CN112230218B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112230218B CN112230218B CN202011068611.1A CN202011068611A CN112230218B CN 112230218 B CN112230218 B CN 112230218B CN 202011068611 A CN202011068611 A CN 202011068611A CN 112230218 B CN112230218 B CN 112230218B
- Authority
- CN
- China
- Prior art keywords
- matrix
- static background
- trend
- echo
- life detection
- 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.)
- Active
Links
- 230000003068 static effect Effects 0.000 title claims abstract description 91
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 95
- 230000011218 segmentation Effects 0.000 claims abstract description 31
- 230000015654 memory Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 7
- 239000003550 marker Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种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，所述方法包括以下步骤：采集生命探测雷达回波数据，获取原始回波矩阵；将获得的原始回波矩阵中每一列的最大值位置作为分段标记点；将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计；使用原始回波矩阵减去静态背景及趋势项估计，得到增强后的信号矩阵。本发明能够准确估计由雷达硬件的不稳定引入的信号趋势项，可有效减少非平稳干扰对目标信号的影响。
Description
技术领域
本发明属于探地雷达信号处理技术领域，特别涉及一种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。
背景技术
超宽带生命探测雷达系统工作在静止状态下，将在一定时间内接收的回波信号组织为二维矩阵进行处理、运算及目标判决。实际探测过程中，不仅存在直达波、天线耦合波、固定散射体回波等幅值远大于人体目标的静态背景；而且由于雷达的触发单元存在不稳定性，接收回波的不同时刻还存在着不固定的时间基准漂移，即信号中包含不确定的趋势项。
雷达时基漂移造成的时域幅值趋势变化同样远大于人体周期性呼吸运动引起的幅值变化(即目标信号的振幅)，在频域则表现为幅值远大于真实目标的低频分量，严重影响对真实目标的检测判决。因此在对原始信号进行后续处理前，需要有效地估计和去除静态背景及趋势项。但现有技术普遍将趋势项假定为线性特性来进行拟合，难以准确估计、彻底去除。
综上，亟需一种新的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。
发明内容
本发明的目的在于提供一种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，以解决上述存在的一个或多个技术问题。本发明能够准确估计由雷达硬件的不稳定引入的信号趋势项，可有效减少非平稳干扰对目标信号的影响。
为达到上述目的，本发明采用以下技术方案：
本发明的一种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，包括以下步骤：
步骤1，采集生命探测雷达回波数据，获取原始回波矩阵；
步骤2，将步骤1获得的原始回波矩阵中每一列的最大值位置作为分段标记点；
步骤3，根据步骤2获得的分段标记点，将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计；
步骤4，使用原始回波矩阵减去静态背景及趋势项估计，得到增强后的信号矩阵，完成生命探测雷达回波信号静态背景及趋势项去除。
本发明的进一步改进在于，步骤1具体包括：
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，慢时间接收N次回波数据，得到原始回波矩阵R(m,n)，m＝1,2,…,M，n＝1,2,…,N。
本发明的进一步改进在于，步骤2具体包括：
原始回波矩阵R(m,n)每一列的最大值所在位置构成的行向量为l＝[l1,l2,…,ln,…,lN]1×N，ln为R(m,n)第n列的最大值位于R（m,n)中的行数，ln∈[1,M]；
依据连续性将行向量l分为I+1段，表示为
每段长分别为
则/>
将I个断点分别设成bp1,bp2,…,bpi,…,bpI，作为后续处理的分段标记点；其中，i＝1,2,…,I+1。
本发明的进一步改进在于，步骤3具体包括：
对R(m,n)的每一行均使用断点bp1,bp2,…,bpi,…,bpI进行分段，得到I+1个矩阵R1,R2,…,Ri,…RI,RI+1；Ri为二维
矩阵；
计算静态背景及趋势项估计的表达式为，
其中，
(·)T表示转置操作。
本发明的进一步改进在于，步骤4具体为：
其中，
表示/>
沿行方向的串接，为静态背景及趋势项的估计；/>
为增强后的信号矩阵。
本发明的一种用于生命探测雷达回波信号静态背景及趋势项去除的系统，包括：
原始回波矩阵模块，用于采集生命探测雷达回波数据，获取原始回波矩阵；
分段标记点获取模块，用于将获得的原始回波矩阵中每一列的最大值位置作为分段标记点；
静态背景及趋势项估计获取模块，用于根据获得的分段标记点，将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计；
去除模块，用于使用原始回波矩阵减去静态背景及趋势项估计，得到增强后的信号矩阵，完成生命探测雷达回波信号静态背景及趋势项去除。
本发明的进一步改进在于，原始回波矩阵模块中，所述采集生命探测雷达回波数据，获取原始回波矩阵具体包括：
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，慢时间接收N次回波数据，得到原始回波矩阵R(m,n)，m＝1,2,…,M，n＝1,2,…,N。
本发明的进一步改进在于，分段标记点获取模块中，所述将获得的原始回波矩阵中每一列的最大值位置作为分段标记点的具体步骤包括：
原始回波矩阵R(m,n)每一列的最大值所在位置构成的行向量为l＝[l1,l2,…,ln,…,lN]1×N，ln为R(m,n)第n列的最大值位于R(m,n)中的行数，ln∈[1,M]；
依据连续性将行向量l分为I+1段，表示为
每段长分别为
则/>
将I个断点分别设成bp1,bp2,…,bpi,…,bpI，作为后续处理的分段标记点；其中，i＝1,2,…,I+1。
本发明的进一步改进在于，静态背景及趋势项估计获取模块中，所述根据获得的分段标记点，将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计的具体步骤包括：
对R(m,n)的每一行均使用断点bp1,bp2,…,bpi,…,bpI进行分段，得到I+1个矩阵R1,R2,…,Ri,…RI,RI+1；Ri为二维
矩阵；
计算静态背景及趋势项估计的表达式为，
其中，
(·)T表示转置操作。
本发明的一种用于生命探测雷达回波信号静态背景及趋势项去除的电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行：
步骤1，采集生命探测雷达回波数据，获取原始回波矩阵；
步骤2，将步骤1获得的原始回波矩阵中每一列的最大值位置作为分段标记点；
步骤3，根据步骤2获得的分段标记点，将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计；
步骤4，使用原始回波矩阵减去静态背景及趋势项估计，得到增强后的信号矩阵，完成生命探测雷达回波信号静态背景及趋势项去除。
与现有技术相比，本发明具有以下有益效果：
本发明用于生命探测雷达信号的静态背景及趋势估计去除方法，避免了现有技术直接将趋势项整体按照线性特性进行拟合估计造成的去除不彻底的问题，具有以下有益效果：
1)本发明使用原始回波信号矩阵中仅包含了直达波、天线耦合波和静态背景的每列最大值作为静态背景及趋势估计的参考，避免了人体目标呼吸或其他动目标的干扰；
2)本发明使用分段拟合的方式估计趋势项，考虑了雷达时基漂移速度不稳定等因素，提高了趋势估计的准确性；
3)本发明使用多项式拟合的方式估计趋势项，考虑了雷达时基漂移的非线性特性，进一步提高了趋势估计的准确性。
本发明的系统中，先以二维B-scan信号矩阵(不妨假定行方向为慢时间方向、列方向为快时间方向)中每一列的最大值所在位置为基准，将矩阵的每行信号分段；再通过多项式拟合实现对静态背景及信号趋势项的估计；最后从原始信号中减去该估计，即可得到去除静态背景及雷达趋势的信号。本发明可准确估计由雷达硬件的不稳定引入的信号趋势项，有效减少非平稳干扰对目标信号的影响，能够实现生命探测雷达信号的静态背景及趋势的估计、去除。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种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的流程示意图；
图2是本发明实施例中，原始雷达回波信号矩阵示意图；
图3是本发明实施例中，真实目标处的单行原始回波时域及频域特性示意图；其中，图3中的(a)为原始时域信号的650行示意图，图3中的(b)为慢时间fft结果示意图；
图4是本发明实施例中，原始回波矩阵每列最大值所在位置构成的行向量示意图；
图5是本发明实施例中，使用本发明方法去除静态背景及趋势后的二维回波信号矩阵示意图；
图6是本发明实施例中，真实目标处的单行回波经不同方法去除静态背景及趋势后的结果对比示意图；其中，图6中的(a)为原始回波的第650行信号经本发明方法去除静态背景及趋势后的时域特性示意图，图6中的(b)为原始回波的第650行信号经本发明方法去除静态背景及趋势后的频域特性示意图，图6中的(c)为原始回波的第650行信号经LTS算法去除静态背景及趋势后的时域特性示意图，图6中的(d)为原始回波的第650行信号经LTS算法去除静态背景及趋势后的频域特性示意图。
具体实施方式
为使本发明实施例的目的、技术效果及技术方案更加清楚，下面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。基于本发明公开的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例，都应属于本发明保护的范围。
在本发明下述的一个示例性实施例中，提供一种用于生命探测雷达的信号趋势估计及去除方法。图1为根据本发明实施例用于生命探测雷达信号的静态背景及趋势估计和去除的方法流程图。参照图1，本实施例用于生命探测雷达信号的静态背景及趋势估计和去除方法包括以下步骤：
1)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，慢时间接收N次回波数据，得到二维M×N快时-慢时信号矩阵R(m,n)，m＝1,2,…,M，n＝1,2,…,N，将其作为本发明所使用的雷达原始数据。
本实施例中，为充分体现本发明的有益效果，取M＝4096，N＝2048。
其中，本领域技术人员应当清楚，该M和N可以取其他值，例如M可以取1024的其他整数倍，N可以任意取值。
本实施例中，雷达快时间采样率为fs＝16GHz，慢时间有效脉冲重复频率为90Hz。图2所示为原始雷达回波，为增强对比度，对信号矩阵R(m,n)进行了取绝对值后进行成像，其中：m表示快时，单位为行，可通过式
转换为距离(c代表电磁波传播速度，为3×108m/s)；n表示慢时，单位为道。
本实施例中，被探测人员与雷达距离约6.1m，可由式
推算出，目标微弱呼吸信号掩藏在原始雷达回波矩阵的650行及其附近。图3(a)为原始时域信号的650行，图3(b)为其慢时间fft结果。可见时域幅值存在明显的随道数增加而逐渐增大的趋势(虚线表示)，频域中存在低于0.2Hz、幅值远大于真实目标呼吸信号(实线框表示)的干扰(虚线框表示)。
2)设矩阵R(m,n)每一列的最大值所在位置构成的行向量为l＝[l1,l2,…,lN]1×N，即ln为矩阵R(m,n)第n列的最大值位于R(m,n)中的行数，因此ln∈[1,M]。
根据实际的雷达特性，除个别由于硬件抖动造成的异常点外，l呈分段连续特性。依据连续性将l分为I+1段
每段长分别为/>
则
将I个断点分别设成bp1,bp2,…,bpI，作为后续处理的分段标记点。
本实施例中，图4所示为矩阵R(m,n)每一列的最大值所在位置l，可见除少数异常点外，l呈2段分段连续。即I＝1，且bp1＝1058。
3)对矩阵R(m,n)的每一行均使用断点bp1,bp2,…,bpi进行分段，可得到I+1个矩阵R1,R2,…,RI,RI+1；Ri为二维
矩阵，其中i＝1,2,…,I+1。依据下式计算静态背景及趋势项估计
其中，
(·)T表示转置操作。
本实施例中，取p＝4，即使用4次多项式分段拟合静态背景及趋势项。本领域技术人员应当清楚，该p值可依据实际拟合效果选取其他值。
4)依据下式去除原始回波信号的静态背景及趋势项：
其中：
表示/>
沿行方向的串接，为静态背景及趋势项的估计；/>
即为增强后的信号矩阵。
本实施例中，去除静态背景及趋势项的结果
如图5所示(仍取绝对值后成像展示)，可见位于650行附近、呈现准周期性变化的真实目标信号(虚线框内)已较为清晰地显现。
本实施例亦可说明本发明的有益效果。对比方法使用LTS(Nezirovic A,YarovoyA G,Ligthart L P.Signal processing for improved detection of trapped victimsusing UWB radar[J].IEEE Transactions on Geoscience and Remote Sensing,2009,48(4):2005-2014.)，结果如图6所示。图6(a)(b)分别为原始回波的第650行信号经本发明方法去除静态背景及趋势后的时域及频域特性，图6(c)(d)分别为原始回波的第650行信号经LTS算法去除静态背景及趋势后的时域及频域特性。可见本发明提出的分段多项式趋势去除方法的结果中，时域信号的趋势去除更加彻底，频域的低频干扰更小；即本方法能更准确地估计并去除原始信号中的静态背景和趋势项。
本发明实施例的一种用于生命探测雷达回波信号静态背景及趋势项去除的系统，包括：
原始回波矩阵模块，用于采集生命探测雷达回波数据，获取原始回波矩阵；
分段标记点获取模块，用于将获得的原始回波矩阵中每一列的最大值位置作为分段标记点；
静态背景及趋势项估计获取模块，用于根据获得的分段标记点，将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计；
去除模块，用于使用原始回波矩阵减去静态背景及趋势项估计，得到增强后的信号矩阵，完成生命探测雷达回波信号静态背景及趋势项去除。
其中，原始回波矩阵模块中，所述采集生命探测雷达回波数据，获取原始回波矩阵具体包括：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，慢时间接收N次回波数据，得到原始回波矩阵R(m,n)，m＝1,2,…,M，n＝1,2,…,N。
分段标记点获取模块中，所述将获得的原始回波矩阵中每一列的最大值位置作为分段标记点的具体步骤包括：
原始回波矩阵R(m,n)每一列的最大值所在位置构成的行向量为l＝[l1,l2,…,Ln,…,lN]1×N，ln为R(m,n)第n列的最大值位于R（m,n)中的行数，ln∈[1,M]；
依据连续性将行向量l分为I+1段，表示为
每段长分别为
则/>
将I个断点分别设成bp1,bp2,…,bpi,…,bpI，作为后续处理的分段标记点；其中，i＝1,2,…,I+1。
静态背景及趋势项估计获取模块中，所述根据获得的分段标记点，将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计的具体步骤包括：
对R(m,n)的每一行均使用断点bp1,bp2,…,bpi,…,bpI进行分段，得到I+1个矩阵R1,R2,…,Ri,…RI,RI+1；Ri为二维
矩阵；
计算静态背景及趋势项估计的表达式为，
其中，
(·)T表示转置操作。
本发明实施例的一种用于生命探测雷达回波信号静态背景及趋势项去除的电子设备，在硬件层面，该电子设备包括：处理器，可选的还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存储器，也可能还包括非易失性存储器，例如，至少一个磁盘存储器等。当然，该电子设备可能还包括其他业务所需的硬件。
处理器、网络接口、存储器通过内部总线互相连接，该内部总线可以是工业标准体系结构总线、外设部件互连标准总线、扩展工业标准结构总线等。总线可以分为地址总线、数据总线、控制总线等。
存储器用于存放程序。具体地，程序可以包括程序代码、所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成上述电子设备。处理器执行程序时，具体执行以下操作：
步骤1，采集生命探测雷达回波数据，获取原始回波矩阵；
步骤2，将步骤1获得的原始回波矩阵中每一列的最大值位置作为分段标记点；
步骤3，根据步骤2获得的分段标记点，将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计；
步骤4，使用原始回波矩阵减去静态背景及趋势项估计，得到增强后的信号矩阵，完成生命探测雷达回波信号静态背景及趋势项去除。
综上所述，本发明公开了一种生命探测雷达信号趋势去除方法。该方法先以二维B-scan信号矩阵(不妨假定行方向为慢时间方向、列方向为快时间方向)中每一列的最大值所在位置为基准，将矩阵的每行信号分段；再通过多项式拟合实现对静态背景及信号趋势项的估计；最后从原始信号中减去该估计，即可得到去除静态背景及雷达趋势的信号。上述方法可准确估计由雷达硬件的不稳定引入的信号趋势项，有效减少非平稳干扰对目标信号的影响。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。
Claims (10)
1.一种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，其特征在于，包括以下步骤：
步骤1，采集生命探测雷达回波数据，获取原始回波矩阵；
步骤2，将步骤1获得的原始回波矩阵中每一列的最大值位置作为分段标记点；
步骤3，根据步骤2获得的分段标记点，将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计；
步骤4，使用原始回波矩阵减去静态背景及趋势项估计，得到增强后的信号矩阵，完成生命探测雷达回波信号静态背景及趋势项去除。
2.根据权利要求1所述的一种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，其特征在于，步骤1具体包括：
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，慢时间接收N次回波数据，得到原始回波矩阵R(m,n)，m＝1,2,…,M，n＝1,2,…,N。
3.根据权利要求2所述的一种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，其特征在于，步骤2具体包括：
原始回波矩阵R(m,n)每一列的最大值所在位置构成的行向量为l＝[l1,l2,…,ln,…,lN]1×N，ln为R(m,n)第n列的最大值位于R(m,n)中的行数，ln∈[1,M]；
依据连续性将行向量l分为I+1段，表示为
每段长分别为
则/>
将I个断点分别设成bp1,bp2,…,bpi,…,bpI，作为后续处理的分段标记点；其中，i＝1,2,…,I。
4.根据权利要求3所述的一种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，其特征在于，步骤3具体包括：
对R(m,n)的每一行均使用断点bp1,bp2,…,bpi,…,bpI进行分段，得到I+1个矩阵R1,R2,…,Ri,R…I,RI+1；Ri为二维
矩阵；
计算静态背景及趋势项估计的表达式为，
其中，
表示转置操作。
5.根据权利要求4所述的一种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，其特征在于，步骤4具体为：
其中，
表示/>
沿行方向的串接，为静态背景及趋势项的估计；/>
为增强后的信号矩阵。
6.一种用于生命探测雷达回波信号静态背景及趋势项去除的系统，其特征在于，包括：
原始回波矩阵模块，用于采集生命探测雷达回波数据，获取原始回波矩阵；
分段标记点获取模块，用于将获得的原始回波矩阵中每一列的最大值位置作为分段标记点；
静态背景及趋势项估计获取模块，用于根据获得的分段标记点，将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计；
去除模块，用于使用原始回波矩阵减去静态背景及趋势项估计，得到增强后的信号矩阵，完成生命探测雷达回波信号静态背景及趋势项去除。
7.根据权利要求6所述的一种用于生命探测雷达回波信号静态背景及趋势项去除的系统，其特征在于，原始回波矩阵模块中，所述采集生命探测雷达回波数据，获取原始回波矩阵具体包括：
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，慢时间接收N次回波数据，得到原始回波矩阵R(m,n)，m＝1,2,…,M，n＝1,2,…,N。
8.根据权利要求7所述的一种用于生命探测雷达回波信号静态背景及趋势项去除的系统，其特征在于，分段标记点获取模块中，所述将获得的原始回波矩阵中每一列的最大值位置作为分段标记点的具体步骤包括：
原始回波矩阵R(m,n)每一列的最大值所在位置构成的行向量为l＝[l1,l2,…,ln,…,lN]1×N，ln为R(m,n)第n列的最大值位于R(m,n)中的行数，ln∈[1,M]；
依据连续性将行向量l分为I+1段，表示为
每段长分别为
则/>
将I个断点分别设成bp1,bp2,…,bpi,…,bpI，作为后续处理的分段标记点；其中，i＝1,2,…,I。
9.根据权利要求8所述的一种用于生命探测雷达回波信号静态背景及趋势项去除的系统，其特征在于，静态背景及趋势项估计获取模块中，所述根据获得的分段标记点，将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计的具体步骤包括：
对R(m,n)的每一行均使用断点bp1,bp2,…,bpi,…,bpI进行分段，得到I+1个矩阵R1,R2,…,Ri,…RI,RI+1；Ri为二维
矩阵；
计算静态背景及趋势项估计的表达式为，
其中，
表示转置操作。
10.一种用于生命探测雷达回波信号静态背景及趋势项去除的电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行：
步骤1，采集生命探测雷达回波数据，获取原始回波矩阵；
步骤2，将步骤1获得的原始回波矩阵中每一列的最大值位置作为分段标记点；
步骤3，根据步骤2获得的分段标记点，将原始回波矩阵的每一行分段；然后，使用多项式进行拟合，得到静态背景及趋势项估计；
步骤4，使用原始回波矩阵减去静态背景及趋势项估计，得到增强后的信号矩阵，完成生命探测雷达回波信号静态背景及趋势项去除。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011068611.1A CN112230218B (zh) | 2020-09-29 | 2020-09-29 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011068611.1A CN112230218B (zh) | 2020-09-29 | 2020-09-29 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112230218A CN112230218A (zh) | 2021-01-15 |
| CN112230218B true CN112230218B (zh) | 2023-06-16 |
Family
ID=74120958
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011068611.1A Active CN112230218B (zh) | 2020-09-29 | 2020-09-29 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112230218B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106093868A (zh) * | 2016-05-26 | 2016-11-09 | 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 |
| CN108387880A (zh) * | 2018-01-17 | 2018-08-10 | 西安大衡天成信息科技有限公司 | 一种基于多尺度有向Lyapunov指数的海杂波背景下弱小目标检测方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9870457B2 (en) * | 2014-08-15 | 2018-01-16 | California Institute Of Technology | HERMA—heartbeat microwave authentication |
| CN106901695B (zh) * | 2017-02-22 | 2019-08-23 | 北京理工大学 | 一种生命信号提取方法及装置 |
| KR20190037401A (ko) * | 2017-09-29 | 2019-04-08 | 전자부품연구원 | 객체를 검출하는 uwb 레이더 시스템 및 uwb 레이더 시스템의 객체 검출방법 |
| CN109633633B (zh) * | 2018-12-27 | 2021-01-19 | 西安交通大学 | 一种基于分段分类增强处理的生命信号增强方法 |
| CN110507293B (zh) * | 2019-07-26 | 2022-01-07 | 中国电子科技集团公司第三十八研究所 | 一种超宽带穿墙雷达人体呼吸及心跳检测方法及系统 |
-
2020
- 2020-09-29 CN CN202011068611.1A patent/CN112230218B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106093868A (zh) * | 2016-05-26 | 2016-11-09 | 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 |
| CN108387880A (zh) * | 2018-01-17 | 2018-08-10 | 西安大衡天成信息科技有限公司 | 一种基于多尺度有向Lyapunov指数的海杂波背景下弱小目标检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112230218A (zh) | 2021-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105137498B (zh) | 一种基于特征融合的地下目标探测识别系统及方法 | |
| CN105182291A (zh) | 自适应目标新生强度的phd平滑器的多目标跟踪方法 | |
| CN102176000A (zh) | 一种船用雷达海杂波的抑制方法 | |
| CN107678019B (zh) | 基于ca-cfar的雷达信号多目标检测方法及装置 | |
| CN107436434B (zh) | 基于双向多普勒估计的航迹起始方法 | |
| CN110161491B (zh) | 一种针对微弱生命体的测距和呼吸频率估计方法 | |
| CN106443662B (zh) | 一种低重频体制下速度模糊时的目标稳健关联方法 | |
| CN113963441A (zh) | 一种基于跨域增强的毫米波雷达手势识别方法及系统 | |
| CN108414995A (zh) | 一种基于高斯牛顿滤波的非线性模型下目标跟踪方法 | |
| CN110837079B (zh) | 一种基于雷达的目标检测方法及装置 | |
| CN107479037B (zh) | 一种pd雷达杂波区域判别方法 | |
| CN113837131A (zh) | 一种基于fmcw毫米波雷达的多尺度特征融合手势识别方法 | |
| CN113504523A (zh) | 基于目标特性的自适应恒虚警方法、设备及其存储介质 | |
| CN111323756A (zh) | 一种基于深度学习的航海雷达目标检测方法及装置 | |
| CN106772299A (zh) | 一种基于距离匹配的pd雷达微弱目标动态规划检测方法 | |
| CN110716203B (zh) | 一种被动声纳目标的时频分析与跟踪方法 | |
| CN106353743B (zh) | 匹配于等效形状参数的近最优雷达目标检测方法 | |
| CN112230218B (zh) | 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 | |
| CN107102293A (zh) | 基于滑窗累积密度估计的未知杂波无源协同定位方法 | |
| CN103674177B (zh) | 一种信号处理方法和装置 | |
| CN108931771A (zh) | 一种基于合成孔径雷达成像技术的目标跟踪方法 | |
| CN106443629A (zh) | 一种基于傅里叶基函数的雷达目标识别方法 | |
| CN109100701A (zh) | 一种快速二维cfar目标检测系统及检测方法 | |
| CN106289124B (zh) | 一种超声测厚闸门的实时跟随回波的方法 | |
| CN103093481B (zh) | 一种基于分水岭分割的静态背景下运动目标检测方法 |
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 |