变呼吸信号检测方法，其特征在于，包括以下步骤：

步骤1，多人穿墙呼吸目标的快慢时回波数据通过超宽带雷达发射和接收，接收天线得到一个M个距离门，N个脉冲的数据矩阵s(M,N)；

步骤2，对数据矩阵s(M,N)进行距离门选择、低通滤波，得到包含多人呼吸特征的单个距离门回波信号f₀(t)；

步骤3，采用VMD即变分模态分解得到包含多人呼吸特征的子信号μ_k(t)；

步骤4，使用希尔伯特算法对子信号μ_k(t)进行时频处理得到穿墙动态变化的多人呼吸波形。

2.根据权利要求1所述的基于变分模态分解的多人穿墙时变呼吸信号检测方法，其特征在于，步骤2所述对数据矩阵s(M,N)进行距离门选择、低通滤波，得到包含多人呼吸特征的单个距离门回波信号f₀(t)，步骤如下：

(2.1)通过滑窗最大方差法得到变化最大的距离门V_j，公式为：

$V_j={(x_{j,1}-\stackrel{\‾}{x_j})}^2+...+{(x_{j,n}-\stackrel{\‾}{x_j})}^2+...+{(x_{j,N}-\stackrel{\‾}{x_j})}^2;---\left(1\right)$

其中，j＝[1,2,...,M]为距离门的编号，n＝[1,2,...,N]为脉冲的编号，其中M为距离门的总数，N为脉冲总数，x_j,n为第j个距离门的第n个慢时采样；

(2.2)通过计算得到能量最大距离门V_max即为所要求的具有穿墙多人呼吸特征的距离门，公式为：

V_max＝max(V_j) (2)

(2.3)从V_max中提取出超宽带雷达回波中的原始人体回波信号f_v(t)；

(2.4)将f_v(t)通过低通滤波器滤除高频干扰和呼吸高次谐波，得到包含多人呼吸特征的单个距离门回波信号f₀(t)。

3.根据权利要求1所述的基于变分模态分解的多人穿墙时变呼吸信号检测方法，其特征在于，步骤3所述采用VMD即变分模态分解得到包含多人呼吸特征的子信号μ_k(t)，包括如下步骤：

(3.1)镜像延拓原始回波信号f₀(t)生成包含多人呼吸信息的信号f(t)；

(3.2)对步骤(3.1)获得的多人穿墙延拓信号做傅里叶变换到频域，得到信号f(ω)；

(3.3)设定最大迭代次数N₀，初始化选择带宽α，子信号个数K，子信号μ_k，子信号中心频率ω_k，拉格朗日乘子λ(ω)，噪声因子τ，噪声松弛情况下τ为0，收敛标准tol＝1E-6；

(3.4)根据步骤(3.2)和步骤(3.3)中的初始变量，迭代第n+1次更新含有呼吸成分的子信号μ_k为：

${\widehat{\mathrm{\μ}}}_k^{n+1}=\frac{\hat{f}\left(\mathrm{\ω}\right)-{\mathrm{\Σ}}_{i\≠k}{\widehat{\mathrm{\μ}}}_i\left(\mathrm{\ω}\right)+\frac{\widehat{\mathrm{\λ}}\left(\mathrm{\ω}\right)}{2}}{1+2\mathrm{\α}{(\mathrm{\ω}-{\mathrm{\ω}}_k)}^2}---\left(3\right)$

其中，i表示第i个呼吸子信号，1≤i≤K，1≤k≤K；ω为信号频率，为信号f(t)的傅里叶变换、代表得到的第i个子呼吸信号的傅里叶变换，为拉格朗日乘子的频域表示；

(3.5)计算更新拉格朗日乘子τ为噪声因子；

(3.6)如果或n＞N₀，则迭代停止，否则返回执行步骤3.4-3.5，ε表示判别约束条件，ε＞0，N₀表示最大迭代次数；

(3.7)根据正常呼吸的频域范围0.1Hz-0.6Hz筛选呼吸信号模态获得的K个呼吸信号；

(3.8)对K个呼吸信号模态进行逆傅里叶变换，最后解除镜像延拓使各分量恢复与原信号f(t)相同的时域长度，分别输出K个人的呼吸子信号μ_k(t)。

4.根据权利要求1所述的基于变分模态分解的多人穿墙时变呼吸信号检测方法，其特征在于，步骤4所述使用希尔伯特算法对子信号μ_k(t)进行时频处理得到穿墙动态变化的多人呼吸波形，具体如下：

(4.1)将有效的多人呼吸子信号μ_k(t)通过希尔伯特变换，得到瞬时频率信号

(4.2)对进行平滑操作去除随机波动得到平滑后的信号f_i(t)，公式为：

$f_i\left(t\right)=\frac{1}{T}{\∫}_{-2/T}^{+2/T}{\hat{f}}_i\left(\mathrm{\σ}\right)W(\mathrm{\σ}-t)d\mathrm{\σ},(i=1,2,3,...);---\left(4\right)$

其中σ表示卷积变量，W(t)为一个矩形窗，长度T选取为选定呼吸模态的三倍振荡周期、高度为1；

(4.3)通过求和f_i(t)，得到信号f(t)作为不含有墙面干扰，谐波干扰，并具有动态呼吸跟踪特性的多人穿墙时变呼吸信号的结果。