CN106970367A - 基于生命探测雷达多点观测数据的微弱呼吸信号检测方法 - Google Patents

Abstract

本发明提供了一种基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，包括：步骤A：选择多个观测点放置生命探测雷达，得到回波信号并将其进行预处理，得到这多个观测点的信号矩阵；步骤B，对步骤A中多个观测点的信号矩阵，每次取出两个不同的信号矩阵，分别截取这两个信号矩阵中可能存在目标的行进行互相关，并将互相关所得结果做傅里叶变换，得到目标呼吸频率，以及目标与这两个信号矩阵所对应雷达的距离。本发明基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，避免了因观测点选择不当引起的检测数据错误，使得预处理后信号矩阵中的微弱呼吸信号得以增强，减小漏警率，提高了测量稳定性。

Description

基于生命探测雷达多点观测数据的微弱呼吸信号检测方法

技术领域

本发明涉及生命探测雷达技术领域，尤其涉及一种基于生命探测雷达多点观测数据的微弱呼吸信号检测方法。

背景技术

超宽带生命探测雷达系统基于一发一收天线对发射超宽带短脉冲，接收来自生命体的微动信息，从而实现生命体呼吸信号检测的目的。由于直达波、天线耦合波、固定背景等静态杂波的干扰，加之灾后救援现场的强噪声干扰，因此在进行信号预处理增强工作后，雷达回波信号矩阵中的生命特征信号仍然较微弱。尤其是地震、房屋倒塌等灾害发生后，被困人员的生命特征在雷达回波中主要由呼吸运动引起，这些微弱的生命特征在低SNCR下的检测与提取非常困难。

利用多个观测点采集到的呼吸信号信息，将其用相关的方法进行提取可得到生命体多个维度的信息，有利于目标准确定位，是超宽带生命探测雷达的关键技术，而现有技术中缺乏一种基于生命探测雷达多点观测数据的微弱呼吸信号检测方法。

发明内容

(一)要解决的技术问题

鉴于上述技术问题，本发明提供了一种基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，避免了因观测点选择不当引起的检测数据错误，使得预处理后信号矩阵中的微弱呼吸信号得以增强，减小漏警率，提高了测量稳定性。

(二)技术方案

根据本发明的一个方面，提供了一种基于生命探测雷达多点观测数据的微弱呼吸信号检测方法包括：

步骤A：选择多个观测点O₁、O₂、…、O_k放置生命探测雷达，得到回波信号并将其进行预处理，得到这k个观测点的信号矩阵S₁(M,N)、S₂(M,N)、…、S_k(M,N)；其中，k≥4，N为观测次数，M为每次观测结果的采样点数；

步骤B，对步骤A中k个信号矩阵，每次取出两个不同的信号矩阵S_i、S_j，i,j＝1,2,…,k，分别截取这两个信号矩阵中可能存在目标的行进行互相关，并将互相关所得结果做傅里叶变换，得到目标呼吸频率f_ij和目标与这两个信号矩阵所对应雷达的距离R_ij、R_ji。

(三)有益效果

从上述技术方案可以看出，本发明基于生命探测雷达多点观测数据的微弱呼吸信号检测方法至少具有以下有益效果其中之一：

(1)本发明选择多个观测点放置雷达，避免了因观测点选择不当引起的检测数据错误等问题；

(2)从所得信号矩阵中每次选取两个矩阵进行互相关运算，使得预处理后信号矩阵中的微弱呼吸信号得以增强，并将所得结果进行傅里叶变换，得到目标呼吸频率及与两个雷达的距离；

(3)根据每次互相关及傅里叶变换所得生命体目标与雷达的距离值，求每个雷达与目标之间的平均距离，作为生命体目标与雷达的测量距离，减小漏警率，提高了测量稳定性。

附图说明

通过附图所示，本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本发明的主旨。

图1为根据本发明实施例基于生命探测雷达多点观测数据的微弱呼吸信号检测方法的流程图。

图2为根据本发明实施例方法进行仿真预处理后的第一个观测点的回波信号矩阵。

图3为根据本发明实施例方法进行仿真预处理后的第二个观测点的回波信号矩阵。

图4为根据本发明实施例方法进行仿真预处理后的第三个观测点的回波信号矩阵。

图5为根据本发明实施例方法进行仿真预处理后的第四个观测点的回波信号矩阵。

图6为根据本发明实施例方法进行仿真第一个和第二个观测点的回波信号的互相关结果。

图7为根据本发明实施例方法进行仿真第一个和第三个观测点的回波信号的互相关结果。

图8为根据本发明实施例方法进行仿真第一个和第四个观测点的回波信号的互相关结果。

图9为根据本发明实施例方法进行仿真第二个和第三个观测点的回波信号的互相关结果。

图10为根据本发明实施例方法进行仿真第二个和第四个观测点的回波信号的互相关结果。

图11为根据本发明实施例方法进行仿真第三个和第四个观测点的回波信号的互相关结果。

图12为根据本发明实施例方法进行实测预处理后的第一个观测点的回波信号矩阵。

图13为根据本发明实施例方法进行实测预处理后的第二个观测点的回波信号矩阵。

图14为根据本发明实施例方法进行实测预处理后的第三个观测点的回波信号矩阵。

图15为根据本发明实施例方法进行实测预处理后的第四个观测点的回波信号矩阵。

图16为根据本发明实施例方法进行实测第一个和第二个观测点的回波信号的互相关结果。

图17为根据本发明实施例方法进行实测第一个和第三个观测点的回波信号的互相关结果。

图18为根据本发明实施例方法进行实测第一个和第四个观测点的回波信号的互相关结果。

图19为根据本发明实施例方法进行实测第二个和第三个观测点的回波信号的互相关结果。

图20为根据本发明实施例方法进行实测第二个和第四个观测点的回波信号的互相关结果。

图21为根据本发明实施例方法进行实测第三个和第四个观测点的回波信号的互相关结果。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。实施例中提到的方向用语，例如“上”、“下”、“前”、“后”、“左”、“右”等，仅是参考附图的方向。因此，使用的方向用语是用来说明并非用来限制本发明的保护范围。

本发明提供了一种基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，将雷达的回波信号进行预处理获得包含微弱呼吸信号的信号矩阵，通过互相关方法使微弱呼吸信号得以增强，应用傅里叶变换得到呼吸频率和雷达与目标间的距离，提升呼吸信号检测的有效性和可靠性。

图1为根据本发明实施例基于生命探测雷达多点观测数据的微弱呼吸信号检测方法的流程图。请参照图1，本发明基于生命探测雷达多点观测数据的微弱呼吸信号检测方法包括：

步骤A：选择多个观测点O₁、O₂、…、O_k(k≥4)放置生命探测雷达，得到回波信号并将其进行预处理，得到这k个观测点的信号矩阵S₁(M,N)、S₂(M,N)、…、S_k(M,N)，其中N为观测次数，M为每次观测结果的采样点数。

步骤B，对步骤A中k个信号矩阵，每次取出两个不同的信号矩阵S_i、S_j，i,j＝1,2,…,k，分别截取这两个信号矩阵中感兴趣的连续几行(即认为可能存在目标的行)进行互相关，得到一个t_i×(2N-1)×t_j的三维矩阵(其中t_i和t_j分别表示S_i和S_j矩阵中截取的行数)，并将互相关所得结果做傅里叶变换，得到目标呼吸频率f_ij和目标与这两个信号矩阵所对应雷达的距离R_ij、R_ji。

其中，在所述步骤B包括：

子步骤B1，针对共M行的信号矩阵S_i，假设第a行至第b行包含目标信息，a，b＜M，b-a＝t_i，因此截取矩阵S_i的第a行至第b行，截取后的矩阵为S_α，针对共M行的信号矩阵S_j，假设第c行至第d行包含目标信息，c，d＜M，d-c＝t_j，t_i与t_j不一定相等，因此截取矩阵S_j的第c行至第d行，截取后的矩阵为S_β；

子步骤B2，针对这k个信号矩阵，共进行次互相关及傅里叶变换，得到个目标呼吸频率f_ij，以及每个呼吸频率f_ij所对应的2个距离值R_ij、R_ji，共个距离值，其中R_ij表示第i个雷达所得信号矩阵与第j个雷达所得信号矩阵做互相关及傅里叶变换后，第i个雷达与目标之间距离；R_ji表示第j个雷达所得信号矩阵与第i个雷达所得信号矩阵做互相关及傅里叶变换后，第j个雷达与目标之间距离。

更具体而言，所述互相关的处理过程如下：S_α的第p行与S_β的第q行进行相关时，S_β相对于S_α关于零点的时域偏移量为u，取值范围[-(N-1)，(N-1)]，针对偏移量为u的情况，这两行互相关后的表达式为即该维度为t_i×(2N-1)×t_j的三维矩阵中的每个点可以用表示，该点坐标为(p，q，u)；因此，该三维矩阵表示为其中表示S_α的第p行S_αp与S_β的第q行S_βq针对偏移量为u进行互相关后的结果，R表示S_α和S_β互相关所得三维矩阵，r_xyz表示矩阵R中的一个点，v表示变量，N为观测次数，S_αp(v)表示S_α的第p行的第v个点，S_βq(u+v)表示S_β的第q行的第u+v个点。

所述傅里叶变换及距离导出的过程如下：由于信号矩阵S_k(M，N)中包含距离信息，生命体目标与某一个雷达之间的距离是一个固定值，因此在信号矩阵S_α和S_β中，都仅有一行包含生命体呼吸信息。

另外，由于呼吸信号为周期信号，只有两个周期信号互相关后作傅里叶变换的结果非零，周期信号与非周期信号互相关后做傅里叶变换的结果为零，两个非周期信号互相关后做傅里叶变换的结果也为零，若S_α中的第ζ行和S_β中的第行包含生命体呼吸信息，则在S_α和S_β做相关时，只有S_αζ和S_βξ进行互相关所得长度为2N-1的序列值非零，两个矩阵中任取其他两行的相关结果均为0，S_αζ与S_βξ的其他行相关的结果也是0。

因此，将矩阵R在z方向上做快速傅里叶变换的最终结果为它包含呼吸频率和两个距离信息。的最大值的三维坐标对应着呼吸频率和距离。u表示呼吸信号的时域值，ω表示角频率，即呼吸频率×2π，表示呼吸频率的频域值，其中表示做傅里叶变换后的值，表示含呼吸信号的两行相关后的结果。

进一步的，所述基于生命探测雷达多点观测数据的微弱呼吸信号检测方法包括，还可包括，

步骤C，根据步骤B中所得生命体目标与雷达的距离值，去掉求出的每个雷达与目标的最大距离R_im和最小距离R_in后，计算平均距离并输出R_i。

本实施例中，为了减小计算的复杂度，M＝1024，N＝512。本领域技术人员应当清楚，该M和N还可以取其他值，例如，M取1024的整数倍，N可以任意取值。

另外，步骤A中，对回波信号进行预处理是为了增强呼吸信号，削弱杂波，所述预处理的主要步骤有直流分量去除，指数背景去除，线性不稳定抖动去除及带通滤波。

为了进行仿真验证，预先选定4个已知观测点位置为(0.5，0，1)，(-0.5，0，1)，(0，0.5，1)，(0，-0.5，1)，并设定生命体目标真实位置坐标为(0，0，0)，单位均为米，信噪比SNR＝-15dB。

预处理后的4个已知观测点对应的信号矩阵如图2、3、4、5所示，f₁₂、R₁₂、R₂₁对应的值如图6所示，f₁₃、R₁₃、R₃₁对应的值如图7所示，f₁₄、R₁₄、R₄₁对应的值如图8所示，f₂₃、R₂₃、R₃₂对应的值如图9所示，f₂₄、R₂₄、R₄₂对应的值如图10所示，f₃₄、R₃₄、R₄₃对应的值如图11所示。

仿真结果为：R₁＝R₁₂＝1.119m，R₂＝R₂₃＝1.119m，R₃＝R₃₁＝1.131m，R₄＝R₄₂＝1.125m，而雷达与4个观测点的真实距离均为1.118m，仿真结果与真实值非常接近。

为了进行实验验证，预先选定4个已知探测点位置为(-1.07，0，3.75)，(-1.07，0.75，3.75)，(1.07，0，3.75)，(1.07，1，3.75)，并设计生命体真实位置坐标为(0，0，0)，单位均为米，信噪比SNR＝-15dB。

预处理后的4个信号矩阵如图12、13、14、15所示，f₁₂、R₁₂、R₂₁对应的值如图16所示，f₁₃、R₁₃、R₃₁对应的值如图17所示，f₁₄、R₁₄、R₄₁对应的值如图18所示，f₂₃、R₂₃、R₃₂对应的值如图19所示，f₂₄、R₂₄、R₄₂对应的值如图20所示，f₃₄、R₃₄、R₄₃对应的值如图21所示。

探测结果为：R₁＝R₁₃＝4.16m，R₂＝R₂₃＝3.85m，R₃＝R₃₂＝3.858m，R₄＝R₄₂＝4.065m，而雷达与4个观测点的真实距离分别为3.8997m，3.9711m，3.8997m，4.0258m，探测结果与真实值非常接近。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

至此，已经结合附图对本发明实施例进行了详细描述。依据以上描述，本领域技术人员应当对本发明基于生命探测雷达多点观测数据的微弱呼吸信号检测方法有了清楚的认识。需要说明的是，在附图或说明书正文中，未绘示或描述的实现方式，均为所属技术领域中普通技术人员所知的形式，并未进行详细说明。此外，上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换，例如：

本发明基于生命探测雷达多点观测数据的微弱呼吸信号检测方法也可选择其他观测点，对其他生命体目标进行探测，同样不影响本发明的实现。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，其特征在于，包括：

步骤A：选择多个观测点O₁、O₂、…、O_k放置生命探测雷达，得到回波信号并将其进行预处理，得到这k个观测点的信号矩阵S₁(M,N)、S₂(M,N)、…、S_k(M,N)；其中，k≥4，N为观测次数，M为每次观测结果的采样点数；

步骤B，对步骤A中k个信号矩阵，每次取出两个不同的信号矩阵S_i、S_j，i,j＝1,2,…,k，分别截取这两个信号矩阵中可能存在目标的行进行互相关，并将互相关所得结果做傅里叶变换，得到目标呼吸频率f_ij和目标与这两个信号矩阵所对应雷达的距离R_ij、R_ji。

2.根据权利要求1所述的基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，其特征在于，所述步骤B中，互相关得到一个t_i×(2N-1)×t_j的三维矩阵，其中，t_i和t_j分别表示S_i和S_j矩阵中截取的行数，N为观测次数。

3.根据权利要求2所述的基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，其特征在于，所述步骤B包括：

子步骤B1，针对共M行的信号矩阵S_i，若第a行至第b行包含目标信息，a,b<M，b-a＝t_i，截取矩阵S_i的第a行至第b行，截取后的矩阵为S_α，针对共M行的信号矩阵S_j，若第c行至第d行包含目标信息，c,d<M，d-c＝t_j，t_i与t_j不一定相等，截取矩阵S_j的第c行至第d行，截取后的矩阵为S_β；

子步骤B2，针对这k个信号矩阵，共进行次互相关及傅里叶变换，得到个目标呼吸频率f_ij，以及每个呼吸频率f_ij所对应的2个距离值R_ij、R_ji，共个距离值，其中R_ij表示第i个雷达所得信号矩阵与第j个雷达所得信号矩阵做互相关及傅里叶变换后，第i个雷达与目标之间距离；R_ji表示第j个雷达所得信号矩阵与第i个雷达所得信号矩阵做互相关及傅里叶变换后，第j个雷达与目标之间距离。

4.根据权利要求3所述的基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，其特征在于，所述步骤B中，所述互相关的处理过程如下：将S_α的第p行S_αp与S_β的第q行S_βq进行相关，S_β相对于S_α关于零点的时域偏移量为u，取值范围[-(N-1)，(N-1)]，这两行互相关后的表达式为即该维度为t_i×(2N-1)×t_j的三维矩阵中的每个点可以用表示，该点坐标为(p,q,u)；因此，该三维矩阵表示为其中 表示S_α的第p行S_αp与S_β的第q行S_βq针对偏移量为进行互相关后的结果，R表示S_α和S_β互相关所得三维矩阵，r_xyz表示矩阵R中的一个点，v表示变量，N为观测次数，S_αp(v)表示S_α的第p行的第v个点，S_βq(u+v)表示S_β的第q行的第u+v个点。

5.根据权利要求3所述的基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，其特征在于，所述步骤B中，所述傅里叶变换及距离导出的过程如下：将矩阵R在z方向上做快速傅里叶变换，傅里叶变换的最终结果为其包含呼吸频率和两个距离信息；的最大值的三维坐标对应着呼吸频率和距离，u表示呼吸信号的时域值，ω表示角频率，即呼吸频率×2π，表示呼吸频率的频域值，其中，表示做傅里叶变换后的值，表示含呼吸信号的两行相关后的结果。

6.根据权利要求1所述的基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，其特征在于，还包括：

步骤C，根据步骤B中所得生命体目标与雷达的距离值，去掉求出的每个雷达与目标的最大距离R_im和最小距离R_in后，计算平均距离并输出R_i。

7.根据权利要求1所述的基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，其特征在于，在所述步骤A中，所述预处理包括直流分量去除，指数背景去除，线性不稳定抖动去除，及带通滤波。

8.根据权利要求1至6中任一项所述的基于生命探测雷达多点观测数据的微弱呼吸信号检测方法，其特征在于，M＝1024，N＝512。