CN108776336B - 一种基于emd的自适应穿墙雷达静止人体目标定位方法 - Google Patents

一种基于emd的自适应穿墙雷达静止人体目标定位方法 Download PDF

Info

Publication number
CN108776336B
CN108776336B CN201810592255.XA CN201810592255A CN108776336B CN 108776336 B CN108776336 B CN 108776336B CN 201810592255 A CN201810592255 A CN 201810592255A CN 108776336 B CN108776336 B CN 108776336B
Authority
CN
China
Prior art keywords
target
image
imf
pcf
frequency
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
CN201810592255.XA
Other languages
English (en)
Other versions
CN108776336A (zh
Inventor
崔国龙
曹凌霄
陈国浩
郭世盛
李虎泉
孔令讲
杨晓波
易伟
张天贤
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201810592255.XA priority Critical patent/CN108776336B/zh
Publication of CN108776336A publication Critical patent/CN108776336A/zh
Application granted granted Critical
Publication of CN108776336B publication Critical patent/CN108776336B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S7/414—Discriminating targets with respect to background clutter
    • 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
    • G01S7/418—Theoretical aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于EMD的自适应穿墙雷达静止人体目标定位方法,涉及穿墙雷达技术，特别涉及穿墙雷达的静止目标探测与定位技术。本发明提供适用于MIMO穿墙雷达的静止目标定位算法。对接收的多周期数据进行快时间维傅里叶变换得到多周期距离像；再将多周期距离像按距离单元分解成多个列向量，用EMD算法处理每个列向量数据；通过慢时间维傅里叶变换将处理后的各个距离像转换到频域，自适应选择包含目标信息的距离像。最后通过BP成像算法快速成像，并结合PCF算法进一步抑制噪声与杂波。本发明具有定位精度高，可自适应处理数据的能力，可以直接应用到穿墙雷达装备中。

Description

一种基于EMD的自适应穿墙雷达静止人体目标定位方法
技术领域
本发明涉及穿墙雷达技术，特别涉及穿墙雷达的静止目标探测与定位技术。
背景技术
穿墙雷达是利用发射特定频段的电磁波穿透建筑物，接收建筑物后人体等目标的散射回波数据实现对隐蔽目标成像检测跟踪的特种装备，近年来已经在反恐、巷战、灾难救援等军事及民用方面得到越来越广泛的应用。由于建筑墙体的存在，雷达回波中墙体直接回波非常强，导致目标信噪比较低。穿墙雷达中常用的运动目标滤波器(MTI)在处理静止目标时性能会受到限制，因目标微动幅度较小，滤波后的遗留杂波仍然较多。因此，实际应用中，从原始回波中准确提取目标信息，滤除原始回波杂波与噪声、提高目标信噪比并高精度成像是穿墙雷达成像后跟踪中的关键问题。
对于穿墙雷达静止目标提取方法的研究，国内外研究机构已提出诸多解决方法。例如，通过快时间维傅里叶变换将多周期距离像转换到距离-多普勒平面，频域带通滤波后得到目标呼吸频率与目标距离；积累多周期数据，提高目标信噪比等。但是这些方法的数据利用率很低，需要处理多帧周期数据才能提取到一帧静止目标信息。另外，上述方法均未涉及到静止目标定位，只能提取到目标距离与频率信息，当信噪比很低时，上述方法也许不再适用。文献“Hilbert-Huang Transform(HHT)Processing of Through-Wall Noise RadarData for Human Activity Characterization”中用到了经验模态分解(EMD)分解原始基带信号的思想，该方法使多种人体动作的识别变得更加容易。但是这种方法需要知道目标先验位置，且不能自动选择分解后的信号分量，另外，该方法不涉及目标定位。从公开发表的文献资料来看，目前还没有一种基于EMD的自适应穿墙目标定位方法。因此，研究一种基于EMD的可自适应实现目标定位的方法具有重要的实际应用价值。
发明内容
本发明所要解决的技术问题是，在回波信噪比极低的情况下，提供一种去杂波效果好的，定位精度高的，适用于MIMO穿墙雷达的静止目标定位方法。
本发明所采用的技术方案是，一种基于EMD的自适应穿墙雷达静止人体目标定位方法，该方法包括以：
步骤1：生成多周期回波距离像；
MIMO雷达不断向外发射步进频信号，同时接收目标回波信号；对其中一个通道而言，将接收到的多周期原始回波通过混频、低通滤波和采样后，对其做Y点快时间维离散傅里叶变换，得到多周期原始距离像；
步骤2：分解多周期距离像；
步骤2-1：找出多周期距离像中原始列信号的极大值点和极小值点，分别采用三次样条插值拟合，产生上下包络线，并计算上下包络的均值，记为m1(t)；
步骤2-2：用列信号减去平均包络m1(t)，得到一个去掉低频的新序列h1(t)；重复迭代，直到收敛指标SD满足收敛条件SD∈[0.2,0.3]，得到列信号的第一个固有模态函数IMF；
步骤2-3：从原始列信号中将第一个IMF分量分离出来，并对剩余部分采用步骤2-1和步骤2-2的方法做相同处理，分离出剩余部分的IMF分量，依次重复步骤2-3，将原始列信号分解为有限个不同阶的IMF分量和一个余项rn(t)；
步骤3：自适应挑选距离像；
对每个IMF分量做慢时间维傅里叶变换，转换到频率进行自动筛选；其中，含有的呼吸频率大于设定的阈值的IMF分量被提取出来，重新组成新的多周期距离像；
步骤4：快速成像及优化；
步骤4-1：通过背向投影BP算法，创建成像区域查找表，计算每个通道每个周期的距离延迟，相干叠加到成像区域上，实现快速BP成像。
进一步的，计算每个通道，每个像素点的标准差，并计算对应的相位相干因子PCF；目标处由于各个通道相位相同，PCF值为1；其余像素点由于各个通道间相位不同，PCF值小于1；将原始图像域对应的相位相干因子相乘，进一步抑制杂波与噪声；
进一步的，通过二维椭圆图像滤波技术将PCF处理后的图像进行平滑，进一步提高图像质量。
进一步的，所述步骤1中回波信号中包括：墙体直接回波、环境杂波、目标回波；采用平均对消的方法消除墙体直接回波。
进一步的，所述步骤1中第m个发射天线发射的步进频信号可以表示为：
Figure BDA0001690950840000021
其中，f0为初始频率，Δf为频率步进，Ω为频点数，T0为每个频点的持续时间；第n个接收天线，..，接收到的目标回波为：
Figure BDA0001690950840000031
其中，|Γ|ejφ表示目标复反射系数，τ(t)＝2r(t)/c表示目标传播时延。
进一步的，所述步骤2的具体方法为：
步骤2-1：多周期距离像中列信号为Peri(m,n,t)，找出Peri(m,n,t)的极大值点和极小值点，分别采用三次样条插值拟合，产生上下包络线eu(t)与ed(t)，并计算上下包络的均值，记为m1(t)：
m1(t)＝(eu(t)+ed(t))/2
步骤2-2：用列信号Peri(m,n,t)减去平均包络m1(t)，得到一个去掉低频的新序列h1(t)：
h1(t)＝Peri(m,n,t)-m1(t)
重复迭代，知道收敛指标SD满足收敛条件SD∈[0.2,0.3]，SD定义为：
Figure BDA0001690950840000032
当满足收敛条件后，我们能得到列信号Peri(m,n,t)的第一个固有模态分量IMFi,1(m,n,t)：
IMFi,1(m,n,t)＝h1k(t)
其中k表示此时迭代次数；
步骤2-3：将第一个固有模态分量从原始列向量中分离出来，并对剩余部分做相同处理，就能将原始信号分解为有限不同阶的IMF分量和一个代表原始信号序列均值或趋势的余项rn(t)：
Figure BDA0001690950840000033
其中，IMFi,k(m,n,t)表示一系列不同频率范围的信号分量，设共分解了K组信号分量。对每个距离单元上的列向量Peri(m,n,t),i＝1,2,...Y均进行上述处理，我们能得到K组X-周期距离像。第k个分解后的距离像可以表示为：
Figure BDA0001690950840000034
进一步的，所述步骤3的具体方法为：
将每一个分解后的距离像做慢时间维傅里叶变换，将其转换到距离-多普勒(R-D)平面，用目标杂波比TCR自动判断该平面是否含有目标信息；TCR为呼吸频率能量与剩余频率区域能量总和的比值，可以表示为：
Figure BDA0001690950840000041
其中，FT表示目标呼吸频率的能量，FR表示其余频率区域的能量总和；当TCR大于设定某个门限ε时，认为该R-D平面对应的距离像包含目标信息；保留该距离像；并舍弃其他距离像，就能最大限度的去除杂波与噪声，提高目标信噪比。保留的第k个距离像D'(m,n)可以表示为：
D'(m,n)＝[IMF1,k(m,n,t),IMF2,k(m,n,t),...,IMFY,k(m,n,t)]
＝[R'1(m,n,t),R'2(m,n,t),...,R'X(m,n,t)]Τ。
进一步的，所述步骤4的具体方法为：
步骤4-1：通过背向投影BP算法，创建成像区域查找表，计算每个通道每个周期的距离延迟，相干叠加到成像区域上，实现快速BP成像；根据BP成像算法，相干叠加各通道数据，第p周期，第rq个像素点的像素值为：
Figure BDA0001690950840000042
其中，ω表示点扩展函数的权重因子，τmn是像素点rq与第m个发射天线和第n个接收天线的传播时延，R'p(m,n,τmn)表示第mn个通道中第rq个像素点的像素值；
步骤4-2：计算每个通道，每个像素点的标准差，并计算对应的相位相干因子PCF；像素点rq的PCF值为：
Figure BDA0001690950840000043
其中，
Figure BDA0001690950840000044
表示像素点rq对应第m个发射天线第n个接收天线的相位，p≥1表示敏感因子，std(·)为标准差函数，复指数的标准差函数可以表示为：
Figure BDA0001690950840000045
目标处的像素点由于各个通道相位相同，PCF值为1；其余像素点由于各个通道间相位不同，PCF值小于1；将原始图像域对应的相位相干因子相乘，可以进一步抑制杂波与噪声；
IPCF(rq)＝PCF(rq)×I(rq)
步骤4-3：通过二维椭圆图像滤波技术将PCF处理后的图像进行平滑，可以进一步提高图像质量。
本发明提供适用于MIMO穿墙雷达的静止目标定位算法。对接收的多周期数据进行快时间维傅里叶变换得到多周期距离像；再将多周期距离像按距离单元分解成多个列向量，用EMD算法处理每个列向量数据；通过慢时间维傅里叶变换将处理后的各个距离像转换到频域，自适应选择包含目标信息的距离像。最后通过BP成像算法快速成像，并结合PCF算法进一步抑制噪声与杂波。本发明具有定位精度高，可自适应处理数据的能力，可以直接应用到穿墙雷达装备中。
附图说明
图1为探测场景示意图；
图2为算法流程图；
图3为低信噪比条件下的理论仿真图；
图4为目标杂波比随信噪比的变化关系图；
图5为实测场景示意图；
图6为双目标实测结果图：(a)只用PCF处理结果；(b)本发明处理结果；
图7为四目标实测结果图：(a)只用PCF处理结果；(b)本发明处理结果。
具体实施方式
步骤1：分解回波距离像步骤
步骤1-1：MIMO雷达不断向外发射步进频信号，同时接收目标回波信号。设MIMO雷达由M个发射天线,N个接收天线组成。第m个发射天线，m＝1,2,...,M,发射的步进频信号可以表示为：
Figure BDA0001690950840000051
其中，f0为初始频率，Δf为频率步进，Ω为频点数，T0为每个频点的持续时间。于是，第n个接收天线，..，接收到的目标回波为：
Figure BDA0001690950840000052
其中，|Γ|ejφ表示目标复反射系数，τ(t)＝2r(t)/c表示目标传播时延，c表示电磁波传播速度。r(t)表示目标与雷达阵列的实时距离，对于静止人体而言，设胸腔表面到雷达阵列的平均距离为r0，呼吸幅度与频率分别为Ab和fb，那么r(t)可表示为：
r(t)＝r0+Absin(2πfbt) (3)
注意到目标回波只是雷达回波的一部分，墙体直接回波为雷达回波的主要部分，并考虑到环境杂波等因素，雷达回波可以表示为：
y(m,n,t)＝ywall(m,n,t)+ytar(m,n,t)+yclu(m,n,t) (4)
其中，ywall为墙体直接回波，yclu为环境杂波。对于平稳呼吸的静止人体而言，每次呼吸会引起幅度与时延的改变，因此，可以用动目标滤波器(MTI)提高信噪比。通过平均对消，可以将墙体回波消除。因此，之后的讨论我们不考虑墙体回波。平均对消后的雷达回波可以表示为：
y(m,n,t)＝ytar(m,n,t)+yclu(m,n,t) (5)
步骤1-2：对消后的原始回波经过混频、滤波后，通过快时间维FFT得到原始多周期距离像R(m,n,t)：
Figure BDA0001690950840000061
其中，B表示带宽，fc＝f0+B/2表示中心频率。假定收集了X组连续脉冲，快时间维FFT点数为Y，那么第m个发射天线，第n个接收天线的多周期距离像DX×Y可以表示为：
DX×Y(m,n)＝[R1(m,n,t),R2(m,n,t),...,RX(m,n,t)]Τ
＝[Per1(m,n,t),Per2(m,n,t),...,PerY(m,n,t)] (7)
其中Peri(m,n,t)∈CX×1,i＝1,2,...,Y是对应每个距离单元的X维慢时间列向量。
步骤2：对每个通道的每个慢时间维列向量Peri(m,n,t)做如下处理：
步骤2-1：找出Peri(m,n,t)的极大值点和极小值点，分别采用三次样条插值拟合，产生上下包络线eu(t)与ed(t)，并计算上下包络的均值，记为m1(t)：
m1(t)＝(eu(t)+ed(t))/2 (8)
步骤2-2：用列信号Peri(m,n,t)减去平均包络m1(t)，得到一个去掉低频的新序列h1(t)：
h1(t)＝Peri(m,n,t)-m1(t) (9)
重复迭代，知道收敛指标SD满足收敛条件SD∈[0.2,0.3]，SD定义为：
Figure BDA0001690950840000062
当满足收敛条件后，我们能得到列信号Peri(m,n,t)的第一个固有模态分量IMFi,1(m,n,t)：
IMFi,1(m,n,t)＝h1k(t) (11)
其中k表示此时迭代次数。
步骤2-3：将第一个固有模态分量从原始列向量中分离出来，并对剩余部分做相同处理，就能将原始信号分解为有限不同阶的IMF分量和一个代表原始信号序列均值或趋势的余项rn(t)：
Figure BDA0001690950840000071
其中，IMFi,k(m,n,t)表示一系列不同频率范围的信号分量，设共分解了K组信号分量。对每个距离单元上的列向量Peri(m,n,t),i＝1,2,...Y均进行上述处理，我们能得到K组X-周期距离像。第k个分解后的距离像可以表示为：
Figure BDA0001690950840000072
步骤3：自适应挑选距离像步骤
分解后的k个距离像中，只有一两个包含静止目标回波信息，需要用一种自适应方法来挑选需要的距离像。下面提供一种简单易行的方法：将每一个分解后的距离像做慢时间维傅里叶变换，将其转换到距离-多普勒(R-D)平面，用目标杂波比(TCR)自动判断该平面是否含有目标信息。在这里TCR定义为呼吸频率(0.3Hz～0.5Hz)能量与剩余频率区域能量总和的比值，可以表示为：
Figure BDA0001690950840000073
其中，FT表示目标呼吸频率的能量，FR表示其余频率区域的能量总和。当TCR大于某个门限ε时，认为该R-D平面对应的距离像包含目标信息。保留该距离像(假设是第k个距离像)并舍弃其他距离像，就能最大限度的去除杂波与噪声，提高目标信噪比。保留的第k个距离像D'(m,n)可以表示为：
D'(m,n)＝[IMF1,k(m,n,t),IMF2,k(m,n,t),...,IMFY,k(m,n,t)]
＝[R'1(m,n,t),R'2(m,n,t),...,R'X(m,n,t)]Τ (15)
步骤4：快速成像及优化步骤
步骤4-1：通过背向投影算法(BP)，创建成像区域查找表，计算每个通道每个周期的距离延迟，相干叠加到成像区域上，实现快速BP成像。根据BP成像算法，相干叠加各通道数据，第p周期，第rq个像素点的像素值为：
Figure BDA0001690950840000081
其中，ω表示点扩展函数的权重因子，τmn是像素点rq与第m个发射天线和第n个接收天线的传播时延。
步骤4-2：计算每个通道，每个像素点的标准差，并计算对应的相位相干因子(PCF)。像素点rq的PCF值为：
Figure BDA0001690950840000082
其中，
Figure BDA0001690950840000083
表示像素点rq对应第m个发射天线第个接收天线的相位，p≥1表示敏感因子，std(·)为标准差函数，复指数的标准差函数可以表示为：
Figure BDA0001690950840000084
目标处的像素点由于各个通道相位相同，PCF值为1；其余像素点由于各个通道间相位不同，PCF值小于1。将原始图像域对应的相位相干因子相乘，可以进一步抑制杂波与噪声。
IPCF(rq)＝PCF(rq)×I(rq) (19)
步骤4-3：通过二维椭圆图像滤波技术将PCF处理后的图像进行平滑，可以进一步提高图像质量。
基于实施例方法
一部两发四收配置的步进频穿墙雷达探测场景如图5所示，穿墙雷达系统贴墙放置在中间位置，发射步进频率连续波信号
Figure BDA0001690950840000085
步进间隔为Δf，脉冲周期为T0，对墙体另一侧多个运动人体目标实施穿墙探测。
基于上述所示的穿墙雷达系统探测场景,本发明的具体工作流程如下：
(1)收集多周期回波数据，对其做平均对消处理。通过快时间维傅里叶变换将原始回波变为多周期距离像，用EMD算法对每个距离单元的多周期数据进行分解，得到多个多周期距离像。
(2)对每个分解后的距离像做慢时间维傅里叶变换，得到距离-多普勒平面。挑选包含人体信息的距离像，舍弃掉其余距离像。
(3)通过多通道相干BP成像算法快速成像，并通过PCF算法进一步抑制噪声，椭圆滤波后得到如图6、图7的静止目标成像结果。其中，图6为静止双人目标成像结果，图7为静止四人目标成像结果。

Claims (7)

1.一种基于EMD的自适应穿墙雷达静止人体目标定位方法，该方法包括以：
步骤1：生成多周期回波距离像；
MIMO雷达不断向外发射步进频信号，同时接收目标回波信号；对其中一个通道而言，将接收到的多周期原始回波通过混频、低通滤波和采样后，对其做Y点快时间维离散傅里叶变换，得到多周期原始距离像；
步骤2：分解多周期距离像；
步骤2-1：找出多周期距离像中原始列信号的极大值点和极小值点，分别采用三次样条插值拟合，产生上下包络线，并计算上下包络的均值，记为m1(t)；
步骤2-2：用列信号减去平均包络m1(t)，得到一个去掉低频的新序列h1(t)；重复迭代，直到收敛指标SD满足收敛条件SD∈[0.2,0.3]，得到列信号的第一个固有模态函数IMF；
步骤2-3：从原始列信号中将第一个IMF分量分离出来，并对剩余部分采用步骤2-1和步骤2-2的方法做相同处理，分离出剩余部分的IMF分量，依次重复步骤2-3，将原始列信号分解为有限个不同阶的IMF分量和一个余项rn(t)；
步骤3：自适应挑选距离像；
对每个IMF分量做慢时间维傅里叶变换，转换到频率进行自动筛选；其中，含有的呼吸频率大于设定的阈值的IMF分量被提取出来，重新组成新的多周期距离像；
步骤4：快速成像及优化；
步骤4-1：通过背向投影BP算法，创建成像区域查找表，计算每个通道每个周期的距离延迟，相干叠加到成像区域上，实现快速BP成像；根据BP成像算法，相干叠加各通道数据，第p周期，第rq个像素点的像素值为：
Figure FDA0003552898350000011
其中，ω表示点扩展函数的权重因子，τmn是像素点rq与第m个发射天线和第n个接收天线的传播时延，R'p(m,n,τmn)表示第mn个通道中第rq个像素点的像素值；
步骤4-2：计算每个通道，每个像素点的标准差，并计算对应的相位相干因子PCF；像素点rq的PCF值为：
Figure FDA0003552898350000012
其中，
Figure FDA0003552898350000021
表示像素点rq对应第m个发射天线第n个接收天线的相位，p≥1表示敏感因子，std(·)为标准差函数，复指数的标准差函数表示为：
Figure FDA0003552898350000022
目标处的像素点由于各个通道相位相同，PCF值为1；其余像素点由于各个通道间相位不同，PCF值小于1；将原始图像域对应的相位相干因子相乘，进一步抑制杂波与噪声；
IPCF(rq)＝PCF(rq)×I(rq)
步骤4-3：通过二维椭圆图像滤波技术将PCF处理后的图像进行平滑，进一步提高图像质量。
2.如权利要求1所述的一种基于EMD的自适应穿墙雷达静止人体目标定位方法,其特征在于该方法步骤4后还包括计算每个通道，每个像素点的标准差，并计算对应的相位相干因子PCF；目标处由于各个通道相位相同，PCF值为1；其余像素点由于各个通道间相位不同，PCF值小于1；将原始图像域对应的相位相干因子相乘，进一步抑制杂波与噪声。
3.如权利要求1所述的一种基于EMD的自适应穿墙雷达静止人体目标定位方法,其特征在于所述步骤1中回波信号中包括：墙体直接回波、环境杂波、目标回波；采用平均对消的方法消除墙体直接回波。
4.如权利要求1所述的一种基于EMD的自适应穿墙雷达静止人体目标定位方法,其特征在于所述步骤1中第m个发射天线发射的步进频信号表示为：
Figure FDA0003552898350000023
其中，f0为初始频率，Δf为频率步进，Ω为频点数，T0为每个频点的持续时间；第n个接收天线接收到的目标回波为：
Figure FDA0003552898350000024
其中，|Γ|ejφ表示目标复反射系数，τ(t)＝2r(t)/c表示目标传播时延。
5.如权利要求1所述的一种基于EMD的自适应穿墙雷达静止人体目标定位方法,其特征在于所述步骤2的具体方法为：
步骤2-1：多周期距离像中列信号为Peri(m,n,t)，找出Peri(m,n,t)的极大值点和极小值点，分别采用三次样条插值拟合，产生上下包络线eu(t)与ed(t)，并计算上下包络的均值，记为m1(t)：
m1(t)＝(eu(t)+ed(t))/2
步骤2-2：用列信号Peri(m,n,t)减去平均包络m1(t)，得到一个去掉低频的新序列h1(t)：
h1(t)＝Peri(m,n,t)-m1(t)
重复迭代，知道收敛指标SD满足收敛条件SD∈[0.2,0.3]，SD定义为：
Figure FDA0003552898350000031
当满足收敛条件后，我们能得到列信号Peri(m,n,t)的第一个固有模态分量IMFi,1(m,n,t)：
IMFi,1(m,n,t)＝h1k(t)
其中k表示此时迭代次数；
步骤2-3：将第一个固有模态分量从原始列向量中分离出来，并对剩余部分做相同处理，就能将原始信号分解为有限不同阶的IMF分量和一个代表原始信号序列均值或趋势的余项rn(t)：
Figure FDA0003552898350000032
其中，IMFi,k(m,n,t)表示一系列不同频率范围的信号分量，设共分解了K组信号分量；对每个距离单元上的列向量Peri(m,n,t),i＝1,2,...Y均进行上述处理，得到K组X-周期距离像；第k个分解后的距离像表示为：
Figure FDA0003552898350000033
6.如权利要求1所述的一种基于EMD的自适应穿墙雷达静止人体目标定位方法,其特征在于所述步骤3的具体方法为：
将每一个分解后的距离像做慢时间维傅里叶变换，将其转换到距离-多普勒(R-D)平面，用目标杂波比TCR自动判断该平面是否含有目标信息；TCR为呼吸频率能量与剩余频率区域能量总和的比值，表示为：
Figure FDA0003552898350000034
其中，FT表示目标呼吸频率的能量，FR表示其余频率区域的能量总和；当TCR大于设定某个门限ε时，认为该R-D平面对应的距离像包含目标信息；保留该距离像；并舍弃其他距离像，就能最大限度的去除杂波与噪声，提高目标信噪比；保留的第k个距离像D'(m,n)表示为：
D'(m,n)＝[IMF1,k(m,n,t),IMF2,k(m,n,t),...,IMFY,k(m,n,t)]。
7.如权利要求2所述的一种基于EMD的自适应穿墙雷达静止人体目标定位方法,其特征在于该方法还包括通过二维椭圆图像滤波技术将PCF处理后的图像进行平滑，进一步提高图像质量。
CN201810592255.XA 2018-06-11 2018-06-11 一种基于emd的自适应穿墙雷达静止人体目标定位方法 Active CN108776336B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810592255.XA CN108776336B (zh) 2018-06-11 2018-06-11 一种基于emd的自适应穿墙雷达静止人体目标定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810592255.XA CN108776336B (zh) 2018-06-11 2018-06-11 一种基于emd的自适应穿墙雷达静止人体目标定位方法

Publications (2)

Publication Number Publication Date
CN108776336A CN108776336A (zh) 2018-11-09
CN108776336B true CN108776336B (zh) 2022-06-03

Family

ID=64024867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810592255.XA Active CN108776336B (zh) 2018-06-11 2018-06-11 一种基于emd的自适应穿墙雷达静止人体目标定位方法

Country Status (1)

Country Link
CN (1) CN108776336B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111360B (zh) * 2019-04-19 2022-05-03 电子科技大学 一种基于自组织映射网络的穿墙雷达人体动作表征方法
CN111856451B (zh) * 2019-04-26 2022-09-13 山东省科学院自动化研究所 基于穿墙雷达的动静人体目标自适应检测方法及系统
CN110187320B (zh) * 2019-05-30 2021-07-20 六盘水三力达科技有限公司 一种改进雷达信号时频分析方法
CN110412572B (zh) * 2019-07-23 2023-03-24 中国科学院电子学研究所 P波段合成孔径雷达成像干扰抑制方法
CN110736986B (zh) * 2019-10-18 2021-06-04 北京大学 基于现场可编程超材料的智能Wi-Fi成像方法与系统
CN111007496B (zh) * 2019-11-28 2022-11-04 成都微址通信技术有限公司 基于神经网络关联雷达的穿墙透视方法
CN111060886B (zh) * 2020-01-17 2021-10-08 山东省科学院自动化研究所 一种多普勒雷达微运动目标检测方法及系统
CN112731388B (zh) * 2020-12-14 2023-10-13 北京遥感设备研究所 一种基于有效散射点能量积累的目标检测方法
CN112924950B (zh) * 2021-01-26 2022-12-06 森思泰克河北科技有限公司 静止人物区分方法、装置及终端设备
CN113100738B (zh) * 2021-04-15 2022-11-04 广东工业大学 一种非接触式穿墙检测生命信息的方法
CN113238221B (zh) * 2021-05-11 2023-09-22 沈阳航空航天大学 基于二维最小相位相干因子的mimo穿墙雷达成像方法
CN115166681B (zh) * 2022-09-07 2022-12-06 武汉新朗光电科技有限公司 调频连续波信号体制穿墙雷达目标检测快速方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105182328A (zh) * 2015-09-09 2015-12-23 河南工业大学 一种探地雷达地下目标定位方法
CN107884761A (zh) * 2017-11-22 2018-04-06 中南大学 基于能量算子的多普勒穿墙雷达定位方法
CN107942314A (zh) * 2017-11-22 2018-04-20 中南大学 基于lasso特征提取的多普勒穿墙雷达定位方法
KR20180055165A (ko) * 2016-11-16 2018-05-25 국방과학연구소 Ｅｍｄ를 이용한 ｈｒｒｐ의 잡음 제거 장치 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN105182328A (zh) * 2015-09-09 2015-12-23 河南工业大学 一种探地雷达地下目标定位方法
KR20180055165A (ko) * 2016-11-16 2018-05-25 국방과학연구소 Ｅｍｄ를 이용한 ｈｒｒｐ의 잡음 제거 장치 및 그 방법
CN107884761A (zh) * 2017-11-22 2018-04-06 中南大学 基于能量算子的多普勒穿墙雷达定位方法
CN107942314A (zh) * 2017-11-22 2018-04-20 中南大学 基于lasso特征提取的多普勒穿墙雷达定位方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Sign-Coherence-Factor-Based Suppression for Grating Lobes in Through-Wall Radar Imaging;Liu, JG et al.;《IEEE Geoscience and Remote Sensing Letters》;20161231;1681-1685 *
基于改进EEMD的穿墙雷达动目标微多普勒特性分析;王宏等;《电子与信息学报》;20100615(第06期);89-94 *
穿墙定位雷达静止人体目标的信号处理;费翔宇等;《信号处理》;20110525(第05期);148-152 *

Also Published As

Publication number Publication date
CN108776336A (zh) 2018-11-09

Similar Documents

Publication Publication Date Title
CN108776336B (zh) 一种基于emd的自适应穿墙雷达静止人体目标定位方法
CN110412559B (zh) 分布式无人机mimo雷达的非相参融合目标检测方法
CN107678028B (zh) 低信噪比条件下的微波凝视关联成像方法
CN104569948B (zh) 海杂波背景下子带自适应glrt‑ltd检测方法
Wang CFAR-based interference mitigation for FMCW automotive radar systems
EP2771710B1 (en) Wideband sonar receiver and sonar signal processing algorithms
US10031221B2 (en) System and method for estimating number and range of a plurality of moving targets
CN109471083B (zh) 基于空时级联的机载外辐射源雷达杂波抑制方法
CN104977571B (zh) 基于俯仰频率分集stap的距离模糊杂波抑制方法
CN109669182B (zh) 无源双基地sar动/静目标联合稀疏成像方法
CN102520396A (zh) 基于复数经验模态分解的时变窄带干扰抑制方法
Wang et al. Hand gesture recognition using radial and transversal dual micromotion features
CN109031299B (zh) 低信噪比条件下基于相位差分的isar平动补偿方法
Searle et al. Cancelling strong Doppler shifted returns in OFDM based passive radar
Yu et al. Ground moving target motion parameter estimation using Radon modified Lv's distribution
Lu et al. An efficient method for single-channel SAR target reconstruction under severe deceptive jamming
CN110231616B (zh) 基于北斗卫星辐射源的海面运动目标检测与定位方法
Savelyev et al. 3D imaging by fast deconvolution algorithm in short-range UWB radar for concealed weapon detection
CN108845318B (zh) 基于Relax算法的星载高分宽幅成像方法
CN109143235B (zh) 一种双基前视合成孔径雷达地面运动目标检测方法
CN113376607B (zh) 机载分布式雷达小样本空时自适应处理方法
CN112526497B (zh) 一种压缩感知雷达干扰抑制稀疏观测方法
CN115575921B (zh) 一种基于俯仰向多通道多干扰基压制干扰抑制方法
CN112014807A (zh) 一种频率捷变雷达的自适应杂波抑制方法
CN103885044B (zh) 一种基于clean算法的窄带雷达回波杂噪抑制方法

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
GR01 Patent grant
GR01 Patent grant