CN109557520B - 一种基于多方法融合的人体微弱呼吸信号增强方法 - Google Patents

一种基于多方法融合的人体微弱呼吸信号增强方法 Download PDF

Info

Publication number
CN109557520B
CN109557520B CN201811599365.5A CN201811599365A CN109557520B CN 109557520 B CN109557520 B CN 109557520B CN 201811599365 A CN201811599365 A CN 201811599365A CN 109557520 B CN109557520 B CN 109557520B
Authority
CN
China
Prior art keywords
signal
enhancement
signal matrix
echo
matrix
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.)
Expired - Fee Related
Application number
CN201811599365.5A
Other languages
English (en)
Other versions
CN109557520A (zh
Inventor
侯兴松
黑夏萌
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.)
Suzhou Tianbiyou Technology Co ltd
Original Assignee
Suzhou Tianbiyou Technology Co ltd
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 Suzhou Tianbiyou Technology Co ltd filed Critical Suzhou Tianbiyou Technology Co ltd
Priority to CN201811599365.5A priority Critical patent/CN109557520B/zh
Publication of CN109557520A publication Critical patent/CN109557520A/zh
Application granted granted Critical
Publication of CN109557520B publication Critical patent/CN109557520B/zh
Expired - Fee Related 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
    • 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
    • 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

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)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于多方法融合的人体微弱呼吸信号增强方法，主要是先对超宽带雷达回波数据进行预处理，再分别进行自动增益控制处理和局部归一化处理，对自动增益控制处理后的结果进行距离向增强，再通过约束条件计算出不同方法的最优融合系数，最后利用融合系数对处理过的信号矩阵进行加权得到新的数据，本发明可以对远距离的微弱信号同时进行时域及频域的增强，可以有效地提高检测人体微弱呼吸信号的准确率。

Description

一种基于多方法融合的人体微弱呼吸信号增强方法
技术领域
本技术发明涉及生命微弱信号增强领域，尤其涉及一种基于多方法融合的人体微弱呼吸信号增强方法。
背景技术
随着社会现代化的不断发展，地震、泥石流等自然灾害发生的频率逐渐增加，大量房屋倒塌，可能会造成人员掩埋，由于黄金救援时间极其宝贵，因此如何快速、准确、有效地检测出废墟下的生命体信号就显得尤为重要。
在灾难发生后，由于是否有被困人员的存在，若存在，其位置信息如何确定等问题都是需要在最短的时间内进行检测，因此为了提高救援效率，保证更多的生命安全，利用超宽带雷达来探测生命信号，超宽带雷达的生命信号电磁探测利用电磁波反射原理，由于其具有高距离分辨率、强穿透特性，可以穿透障碍物来探测生命运动信号。
在救援过程中，周围环境有静物（例如石块、瓦砾）的干扰、其他非目标的微动扰动，由于各种噪声的干扰，接收回波的信噪比很低，同时，由于雷达探测距离内有运动散射体的存在，各种环境的干扰严重影响生命微动信号的检测，因此，需要对接收到的超宽带雷达回波信号进行合理有效的处理，提高生命信号的检测率和定位的准确度。
在现有众多技术方法中，既要提高目标呼吸信号的功率，又要保证呼吸信号的频率信息，同时注意在时域增强远距离的微动目标信号，而现有方法不能完全满足以上所有要求，因此针对这种数据现象，为了更好的增强呼吸信号，设计有效的呼吸信号增强算法。在处理雷达回波数据时，针对不同处理方法，各取所长，通过一定的融合系数进行处理，以期望得到更符合预期、突出目标信号的处理数据。
发明内容
本发明目的是为了克服现有技术的不足而提供一种基于多方法融合的人体微弱呼吸信号增强方法，该方法通过加权系数结合各方法的优势，实现综合提高目标信号的功率、加强呼吸信号的频率信息，同时增强远距离微动目标信号的回波处理方法。
为达到上述目的，本发明采用的技术方案是：一种基于多方法融合的人体微弱呼吸信号增强方法，包括以下步骤：
1）应用探地雷达采集回波数据，雷达天线为一发一收式，距离向采样M个点，慢时间采样N道数据，并将采样数据量化为16位存储的M
Figure DEST_PATH_IMAGE002
N大小的信号矩阵R，将其作为本发明所使用的原始数据；
2）对原始雷达数据进行背景去除、杂波去除等预处理方法得到预处理后的信号矩阵
Figure DEST_PATH_IMAGE004
，分别采用自动增益控制法和局部归一化法的弱信号增强方法对预处理后的信号矩阵
Figure 85800DEST_PATH_IMAGE004
进行处理，得到通过信号功率增强微弱信号的信号矩阵
Figure DEST_PATH_IMAGE006
和通过远距离微弱信号增强的信号矩阵
Figure DEST_PATH_IMAGE008
；
3）对步骤2）中得到的信号矩阵
Figure 758833DEST_PATH_IMAGE006
进行距离向增强，在快时间方向将其与对应增强系数相乘，得到距离向增强的信号矩阵，再进行全局归一化得到信号矩阵
Figure DEST_PATH_IMAGE010
；
4）利用步骤2）中得到的信号矩阵
Figure 45458DEST_PATH_IMAGE008
和步骤3）中得到的信号矩阵
Figure 670736DEST_PATH_IMAGE010
，通过模拟仿真同样场景得到回波信号矩阵，经过局部归一化处理得到
Figure DEST_PATH_IMAGE012
；
5）设置一些与信号矩阵
Figure 142038DEST_PATH_IMAGE012
、
Figure 554565DEST_PATH_IMAGE010
、
Figure 582564DEST_PATH_IMAGE008
有关的特定约束条件，计算不同方法的融合系数
Figure DEST_PATH_IMAGE014
、
Figure DEST_PATH_IMAGE016
；
6）对融合系数和处理过的数据进行加权得到新的数据。
进一步的，在步骤2）中具体的实施方法为：
在预处理阶段，首先对原始信号矩阵R累积回波数据并计算平均值得到估计的背景回波，然后将其从原始回波矩阵R中减去，再对其用线性趋势抑制法去除慢时间线性趋势，得到处理后的信号矩阵
Figure 443773DEST_PATH_IMAGE004
；
在弱信号增强阶段，自动增益控制法根据信号功率大小设置自动调节的增益掩模对信号矩阵
Figure 633446DEST_PATH_IMAGE004
进行调整，信号功率大，增益小，信号功率小，增益大，以达到增强弱信号的目的，得到信号矩阵
Figure 595585DEST_PATH_IMAGE006
；局部归一化法首先对信号矩阵
Figure 725478DEST_PATH_IMAGE004
的每一慢时刻回波数据减去根据指数平均法计算所得的估计背景，然后对每一慢时刻回波，都在快时间上取最大回波值对回波数据进行归一化，然后在最大值之后的时刻取最大回波值再进行归一化，以此类推，最后得到信号矩阵
Figure 214097DEST_PATH_IMAGE008
。
进一步的，在步骤3）中进行距离向增强：
由于远距离目标回波信号弱，因此根据目标与雷达之间的距离关系，对信号矩阵
Figure 135523DEST_PATH_IMAGE006
在距离向对信号进行增强，将信号
Figure DEST_PATH_IMAGE018
与对应距离的采样点
Figure DEST_PATH_IMAGE020
决定的增强系数相乘：
Figure DEST_PATH_IMAGE022
，其中，
Figure 709593DEST_PATH_IMAGE020
为电磁波传播快时间采样点，
Figure 643176DEST_PATH_IMAGE020
=1, 2,…, M，t 为慢时间时刻，t=1, 2,…, N，
Figure DEST_PATH_IMAGE024
为增益系数，这里取1.0005；
对信号矩阵
Figure 596088DEST_PATH_IMAGE006
进行上述增强系数相乘加权，由于加权系数与快时间采样点
Figure 455460DEST_PATH_IMAGE020
有关，可以实现远距离信号的增强。
进一步的，在步骤4）中通过模拟仿真得出理论回波矩阵，对其进行处理作为参考标准：
通过对理想回波进行步骤2）中的预处理及局部归一化处理得到信号矩阵
Figure 64296DEST_PATH_IMAGE012
，由于仿真的理想回波使用局部归一化处理后增强效果更佳明显，因此这里采用局部归一化法。
进一步的，在步骤5）中分别计算了信号矩阵
Figure 237788DEST_PATH_IMAGE010
和信号矩阵
Figure 877498DEST_PATH_IMAGE008
的加权系数：
假设加权融合处理后的信号矩阵
Figure DEST_PATH_IMAGE026
：
Figure DEST_PATH_IMAGE028
式中，假设
Figure 658503DEST_PATH_IMAGE014
、
Figure 754635DEST_PATH_IMAGE016
分别是最优加权系数；
计算最优加权系数
Figure 528556DEST_PATH_IMAGE014
、
Figure 456061DEST_PATH_IMAGE016
，根据如下最优约束条件：
Figure DEST_PATH_IMAGE030
其中，
Figure DEST_PATH_IMAGE032
是均值运算，计算可求得
Figure 734200DEST_PATH_IMAGE014
、
Figure 317628DEST_PATH_IMAGE016
。
进一步的，在步骤6）中的具体实现方法：
将最优加权系数
Figure 629661DEST_PATH_IMAGE014
、
Figure 677252DEST_PATH_IMAGE016
带入计算公式可得到最终加权融合后的信号矩阵
Figure 550792DEST_PATH_IMAGE026
，融合了两种增强方法的结果，同步实现了两种优势，避免了一种方法有效，另一种方法无效的时候，保障了微弱信号的增强。最后加权融合增强后的信号矩阵可用下面的公式来表示：
Figure DEST_PATH_IMAGE028A
。
由于上述技术方案的运用，本发明与现有技术相比具有下列优点：
本发明方案的一种基于多方法融合的人体微弱呼吸信号增强方法，本方法与现有技术相比，同时利用了自动增益控制法和局部归一化的优点及远距离传播雷达信号减弱的特点，设计了基于多方法融合的人体呼吸信号增强方法，该方法通过对超宽带雷达实测的回波数据进行处理，并融合多种方法的增强结果，能够在一定程度上保证信号的功率以及远距离的微弱信号的增强，既可以较明显地突出时域图中的信号，又可以在频域图中体现频率信息，可以有效地提高检测人体微弱呼吸信号的准确率。
附图说明
下面结合附图对本发明技术方案作进一步说明：
图1是本发明的总流程图；
图2是本发明实施方案过程中确定融合系数流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
参阅附图1-2，本发明的工作原理如下所述：
应用探地雷达采集回波数据，雷达天线为一发一收式，距离向采样M个点，慢时间采样N道数据，并将采样数据量化为16位存储的M
Figure 431636DEST_PATH_IMAGE002
N大小的信号矩阵R，对此信号矩阵进行慢时间累积并计算平均值得到估计的背景回波，从原始信号矩阵中减去背景回波，再对得到的信号矩阵进行线性趋势去除得到预处理后的信号矩阵
Figure 547359DEST_PATH_IMAGE004
。对信号矩阵
Figure 387139DEST_PATH_IMAGE004
进行自动增益控制处理，自动增益控制法根据信号功率大小自动调节增益掩模，信号功率大，增益小，信号功率小，增益大，以达到增强弱信号的目的，得到通过信号功率增强微弱信号的信号矩阵
Figure 930116DEST_PATH_IMAGE006
，对信号矩阵
Figure 786339DEST_PATH_IMAGE006
在距离向对信号进行增强，距离向增强的目的是增强远距离目标回波微弱信号，将信号
Figure 705753DEST_PATH_IMAGE018
与对应距离的采样点
Figure 400040DEST_PATH_IMAGE020
决定的增强系数相乘：
Figure 113918DEST_PATH_IMAGE022
，其中，
Figure 601312DEST_PATH_IMAGE020
为电磁波传播快时间采样点，
Figure 996521DEST_PATH_IMAGE020
=1, 2,…, M，t 为慢时间时刻，t=1, 2,…, N，
Figure 669948DEST_PATH_IMAGE024
为增益系数，这里取1.0005，显然，对信号矩阵
Figure 757990DEST_PATH_IMAGE006
进行上述增强系数相乘加权，由于加权系数与快时间采样点
Figure 585875DEST_PATH_IMAGE020
有关，可以实现远距离信号的增强。对信号矩阵
Figure 847092DEST_PATH_IMAGE004
进行指数平均法处理，根据
Figure DEST_PATH_IMAGE034
估计其背景，再次进行背景去除，再利用局部归一化对远距离信号进行增强，在快时间上取最大回波值对回波数据进行归一化，然后在最大值之后的时刻取最大回波值再进行归一化，以此类推，最后得到信号矩阵
Figure 303919DEST_PATH_IMAGE008
。
通过模拟仿真类似场景得到理论回波矩阵，对其进行处理作为参考标准，首先对其进行时域平均去除背景、线性趋势去除等预处理过程，仿真数据得到的模拟雷达回波信号中没有噪声干扰，因此这里用局部归一化增强后的信号矩阵
Figure 188961DEST_PATH_IMAGE012
作为标准。假设加权融合处理后的信号矩阵
Figure DEST_PATH_IMAGE036
，式中，假设
Figure 67924DEST_PATH_IMAGE014
、
Figure 804936DEST_PATH_IMAGE016
分别是最优加权系数。计算最优加权系数
Figure 390638DEST_PATH_IMAGE014
、
Figure 387194DEST_PATH_IMAGE016
，根据如下最优约束条件：
Figure DEST_PATH_IMAGE030A
其中，
Figure 425557DEST_PATH_IMAGE032
是均值运算，计算可求得
Figure 90894DEST_PATH_IMAGE014
、
Figure 734365DEST_PATH_IMAGE016
。将最优加权系数
Figure 633313DEST_PATH_IMAGE014
、
Figure 362234DEST_PATH_IMAGE016
带入计算公式可得到最终加权融合后的信号矩阵
Figure 503366DEST_PATH_IMAGE026
，融合了两种增强方法的结果，同步实现了两种优势，避免了一种方法有效，另一种方法无效的时候，保障了微弱信号的增强。通过加权融合增强后的信号矩阵可用下面的公式来表示：
Figure DEST_PATH_IMAGE028AA
。
以上仅是本发明的具体应用范例，对本发明的保护范围不构成任何限制。凡采用等同变换或者等效替换而形成的技术方案，均落在本发明权利保护范围之内。

Claims (4)

1.一种基于多方法融合的人体微弱呼吸信号增强方法，其特征在于，包括以下步骤：
1）应用探地雷达采集回波数据，雷达天线为一发一收式，距离向采样M个点，慢时间采样N道数据，并将采样数据量化为16位存储的M
Figure 200088DEST_PATH_IMAGE002
N大小的信号矩阵R，将其作为本发明所使用的原始数据；
2）对原始雷达数据进行背景去除、杂波去除的预处理方法得到预处理后的信号矩阵
Figure DEST_PATH_IMAGE003
，分别采用自动增益控制法和局部归一化法的弱信号增强方法对预处理后的信号矩阵
Figure 63002DEST_PATH_IMAGE003
进行处理，得到通过信号功率增强微弱信号的信号矩阵
Figure 818468DEST_PATH_IMAGE004
和通过远距离微弱信号增强的信号矩阵
Figure DEST_PATH_IMAGE005
；
3）对步骤2）中得到的信号矩阵
Figure 66916DEST_PATH_IMAGE004
进行距离向增强，在快时间方向将其与对应增强系数相乘，得到距离向增强的信号矩阵，再进行全局归一化得到信号矩阵
Figure 757791DEST_PATH_IMAGE006
；
4）利用步骤2）中得到的信号矩阵
Figure 701476DEST_PATH_IMAGE005
和步骤3）中得到的信号矩阵
Figure 388197DEST_PATH_IMAGE006
，通过模拟仿真同样场景得到回波信号矩阵，经过局部归一化处理得到
Figure DEST_PATH_IMAGE007
；
5）设置一些与信号矩阵
Figure 507463DEST_PATH_IMAGE007
、
Figure 228294DEST_PATH_IMAGE006
、
Figure 783909DEST_PATH_IMAGE005
有关的特定约束条件，计算不同方法的融合系数
Figure 881178DEST_PATH_IMAGE008
、
Figure DEST_PATH_IMAGE009
；
6）对融合系数和处理过的数据进行加权得到新的数据：
将最优加权系数
Figure 120530DEST_PATH_IMAGE008
、
Figure 136896DEST_PATH_IMAGE009
带入计算公式可得到最终加权融合后的信号矩阵
Figure 55174DEST_PATH_IMAGE010
，融合两种增强方法的结果，同步实现了两种优势，避免了一种方法有效、另一种方法无效的情况，保障了微弱信号的增强；
因此，最后加权融合增强后的信号矩阵可用下面的公式来表示：
Figure DEST_PATH_IMAGE011
其中，在步骤5）中分别计算了信号矩阵
Figure 362658DEST_PATH_IMAGE006
和信号矩阵
Figure 909046DEST_PATH_IMAGE005
的加权系数：
假设加权融合处理后的信号矩阵
Figure 237259DEST_PATH_IMAGE010
：
Figure DEST_PATH_IMAGE013
式中，假设
Figure 783778DEST_PATH_IMAGE008
、
Figure 691691DEST_PATH_IMAGE009
分别是最优加权系数；计算最优加权系数
Figure 157832DEST_PATH_IMAGE008
、
Figure 860209DEST_PATH_IMAGE009
，根据如下最优约束条件：
Figure DEST_PATH_IMAGE015
其中，
Figure 894024DEST_PATH_IMAGE016
是均值运算，计算可求得
Figure 261420DEST_PATH_IMAGE008
、
Figure 657767DEST_PATH_IMAGE009
。
2.如权利要求1所述的一种基于多方法融合的人体微弱呼吸信号增强方法，其特征在于，在步骤2）中具体的实施方法为：
在预处理阶段，首先对原始信号矩阵R累积回波数据并计算平均值得到估计的背景回波，然后将其从原始回波矩阵R中减去，再对其用线性趋势抑制法去除慢时间线性趋势，得到处理后的信号矩阵
Figure 203149DEST_PATH_IMAGE003
；在弱信号增强阶段，自动增益控制法根据信号功率大小设置自动调节的增益掩模对信号矩阵
Figure 317735DEST_PATH_IMAGE003
进行调整，信号功率大，增益小，信号功率小，增益大，以达到增强弱信号的目的，得到信号矩阵
Figure 488822DEST_PATH_IMAGE004
，局部归一化法首先对信号矩阵
Figure 5254DEST_PATH_IMAGE003
的每一慢时刻回波数据减去根据指数平均法计算所得的估计背景，然后对每一慢时刻回波，都在快时间上取最大回波值对回波数据进行归一化，然后在最大值之后的时刻取最大回波值再进行归一化，以此类推，最后得到信号矩阵
Figure 721538DEST_PATH_IMAGE005
。
3.如权利要求1所述的一种基于多方法融合的人体微弱呼吸信号增强方法，其特征在于，在步骤3）中进行距离向增强：
由于远距离目标回波信号弱，因此根据目标与雷达之间的距离关系，对信号矩阵
Figure 57841DEST_PATH_IMAGE004
在距离向对信号进行增强，将信号
Figure DEST_PATH_IMAGE017
与对应距离的采样点
Figure 563778DEST_PATH_IMAGE018
决定的增强系数相乘：
Figure DEST_PATH_IMAGE019
，其中，
Figure 341241DEST_PATH_IMAGE018
为电磁波传播快时间采样点，
Figure 480623DEST_PATH_IMAGE018
=1, 2,…, M，t 为慢时间时刻，t=1, 2,…, N，
Figure 304222DEST_PATH_IMAGE020
为增益系数，这里取1.0005；
对信号矩阵
Figure 567844DEST_PATH_IMAGE004
进行上述增强系数相乘加权，由于加权系数与快时间采样点
Figure 793289DEST_PATH_IMAGE018
有关，可以实现远距离信号的增强。
4.如权利要求1所述的一种基于多方法融合的人体微弱呼吸信号增强方法，其特征在于，在步骤4）中通过模拟仿真得出理论回波矩阵，对其进行处理作为参考标准：
通过对理想回波进行步骤2）中的预处理及局部归一化处理得到信号矩阵
Figure 100643DEST_PATH_IMAGE007
，由于仿真的理想回波使用局部归一化处理后增强效果更佳明显，因此这里采用局部归一化法。
CN201811599365.5A 2018-12-26 2018-12-26 一种基于多方法融合的人体微弱呼吸信号增强方法 Expired - Fee Related CN109557520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811599365.5A CN109557520B (zh) 2018-12-26 2018-12-26 一种基于多方法融合的人体微弱呼吸信号增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811599365.5A CN109557520B (zh) 2018-12-26 2018-12-26 一种基于多方法融合的人体微弱呼吸信号增强方法

Publications (2)

Publication Number Publication Date
CN109557520A CN109557520A (zh) 2019-04-02
CN109557520B true CN109557520B (zh) 2022-07-01

Family

ID=65871376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811599365.5A Expired - Fee Related CN109557520B (zh) 2018-12-26 2018-12-26 一种基于多方法融合的人体微弱呼吸信号增强方法

Country Status (1)

Country Link
CN (1) CN109557520B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110554381B (zh) * 2019-08-30 2021-07-27 湖南正申科技有限公司 用于冲激脉冲式穿墙雷达的人体静止目标加速检测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2428814A1 (en) * 2010-09-13 2012-03-14 France Telecom Object detection method, device and system
US9753131B2 (en) * 2013-10-09 2017-09-05 Massachusetts Institute Of Technology Motion tracking via body radio reflections
CN106093868B (zh) * 2016-05-26 2018-05-04 中国人民解放军第四军医大学 一种基于双源ir-uwb生物雷达的强反射杂波消除方法
CN107088069B (zh) * 2017-03-29 2019-10-11 西安电子科技大学 基于人体ppg信号分段的身份识别方法
CN107122643B (zh) * 2017-04-07 2020-01-07 西安电子科技大学 基于ppg信号和呼吸信号特征融合的身份识别方法
CN109031287B (zh) * 2018-09-21 2021-09-07 西安交通大学 基于Faster-RCNN网络的穿墙超宽带雷达人体呼吸信号检测方法

Also Published As

Publication number Publication date
CN109557520A (zh) 2019-04-02

Similar Documents

Publication Publication Date Title
CN109031287B (zh) 基于Faster-RCNN网络的穿墙超宽带雷达人体呼吸信号检测方法
CN107144829B (zh) 一种高效的激光雷达回波信号去噪方法
CN105005042B (zh) 一种探地雷达地下目标定位方法
CN109633633A (zh) 一种基于分段分类增强处理的生命信号增强方法
CN102879766B (zh) 一种高频地波雷达弱目标检测跟踪方法和装置
CN104820993B (zh) 一种联合粒子滤波和跟踪置前检测的水下弱目标跟踪方法
CN106093868B (zh) 一种基于双源ir-uwb生物雷达的强反射杂波消除方法
CN107507209B (zh) 极化sar图像的素描图提取方法
CN105403883A (zh) 一种探地雷达地下目标位置检测方法
CN105785324B (zh) 基于mgcstft的线性调频信号参数估计方法
CN109597065B (zh) 一种用于穿墙雷达检测的虚警抑制方法、装置
CN111476809A (zh) 一种侧扫声呐图像目标识别方法
CN107329137B (zh) 基于box样条小波框架的探地雷达地下目标定位方法及系统
CN107462873A (zh) 一种雷达干扰快速识别方法
CN109655827B (zh) 一种针对单建筑墙角的隐蔽目标定位方法
CN109805936B (zh) 基于地面振动信号的人体摔倒检测系统
CN109581516B (zh) 曲波域统计量自适应阈值探地雷达数据去噪方法及系统
CN105652325A (zh) 基于指数拟合-自适应卡尔曼的地空电磁数据去噪方法
CN111580099A (zh) 基于联合熵值的穿墙成像雷达墙体杂波抑制方法
CN109557520B (zh) 一种基于多方法融合的人体微弱呼吸信号增强方法
CN109239703B (zh) 运动目标实时跟踪方法
CN115343685A (zh) 应用于病害识别的多维度探地雷达检测方法、装置、设备
CN107121705B (zh) 一种基于自动反相校正和峰度值比较的探地雷达回波信号去噪算法
NL2026449B1 (en) Abnormal grain condition detection method based on radio tomographic imaging
CN105652256B (zh) 一种基于极化信息的高频地波雷达tbd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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220701

CF01 Termination of patent right due to non-payment of annual fee