CN109009124A - 基于超宽带雷达的呼吸频率测量及目标定位方法 - Google Patents

Abstract

本发明公开了一种基于超宽带雷达的呼吸频率测量与目标定位方法，包括：将超宽带雷达采集的回波数据，滤除噪声信号后，生成一个慢时间方向和快时间方向上的二维回波矩阵；以一组慢时间点采样序列为起点，沿慢时间方向，求取该序列和后续各组序列的相关系数，得到一组相关系数序列；得到相关系数序列的频谱，频谱中的频率峰值即为呼吸频率。利用雷达信号在慢时间方向上的相关性，可快速测量出呼吸信号频率参数，还能定位生命目标，测量结果精度高，实时性好。

Description

基于超宽带雷达的呼吸频率测量及目标定位方法

技术领域

本发明属于生物信号测量技术领域，具体地涉及一种基于超宽带雷达的呼吸频率测量及目标定位方法。

背景技术

呼吸信号是一项重要的生命体征信号，呼吸率是反映人体生理状态的重要参数，具有重要的医学价值。在医疗健康领域，呼吸状态的实时监测有利于医护人员及时掌握病患状态，也便于普通用户及时了解自身的健康状况。在战争、反恐、刑侦、灾后救援等领域，呼吸信号可用于目标的识别与定位。因此呼吸频率的正确测量与生命目标的准确定位具有重要的现实意义，有着广泛的应用前景。

传统的接触式测量方法，往往会引起受测者身体或心理上的不适，影响测量结果的准确性，也不便于在诸如居家环境或者重症监护环境下的连续监测。超宽带雷达技术提供了一种短距离、无线的生理信号监测方法，既可用于生命信号的探测，也可用于长期、连续的呼吸信号监测。

目前，基于超宽带雷达的呼吸信号检测方法很多，包括快速傅里叶变换方法（FFT）、短时傅里叶变换方法（STFT）、小波变换方法、奇异值分解方法（SVD）、经验模块分解方法（EMD）及其衍生方法EEMD等。单纯的FFT方法存在高次谐波干扰问题，且只能获取频率信息；STFT方法和小波变换同为时频分析方法，除了能获取频率信息外，还可获取目标距离信息，但仍无法有效处理干扰信号，SVD方法、EMD/EEMD等算法的实现过程复杂，对控制器的计算能力要求较高，实时性不强。

发明内容

针对上述技术问题，本发明提供了一种基于超宽带雷达的呼吸频率测量及目标定位方法。利用雷达信号在慢时间方向上的相关性，可快速测量出呼吸信号频率参数，还能定位生命目标，测量结果精度高，实时性好。

本发明的技术方案是：

一种基于超宽带雷达的呼吸频率测量方法，包括以下步骤：

S01：将超宽带雷达采集的回波数据，滤除噪声信号后，生成一个慢时间方向和快时间方向上的二维回波矩阵；

S02：以一组慢时间点采样序列为起点，沿慢时间方向，求取该序列和后续各组序列的相关系数，得到一组相关系数序列；

S03：得到相关系数序列的频谱，频谱中的频率峰值即为呼吸频率。

优选的技术方案中，所述步骤S02中采样时间长度大于呼吸信号的最大周期。

本发明还公开了一种基于超宽带雷达的目标定位方法，包括以下步骤：

S21：将超宽带雷达采集的回波数据，滤除噪声信号后，生成一个慢时间方向和快时间方向上的二维回波矩阵；

S22：将二维回波矩阵沿快时间方向划分成K个分块矩阵，依次每次移出一个分块，其余部分构成新的矩阵，得到K个新矩阵；

S23：以每个新矩阵的第一个慢时间点采样序列为起点，沿慢时间方向，求该序列和后续各序列的相关系数，并求出最大峰值；

S24：比较求得的K个最大峰值，找出其中的最小值，最小值序号所对应的被移出的分块矩阵包含生命目标信息，根据快时间方向上采样点和空间距离的对应关系，确定目标和雷达之间的一维距离范围；

S25：变换雷达位置，根据多点定位原理，确定目标的空间位置信息。

与现有技术相比，本发明的优点是：

基于呼吸信号的特点，利用雷达信号在慢时间方向上的相关性，可快速测量出呼吸信号频率参数，还能定位生命目标。该算法无需滤除静态杂波；可同步完成呼吸频率的测量与目标定位；由于都是基于相关性实现，因此软件代码中两个功能可调用同一算法函数模块，实现过程简单，代码执行效率高；算法测量结果精度高，实时性好，易于在嵌入式系统上实现，具有广阔的应用前景。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1 为呼吸信号回波示意图；

图2 为基于超宽带雷达的呼吸频率测量及目标定位方法流程图；

图3 为相关系数序列波形图；

图4为相关系数序列频谱图；

图5为定位算法分块矩阵操作示意图；

图6为定位结果示意图。

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了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

实施例：

结合附图和具体实施方式对本发明作进一步说明：

图1为呼吸信号回波示意图，由图中可看出，t₀时刻和（t₀+T）时刻的波形具有非常高的相关性，反应了呼吸运动过程中胸腔的起伏周期，因此通过求取慢时间方向上各采样点回波序列的相关性，可以求出呼吸信号的周期或频率。由于虚线框内的信号是周期性的呼吸信号，其在快时间方向上的分布代表了生命目标的空间位置，如果移除虚线框内的呼吸信号，剩余部分为杂波和噪声信号，其相关性较差，根据这一特点可实现目标定位。算法流程图如图2所示，具体步骤如下：

步骤1：将超宽带雷达采集的回波数据，经过FIR低通滤波器滤除噪声信号后，生成慢时间方向和快时间方向上的一个二维回波矩阵R(m,n)；

步骤2：以矩阵R(m,n)快时间方向上的一组数据序列为起点，沿慢时间方向，求该序列和后续各序列间的相关系数，将该相关系数构成新的序列；需保证采样时间长度至少大于呼吸信号的最大周期，一般以不低于10秒为宜。

步骤3：对该相关系数序列运用FFT求取序列频谱，则频谱中的频率峰值即为呼吸频率；

步骤4：将矩阵R(m，n) 沿快时间方向划分为K份，可以等分，也可以不等分均可，得到K个分块矩阵（R₁，R₂，……，R_k），不同的分块K对应着不同的一维空间距离范围；

步骤5：从R(m,n) 中依次每次移出(R₁，R₂，……，R_k)中的一个分块，其余部分构成新的矩阵，可以得到K个新矩阵（R_m1，R_m2，……，R_mk）；

步骤6：对于（R_m1，R_m2，……，R_mk）中的每个矩阵，以第一个慢时间点采样序列为起点，沿慢时间方向，求该序列与后续序列的相关系数，并取出最大峰值；

步骤7：将所求得的K个最大峰值记为(P₁，P₂，……，P_k)并比较大小，则最小值序号对应的被移出分块矩阵包含生命目标信号，根据快时间方向上采样点和空间距离的对应关系，确定出目标距离雷达的一维距离范围；

步骤8：变换雷达位置，重复步骤1和步骤4~7，根据多点定位原理，可确定目标的空间位置信息。

结合实施样例，进一步阐释本发明。

本样例选用的超宽带雷达型号为Pulson410，设定快时间方向单脉冲采样点数为480个，每个采样点覆盖的空间范围约为9毫米，雷达的目标探测距离约4.3米。根据呼吸信号的特点，正常人的呼吸频率在0.1~0.8之间，因此雷达脉冲重复频率以不低于10倍呼吸频率为宜。本样例设定脉冲重复频率为50HZ，单次测试时间为1分钟。因此每次测试产生一个慢时间方向和快时间方向上大小为3000*480的二维矩阵；

将该矩阵通过通带范围为（0.1Hz ~0.8Hz）的4阶FIR低通滤波器，得到回波矩阵R(m，n)；

以矩阵第一个慢时间点采样序列，沿慢时间方向，求取该序列和自身以及后续各个序列之间的相关系数，将求得的相关系数构成一个新的长度为3000的序列，该序列的波形如图3所示，从图中可以直观的发现该序列信号具有较强的周期性；

对该序列运用FFT，图4所示为对应的频谱图，图中峰值频率0.29Hz即为呼吸频率；

将矩阵R(m，n)沿快时间方向划分为K列，如图5所示。本实施例中将快时间方向上480列数据等分为12列，因此得到12个分块矩阵（R₁，R₂，……，R₁₂ )，每个分块矩阵快时间方向上的长度均为40列，因此覆盖的空间范围约为0.36米；

从矩阵R(m,n)移出第一个分块矩阵R₁，构成新的矩阵R_m1。沿慢时间方向，以R_m1的第一组数据为起点，求该序列与自身及后续序列的相关系数，并取出最大峰值，记为P₁。继续从R(m,n)中依次移出其他分块矩阵，重复上述操作，得到最大相关系数峰值序列（P₁，P₂，……，P₁₂)，如图6所示。其中P₅最小，因此判断出目标位于距雷达1.45米~1.80米的一维范围内。

变换雷达位置，重复步骤1和步骤4~7，根据多点定位原理，可确定目标的空间位置信息。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (3)

1.一种基于超宽带雷达的呼吸频率测量方法，其特征在于，包括以下步骤：

S01：将超宽带雷达采集的回波数据，滤除噪声信号后，生成一个慢时间方向和快时间方向上的二维回波矩阵；

S02：以一组慢时间点采样序列为起点，沿慢时间方向，求取该序列和后续各组序列的相关系数，得到一组相关系数序列；

S03：得到相关系数序列的频谱，频谱中的频率峰值即为呼吸频率。

2.根据权利要求1所述的基于超宽带雷达的呼吸频率测量方法，其特征在于，所述步骤S02中采样时间长度大于呼吸信号的最大周期。

3.一种基于超宽带雷达的目标定位方法，其特征在于，包括以下步骤：

S21：将超宽带雷达采集的回波数据，滤除噪声信号后，生成一个慢时间方向和快时间方向上的二维回波矩阵；

S22：将二维回波矩阵沿快时间方向划分成K个分块矩阵，依次每次移出一个分块，其余部分构成新的矩阵，得到K个新矩阵；

S23：以每个新矩阵的第一个慢时间点采样序列为起点，沿慢时间方向，求该序列和后续各序列的相关系数，并求出最大峰值；

S24：比较求得的K个最大峰值，找出其中的最小值，最小值序号所对应的被移出的分块矩阵包含生命目标信息，根据快时间方向上采样点和空间距离的对应关系，确定目标和雷达之间的一维距离范围；

S25：变换雷达位置，根据多点定位原理，确定目标的空间位置信息。