CN106019271B - 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

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 Download PDF

Info

Publication number
CN106019271B
CN106019271B CN201610274139.4A CN201610274139A CN106019271B CN 106019271 B CN106019271 B CN 106019271B CN 201610274139 A CN201610274139 A CN 201610274139A CN 106019271 B CN106019271 B CN 106019271B
Authority
CN
China
Prior art keywords
people
signal
range gate
walls
echo
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610274139.4A
Other languages
English (en)
Other versions
CN106019271A (zh
Inventor
洪弘
闫嘉明
杨宇鑫
丁传威
顾陈
李彧晟
朱晓华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201610274139.4A priority Critical patent/CN106019271B/zh
Publication of CN106019271A publication Critical patent/CN106019271A/zh
Application granted granted Critical
Publication of CN106019271B publication Critical patent/CN106019271B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
    • G01S13/888—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons through wall detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

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μk(t)；
步骤4，使用希尔伯特算法对子信号μk(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Vj，公式为：
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，xj,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Vmax即为所要求的具有穿墙多人呼吸特征的距离门，公式为：
Vmax＝max(Vj) (2)
(2.3)从Vmax中提取出超宽带雷达回波中的原始人体回波信号fv(t)；
(2.4)将fv(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μk(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μk，子信号中心频率ωk，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μk为：
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μk(t)。
进一步地，步骤4所述使用希尔伯特算法对子信号μk(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μk(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fi(t)，公式为：
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fi(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Vj，公式为：
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，xj,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Vmax即为所要求的具有穿墙多人呼吸特征的距离门，公式为：
Vmax＝max(Vj)； (2)
(2.3)从Vmax中提取出超宽带雷达回波中的原始人体回波信号fv(t)；
(2.4)将fv(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μk(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μk，子信号中心频率ωk，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μk为：
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μk(t)。
步骤4，使用希尔伯特算法对子信号μk(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μk(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fi(t)，公式为：：
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fi(t)
(4.3)通过求和fi(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 (3)

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包括如下步骤：
(3.1)镜像延拓包含多人呼吸特征的单个距离门回波信号f0(t)生成多人穿墙延拓信号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
(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，包含多人呼吸特征的子信号子信号中心频率ωk，拉格朗日乘子噪声因子τ，噪声松弛情况下τ为0，收敛标准tol为10-6；
(3.4)根据步骤(3.2)和步骤(3.3)中的初始变量，迭代第n+1次更新为：
其中，i表示子信号的编号，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)计算更新第n+1次的拉格朗日乘子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筛选获得K个呼吸信号；
(3.8)对K个进行逆傅里叶变换，最后解除镜像延拓使各分量恢复与包含多人呼吸特征的单个距离门回波信号f0(t)相同的时域长度，分别输出K个人的子信号；
步骤4，使用希尔伯特算法对包含多人呼吸特征的子信号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)通过滑窗的方法取得第j个距离门的方差值Vj，公式为：
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，xj,n'为第j个距离门的第n’个慢时采样；表示第j个距离门中所有慢时采样值的平均值；
(2.2)通过计算得到Vmax，Vmax对应的距离门为所要求的具有穿墙多人呼吸特征的距离门，公式为：
Vmax＝max(Vj) (2)
其中，Vmax表示从第1到第M个距离门中最大方差值；
(2.3)从Vmax对应的距离门中提取出超宽带雷达回波中的单个距离门回波信号f0(t)；
(2.4)将f0(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4所述使用希尔伯特算法对包含多人呼吸特征的子信号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)将包含多人呼吸特征的子信号通过希尔伯特变换，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fi(t)，公式为：
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fi(t)，得到信号fsum(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。
CN201610274139.4A 2016-04-27 2016-04-27 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 Active CN106019271B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610274139.4A CN106019271B (zh) 2016-04-27 2016-04-27 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610274139.4A CN106019271B (zh) 2016-04-27 2016-04-27 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

Publications (2)

Publication Number Publication Date
CN106019271A CN106019271A (zh) 2016-10-12
CN106019271B true CN106019271B (zh) 2019-04-12

Family

ID=57081285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610274139.4A Active CN106019271B (zh) 2016-04-27 2016-04-27 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

Country Status (1)

Country Link
CN (1) CN106019271B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110286368A (zh) * 2019-07-10 2019-09-27 北京理工大学 一种基于超宽带雷达的老人跌倒检测方法

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845448B (zh) * 2017-02-21 2020-04-24 电子科技大学 一种基于非负约束2d变分模态分解的红外弱小目标检测方法
CN106990018B (zh) * 2017-02-28 2019-09-10 河海大学 一种预应力混凝土梁灌浆密实度智能识别方法
CN107361762A (zh) * 2017-08-04 2017-11-21 山东理工大学 基于变分模态分解的心电信号基线漂移校正方法
IL255982A (en) * 2017-11-29 2018-01-31 Arbe Robotics Ltd Detection, mitigation and prevention of mutual interference between fixed water radars in vehicles
CN108008187B (zh) * 2017-12-08 2020-01-10 大连海洋大学 基于变分模态分解的电网谐波检测方法
CN108056773A (zh) * 2017-12-11 2018-05-22 重庆邮电大学 基于改进变分模态分解的心电信号qrs波群检测算法
CN108614259A (zh) * 2018-05-02 2018-10-02 电子科技大学 一种基于超宽带雷达传感器的心跳呼吸特征监测方法
CN108888249A (zh) * 2018-06-07 2018-11-27 北京邮电大学 一种非接触式车内多人生命体征监测的方法及装置
CN108845306B (zh) * 2018-07-05 2022-04-26 南京信息工程大学 基于变分模态分解的激光雷达回波信号去噪方法
WO2020042444A1 (zh) * 2018-08-31 2020-03-05 深圳迈睿智能科技有限公司 人体存在探测器及其人体存在探测方法
CN110507293B (zh) * 2019-07-26 2022-01-07 中国电子科技集团公司第三十八研究所 一种超宽带穿墙雷达人体呼吸及心跳检测方法及系统
CN110596705B (zh) * 2019-08-22 2023-04-28 南京理工大学 基于生命体征sar成像的人体目标身份识别方法及系统
CN112882016B (zh) * 2019-11-29 2023-09-26 南京理工大学 基于改进的稳健自适应波束形成的多人生命体征检测方法
CN110726875B (zh) * 2019-12-02 2020-08-28 山东大学 一种新能源柔性直流并网暂态谐波检测方法及系统
CN111568396A (zh) * 2020-04-13 2020-08-25 广西万云科技有限公司 一种V2iFi基于紧凑型射频感应的车内生命体征监测技术
CN112101144A (zh) * 2020-08-27 2020-12-18 云南电网有限责任公司昭通供电局 一种提高变压器振动信号处理精度的自适应方法
CN118091653B (zh) * 2024-04-29 2024-06-21 中国科学院空天信息创新研究院 一种基于多通道融合的最小失真呼吸信号检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100026550A1 (en) * 2007-07-17 2010-02-04 Rosenbury Erwin T Handheld Instrument Capable of Measuring Heartbeat and Breathing Motion at a Distance
CN102018503A (zh) * 2010-10-21 2011-04-20 中国科学院深圳先进技术研究院 生命探测雷达中的呼吸与心跳信号的提取方法及装置
CN103529436A (zh) * 2013-10-12 2014-01-22 南京信息工程大学 基于hht的无接触生命探测中呼吸和心跳信号的分离及时频分析方法
CN103616729A (zh) * 2013-11-06 2014-03-05 中国人民解放军第四军医大学 一种基于uwb生物雷达的多个人体目标估算方法及系统
CN104644142A (zh) * 2015-02-05 2015-05-27 南京理工大学 一种非接触式生命体征监护的信号处理算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100026550A1 (en) * 2007-07-17 2010-02-04 Rosenbury Erwin T Handheld Instrument Capable of Measuring Heartbeat and Breathing Motion at a Distance
CN102018503A (zh) * 2010-10-21 2011-04-20 中国科学院深圳先进技术研究院 生命探测雷达中的呼吸与心跳信号的提取方法及装置
CN103529436A (zh) * 2013-10-12 2014-01-22 南京信息工程大学 基于hht的无接触生命探测中呼吸和心跳信号的分离及时频分析方法
CN103616729A (zh) * 2013-11-06 2014-03-05 中国人民解放军第四军医大学 一种基于uwb生物雷达的多个人体目标估算方法及系统
CN104644142A (zh) * 2015-02-05 2015-05-27 南京理工大学 一种非接触式生命体征监护的信号处理算法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Variational Mode Decomposition;Konstantin Dragomiretskiy, et al;《IEEE TRANSACTIONS ON SIGNAL PROCESSING》;20140201;第62卷(第3期);第531-544页
基于PCA 与 EMD 的超宽带雷达生命信号检测算法;戴舜等;《电子学报》;20120228;第40卷(第2期);第344-349页
张亚菊.基于经验模式分解的非接触式生命体征信号处理方法研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2016,全文.

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110286368A (zh) * 2019-07-10 2019-09-27 北京理工大学 一种基于超宽带雷达的老人跌倒检测方法
CN110286368B (zh) * 2019-07-10 2021-03-05 北京理工大学 一种基于超宽带雷达的老人跌倒检测方法

Also Published As

Publication number Publication date
CN106019271A (zh) 2016-10-12

Similar Documents

Publication Publication Date Title
CN106019271B (zh) 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
CA2891839C (en) Remote sensing of human breathing at a distance
Ding et al. Noncontact multiple targets vital sign detection based on VMD algorithm
CN106821347A (zh) 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法
Yang et al. Vital sign signal extraction method based on permutation entropy and EEMD algorithm for ultra-wideband radar
Wang et al. Noncontact heart rate measurement based on an improved convolutional sparse coding method using IR-UWB radar
Lai et al. Hilbert–Huang transform analysis of human activities using through-wall noise and noise-like radar
Li et al. A novel through-wall respiration detection algorithm using uwb radar
CN106093868A (zh) 一种基于双源ir‑uwb生物雷达的强反射杂波消除方法
Pramudita et al. Radar system for detecting respiration vital sign of live victim behind the wall
Mabrouk et al. Detection of human targets behind the wall based on singular value decomposition and skewness variations
Lee et al. Movement analysis during sleep using an IR-UWB radar sensor
An et al. Wavelet based human target detection in complex ruins using a low center frequency UWB radar
Pan et al. Detection of vital sign based on UWB radar by a time domain coherent accumulation method
Bugaev et al. Radar methods of detection of human breathing and heartbeat
Deng et al. Efficient living subject localization and weak vital-sign signal enhancement using impulse radio based UWB radar
Acar et al. Wavelet based denoising of the simulated chest wall motion detected by SFCW radar
Chunming et al. The study of UWB radar life-detection for searching human subjects
Mostafa et al. Applying singular value decomposition for clutter reduction in heartbeat estimation using M-sequence UWB Radar
Li et al. A new algorithm for through wall human respiration monioring using GPR
Li et al. Macro-motion detection using ultra-wideband impulse radar
Kocur et al. UWB radar based localization of a person changing the nature of their motion state
Liu et al. Human Vital Signs Detection Based on Millimeter Wave Radar and Digital Filtering
Xian et al. Improved Denoising Method for UWB Vital Signs Detection and Extraction
Liang et al. A combined algorithm for non-contact human vital signs monitoring using IR-UWB radar

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20161012

Assignee: Nanjing Hongding perception Technology Co.,Ltd.

Assignor: NANJING University OF SCIENCE AND TECHNOLOGY

Contract record no.: X2022980001965

Denomination of invention: A time-varying respiratory signal detection method based on variational modal decomposition

Granted publication date: 20190412

License type: Exclusive License

Record date: 20220228