CN109633633A - 一种基于分段分类增强处理的生命信号增强方法 - Google Patents
一种基于分段分类增强处理的生命信号增强方法 Download PDFInfo
- Publication number
- CN109633633A CN109633633A CN201811609824.3A CN201811609824A CN109633633A CN 109633633 A CN109633633 A CN 109633633A CN 201811609824 A CN201811609824 A CN 201811609824A CN 109633633 A CN109633633 A CN 109633633A
- Authority
- CN
- China
- Prior art keywords
- signal
- matrix
- data
- echo
- classification
- 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.)
- Granted
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
- G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
-
- 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
- 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
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
本发明公开了一种基于分段分类增强处理的生命信号增强方法,去除超宽带雷达回波信号背景杂波,利用模拟场景仿真数据选出目标信号配准块,利用滑动窗口判断实测窗口与配准块是否匹配,对雷达信号矩阵进行分类分段去噪、增强,在对处理后的结果进行多帧加权处理,最后用局部归一化法增强远距离信号,得到最终增强的信号矩阵用于定位探测生命体。本发明实现了对生命信号的增强,通过对不同类型的信号矩阵块做不同的处理,有效地针对信号的类型进行去噪、增强,利用相邻帧进行修正,并对远距离信号的幅度进行增强,使目标信号的位置在时域和频域都更为明显精确,从而为后续检测提供保证。
Description
技术领域
本发明属于雷达生命微弱信号增强技术领域,具体涉及一种基于分段分类增强处理的生命信号增强方法。
背景技术
当遇到地震、泥石流、火灾等自然灾害时,大量房屋倒塌,可能会造成人员掩埋,同时,由于潜在威胁的影响,实现救援需要一定的非接触式检测技术来探测该区域是否存在生命体信息,如何快速、准确、有效地检测出废墟下的生命体就显得尤为重要。
在救援过程中,由于被困人员的存在、位置和人数均不确定,如何快速寻找生命体并对其定位是组织救援行动的主要问题,为了提高救援效率、节省救援成本,利用超宽带雷达电磁探测来判断生命信号。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(例如墙、碎石)捕捉人体极其微弱的运动信息来识别判断是否有目标,提取目标的生命信息。
在实际救援过程中,因为人体生命信号产生的运动较为微弱,而周围环境中又有静物的干扰、其他非目标的微动扰动,由于各种噪声的干扰,接收回波的信噪杂比低,同时,由于雷达探测距离内有运动散射体的存在,各种不稳定因素严重影响生命微动信号的检测,因此,对接收到的超宽带雷达回波信号进行合理有效的去噪、增强处理,直接影响了探测生命体是否存在及定位的准确度。
在现有众多技术方法中,都是对信号矩阵中所有数据进行处理,不能具有针对性地对目标信号进行处理,为了更好的检测出生命信号,设计有效的生命信号增强算法。在处理雷达回波数据时,针对实测数据进行分类,不同类别分别进行增强处理,以期望得到更符合预期、突出目标信号的处理结果。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于分段分类增强处理的生命信号增强方法,通过模拟数据与实测数据之间的匹配度进行分段分类,并对不同类型的区域进行不同的增强处理,实现针对性地增强远距离生命信号的雷达数据处理方法。
本发明采用以下技术方案:
一种基于分段分类增强处理的生命信号增强方法,去除超宽带雷达回波信号背景杂波,利用模拟场景仿真数据选出目标信号配准块,利用滑动窗口判断实测窗口与配准块是否匹配,对雷达信号矩阵进行分类分段去噪、增强,在对处理后的结果进行多帧加权处理,最后用局部归一化法增强远距离信号,得到最终增强的信号矩阵用于定位探测生命体。
具体的,包括以下步骤:
S1、应用一收一发式超宽带雷达采集回波数据,快时间采样M点,慢时间取N个帧道数据,得到M×N的信号矩阵R,将其作为雷达原始数据;
S2、对原始数据R进行背景杂波去除处理,得到预处理后的信号;
S3、模拟仿真同样场景,仿真某一设定距离的目标信号,得到回波数据,进行与步骤S2相同的预处理过程,取其部分数据作为数据的配准块;
S4、使用滑动窗搜索来对步骤S2得到的信号矩阵进行分段分类,通过与配准块之间匹配,对不同类别的区域进行不同的去噪及增强过程;
S5、建立多帧加权模板对步骤S4得到的信号矩阵进行多帧加权滤波处理;
S6、对步骤S5得到的信号矩阵分段进行归一化得到最终增强后的信号矩阵。
进一步的,步骤S2中,对原始信号矩阵R在慢时间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,得到去除背景后的信号矩阵。
进一步的,步骤S3中,通过模拟仿真得到理想中目标信号的回波矩阵,选取目标一个周期内的生命运动信号矩阵作为配准块,记为矩阵R1。
进一步的,步骤S4中,利用滑动窗口遍历步骤S2得到的信号矩阵,计算每一个滑动窗口矩阵与步骤S3得到的矩阵R1之间的绝对差值,根据绝对差值的范围设置两个基础阈值,第一个阈值τ1为绝对差值的界限,用来判断是否可能与配准块之间匹配,第二个阈值τ2为绝对插值符合配准的限定个数,用来判断探测该距离处是否可能配准。
更进一步的,在同一段距离区域内,统计在慢时间方向滑动时该距离点处绝对差值小于预先设定的阈值τ1的个数,若该个数小于预先设定的阈值τ2,该距离处存在目标的概率极小,将该部分区域记为类别1;否则该位置可能存在目标,将该区域记为类别2,通过与配准块之间匹配,对不同类别的区域进行不同的去噪、增强方法。
更进一步的,对类别1区域的矩阵进行高斯平滑处理,对该类信号矩阵进行去噪,高斯滤波模板选用5×5大小;对类别2区域的矩阵先用自动增益控制法进行增强,再对其进行高斯平滑滤波。
进一步的,步骤S5中,在慢时间方向,利用相邻帧的信息,采用多帧加权滤波法进行修正,对当前帧数据,同时利用其前一帧及后一帧的数据,计算得到当前帧修正后的数据。
更进一步的,当前帧修正后的数据计算如下:
其中,R(n)为当前帧数据,R(n-1)为前一帧数据,R(n+1)为后一帧数据。
进一步的,步骤S6中,依次对步骤S5的每一帧数据进行处理,在快时间上取最大回波值对回波数据进行归一化,然后在最大值对应的时刻之后的所有时刻上取最大回波值,再对后续时刻的数据进行归一化,以此类推,最后得到增强后的信号矩阵。
与现有技术相比,本发明至少具有以下有益效果:
本发明提供的一种基于分段分类增强处理的生命信号增强方法,根据标准目标信号矩阵与实测信号矩阵之间的匹配程度对信号矩阵进行分段分类,利用滑动窗口判断实测窗口与配准块是否匹配,对雷达信号矩阵进行分类分段去噪、增强,在对处理后的结果进行多帧加权滤波处理,最后用局部归一化法增强远距离信号,通过对不同类型的信号矩阵做不同的处理,可以有效地针对信号进行去噪、增强,从而为后续雷达生命微弱信号的检测提供较好的基础,可以提高检测准确率。
进一步的,步骤S2通过时域平均法有效地估计背景,在保留呼吸信号的同时,有效地去除静态背景杂波。
进一步的,步骤S3中由于仿真时目标位置为已知信息,选取理想的目标生命信号区域作为配准块,通过与实测数据做对比,对信号矩阵进行预判断,大致将信号矩阵划分为极小概率含有目标区域和可能含有目标区域。
进一步的,步骤S4中以满足阈值条件的滑动窗口的个数作为分类标准,避免了单一满足阈值条件但非目标的偶然情况,匹配效果较好;对分段结果做不同的处理,有针对性的对目标信号进行增强,同时抑制部分噪声。
进一步的,由于类别1主要是噪声或杂波,小概率存在目标,高斯平滑滤波实现噪声的消除,类别2可能存在目标,自动增益控制法根据信号功率的大小自适应调整增益,信号功率越小,增益越大,因此可增强弱信号。
进一步的,步骤S5为了防止高斯平滑或自动增益控制法等处理影响原始的回波信号趋势,在慢时间方向,利用相邻帧的信息,对信号矩阵进行修正。
进一步的,步骤S6局部归一化的目的是增强远距离回波的幅度,由于距离越远,雷达所采集的回波信号越弱,局部归一化将所有数据范围缩放至[-1,1]之间,远距离信号得到增强。
综上所述,本发明实现了对生命信号的增强,通过对不同类型的信号矩阵块做不同的处理,有效地针对信号的类型进行去噪、增强,利用相邻帧进行修正,并对远距离信号的幅度进行增强,使目标信号的位置在时域和频域都更为明显精确,从而为后续检测提供保证。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的总流程图;
图2为本发明实施方案过程中滑动窗口分段分类增强处理流程图;
图3为本发明实施方案过程中预处理后信号矩阵的时域图;
图4为本发明实施方案过程中预处理后信号矩阵的频域图;
图5为本发明实施方案过程中分段分类增强后信号矩阵的时域图;
图6为本发明实施方案过程中修正及局部归一化后信号矩阵的时域图;
图7为本发明实施方案过程中修正及局部归一化后信号矩阵的频域图。
具体实施方式
本发明提供了一种基于分段分类增强处理的生命信号增强方法,在除背景杂波后,模拟场景仿真数据选出目标信号配准块,利用滑动窗口判断实测窗口与配准块是否匹配,对雷达信号矩阵进行分类分段去噪、增强,在对处理后的结果进行多帧加权处理,最后用局部归一化法增强远距离信号,得到最终增强的信号矩阵,在经过处理的信号矩阵中,对其成像可以明显的看到时域图中目标信号的位置,转换至频域图,其频率信息及目标位置也更加明确精准,可以有效地为后续微弱生命信号检测提供一个良好的基础。本发明可以对远距离的信号进行增强,通过对不同类型的信号矩阵块做不同的处理,有效地针对信号进行去噪、增强。
请参阅图1,本发明一种基于分段分类增强处理的生命信号增强方法,包括以下步骤:
S1、应用一收一发式超宽带雷达采集回波数据,快时间采样M点,慢时间取N个帧道数据,得到M×N的信号矩阵R,将其作为所使用的雷达原始数据;
S2、对原始数据R进行背景杂波去除处理,得到预处理后的信号;
背景杂波的去除方法选用时域平均法,即对原始信号矩阵R在慢时间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,得到去除背景后的信号矩阵。
S3、模拟仿真同样场景,仿真某一设定距离的目标信号,得到回波数据,进行与步骤S2相同的预处理过程,取其部分数据作为数据的配准块;
由于仿真时目标位置为已知信息,通过模拟仿真可以得到理想中目标信号的回波矩阵,由于仿真时目标位置为已知信息,因此选取目标一个周期内的生命运动信号矩阵作为配准块,记为矩阵R1。
S4、分块进行去噪、增强,即使用滑动窗搜索来对步骤S2得到的信号矩阵进行分段分类,通过与配准块之间匹配,对不同类别的区域进行不同的去噪及增强过程;
请参阅图2,使用滑动窗搜索来对信号矩阵进行分段分类,首先利用滑动窗口遍历步骤S2得到的信号矩阵,计算每一个滑动窗口矩阵与步骤S3得到的矩阵R1之间的绝对差值,根据绝对差值的范围设置两个基础阈值,第一个阈值τ1为绝对差值的界限,用来判断是否可能与配准块之间匹配,第二个阈值τ2为绝对插值符合配准的限定个数,用来判断探测该距离处是否可能配准。
在同一段距离区域内,统计在慢时间方向滑动时该距离点处绝对差值小于预先设定的阈值τ1的个数,若该个数小于预先设定的阈值τ2,则该慢时间方向上可能存在生命信号,即该距离处存在目标的概率极小,将该部分区域记为类别1;否则该位置可能存在目标,将该区域记为类别2,通过与配准块之间匹配,对不同类别的区域进行不同的去噪、增强方法。
对类别1区域的矩阵进行高斯平滑处理,由于类别1含有目标的概率较小,极大概率为噪声或者杂波,因此对该类信号矩阵进行去噪,高斯滤波模板选用5×5大小;
对类别2区域的矩阵先用自动增益控制法进行增强,再对其进行高斯平滑滤波。自动增益控制法是根据信号功率大小自适应调整增益对信号进行增强,原始信号功率越小,增益越大,因此可以增强弱信号。
雷达采集数据时,回波数据中含有大量的随机噪声,以上处理处理会增强部分目标信号,且消除部分噪声,为了防止高斯平滑或自动增益控制法等处理影响原始的回波信号趋势,在慢时间方向,充分利用相邻帧的信息,采用多帧加权滤波法进行修正。
S5、对于步骤S4得到的信号矩阵,建立合适的多帧加权模板,进行多帧加权滤波处理;
为了防止高斯平滑或自动增益控制法等处理影响原始的回波信号趋势,在慢时间方向,充分利用相邻帧的信息,采用多帧加权滤波法进行修正。
在慢时间方向对每一帧进行修正,对当前帧数据,同时利用其前一帧及后一帧的数据,根据下式计算得到当前帧修正后的数据
其中,R(n)为当前帧数据,R(n-1)为前一帧数据,R(n+1)为后一帧数据。
S6、用局部归一化增强远距离信号,即对步骤S5得到的信号矩阵分段进行归一化得到最终增强后的信号矩阵。
局部归一化的目的是增强远距离回波的幅度,由于距离越远,雷达所采集的回波信号越弱,依次对步骤S5的每一帧数据进行处理,在快时间上取最大回波值对回波数据进行归一化,然后在最大值对应的时刻之后的所有时刻上取最大回波值,再对后续时刻的数据进行归一化,以此类推,最后得到增强后的信号矩阵。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
雷达中心频率为400MHz,快时间采样4096点,慢时间取512个帧道数据,得到4096×512的信号矩阵R为雷达原始数据。
利用时域平均法去除原始数据中的背景杂波,得到图3所示的信号矩阵,从图中可以隐约看到3.5米处的信号可能存在目标信号但不能确定,利用仿真得到的配准块进行分段分类,再对不同类别分别进行处理得到图4所示的时域效果图,经过多帧修正及局部归一化后得到的最终信号矩阵如图5所示,转换至频域,其频率图如图6所示,从图中可以明显看出,时域图中,3.5米处的生命信号特征明显,可以判定该位置处存在生命信号,与图7的频域图对比中,可以看出经过处理后的信号矩阵频率信息更加清楚,且不容易遗漏微弱生命信号。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种基于分段分类增强处理的生命信号增强方法,其特征在于,去除超宽带雷达回波信号背景杂波,利用模拟场景仿真数据选出目标信号配准块,利用滑动窗口判断实测窗口与配准块是否匹配,对雷达信号矩阵进行分类分段去噪、增强,在对处理后的结果进行多帧加权处理,最后用局部归一化法增强远距离信号,得到最终增强的信号矩阵用于定位探测生命体。
2.根据权利要求1所述的基于分段分类增强处理的生命信号增强方法,其特征在于,包括以下步骤:
S1、应用一收一发式超宽带雷达采集回波数据,快时间采样M点,慢时间取N个帧道数据,得到M×N的信号矩阵R,将其作为雷达原始数据;
S2、对原始数据R进行背景杂波去除处理,得到预处理后的信号;
S3、模拟仿真同样场景,仿真某一设定距离的目标信号,得到回波数据,进行与步骤S2相同的预处理过程,取其部分数据作为数据的配准块;
S4、使用滑动窗搜索来对步骤S2得到的信号矩阵进行分段分类,通过与配准块之间匹配,对不同类别的区域进行不同的去噪及增强过程;
S5、建立多帧加权模板对步骤S4得到的信号矩阵进行多帧加权滤波处理;
S6、对步骤S5得到的信号矩阵分段进行归一化得到最终增强后的信号矩阵。
3.根据权利要求2所述的基于分段分类增强处理的生命信号增强方法,其特征在于,步骤S2中,对原始信号矩阵R在慢时间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,得到去除背景后的信号矩阵。
4.根据权利要求2所述的基于分段分类增强处理的生命信号增强方法,其特征在于,步骤S3中,通过模拟仿真得到理想中目标信号的回波矩阵,选取目标一个周期内的生命运动信号矩阵作为配准块,记为矩阵R1。
5.根据权利要求2所述的基于分段分类增强处理的生命信号增强方法,其特征在于,步骤S4中,利用滑动窗口遍历步骤S2得到的信号矩阵,计算每一个滑动窗口矩阵与步骤S3得到的矩阵R1之间的绝对差值,根据绝对差值的范围设置两个基础阈值,第一个阈值τ1为绝对差值的界限,用来判断是否可能与配准块之间匹配,第二个阈值τ2为绝对插值符合配准的限定个数,用来判断探测该距离处是否可能配准。
6.根据权利要求5所述的基于分段分类增强处理的生命信号增强方法,其特征在于,在同一段距离区域内,统计在慢时间方向滑动时该距离点处绝对差值小于预先设定的阈值τ1的个数,若该个数小于预先设定的阈值τ2,该距离处存在目标的概率极小,将该部分区域记为类别1;否则该位置可能存在目标,将该区域记为类别2,通过与配准块之间匹配,对不同类别的区域进行不同的去噪、增强方法。
7.根据权利要求6所述的基于分段分类增强处理的生命信号增强方法,其特征在于,对类别1区域的矩阵进行高斯平滑处理,对该类信号矩阵进行去噪,高斯滤波模板选用5×5大小;对类别2区域的矩阵先用自动增益控制法进行增强,再对其进行高斯平滑滤波。
8.根据权利要求2所述的基于分段分类增强处理的生命信号增强方法,其特征在于,步骤S5中,在慢时间方向,利用相邻帧的信息,采用多帧加权滤波法进行修正,对当前帧数据,同时利用其前一帧及后一帧的数据,计算得到当前帧修正后的数据。
9.根据权利要求8所述的基于分段分类增强处理的生命信号增强方法,其特征在于,当前帧修正后的数据计算如下:
其中,R(n)为当前帧数据,R(n-1)为前一帧数据,R(n+1)为后一帧数据。
10.根据权利要求2所述的基于分段分类增强处理的生命信号增强方法,其特征在于,步骤S6中,依次对步骤S5的每一帧数据进行处理,在快时间上取最大回波值对回波数据进行归一化,然后在最大值对应的时刻之后的所有时刻上取最大回波值,再对后续时刻的数据进行归一化,以此类推,最后得到增强后的信号矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811609824.3A CN109633633B (zh) | 2018-12-27 | 2018-12-27 | 一种基于分段分类增强处理的生命信号增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811609824.3A CN109633633B (zh) | 2018-12-27 | 2018-12-27 | 一种基于分段分类增强处理的生命信号增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109633633A true CN109633633A (zh) | 2019-04-16 |
CN109633633B CN109633633B (zh) | 2021-01-19 |
Family
ID=66078242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811609824.3A Active CN109633633B (zh) | 2018-12-27 | 2018-12-27 | 一种基于分段分类增强处理的生命信号增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109633633B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111208521A (zh) * | 2020-01-14 | 2020-05-29 | 武汉理工大学 | 一种多波束前视声呐水下障碍物鲁棒检测方法 |
CN112037812A (zh) * | 2020-09-01 | 2020-12-04 | 深圳爱卓软科技有限公司 | 音频处理方法 |
CN112099103A (zh) * | 2020-09-14 | 2020-12-18 | 北京数衍科技有限公司 | 行人信息检测方法、装置及电子设备 |
CN112230218A (zh) * | 2020-09-29 | 2021-01-15 | 西安交通大学 | 用于生命探测雷达回波信号静态背景及趋势项去除的方法、系统及电子设备 |
CN112816960A (zh) * | 2021-02-03 | 2021-05-18 | 森思泰克河北科技有限公司 | 车内生命探测方法、装置、设备和存储介质 |
CN113740810A (zh) * | 2021-08-27 | 2021-12-03 | 西安交通大学 | 一种雷达信号增强方法、系统及设备 |
CN114792109A (zh) * | 2022-05-16 | 2022-07-26 | 煤炭科学研究总院有限公司 | 生命体征信号提取方法、装置、电子设备及存储介质 |
CN117111018A (zh) * | 2023-10-24 | 2023-11-24 | 珠海正和微芯科技有限公司 | 人体微动检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103503024A (zh) * | 2011-04-14 | 2014-01-08 | 皇家飞利浦有限公司 | 用于从特征信号提取信息的设备和方法 |
CN104853670A (zh) * | 2012-11-23 | 2015-08-19 | 皇家飞利浦有限公司 | 用于提取生理信息的设备和方法 |
WO2016057781A1 (en) * | 2014-10-08 | 2016-04-14 | The University Of Florida Research Foundation, Inc. | Method and apparatus for non-contact fast vital sign acquisition based on radar signal |
CN106296717A (zh) * | 2016-08-25 | 2017-01-04 | 中国电子科技集团公司第十研究所 | 多波段sar图像匹配目标定位方法 |
KR20170071247A (ko) * | 2015-12-15 | 2017-06-23 | 현대자동차주식회사 | 생체 측정 장치 및 그 제어방법 |
CN106970367A (zh) * | 2017-03-31 | 2017-07-21 | 中国科学院电子学研究所 | 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 |
CN107607926A (zh) * | 2017-10-31 | 2018-01-19 | 西安电子科技大学 | 一种分布式雷达低通信量准信号融合目标探测处理方法 |
CN108107410A (zh) * | 2017-12-08 | 2018-06-01 | 中国船舶重工集团公司第七二四研究所 | 一种异型雷达联合判决目标检测方法 |
CN108761445A (zh) * | 2018-03-30 | 2018-11-06 | 中国科学院电子学研究所 | 一种用于穿墙生命探测雷达的目标定位方法 |
CN109031287A (zh) * | 2018-09-21 | 2018-12-18 | 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 |
-
2018
- 2018-12-27 CN CN201811609824.3A patent/CN109633633B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103503024A (zh) * | 2011-04-14 | 2014-01-08 | 皇家飞利浦有限公司 | 用于从特征信号提取信息的设备和方法 |
CN104853670A (zh) * | 2012-11-23 | 2015-08-19 | 皇家飞利浦有限公司 | 用于提取生理信息的设备和方法 |
WO2016057781A1 (en) * | 2014-10-08 | 2016-04-14 | The University Of Florida Research Foundation, Inc. | Method and apparatus for non-contact fast vital sign acquisition based on radar signal |
KR20170071247A (ko) * | 2015-12-15 | 2017-06-23 | 현대자동차주식회사 | 생체 측정 장치 및 그 제어방법 |
CN106296717A (zh) * | 2016-08-25 | 2017-01-04 | 中国电子科技集团公司第十研究所 | 多波段sar图像匹配目标定位方法 |
CN106970367A (zh) * | 2017-03-31 | 2017-07-21 | 中国科学院电子学研究所 | 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 |
CN107607926A (zh) * | 2017-10-31 | 2018-01-19 | 西安电子科技大学 | 一种分布式雷达低通信量准信号融合目标探测处理方法 |
CN108107410A (zh) * | 2017-12-08 | 2018-06-01 | 中国船舶重工集团公司第七二四研究所 | 一种异型雷达联合判决目标检测方法 |
CN108761445A (zh) * | 2018-03-30 | 2018-11-06 | 中国科学院电子学研究所 | 一种用于穿墙生命探测雷达的目标定位方法 |
CN109031287A (zh) * | 2018-09-21 | 2018-12-18 | 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 |
Non-Patent Citations (1)
Title |
---|
罗刚等: ""自适应语音分段增强算法"", 《模式识别与人工智能》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111208521A (zh) * | 2020-01-14 | 2020-05-29 | 武汉理工大学 | 一种多波束前视声呐水下障碍物鲁棒检测方法 |
CN112037812A (zh) * | 2020-09-01 | 2020-12-04 | 深圳爱卓软科技有限公司 | 音频处理方法 |
CN112099103A (zh) * | 2020-09-14 | 2020-12-18 | 北京数衍科技有限公司 | 行人信息检测方法、装置及电子设备 |
CN112230218A (zh) * | 2020-09-29 | 2021-01-15 | 西安交通大学 | 用于生命探测雷达回波信号静态背景及趋势项去除的方法、系统及电子设备 |
CN112816960A (zh) * | 2021-02-03 | 2021-05-18 | 森思泰克河北科技有限公司 | 车内生命探测方法、装置、设备和存储介质 |
CN112816960B (zh) * | 2021-02-03 | 2023-03-17 | 森思泰克河北科技有限公司 | 车内生命探测方法、装置、设备和存储介质 |
CN113740810A (zh) * | 2021-08-27 | 2021-12-03 | 西安交通大学 | 一种雷达信号增强方法、系统及设备 |
CN113740810B (zh) * | 2021-08-27 | 2024-04-02 | 西安交通大学 | 一种雷达信号增强方法、系统及设备 |
CN114792109A (zh) * | 2022-05-16 | 2022-07-26 | 煤炭科学研究总院有限公司 | 生命体征信号提取方法、装置、电子设备及存储介质 |
CN117111018A (zh) * | 2023-10-24 | 2023-11-24 | 珠海正和微芯科技有限公司 | 人体微动检测方法 |
CN117111018B (zh) * | 2023-10-24 | 2024-02-13 | 珠海正和微芯科技有限公司 | 人体微动检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109633633B (zh) | 2021-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109633633A (zh) | 一种基于分段分类增强处理的生命信号增强方法 | |
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 | |
CN105005042B (zh) | 一种探地雷达地下目标定位方法 | |
Yang et al. | Dense people counting using IR-UWB radar with a hybrid feature extraction method | |
CN106296655B (zh) | 基于自适应权值和高频阈值的sar图像变化检测方法 | |
CN106093890A (zh) | 建立剩余杂波图抑制雷达剩余杂波的方法 | |
CN104899866B (zh) | 一种智能化的红外小目标检测方法 | |
Chen et al. | Adaptive ground clutter reduction in ground-penetrating radar data based on principal component analysis | |
CN109583293A (zh) | 星载sar图像中的飞机目标检测与鉴别方法 | |
CN107132512B (zh) | 基于多通道hht的uwb雷达人体运动微多普勒特征提取方法 | |
CN105374026B (zh) | 一种适用于海防监控的海上红外小目标的检测方法 | |
CN107507209B (zh) | 极化sar图像的素描图提取方法 | |
CN109035152A (zh) | 一种合成孔径雷达图像非局部均值滤波方法 | |
CN103729854A (zh) | 一种基于张量模型的红外弱小目标检测方法 | |
CN106842194A (zh) | 一种自适应目标检测方法及装置 | |
WO2023284698A1 (zh) | 一种基于深度神经网络的多目标恒虚警率检测方法 | |
CN107450054B (zh) | 一种自适应探地雷达数据去噪方法 | |
CN110400294B (zh) | 一种红外目标探测系统及探测方法 | |
CN110146872A (zh) | 基于逆Radon变换的人体微多普勒分量提取方法 | |
CN109239703B (zh) | 运动目标实时跟踪方法 | |
CN109085547A (zh) | 一种表层穿透雷达回波信号的去噪方法和相关装置 | |
CN115631114B (zh) | 基于时域剖面分析的暗弱动目标指示增强在轨处理方法 | |
Tang et al. | Learning from natural noise to denoise micro-doppler spectrogram | |
CN109557520B (zh) | 一种基于多方法融合的人体微弱呼吸信号增强方法 | |
CN107607917B (zh) | 一种基于两级多普勒相关性判别的海杂波抑制方法 |
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 |