CN111157987A - 基于扩展贝塞尔模型的人体目标微多普勒频率估计方法 - Google Patents

基于扩展贝塞尔模型的人体目标微多普勒频率估计方法 Download PDF

Info

Publication number
CN111157987A
CN111157987A CN202010005940.5A CN202010005940A CN111157987A CN 111157987 A CN111157987 A CN 111157987A CN 202010005940 A CN202010005940 A CN 202010005940A CN 111157987 A CN111157987 A CN 111157987A
Authority
CN
China
Prior art keywords
model
doppler frequency
micro
calf
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.)
Granted
Application number
CN202010005940.5A
Other languages
English (en)
Other versions
CN111157987B (zh
Inventor
丁一鹏
高山流水
孙印花
柳润金
厍彦龙
黄国伟
李正敏
郭学斌
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.)
Central South University
Original Assignee
Central South University
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 Central South University filed Critical Central South University
Priority to CN202010005940.5A priority Critical patent/CN111157987B/zh
Publication of CN111157987A publication Critical patent/CN111157987A/zh
Application granted granted Critical
Publication of CN111157987B publication Critical patent/CN111157987B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/887Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
    • G01S13/888Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons through wall detection
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details 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
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details 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
    • G01S7/411Identification of targets based on measurements of radar reflectivity

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扩展贝塞尔模型的人体目标微多普勒频率估计方法,属于微多普勒频率估计技术领域,本发明提供一种基于扩展贝塞尔模型的人体目标微多普勒频率估计方法,通过提取小腿微多普勒频率,然后进行分段拟合,先使用贝塞尔模型确定最优控制点,在不改变并且不增加控制点的基础上引入参数,通过基于扩展贝塞尔模型的霍夫变换频率估计算法完成对雷达回波信号的目标分量分离和小腿多普勒频率特征的精确估计;本发明提出一种精确估计特定目标散射部分微多普勒频率的新方法,在实时人体传感应用中具有很好的应用前景。

Description

基于扩展贝塞尔模型的人体目标微多普勒频率估计方法
技术领域
本发明属于微多普勒频率估计技术领域,涉及基于扩展贝塞尔模型的人体目标微多普勒频率估计方法。
背景技术
近年来,基于雷达的人体目标特征研究是一项备受关注的新兴技术。利用多普雷穿墙雷达对人体的探测相比于其他传感器有着很大的优势。雷达技术不受光线强弱和天气状况的影响,能穿透遮挡衣物,在浓雾等可见度低的天气环境下依然能进行全天候的目标检测,甚至可以精确判断出人体目标静止、走动和跑动状态。当需要对墙体、烟雾等非电磁透明介质屏障进行穿透探测时就要用到基于电磁波信号的穿墙雷达来达到目的。它通过运动人体回波的多普勒调制效应来获取屏障后运动目标的信息,实现对各种墙以及其他非电磁透明障碍物后运动人体目标的探测、定位和跟踪。因此,穿墙雷达人体回波检测与跟踪技术在反恐、军事作战、防暴、救灾等方面装备上的应用十分关键,它在诸多领域上的需求,促进了技术在许多应用方面的不断发展。
雷达目标的微多普勒特征指的是目标的微动使雷达回波产生时变多普勒效应的现象,反映了目标物理特性对电磁波的调制作用。基于雷达的人体探测主要利用人体的某些部位的运动(比如心跳、呼吸、四肢的摆动等)对电磁波的调制,从而实现对人体的检测。人体走动时手和腿的摆动对雷达回波信号产生调制,且其激励的微多普勒频率近似为正弦调制,这种独特的调制由振幅和频率两个参数即可描述。通过提取目标的微多普勒特征可以获得不同目标各自独特的结构和运动细节等信息,从而精细地刻画体动规律,将有效的探测并估计人体的运动规律。因此,对人体目标微多普勒频率进行精确估计具有十分重要的意义。
目前,针对人体目标微多普勒频率,最常用的估计方法是时频分析技术,然而,时频分析方法具有几个主要缺点:第一、由于穿墙雷达应用的特殊性,大部分观测者往往希望能够实时获取目标的探测信息,对信号处理过程的时窗长度具有严苛的限制,导致了低分辨率、低精度的缺陷;第二、当不同目标的瞬时频率太过接近以至于不能被时频算法准确识别时,估计精度将发生明显下降,这种现象也称之为“频率模糊”效应;第三、时频分析方法容易受到噪声干扰,在低信噪比条件下,强噪声干扰信号很容易被错误识别为虚假目标,不仅降低了估计精度,还会影响检测结果的可靠性和鲁棒性。
发明内容
针对现有技术的不足,本发明的目的在于提供一种基于扩展贝塞尔模型的人体目标微多普勒频率估计方法。
本发明提供的这种基于扩展贝塞尔模型的人体目标微多普勒频率估计方法,包括以下步骤:
S1.基于贝塞尔模型的霍夫变换频率估计算法,完成对解调后回波信号的分量分离与人体目标微多普勒频率的估计,选定单段贝塞尔曲线的控制顶点;
S2.引入参数,将单段贝塞尔曲线表示成已经选定的控制顶点和含参数的调配函数的线性组合,构造扩展贝塞尔模型,通过动态调整参数,完成对解调后回波信号的分量分离与人体目标微多普勒频率的估计,以提高人体目标微多普勒频率的估计精度。
在一个具体的实施方式中,从人体目标散射部分的多个分量及其微多普勒轨迹可知,小腿微多普勒频率轨迹是整个人体目标多普勒频率轨迹的包络线,即小腿微多普勒频率为最外层包络。
在一个具体的实施方式中,步骤S1中,所述基于贝塞尔模型的霍夫变换频率估计算法,具体包括:
S101.贝塞尔模型的端点确定:根据短时傅里叶变换,对发射机接收回波调解后的信号进行时频分析,小腿微多普勒频率轨迹是整个人体目标多普勒频率轨迹的包络线,具有非线性的特点,采用分段拟合的方法对小腿多普勒频率曲线进行拟合,在时频图上进行自上而下搜索到的第一个点为上峰值点P0,同理,在时频图上自下而上搜索到的第一个点为下峰值点P2,取小腿多普勒频率曲线的上峰值点P0、下峰值点P2作为贝塞尔模型的端点;
S102.贝塞尔模型的控制顶点确定:基于贝塞尔模型对霍夫变换频率进行拟合,根据霍夫变换的原理,确定最近似于小腿微多普勒频率曲线的贝塞尔模型,选定贝塞尔模型的控制顶点P1,完成对小腿微多普勒频率的估计。
在一个具体的实施方式中,步骤S101中,所述发射机接收回波调解后的信号表示为:
Figure BDA0002355285500000031
式(1)中,ak为第k个信号的幅度,fdi,k(t)是对应于载波频率fi的第k个目标分量的多普勒频率,φk=4πfiRk0/C是第k个信号回波初始相位,Rk0是初始目标范围,c是光速,j为虚数单位。
在一个具体的实施方式中,步骤S102中,由于信号经反射物反射后,被反射物吸收一部分能量,产生了具有衰减延迟的原信号,叠加上原信号形成回波信号,所得霍夫变换的模型如下:
Figure BDA0002355285500000032
式(2)中,F(X,t)是小腿微多普勒频率的拟合模型,X是拟合参数,调整拟合参数,当信号能量能最大程度的集中时,所得拟合模型可近似代替小腿微多普勒频率;
所述贝塞尔模型如下:
Figure BDA0002355285500000033
式(3)中,P0和P2是贝塞尔模型的端点,P1是其控制点,u是参数;
小腿微多普勒频率的拟合如下:
FP(X,t)=(1-t)2·ystart+2t(1-t)Y1+t2·yend (4)
式(4)中,X=[x1,y1],确定最近似于小腿微多普勒频率曲线的贝塞尔模型,调整(X1,Y1)=(x1,y1)时,选定贝塞尔模型的控制顶点P1
在一个具体的实施方式中,步骤S2中,所述扩展贝塞尔模型如下:
Figure BDA0002355285500000041
式(5)中,P0和P2是步骤S2中贝塞尔模型确定的端点,P1是其控制点,u是新引入的参数;
N2,i(u)(i=0,1,2)为扩展贝塞尔模型的含参数的调配函数,式(5)中调配函数为:
Figure BDA0002355285500000042
式(6)中,u∈[0,1],参数λ12∈[-2,1];
小腿微多普勒频率的拟合如下:
Figure BDA0002355285500000043
式(7)中,Y1为贝塞尔模型中控制点P1的纵坐标;调整参数λ1和λ2,先假定λ1为零,在[-2,1]范围内调整λ2,当信号能量能最大程度的集中时确定λ2的值,然后在[-2,1]范围内调整λ1,当信号能量能最大程度的集中时确定λ1的值,此时拟合结果最近似于小腿微多普勒频率曲线时,利用扩展贝塞尔曲线拟合小腿多普勒频率曲线,完成对小腿微多普勒频率的估计,相比于不加入参数时精度得到提高。
本发明还提供一种多普勒穿墙雷达定位方法,该雷达定位方法采用所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法。
本发明具有以下有益技术效果:
本发明提供一种基于扩展贝塞尔模型的人体目标微多普勒频率估计方法,通过提取小腿微多普勒频率,然后进行分段拟合,先使用贝塞尔模型确定最优控制点,在不改变并且不增加控制点的基础上引入参数,通过基于扩展贝塞尔模型的霍夫变换频率估计算法完成对雷达回波信号的目标分量分离和小腿多普勒频率特征的精确估计。
本发明提出一种精确估计特定目标散射部分微多普勒频率的新方法,在实时人体传感应用中具有很好的应用前景。
附图说明
图1为本发明基于扩展贝塞尔模型的人体目标微多普勒频率估计方法的流程图。
图2为实施例中基于扩展贝塞尔模型的人体目标微多普勒频率估计方法的流程图。
图3为本发明中人体运动回波时频图。
图4为本发明中人体右小腿运动回波时频图。
图5为本发明中多普勒雷达结构示意图。
图6为实施例1中使用基于线性模型的人体目标微多普勒频率估计方法的频率拟合结果。
图7为实施例1中使用基于扩展贝塞尔模型的人体目标微多普勒频率估计方法的频率拟合结果。
具体实施方式
下面结合具体实施例和附图对本发明进一步说明:
本发明所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法,如图1所示,包括以下步骤:
步骤1:基于贝塞尔模型的霍夫变换频率估计算法,完成对解调后回波信号的分量分离与人体目标微多普勒频率的估计,选定单段贝塞尔曲线的控制顶点;
从人体目标散射部分的多个分量及其微多普勒轨迹可知,小腿微多普勒频率轨迹是整个人体目标多普勒频率轨迹的包络线,如图3~4所示,小腿微多普勒频率为最外层包络,具体为:
1.1)贝塞尔模型的端点确定:根据短时傅里叶变换,对发射机接收回波调解后的信号进行时频分析,小腿微多普勒频率轨迹是整个人体目标多普勒频率轨迹的包络线,具有非线性的特点,采用分段拟合的方法对小腿多普勒频率曲线进行拟合,在时频图上进行自上而下搜索到的第一个点为上峰值点P0,同理,在时频图上自下而上搜索到的第一个点为下峰值点P2,取小腿多普勒频率曲线的上峰值点P0、下峰值点P2作为贝塞尔模型的端点;
1.2)贝塞尔模型的控制顶点确定:基于贝塞尔模型对霍夫变换频率进行拟合,根据霍夫变换的原理,确定最近似于小腿微多普勒频率曲线的贝塞尔模型,选定贝塞尔模型的控制顶点P1,完成对小腿微多普勒频率的估计;
步骤2:引入参数,将单段贝塞尔曲线表示成已经选定的控制顶点和含参数的调配函数的线性组合,构造扩展贝塞尔模型,通过动态调整参数,完成对解调后回波信号的分量分离与人体目标微多普勒频率的估计,以提高人体目标微多普勒频率的估计精度。
本发明实施例中基于扩展贝塞尔模型的人体目标微多普勒频率估计方法,如图2所示,包括以下步骤:
(1)根据信号回波,通过霍夫变换确定贝塞尔模型的始末端点与控制点;
(2)引入参数,将贝塞尔曲线表示成已经选定的控制顶点和含参数的调配函数的线性组合,构造扩展贝塞尔模型;
(3)使用基于扩展贝塞尔模型的霍夫变换算法进行信号分离与频率估计,通过动态调整参数,完成对小腿微多普勒频率估计值的进一步优化。
本发明实施例中,基于贝塞尔模型的霍夫变换频率估计算法包括:
(1)扩展贝塞尔模型的设计,根据雷达回波信号的特点通过霍夫变换确定扩展贝塞尔模型;
(2)根据确定的扩展贝塞尔模型分离信号,根据霍夫变换拟合感兴趣的目标分量的瞬时频率。
本发明实施例中,回波调解后的信号表示为:
Figure BDA0002355285500000061
式(1)中,ak为第k个信号的幅度,fdi,k(t)是对应于载波频率fi的第k个目标分量的多普勒频率,φk=4πfiRk0/C是第k个信号回波初始相位,Rk0是初始目标范围,c是光速,j为虚数单位。
本发明实施例中,霍夫变换的模型如下:
Figure BDA0002355285500000071
式(2)中,F(X,t)是小腿微多普勒频率的拟合模型,X是拟合参数,调整拟合参数,当信号能量能最大程度的集中时,所得拟合模型可近似代替小腿微多普勒频率;
贝塞尔模型如下:
Figure BDA0002355285500000072
式(3)中,P0和P2是贝塞尔模型的端点,P1是其控制点,u是参数;
小腿微多普勒频率的拟合如下:
FP(X,t))=(1-t)2·ystart+2t(1-t)Y1+t2·yend (4)
式(4)中,X=[x1,y1],确定最近似于小腿微多普勒频率曲线的贝塞尔模型,调整(X1,Y1)=(x1,y1)时,选定贝塞尔模型的控制顶点P1
本发明实施例中,扩展贝塞尔模型如下:
Figure BDA0002355285500000073
式(5)中,P0和P2是步骤S2中贝塞尔模型确定的端点,P1是其控制点,u是新引入的参数;
N2,i(u)(i=0,1,2)为扩展贝塞尔模型的含参数的调配函数,式(5)中调配函数为:
Figure BDA0002355285500000074
式(6)中,u∈[0,1],参数λ12∈[-2,1];
小腿微多普勒频率的拟合如下:
Figure BDA0002355285500000081
式(7)中,Y1为贝塞尔模型中控制点P1的纵坐标;调整参数λ1和λ2,先假定λ1为零,在[-2,1]范围内调整λ2,当信号能量能最大程度的集中时确定λ2的值,然后在[-2,1]范围内调整λ1,当信号能量能最大程度的集中时确定λ1的值,此时拟合结果最近似于小腿微多普勒频率曲线时,利用扩展贝塞尔曲线拟合小腿多普勒频率曲线,完成对小腿微多普勒频率的估计,相比于不加入参数时精度得到提高。
实施例1
双频连续波的载波频率为2.4GHz和2.39GHz,发射机与接收机距离为6.25cm。目标1的初始位置为(1,5),横向速度为1米/秒,纵向速度为0.4米/秒;同时,目标2从其初始位置(0,2)开始移动,横向速度为1米/秒,纵向速度为0.6米/秒,整个实验持续约5秒。
使用基于线性模型的人体目标微多普勒频率估计方法结果见图4,使用基于扩展贝塞尔模型的人体目标微多普勒频率估计方法结果见图5,虚线为实际频率,实线为拟合频率。与使用线性拟合模型的人体微多普勒频率估计算法相比,本发明所提出的算法使人体微多普勒频率估计更加精确。此外,二者拟合误差对比见表1,与基于线性模型的人体微多普勒频率估计方法相比,频率估计精度平均提高1.16Hz。
表1 STFT、(无参数)的霍夫变换和本发明算法误差对比
Figure BDA0002355285500000082
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于扩展贝塞尔模型的人体目标微多普勒频率估计方法,其特征在于,包括以下步骤:
S1.基于贝塞尔模型的霍夫变换频率估计算法,完成对解调后回波信号的分量分离与人体目标微多普勒频率的估计,选定单段贝塞尔曲线的控制顶点;
S2.引入参数,将单段贝塞尔曲线表示成已经选定的控制顶点和含参数的调配函数的线性组合,构造扩展贝塞尔模型,通过动态调整参数,完成对解调后回波信号的分量分离与人体目标微多普勒频率的估计,以提高人体目标微多普勒频率的估计精度。
2.根据权利要求1所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法,其特征在于,从人体目标散射部分的多个分量及其微多普勒轨迹可知,小腿微多普勒频率轨迹是整个人体目标多普勒频率轨迹的包络线,即小腿微多普勒频率为最外层包络。
3.根据权利要求1或2所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法,其特征在于,步骤S1中,所述基于贝塞尔模型的霍夫变换频率估计算法,具体包括:
S101.贝塞尔模型的端点确定:根据短时傅里叶变换,对发射机接收回波调解后的信号进行时频分析,小腿微多普勒频率轨迹是整个人体目标多普勒频率轨迹的包络线,具有非线性的特点,采用分段拟合的方法对小腿多普勒频率曲线进行拟合,在时频图上进行自上而下搜索到的第一个点为上峰值点P0,同理,在时频图上自下而上搜索到的第一个点为下峰值点P2,取小腿多普勒频率曲线的上峰值点P0、下峰值点P2作为贝塞尔模型的端点;
S102.贝塞尔模型的控制顶点确定:基于贝塞尔模型对霍夫变换频率进行拟合,根据霍夫变换的原理,确定最近似于小腿微多普勒频率曲线的贝塞尔模型,选定贝塞尔模型的控制顶点P1,完成对小腿微多普勒频率的估计。
4.根据权利要求3所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法,其特征在于,步骤S101中,所述发射机接收回波调解后的信号表示为:
Figure FDA0002355285490000021
式(1)中,ak为第k个信号的幅度,fdi,k(t)是对应于载波频率fi的第k个目标分量的多普勒频率,φk=4πfiRk0/C是第k个信号回波初始相位,Rk0是初始目标范围,c是光速,j为虚数单位。
5.根据权利要求3所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法,其特征在于,步骤S102中,由于信号经反射物反射后,被反射物吸收一部分能量,产生了具有衰减延迟的原信号,叠加上原信号形成回波信号,所得霍夫变换的模型如下:
Figure FDA0002355285490000022
式(2)中,F(X,t)是小腿微多普勒频率的拟合模型,X是拟合参数,调整拟合参数,当信号能量能最大程度的集中时,所得拟合模型可近似代替小腿微多普勒频率;
所述贝塞尔模型如下:
Figure FDA0002355285490000023
式(3)中,P0和P2是贝塞尔模型的端点,P1是其控制点,u是参数;
小腿微多普勒频率的拟合如下:
FP(X,t)=(1-t)2·ystart+2t(1-t)Y1+t2·yend (4)
式(4)中,X=[x1,y1],确定最近似于小腿微多普勒频率曲线的贝塞尔模型,调整(X1,Y1)=(x1,y1)时,选定贝塞尔模型的控制顶点P1
6.根据权利要求1或2所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法,其特征在于,步骤S2中,所述扩展贝塞尔模型如下:
Figure FDA0002355285490000031
式(5)中,P0和P2是步骤S2中贝塞尔模型确定的端点,P1是其控制点,u是新引入的参数;
N2,i(u)(i=0,1,2)为扩展贝塞尔模型的含参数的调配函数,式(5)中调配函数为:
Figure FDA0002355285490000032
式(6)中,u∈[0,1],参数λ12∈[-2,1];
小腿微多普勒频率的拟合如下:
Figure FDA0002355285490000033
式(7)中,Y1为贝塞尔模型中控制点P1的纵坐标;调整参数λ1和λ2,先假定λ1为零,在[-2,1]范围内调整λ2,当信号能量能最大程度的集中时确定λ2的值,然后在[-2,1]范围内调整λ1,当信号能量能最大程度的集中时确定λ1的值,此时拟合结果最近似于小腿微多普勒频率曲线时,利用扩展贝塞尔曲线拟合小腿多普勒频率曲线,完成对小腿微多普勒频率的估计,相比于不加入参数时精度得到提高。
7.一种多普勒穿墙雷达定位方法,该雷达定位方法采用权利要求1~6中任一项所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法。
CN202010005940.5A 2020-01-03 2020-01-03 基于扩展贝塞尔模型的人体目标微多普勒频率估计方法 Active CN111157987B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010005940.5A CN111157987B (zh) 2020-01-03 2020-01-03 基于扩展贝塞尔模型的人体目标微多普勒频率估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010005940.5A CN111157987B (zh) 2020-01-03 2020-01-03 基于扩展贝塞尔模型的人体目标微多普勒频率估计方法

Publications (2)

Publication Number Publication Date
CN111157987A true CN111157987A (zh) 2020-05-15
CN111157987B CN111157987B (zh) 2021-11-02

Family

ID=70561068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010005940.5A Active CN111157987B (zh) 2020-01-03 2020-01-03 基于扩展贝塞尔模型的人体目标微多普勒频率估计方法

Country Status (1)

Country Link
CN (1) CN111157987B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5570094A (en) * 1995-10-10 1996-10-29 Armstrong; Brian S. R. Three dimensional tracking by array doppler radar
WO2005051010A1 (en) * 2003-11-13 2005-06-02 Motorola, Inc. Method and apparatus for mobile radio velocity estimation
CN101000376A (zh) * 2007-01-08 2007-07-18 清华大学 双基地合成孔径雷达的双门限恒虚警运动目标检测方法
US8149905B1 (en) * 2008-11-24 2012-04-03 Qualcomm Atheros, Inc. System and method for doppler frequency estimation
US20130034140A1 (en) * 2011-08-04 2013-02-07 Samsung Electronics Co. Ltd. Apparatus and method for estimating doppler spread in mobile communication system
CN103001910A (zh) * 2011-09-07 2013-03-27 英特尔移动通信有限责任公司 一种多普勒扩展估计的方法
US20140056529A1 (en) * 2011-03-11 2014-02-27 Omron Corporation Image processing device and image processing method
US20170294121A1 (en) * 2016-04-12 2017-10-12 Ford Global Technologies, Llc Detecting available parking spaces
CN107861109A (zh) * 2017-10-31 2018-03-30 陕西师范大学 一种基于高阶粒子滤波的目标微多普勒曲线提取方法
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
CN109541579A (zh) * 2018-12-28 2019-03-29 中南大学 基于Bezier模型的霍夫变换的多普勒穿墙雷达定位方法
CN109932716A (zh) * 2019-03-03 2019-06-25 中国人民解放军空军工程大学 一种低空目标微多普勒特征提取方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5570094A (en) * 1995-10-10 1996-10-29 Armstrong; Brian S. R. Three dimensional tracking by array doppler radar
WO2005051010A1 (en) * 2003-11-13 2005-06-02 Motorola, Inc. Method and apparatus for mobile radio velocity estimation
CN101000376A (zh) * 2007-01-08 2007-07-18 清华大学 双基地合成孔径雷达的双门限恒虚警运动目标检测方法
US8149905B1 (en) * 2008-11-24 2012-04-03 Qualcomm Atheros, Inc. System and method for doppler frequency estimation
US20140056529A1 (en) * 2011-03-11 2014-02-27 Omron Corporation Image processing device and image processing method
US20130034140A1 (en) * 2011-08-04 2013-02-07 Samsung Electronics Co. Ltd. Apparatus and method for estimating doppler spread in mobile communication system
CN103001910A (zh) * 2011-09-07 2013-03-27 英特尔移动通信有限责任公司 一种多普勒扩展估计的方法
US20170294121A1 (en) * 2016-04-12 2017-10-12 Ford Global Technologies, Llc Detecting available parking spaces
CN107861109A (zh) * 2017-10-31 2018-03-30 陕西师范大学 一种基于高阶粒子滤波的目标微多普勒曲线提取方法
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
CN109541579A (zh) * 2018-12-28 2019-03-29 中南大学 基于Bezier模型的霍夫变换的多普勒穿墙雷达定位方法
CN109932716A (zh) * 2019-03-03 2019-06-25 中国人民解放军空军工程大学 一种低空目标微多普勒特征提取方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
ABDELHAMID MAMMERI; GUANGQIAN LU; AZZEDINE BOUKERCHE: "《Design of lane keeping assist system for autonomous vehicles》", 《2015 7TH INTERNATIONAL CONFERENCE ON NEW TECHNOLOGIES, MOBILITY AND SECURITY (NTMS)》 *
X. QIN, G. HU, N. ZHANG, X. SHEN, AND Y. YANG: "《A novel extension to the polynomial basis functions describing bezier curves and surfaces of degree n with multiple shape parameters》", 《APPLIED MATHEMATICS AND COMPUTATION》 *
Y. DING, C. LEI, X. XU, K. SUN, AND L. WANG: "《Human micro-Doppler frequency estimation approach for Doppler radar》", 《IEEE ACCESS》 *
YIPENG DING: "《Bezier-Based Hough Transforms for Doppler Localization of Human Targets》", 《IEEE ANTENNAS AND WIRELESS PROPAGATION LETTERS》 *
丁一鹏; 汤井田: "《基于高阶模糊函数的连续波穿墙雷达目标定位方法》", 《中国有色金属学报》 *
刘植: "《Bézier曲线曲面的同次扩展》", 《第五届全国几何设计与计算学术会议论文集》 *
洪玲: "《有理Bézier曲线的扩展及应用》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
CN111157987B (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
US11988736B2 (en) Systems and methods for virtual aperture radar tracking
CN107656255B (zh) 基于多径回波的超宽带雷达动目标二维定位方法
CN108761404A (zh) 一种基于二次相位函数参数估计及补偿的改进算法
CN105116396B (zh) 一种连续波雷达多普勒回波检测方法
CN110501706A (zh) 大角度非均匀转动空间目标isar成像方法
CN109031287A (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
CN107607937B (zh) 基于时间反演的雷达目标测距方法
CN101666873A (zh) 基于调变脉冲序列的高精度测距雷达的模糊处理方法
CN103792532A (zh) 一种单脉冲高精度测角系统及其测角方法
CN106019263A (zh) 基于多亮点回波模型的目标径向速度测量方法
CN107894586A (zh) 一种基于同步压缩变换的激光雷达回波信号去噪方法
CN110988884B (zh) 一种基于高频地波雷达的中纬度电离层探测方法
CN109507669A (zh) 基于相参累积的地面微弱运动目标参数估计方法
CN109444864A (zh) 一种深海微弱多目标深度长时累积估计方法
CN111337917A (zh) 基于变步长插值迭代的fmcw雷达高精度距离估计方法
CN112987003A (zh) 主动声纳中的hfm信号分离方法及系统
CN109541579B (zh) 基于Bezier模型的霍夫变换的多普勒穿墙雷达定位方法
CN111157987B (zh) 基于扩展贝塞尔模型的人体目标微多普勒频率估计方法
CN106546947A (zh) 一种联合波导不变量和线谱的单水听器被动定位方法
US7149148B2 (en) Localization of high speed vehicles using continuous transmit waves
CN106772373B (zh) 针对任意地面运动目标的sar成像方法
CN108549066A (zh) 一种基于尺度rft的宽带雷达高速目标积累检测方法
CN104360333A (zh) 一种同时校正一阶和二阶距离徙动的相参积累检测方法
Linnehan et al. Multipath analysis of dismount radar responses
CN111157986B (zh) 基于扩展贝塞尔模型的多普勒穿墙雷达定位方法

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