CN110850488A - 一种冲激脉冲超声波的生命探测方法 - Google Patents

Abstract

本发明提供一种冲激脉冲超声波的生命探测方法，首先设定地震中待测的生命信号目标，通过冲激脉冲式的超宽带发射探测的脉冲信号；然后对接收到的信号进行曲波变换处理，去除直达波、背景杂波，提取需要的生命信号；接着做一个EEMD分解，将混频的信号分解成若干个相对容易处理单频的信号；最后根据生命信号的特征，再重新构建呼吸和心跳这两个信号，并对重新构造的这两个信号做频谱分析和高阶频谱分析。

Description

一种冲激脉冲超声波的生命探测方法

技术领域

本发明涉及雷达探生仪技术领域，具体涉及一种冲激脉冲超声波的生命探测方法，用于地震救灾时进行生命探测及救援。

背景技术

地震——从遥远的古代到现今为止，发生了无数次，众人皆知：每次地震都会有无数的生命受到威胁，还有地震区域及附近家园也会被摧毁。总结每次地震灾害我们可以得出一个结论：若能在更短的时间里发现被掩埋人员，他们被救活的可能性就更大。所以说，一部能够有效的检测出生命信息的设备就十分重要。

雷达探生仪是将超宽带雷达与医学技术相结合，其目的主要是用于诸如地震灾害、塌方事故等这样的紧急救援中，从而降低生命财产的损失，提高救援的效率。该种探生仪是依据雷达接收到的回波，也就是人体运动在时域上产生了多普勒效应，研究人员可用此来判定生命体存在与否及其它相关的信息。这种仪器主要是依据纳秒级电磁波脉冲有着较宽的频谱、极高的分辨力、相对低的功耗和较强穿透性等优势。

由于超宽带雷达在探测目标后接收到的回波是非平稳非线性的，而且相比于呼吸信号，人体心跳消耗的能量就十分微弱，所以很容易受到呼吸作用的影响，像经常采用的数字滤波的方法根本不可能获得较多的人体心跳信号，现有的探测生命信号方法不能准确的定位被困人员的位置。

发明内容

本发明的目的在于针对现有的探测生命信号方法的不足，提供一种冲激脉冲超声波的生命探测方法。

本发明的技术方案如下：

一种冲激脉冲超声波的生命探测方法，其特征在于：

(1)设定地震中待测的生命信号目标，通过冲激脉冲式的超宽带发射探测的脉冲信号；

(2)对接收到的信号进行曲波变换处理，去除直达波、背景杂波，提取需要的生命信号，主要包括呼吸和心跳信号；

(3)接着做一个EEMD分解，将混频的信号分解成若干个相对容易处理单频的信号；

(4)根据生命信号的特征，再重新构建呼吸和心跳这两个信号，并对重新构造的这两个信号做频谱分析和高阶频谱分析。

本发明采用聚类经验模态分解法，能够根据原信号的自身尺度一步一步分解得到有限个固有模态分量，然后再根据其判别方法从时域上重新去构造代表生命体特征的信号。

附图说明

图1所示是本发明的生命信号探测流程图。

具体实施方式

传统经验模态分解(Empirical Mode Decomposition，EMD)的不足与缺陷：就是当遇到待分解信号在时间尺度中存在一定的跳变时，在对信号进行分解处理后，便会得到一个包含有各种时间尺度的固有模态函数分量，通常把这种情况叫做模态混叠。出现这种情况与EMD的算法有一定的关系，同时也与初始信号的频率有关系。

鉴于EMD方法的不足，现有的一种解决EMD分解缺陷的方法，其基本思想是：用设置好的尺度去处理混叠的每个分量，然而这种方法就会失去经验模态分解本身的自适应性的优点。

EEMD分解的具体步骤如下：

(1)给要分解的原信号x(t)加入均匀的高斯白噪声n_i(t)，即

x_i(t)＝x(t)+n_i(t) (1-1)

上式中：x_i(t)是第i次加入高斯白噪声后的信号；而n_i(t)是幅度的平均值为0且标准差为1的白噪声信号。

(2)待分解信号x_i(t)再分解，获得对应的固有模态分量。

(3)循环执行(1)和(2)，直到不能分解为止。

(4)求出用分解法获得的若干个固有模态分量和的均值，那么就可以得到EEMD分解的公式，即

也就是说，一个信号经过EEMD分解，这个信号就可以表示为：

(1-3)式中：r_n(t)依然是余项序列。与EMD分解法相似，由EEMD分解得到的分量中，低阶部分所对应的是较高的频率，反之呢，高阶部分所对应的就是低频部分了。此外，这些分解后的分量它们都有着自己特定的能量和频率分量；即便这样，它们都会随着原始信号x(t)的进行相应的变化。

正是因为EEMD算法能够根据信号本身的特点对其自适应的从高频到低频分解，且能够克服以前EMD中的模态混叠，所以用EEMD方法进行分析是一个不错的选择。那么根据人的呼吸频带为0.1Hz～0.8Hz，心跳频带为0.8Hz～2.8Hz。如果生命体回波信号通过EEMD分解成N个固有模态分量，则对这些固有模态分量做频域分析并分别计算出所对应的呼吸和心跳的能量百分比，即：

(1-5)式中：E(j)是能量积分的公式，在文中表示第j个IMF的频域能量；E_r(j)与E_h(j)分别是第j个IMF分量在呼吸和心跳频谱区间的能量积分；而σ_b和σ_h，则分别为判断呼吸和心跳的能量比阈值。然后将符合呼吸频段或者心跳频段要求的固有模态分量分别叠加起来，则可以重新构造出代表生命特征的信号，即：

2.生命信号频域分析

通过信号的模拟仿真，背景杂波去除，以及利用聚类经验模态分解对回波信号进行处理，得到了我们需要的呼吸和心跳信号，但是其准确度不是很高，为了进一步验证其结果，下面对上节重新构造的生命体特征信号做频域分析。利用高阶累积算法对EEMD分解法重新构造信号：

则重新构造的呼吸信号的时域表达式为：

式中：s(t)为实际的呼吸信号；n(t)为均值为零的高斯白噪声；m_ri为呼吸信号第i次谐波的幅度；ω_r＝2πf_r为呼吸信号的角频率。那么呼吸信号的基波幅度和它的对应的二次谐波幅度之比就为：

对重新构造的呼吸信号(5-34)经过高阶累积运算可以得到：

cum{y(t)}＝cum{s(t)}+cum{σ_nn(t)} (2-3)

由于任意高斯过程对应的高阶累积量都是为零的，也就是cum{σ_nn(t)}＝0，则(5-36)可以表示为：

cum{y(t)}＝cum{s(t)} (2-4)

由信号的高阶累积量的特征与性质可知：重新构造的呼吸信号y(t)的四阶累积量表达式就应该为：

令τ₁＝τ,τ₂＝τ₃＝0，取得的一维信号为

对(2-6)所获得的呼吸信号进行四阶累积，则其对应的基波和二次谐波的振动幅度比就为：

将(2-2)和(2-7)相比较不难看出，重新构造的信号通过高阶累积后，对应的基波和二次谐波的振幅之比提高了，这样也就使得信噪比得到了提高。从式(2-4)也能够看出，经过四阶累积之后信号的高斯噪声为零，也即是抑制了高斯噪声。

通过以上分析可以总结出：四阶累积量运算能够使重新构造的信息的信噪比大大提高，这也就使其在能够在那些信噪比较低的或者是谐波成分较多的场合中得到应用。

如图1所示，设定地震中待测的生命信号目标，通过冲激脉冲式的超宽带发射探测的脉冲信号；然后对接收到的信号进行曲波变换处理(去除直达波、背景杂波等)，提取我们需要的生命信号(一般主要是呼吸和心跳信号)；接着做一个EEMD分解，将混频的信号分解成若干个相对容易处理单频的信号；根据生命信号的特征，再重新构建呼吸和心跳这两个信号，并对重新构造的这两个信号做频谱分析和高阶频谱分析。

Claims (1)

1.一种冲激脉冲超声波的生命探测方法，其特征在于：

(1)设定地震中待测的生命信号目标，通过冲激脉冲式的超宽带发射探测的脉冲信号；

(2)对接收到的信号进行曲波变换处理，去除直达波、背景杂波，提取需要的生命信号，主要包括呼吸和心跳信号；

(3)接着做一个EEMD分解，将混频的信号分解成若干个相对容易处理单频的信号；

(4)根据生命信号的特征，再重新构建呼吸和心跳这两个信号，并对重新构造的这两个信号做频谱分析和高阶频谱分析。