CN107831491A - 生命特征检测方法及系统 - Google Patents
生命特征检测方法及系统 Download PDFInfo
- Publication number
- CN107831491A CN107831491A CN201710935678.2A CN201710935678A CN107831491A CN 107831491 A CN107831491 A CN 107831491A CN 201710935678 A CN201710935678 A CN 201710935678A CN 107831491 A CN107831491 A CN 107831491A
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- echo signal
- vital sign
- peak
- 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.)
- Pending
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
-
- 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)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及一种生命特征检测方法及系统。所述方法包括接收探测生命特征的回波信号,对所述回波信号进行频域分析,得到所述回波信号在频域中的波峰;获取各波峰对应的频率,分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,得到频率与所述生命特征信号频率匹配的波峰数量;根据所述波峰数量确定所述回波信号中包含的生命特征数量。本发明克服了现有技术中当多个生命特征与天线距离相等时无法直接判断是否存在多个生命特征的缺陷,达到了准确判定相同距离处是否存在多个生命特征的技术效果。
Description
技术领域
本发明涉及信号分析技术领域,特别是涉及生命特征检测方法、系统、计算机可读存储介质及计算机设备。
背景技术
在某些特殊场合,如地震、火灾、战争现场等,通常采用搜救装置进行搜救工作。
现有技术中的搜救装置,通常根据检测获得的信号,判断某个区域是否存在生命体特征,从而实施灾害救援。当辐射的冲激超宽带信号穿过废墟,由于废墟的相对介电常数与人体相差较大,遇到人体后部分能量被反射回来进入接收天线。若目标体是静止不动的物体,则每次反射时延位置相同;若是存在周期运动特征(如呼吸),则时延位置呈一定周期变化。根据回波数据中是否存在周期变化特征,进而初步判断是否存在生命特征。然而,在对现有技术的研究和实践过程中,当多个生命特征与天线距离相等时,如某一点存在多个生命特征或者多个生命特征分布在与天线距离相等的不同位置时,则探测结果所呈现的周期变化特征就会相互重叠,从而无法直接判断是否存在多个生命特征。
发明内容
基于此,有必要针对现有技术中当多个生命特征与天线距离相等时无法直接判断是否存在多个生命特征的问题,提出一种生命特征检测方法、系统、计算机可读存储介质及计算机设备。
一种生命特征检测方法,包括:
接收探测生命特征的回波信号,对所述回波信号进行频域分析,得到所述回波信号在频域中的波峰;
获取各波峰对应的频率,分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,得到频率与所述生命特征信号频率匹配的波峰数量;
根据所述波峰数量确定所述回波信号中包含的生命特征数量。
一种生命特征检测系统,包括:
频域分析模块,用于接收探测生命特征的回波信号,对所述回波信号进行频域分析,得到所述回波信号在频域中的波峰;
频率匹配模块,用于获取各波峰对应的频率,分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,得到频率与所述生命特征信号频率匹配的波峰数量;
生命特征确定模块,用于根据所述波峰数量确定所述回波信号中包含的生命特征数量。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现上述所述生命特征检测方法的步骤。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现上述所述生命特征检测方法的步骤。
上述技术方案,通过将接收到的探测生命特征的回波信号进行频域分析,得到所述回波信号在频域中的波峰;获取各波峰对应的频率,分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,得到频率与所述生命特征信号频率匹配的波峰数量;根据所述波峰数量确定所述回波信号中包含的生命特征数量。克服了现有技术中当多个生命特征与天线距离相等时,无法直接判断是否存在多个生命特征的缺陷,达到了准确判定相同距离处是否存在多个生命特征的技术效果。
附图说明
图1为一实施例的生命特征检测方法的示意性流程图;
图2为另一实施例的生命特征检测方法的示意性流程图;
图3为一实施例的生命特征检测系统的示意性结构图。
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。
本发明中的步骤虽然用标号进行了排列,但并不用于限定步骤的先后次序,除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础,否则步骤的相对次序是可以调整的。
图1为一实施例的生命特征检测方法的示意性流程图;如图1所示,本实施例中的生命特征检测方法包括以下步骤:
步骤S101,接收探测生命特征的回波信号,对所述回波信号进行频域分析,得到所述回波信号在频域中的波峰。
其中,生命特征是所有生物或大多数生物表现出来的共同特征,下文仅以人的生命特征为例进行说明。
回波信号指的是接收到探测信号所返回的信号,包括人体的体动信号;其中人体的体动信号(即生命特征信号)特指人在掩埋的废墟中,身体某个部位的微动。一般地,在废墟中,面临死亡的人们,身体会发出很多动作,如手指的颤动、四肢的颤动等,这些微弱的体动特征,形成一定频率范围的信号。若能够检测到这些信号,则可以判断出这个区域中存在生命体特征,就能达到快速搜救生命的目的。对所述回波信号进行频域分析,将接收到的回波信号通过一系列变化,转换成与频率有关的功率谱。
具体地,当辐射的冲激超宽带信号穿过废墟,由于废墟的相对介电常数与人体相差较大,遇到人体后部分能量被反射回来进入接收天线。将接收到的信号进行频域分析,通过一系列变换,转换成与频率有关的功率谱,在功率谱中获取回波信号的波峰。通过将接收到的回波信号进行频域分析,得到回波信号在频域中的波峰,能够清晰地了解回波信号所包含的信息,方便分析和判断回波信号是否包含生命特征。
步骤S102,获取各波峰对应的频率,分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,得到频率与所述生命特征信号频率匹配的波峰数量。
其中,波峰对应的频率为功率谱中最大功率对应的频率,预设的生命特征频率在一个确定的范围内。经过频域分析的回波信号,在频域中会呈现出不同的波峰,每个波峰都对应一个频率。一般地,通过功率谱中最大功率对应的频率,来获取各波峰对应的频率,检测波峰对应的频率是否在这个确定的范围内,如果在这个确定的范围内,通过判断落入这个范围的频率个数,得到频率与所述生命特征信号频率匹配的波峰数量。
通过判断波峰对应的频率是否与所述生命特征信号频率匹配,能够有效清晰地确定回波信号是否包含生命特征,具有一定的准确性。
步骤S103,根据所述波峰数量确定所述回波信号中包含的生命特征数量。
具体地,通过判断落在预设的生命特征信号频率范围内的波峰对应的频率个数,确定波峰数量,从而判断回波信号中包含的生命特征数量,达到了准确判断回波信号包含的生命特征数量的技术效果。
通过以上实施例,将接收到的探测生命特征的回波信号进行频域分析,得到所述回波信号在频域中的波峰;获取各波峰对应的频率,分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,得到频率与所述生命特征信号频率匹配的波峰数量;根据所述波峰数量确定所述回波信号中包含的生命特征数量。克服了现有技术中当多个生命特征与天线距离相等时,无法直接判断是否存在多个生命特征的缺陷,达到了准确判定相同距离处是否存在多个生命特征的技术效果。
在一实施例中,上述步骤S101中,所述对所述回波信号进行频域分析,得到所述回波信号在频域中的波峰,包括:计算所述回波信号的自相关函数,根据所述自相关函数得到所述回波信号对应的一相关矩阵;对所述相关矩阵进行特征分解,得到所述相关矩阵的特征向量;所述特征向量之间相互正交;根据所述相关矩阵的特征向量,确定所述回波信号在频域中的波峰。
在本实施例中,对回波信号的处理,通过计算回波信号的自相关函数,构建相关矩阵,对相关矩阵进行特征分解,通过相关矩阵的特征向量确定所述回波信号在频域中的波峰,即对回波信号进行一系列处理,得到回波信号在频域中的波峰。具体地,对回波信号的处理还可以包括其他方式,只要能够得到回波信号在频域中的波峰即可。上述实施例,通过对回波信号的处理,得到回波信号在频域中的峰值,可以准确获取回波信号包含的信息。
在一实施例中,上述步骤S101中,所述对所述回波信号进行频域分析,得到所述回波信号在频域中的波峰,具体包括:
计算所述回波信号的自相关函数Rx(k)为:
其中,所述回波信号由M个正弦信号和白噪声组成,Ai、ωi分别是第i个正弦信号的功率及频率,σ2为白噪声的方差,δ(k)为冲激函数。
根据所述自相关函数Rx(k)构建一个(p+1)×(p+1)的相关矩阵Rp:
其中,R*表示R的共轭,相关矩阵Rp具有共轭对称性。
获取预设的信号向量
根据所述相关矩阵Rp和信号向量ei,得到所述相关矩阵的表达式为Rp=Sp+δ2I;其中,为信号矩阵,I为(p+1)×(p+1)的单位矩阵。
将所述信号矩阵Sp进行特征分解,得到所述信号阵Sp的特征分解式为其中,Vi是对应于信号矩阵Sp的特征值λi的特征向量。
根据所述信号矩阵Sp的特征分解式和特征向量对所述相关矩阵的表达式进行变形,得到所述相关矩阵Rp的特征分解式为:
根据所述相关矩阵Rp的特征分解式,得到所述相关矩阵Rp的特征值和特征向量,所述相关矩阵Rp的特征向量构成一个p+1维的向量空间,该向量空间中的各个向量互相正交,且该向量空间中的特征向量V1,V2,…,VM构成信号空间,该向量空间中的特征向量VM+1,VM+2,…,Vp+1构成噪声空间。
根据所述噪声空间的特征向量得到:i=1,2,…,M;根据预设的得到:
根据最大似然谱估计和空间谱定义,求得所述回波信号的功率谱中的最大功率的频率为:
根据px(ω)的峰值确定所述回波信号在频域中的波峰。通过上述实施例,可以确准获取回波信号在频域中的波峰。
在一实施例中,上述步骤S102中,所述分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,包括:检测波峰对应的频率是否在预设的生命特征信号频率范围内,若是,则确定为所述波峰的频率与生命特征信号频率匹配。具体包括:预设的生命特征信号频率范围为0.5Hz-1.2Hz,人体微动信号的频率也在这个范围内。若检测到波峰对应的频率在0.5Hz-1.2Hz这个范围内,则确定所述波峰的频率与生命特征信号频率匹配,所述回波信号含有生命特征,通过匹配关系可以很好地将不同频率的人体微动信号分开,达到了准确判断回波信号包含的生命特征的效果。
在一实施例中,上述步骤S102中,所述分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,包括:检测波峰对应的频率是否在预设的生命特征信号频率范围内,若否,则确定为所述波峰的频率与生命特征信号频率不匹配。具体包括:预设的生命特征信号频率范围为0.5Hz-1.2Hz,人体微动信号的频率也在这个范围内,若检测到波峰对应的频率不在0.5Hz-1.2Hz的范围内,则确定所述波峰的频率与生命特征信号频率不匹配,所述回波信号不含有生命特征。通过波峰的频率与生命特征信号频率不匹配的关系,可以准确判定所述回波信号不包含生命特征。
在一实施例中,上述步骤S103中,所述根据所述波峰数量确定所述回波信号中包含的生命特征数量,包括:若检测到多个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中包含多个生命特征。具体包括:通过检测频率与预设的生命特征频率匹配的波峰数量,确定所述回波信号中包含的生命特征数量。若检测到多个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中包含多个生命特征。上述实施例,可以准确判定回波信号所包含的生命特征个数,达到快速搜救生命的目的。
在另一实施例中,当辐射的冲激超宽带信号穿过废墟,由于废墟的相对介电常数与人体相差较大,遇到人体后部分能量被反射回来进入接收天线。若目标体是静止不动的物体,则每次反射的时延位置相同;若是存在周期运动特征(如呼吸),则每次反射的时延位置呈一定周期变化。具体地,若多个生命特征与天线距离不等时,可以通过判断接收的回波信号在不同时延处表现出周期变化特征,还可以通过检测与所述生命特征信号频率匹配的波峰数量,确定回波信号包含的生命特征数量,判断回波信号包含多个生命特征。
在另一实施例中,当多个生命特征与天线距离相等时,如某一点存在多个生命特征或者多个生命特征分布在与天线距离相等的不同位置时,则探测结果所呈现的周期变化特征就会相互重叠。可选地,对回波信号进行一系列处理,通过检测与所述生命特征信号频率匹配的波峰数量,确定回波信号包含的生命特征数量,判断回波信号包含多个生命特征。
上述实施例,克服了当多个生命特征与天线距离相等时,无法直接判断是否存在多个生命特征的缺陷,达到了准确判定相同距离处是否存在多个生命特征的技术效果。
在其中一实施例中,上述步骤S103中,所述根据所述波峰数量确定所述回波信号中包含的生命特征数量,还包括:若检测到仅有一个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中存在一个生命特征。具体包括:通过检测频率与预设的生命特征频率匹配的波峰数量,确定所述回波信号中包含的生命特征数量。若检测到仅有一个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中存在一个生命特征。
在其中一实施例中,上述步骤S103中,所述根据所述波峰数量确定所述回波信号中包含的生命特征数量,还包括:若没有检测到与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中不存在生命特征。具体包括:通过检测频率与预设的生命特征频率匹配的波峰数量,确定所述回波信号中包含的生命特征数量。若没有检测到与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中不存在生命特征。
在一个具体的实施例中,如图2所示,图2为另一实施例的生命特征检测方法的示意性流程图,所述生命特征检测方法包括以下步骤:
步骤S201,发射超宽带信号;
步骤S202,接收回波信号;
步骤S203,对接收到的回波信号进行频域分析;
步骤S204,对处理过的频域信号进行分析,若回波信号在频率为0.5Hz-1.2Hz的范围内有震动,便可根据此频率识别出相应的生命特征。
上述实施例,克服了现有技术中当多个生命特征与天线距离相等时,无法直接判断是否存在多个生命特征的缺陷,达到了准确判定相同距离处是否存在多个生命特征的技术效果。
在一实施例中,上述步骤S203,把存在周期变化特征处的数据提取出来进行频谱分析,通过检测频谱的峰值所对应的频率判断是否存在多个生命特征。由于每个人的呼吸频率差异不大,这里下述谱估计方法,对回波信号进行处理,具体实现方法如下:
假设x(n)是收到的从相同距离返回的呼吸信号,由M个(复)正弦信号(呼吸特征)加白噪声组成,其自相关函数为其中:Ai、ωi分别是第i个(复)正弦的功率及频率,σ2是白噪声的方差。
如果由(p+1)个Rx(k)组成相关矩阵:
其中,R*表示R的共轭,相关矩阵Rp具有共轭对称性。
定义信号向量为
那么Rp=Sp+δ2I,其中为信号矩阵;式中I为(p+1)×(p+1)单位矩阵。若p+1>M,则Sp是奇异的。将Sp特征分解,得到其中Vi是对应于特征值λi的特征向量,且它们之间是相互正交的,即
那么,信号矩阵Sp的最大秩为M,M<p+1,那么Sp将有p+1-M个零特征值。将特征值按从大到小顺序排列,那么Sp的特征分解可写为其中,V1,V2,…,VM为主特征向量。
由上面的分析得到该式即为相关矩阵Rp的特征分解。显然,相关矩阵Rp和信号矩阵Sp有着相同的特征向量。它们的所有特征向量V1,V2,…,Vp+1形成了一个p+1维的向量空间,且它们是互相正交的。进一步,该向量空间又可分成两个子空间:一个由特征向量VM+1,VM+2,…,Vp+1组成的噪声空间,每个向量的特征值都是δ2;另一个是由主特征向量V1,V2,…,VM组成的信号空间,其特征值分别是(δ2+λ1),(δ2+λ2),…,(δ2+λM)。由于信号向量ei和噪声空间的各个向量VM+1,VM+2,…,Vp+1都是正交的,与它们的线性组合也是正交的,即i=1,2,…,M。令则有
根据最大似然谱估计和空间谱定义,功率谱中对应最大功率的频率应由下式求得:
通过上述实施例,可以得到回波信号在频域中的波峰。
在一实施例中,上述步骤S204中,对处理过的频域信号进行分析,在严格的ω=ωi处,应是无穷大,但Vk是由相关矩阵Rp分解得到的,而相关矩阵Rp是估计出的,必然存在误差。所以在实际中,px(ω)为有限值,但呈现尖的峰值,其峰值对应的频率即是正弦信号的频率,也就是生命特征的频率。若峰值频率落在0.5Hz-1.2Hz之间,则说明回波信号中存在人体微动信号。本实施例中,通过对处理过的回波信号进行分析,可以很好地将不同频率的人体微动信号分开。
需要说明的是,对于前述的各方法实施例,为了简便描述,将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。
基于与上述实施例中的生命特征检测方法相同的思想,本发明还提供生命特征检测系统,该系统可用于执行上述生命特征检测方法。为了便于说明,通话系统实施例的示意性结构图中,仅仅示出了与本发明实施例相关的部分,本领域技术人员可以理解,图示结构并不构成对系统的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
图3为本发明的一实施例的生命特征检测系统的示意性结构图,所述生命特征检测系统包括:
频域分析模块310,用于接收探测生命特征的回波信号,对所述回波信号进行频域分析,得到所述回波信号在频域中的波峰。
频率匹配模块320,用于获取各波峰对应的频率,分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,得到频率与所述生命特征信号频率匹配的波峰数量。
生命特征确定模块330,用于根据所述波峰数量确定所述回波信号中包含的生命特征数量。
上述实施例,频域分析模块310通过将接收到的探测生命特征的回波信号进行频域分析,得到所述回波信号在频域中的波峰;频率匹配模块320通过获取各波峰对应的频率,分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,得到频率与所述生命特征信号频率匹配的波峰数量;生命特征确定模块330根据所述波峰数量确定所述回波信号中包含的生命特征数量。克服了现有技术中当多个生命特征与天线距离相等时,无法直接判断是否存在多个生命特征的缺陷,达到了准确判定相同距离处是否存在多个生命特征的技术效果。
在一实施例中,上述频域分析模块310,用于计算所述回波信号的自相关函数,根据所述自相关函数得到所述回波信号对应的一相关矩阵;对所述相关矩阵进行特征分解,得到所述相关矩阵的特征向量;所述特征向量之间相互正交;根据所述相关矩阵的特征向量,确定所述回波信号在频域中的波峰。上述实施例,通过对回波信号的处理,得到回波信号在频域中的峰值,可以准确获取回波信号包含的信息。
在一实施例中,上述频域分析模块310,具体用于:
计算所述回波信号的自相关函数Rx(k)为:
其中,所述回波信号由M个正弦信号和白噪声组成,Ai、ωi分别是第i个正弦信号的功率及频率,σ2为白噪声的方差,δ(k)为冲激函数。
根据所述自相关函数Rx(k)构建一个(p+1)×(p+1)的相关矩阵Rp:
其中,R*表示R的共轭,相关矩阵Rp具有共轭对称性。
获取预设的信号向量
根据所述相关矩阵Rp和信号向量ei,得到所述相关矩阵的表达式为Rp=Sp+δ2I;其中,为信号矩阵,I为(p+1)×(p+1)的单位矩阵。
将所述信号矩阵Sp进行特征分解,得到所述信号矩阵Sp的特征分解式为其中,Vi是对应于信号矩阵Sp的特征值λi的特征向量。
根据所述信号阵Sp的特征分解式和特征向量对所述相关矩阵的表达式进行变形,得到所述相关矩阵Rp的特征分解式为:
根据所述相关矩阵Rp的特征分解式,得到所述相关矩阵Rp的特征值和特征向量,所述相关矩阵Rp的特征向量构成一个p+1维的向量空间,该向量空间中的各个向量互相正交,且该向量空间中的特征向量V1,V2,…,VM构成信号空间,该向量空间中的特征向量VM+1,VM+2,…,Vp+1构成噪声空间。
根据所述噪声空间的特征向量得到:i=1,2,…,M;根据预设的得到:
根据最大似然谱估计和空间谱定义,由下式求得所述回波信号的功率谱中的最大功率的频率为:
根据px(ω)的峰值确定所述回波信号在频域中的波峰。通过上述实施例,可以确准获取回波信号在频域中的波峰。
在一实施例中,上述频率匹配模块320,用于检测波峰对应的频率是否在预设的生命特征信号频率范围内,若是,则确定为所述波峰的频率与生命信号频率匹配。具体地,预设的生命特征信号频率范围为0.5-1.2Hz,人体微动信号的频率也在这个范围内,若检测到波峰对应的频率在0.5-1.2Hz的范围内,则确定所述波峰的频率与生命特征信号频率匹配,所述回波信号含有生命特征,通过匹配关系可以很好地将不同频率的人体微动信号分开,达到了准确判断回波信号包含的生命特征的效果。
在一实施例中,上述频率分析模块320,用于检测波峰对应的频率是否在预设的生命特征信号频率范围内,若否,则确定为所述波峰的频率与生命信号频率不匹配。具体地,预设的生命特征信号频率范围为0.5-1.2Hz,人体微动信号的频率也在这个范围内,若检测到波峰对应的频率不在0.5-1.2Hz的范围内,则确定所述波峰的频率与生命特征信号频率不匹配,所述回波信号不含有生命特征。通过波峰的频率与生命特征信号频率不匹配的关系,可以准确判定所述回波信号不包含生命特征。
在其中一实施例中,上述生命特征确定模块330,用于:若检测到多个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中包含多个生命特征。具体地,通过检测频率与预设的生命特征频率匹配的波峰数量,确定所述回波信号中包含的生命特征数量。若检测到多个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中包含多个生命特征。
上述实施例,克服了探测结果所呈现的周期变化特征相互重叠而无法直接判断是否存在多个生命特征的缺陷,达到了准确判定相同距离处是否存在多个生命特征的技术效果。
在其中一实施例中,上述生命特征确定模块330,用于:若检测到仅有一个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中存在一个生命特征。具体地,通过检测频率与预设的生命特征频率匹配的波峰数量,确定所述回波信号中包含的生命特征数量。若检测到仅有一个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中存在一个生命特征。
在其中一实施例中,上述生命特征确定模块330,用于:若没有检测到与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中不存在生命特征。具体地,通过检测频率与预设的生命特征频率匹配的波峰数量,确定所述回波信号中包含的生命特征数量。若没有检测到与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中不存在生命特征。
上述实施例,通过检测与生命特征频率匹配的波峰数量,确定回波信号包含的生命特征数量,达到了准确判断生命特征的效果,为生命的及时救援提供了帮助。
需要说明的是,上述示例的生命特征检测系统的实施方式中,各模块/单元之间的信息交互、执行过程等内容,由于与本发明前述方法实施例基于同一构思,其带来的技术效果与本发明前述方法实施例相同,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
此外,上述示例的生命特征检测系统的实施方式中,各程序模块的逻辑划分仅是举例说明,实际应用中可以根据需要,例如出于相应硬件的配置要求或者软件的实现的便利考虑,将上述功能分配由不同的程序模块完成,即将所述生命特征检测系统的内部结构划分成不同的程序模块,以完成以上描述的全部或者部分功能。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,作为独立的产品销售或使用。所述程序在执行时,可执行如上述各方法的实施例的全部或部分步骤。此外,所述存储介质还可设置于一种计算机设备中,所述计算机设备中还包括处理器,所述处理器执行所述存储介质中的程序时,能够实现上述各方法的实施例的全部或部分步骤。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。可以理解,其中所使用的术语“第一”、“第二”等在本文中用于区分对象,但这些对象不受这些术语限制。
以上所述实施例仅表达了本发明的几种实施方式,不能理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种生命特征检测方法,其特征在于,包括:
接收探测生命特征的回波信号,对所述回波信号进行频域分析,得到所述回波信号在频域中的波峰;
获取各波峰对应的频率,分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,得到频率与所述生命特征信号频率匹配的波峰数量;
根据所述波峰数量确定所述回波信号中包含的生命特征数量。
2.根据权利要求1所述的生命特征检测方法,其特征在于,所述对所述回波信号进行频域分析,得到所述回波信号在频域中的波峰,包括:
计算所述回波信号的自相关函数,根据所述自相关函数得到所述回波信号对应的一相关矩阵;
对所述相关矩阵进行特征分解,得到所述相关矩阵的特征向量;所述特征向量之间相互正交;
根据所述相关矩阵的特征向量,确定所述回波信号在频域中的波峰。
3.根据权利要求1所述的生命特征检测方法,其特征在于,所述计算所述回波信号的自相关函数,根据所述自相关函数得到所述回波信号对应的一相关矩阵,包括:
计算所述回波信号的自相关函数Rx(k)为:
<mrow>
<msub>
<mi>R</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<msub>
<mi>i&omega;</mi>
<mi>i</mi>
</msub>
<mi>k</mi>
</mrow>
</msup>
<mo>+</mo>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
<mi>&delta;</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,所述回波信号由M个正弦信号和白噪声组成,Ai、ωi分别是第i个正弦信号的功率及频率,σ2为白噪声的方差,δ(k)为冲激函数;
根据所述自相关函数Rx(k)构建一个(p+1)×(p+1)的相关矩阵Rp:
<mrow>
<msub>
<mi>R</mi>
<mi>p</mi>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>R</mi>
<mi>x</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>R</mi>
<mi>x</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>R</mi>
<mi>x</mi>
<mo>*</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>...</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中,R*表示R的共轭,相关矩阵Rp具有共轭对称性;
所述对所述相关矩阵进行特征分解,得到所述相关矩阵的特征向量,包括:
获取预设的信号向量
根据所述相关矩阵Rp和信号向量ei,得到所述相关矩阵的表达式为Rp=Sp+δ2I;其中,为信号矩阵,I为(p+1)×(p+1)的单位矩阵;
将所述信号矩阵Sp进行特征分解,得到所述信号矩阵Sp的特征分解式为其中,Vi是对应于信号矩阵Sp的特征值λi的特征向量;
根据所述信号矩阵Sp的特征分解式和特征向量对所述相关矩阵的表达式进行变形,得到所述相关矩阵Rp的特征分解式为:
<mrow>
<msub>
<mi>R</mi>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msup>
<mi>&delta;</mi>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>V</mi>
<mi>i</mi>
<mi>H</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>M</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>p</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msup>
<mi>&delta;</mi>
<mn>2</mn>
</msup>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>V</mi>
<mi>i</mi>
<mi>H</mi>
</msubsup>
<mo>;</mo>
</mrow>
根据所述相关矩阵Rp的特征分解式,得到所述相关矩阵Rp的特征值和特征向量,所述相关矩阵Rp的特征向量构成一个p+1维的向量空间,该向量空间中的各个向量互相正交,且该向量空间中的特征向量V1,V2,…,VM构成信号空间,特征向量VM+1,VM+2,…,Vp+1构成噪声空间;
所述根据所述相关矩阵的特征向量,确定所述回波信号在频域中的波峰,包括:
根据所述噪声空间的特征向量得到:根据预设的得到:
<mrow>
<msup>
<mi>e</mi>
<mi>H</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>&lsqb;</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mi>M</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>p</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mi>V</mi>
<mi>k</mi>
</msub>
<msubsup>
<mi>V</mi>
<mi>k</mi>
<mi>H</mi>
</msubsup>
<mo>&rsqb;</mo>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mi>M</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>p</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>|</mo>
<msup>
<mi>e</mi>
<mi>H</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>V</mi>
<mi>k</mi>
</msub>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>;</mo>
</mrow>
根据最大似然谱估计和空间谱定义,求得所述回波信号的功率谱中的最大功率的频率为:
<mrow>
<msub>
<mi>p</mi>
<mi>x</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mo>|</mo>
<msup>
<mi>e</mi>
<mi>H</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>V</mi>
<mi>k</mi>
</msub>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
根据px(ω)的峰值确定所述回波信号在频域中的波峰。
4.根据权利要求1所述的生命特征检测方法,其特征在于,所述分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,包括:
检测波峰对应的频率是否在预设的生命特征信号频率范围内,若是,则确定为所述波峰的频率与生命特征信号频率匹配。
5.根据权利要求1所述的生命特征检测方法,其特征在于,所述根据所述波峰数量确定所述回波信号中包含的生命特征数量,包括:
若检测到多个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中包含多个生命特征;
若检测到仅有一个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中存在一个生命特征;
若没有检测到与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中不存在生命特征。
6.一种生命特征检测系统,其特征在于,包括:
频域分析模块,用于接收探测生命特征的回波信号,对所述回波信号进行频域分析,得到所述回波信号在频域中的波峰;
频率匹配模块,用于获取各波峰对应的频率,分别检测各波峰对应的频率是否与预设的生命特征信号频率匹配,得到频率与所述生命特征信号频率匹配的波峰数量;
生命特征确定模块,用于根据所述波峰数量确定所述回波信号中包含的生命特征数量。
7.根据权利要求6所述的生命特征检测系统,其特征在于,所述频率匹配模块,用于:
检测波峰对应的频率是否在预设的生命特征信号频率范围内,若是,则确定为所述波峰的频率与生命信号频率匹配。
8.根据权利要求6所述的生命特征检测系统,其特征在于,所述生命特征确定模块,用于:
若检测到多个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中包含多个生命特征;
若检测到仅有一个与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中存在一个生命特征;
若没有检测到与所述生命特征信号频率匹配的波峰,则确定为所述回波信号中不存在生命特征。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时,实现权利要求1-5中任一项所述生命特征检测方法的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现权利要求1-5中任一项所述生命特征检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710935678.2A CN107831491A (zh) | 2017-10-10 | 2017-10-10 | 生命特征检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710935678.2A CN107831491A (zh) | 2017-10-10 | 2017-10-10 | 生命特征检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107831491A true CN107831491A (zh) | 2018-03-23 |
Family
ID=61647769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710935678.2A Pending CN107831491A (zh) | 2017-10-10 | 2017-10-10 | 生命特征检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107831491A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108742564A (zh) * | 2018-07-03 | 2018-11-06 | 梁汐萌 | 生命参数监测方法及装置 |
CN110575136A (zh) * | 2018-06-11 | 2019-12-17 | 纬创资通股份有限公司 | 分析生理信号的方法及相关分析装置 |
CN112651388A (zh) * | 2021-01-20 | 2021-04-13 | 合肥工业大学 | 一种基于无人机的灾区生命信号检测与定位方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106821347A (zh) * | 2016-12-20 | 2017-06-13 | 中国人民解放军第三军医大学 | 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法 |
-
2017
- 2017-10-10 CN CN201710935678.2A patent/CN107831491A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106821347A (zh) * | 2016-12-20 | 2017-06-13 | 中国人民解放军第三军医大学 | 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法 |
Non-Patent Citations (2)
Title |
---|
李文超 等: "冲激超宽带雷达多生命特征检测初步研究", 《计算机应用研究》 * |
祝忠明 等: "穿墙脉冲雷达回波信号人体微动特征识别初步研究", 《计算机应用研究》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110575136A (zh) * | 2018-06-11 | 2019-12-17 | 纬创资通股份有限公司 | 分析生理信号的方法及相关分析装置 |
CN110575136B (zh) * | 2018-06-11 | 2022-06-17 | 纬创资通股份有限公司 | 分析生理信号的方法及相关分析装置 |
CN108742564A (zh) * | 2018-07-03 | 2018-11-06 | 梁汐萌 | 生命参数监测方法及装置 |
CN112651388A (zh) * | 2021-01-20 | 2021-04-13 | 合肥工业大学 | 一种基于无人机的灾区生命信号检测与定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10912493B2 (en) | Sensor and method | |
US10895631B2 (en) | Sensor and estimating method | |
Gadde et al. | Fall detection and classifications based on time-scale radar signal characteristics | |
CN110031836B (zh) | 生物体数量估计方法、生物体数量估计装置以及记录介质 | |
Xu | Impact detection and location for a plate structure using least squares support vector machines | |
US20120274502A1 (en) | Personal electronic device with a micro-impulse radar | |
CN107831491A (zh) | 生命特征检测方法及系统 | |
US11226408B2 (en) | Sensor, estimating device, estimating method, and recording medium | |
JP2012220492A5 (zh) | ||
JP6868846B2 (ja) | センサーおよび方法 | |
CN112132719B (zh) | 用于应急救援的人员搜救方法、装置、系统及存储介质 | |
Jarmer et al. | Multi-wave-mode, multi-frequency detectors for guided wave interrogation of plate structures | |
Al Hilli et al. | Weighted sparse Bayesian learning (WSBL) for basis selection in linear underdetermined systems | |
Zhang et al. | A coarse-to-fine detection and localization method for multiple human subjects under through-wall condition using a new telescopic SIMO UWB radar | |
Sinitsyn et al. | Determination of aircraft current location on the basis of its acoustic noise | |
Qiao et al. | Learning-refined integral null space pursuit algorithm for noncontact multisubjects vital signs measurements using SFCW-UWB and IR-UWB radar | |
Mercuri et al. | Automatic radar-based 2-D localization exploiting vital signs signatures | |
CN110751103A (zh) | 一种用于物体内部检测的微波信号分类方法及系统 | |
CN114778706A (zh) | 一种基于声电磁互调的室内物体回波特征处理方法与系统 | |
Chan et al. | Underwater positioning by kernel principal component analysis based probabilistic approach | |
Faisal et al. | Human Activity Recognition From FMCW Radar Signals Utilizing Cross-Terms Free WVD | |
Papadopoulos et al. | A Comparative Study on Recent Progress of Machine Learning-Based Human Activity Recognition with Radar | |
Ptak et al. | Instantaneous Doppler signature extraction from within a spectrogram image of a VHF band | |
Bekiroglu et al. | An efficient approach to the radar ghost elimination problem | |
KR102301682B1 (ko) | 상관관계가 있는 샘플들에 대해 셀 평균 일정 오경보율 처리 시 레퍼런스 셀 지정 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180323 |