CN112826462A - 基于频谱感知和超宽带雷达的井下人员生命体征监测方法 - Google Patents
基于频谱感知和超宽带雷达的井下人员生命体征监测方法 Download PDFInfo
- Publication number
- CN112826462A CN112826462A CN202011620538.4A CN202011620538A CN112826462A CN 112826462 A CN112826462 A CN 112826462A CN 202011620538 A CN202011620538 A CN 202011620538A CN 112826462 A CN112826462 A CN 112826462A
- Authority
- CN
- China
- Prior art keywords
- sub
- band
- uwb radar
- radar module
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001228 spectrum Methods 0.000 title claims abstract description 25
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 12
- 230000001121 heart beat frequency Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000001427 coherent effect Effects 0.000 claims description 6
- 238000002592 echocardiography Methods 0.000 claims description 6
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000036391 respiratory frequency Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000000241 respiratory effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 4
- 239000003245 coal Substances 0.000 description 18
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000032365 Electromagnetic interference Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Pulmonology (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于频谱感知和超宽带雷达的井下人员生命体征监测方法,在井下巷道均匀安装J个UWB雷达模块,设人员处于UWB雷达模块j和UWB雷达模块j+1之间,1≤j≤J,UWB雷达模块j和UWB雷达模块j+1分别将其可通信的无线频带初始化分成I个子频带,并采用频谱感知方法探测其空闲子频带;UWB雷达模块j和UWB雷达模块j+1分别从其空闲子频带类中选择一个空闲子频带,探测井下人员的位置,并对UWB雷达模块j和UWB雷达模块j+1的探测信号进行处理,采用变分模态分解算法分解出人员生命体征参数。选择空闲子频带发射脉冲信号,保证了人员定位和生命体征监测的可靠性。
Description
技术领域
本发明属于煤矿井下安全监控领域,涉及一种基于频谱感知和超宽带雷达的井下人员定位和生命体征监测方法。
背景技术
能源资源是我国经济社会可持续发展和国家安全的重要保障。我国的能源资源主要包括煤炭、石油和天然气,在三大化石能源消耗结构中煤炭资源占到70%左右。随着国民经济的迅速发展,国家对能源的需求日趋扩大,而石油、天然气和新能源的产量短期内仍然无法满足需求,在今后相当长的时期内煤炭仍然是我国最主要的能源。煤炭资源在我国工业发展中的地位举足轻重,因此保证煤炭行业健康、稳定地发展显得非常必要和迫切。
近年来,国家高度重视煤矿安全生产工作,相继颁布和实施了一系列煤矿安全生产相关法律法规,不断增加安全生产投入。我国的煤炭产量90%以上来自于井工开采,且随着浅层煤炭资源的枯竭,煤炭开采的深度不断增加,深井开采不仅难度增大,危险性也增加。随着矿山自动化、信息化水平的提高,生命体征监测将成为数字化矿山发展的一个重要组成部分,实现远程生命体征监测对煤矿井下人员安全生产、应急救援工作等具有重要的意义。目前已经有部分煤矿开始使用可穿戴设备,并通过WiFi无线网络实现井下人员的定位和生命体征的监测,但这些可穿戴设备由于防爆的要求,重量较大,且工作人员必须时刻佩戴这些监测设备,给生产带来诸多不便。更重要的是由于井下各种用电设备种类多、数量大,产生较多的电磁干扰,使用相同无线频带通信的设备之间也会相互干扰,导致定位和生命体征监测性能大大下降,甚至无法使用。
发明内容
本发明实施例的目的在于提供一种基于频谱感知和超宽带雷达的井下人员生命体征监测方法,以解决现有用于实现井下人员生命体征监测的可穿戴设备重量较大导致佩戴人员生产不便的问题,以及煤矿井下其他设备干扰使得现有用于实现井下人员的定位和生命体征监测的可穿戴设备性能下降甚至无法使用的问题。
本发明实施例所采用的技术方案是:基于频谱感知和超宽带雷达的井下人员生命体征监测方法,包含频谱感知、人员定位和生命体征监测三个阶段,具体步骤如下:
步骤S1、在井下巷道均匀安装J个UWB雷达模块,相邻两UWB雷达模块间隔长度为L;
步骤S2、设人员在井下巷道处于UWB雷达模块j和UWB雷达模块j+1之间,1≤j≤J,则UWB雷达模块j和UWB雷达模块j+1分别将其可通信的无线频带初始化分成I个子频带,并采用频谱感知方法判断可通信的无线频带的子频带占用情况,探测其空闲子频带;
步骤S3、UWB雷达模块j和UWB雷达模块j+1分别从其空闲子频带类中选择一个空闲子频带,然后分别发射一阶高斯脉冲波并在一段时间后接收到对应回波,根据UWB雷达模块j和UWB雷达模块j+1发射一阶高斯脉冲波和接收回波的时间差得出井下人员分别与UWB雷达模块j和UWB雷达模块j+1的距离,进而得出井下人员的位置;
步骤S4、对UWB雷达模块j或UWB雷达模块j+1接收到的回波进行预处理,得到处理后回波信号A',再根据井下人员与UWB雷达模块j或UWB雷达模块j+1的距离,从接收到的处理后回波信号A'中选择距离人员最近的采样向量A'(v),v∈[1,V-1],V是接收到的脉冲序列数,采用变分模态分解算法对A'(v)信号进行变换与分解,从分解结果中获得人员生命体征参数。
本发明实施例的有益效果是:人员定位和生命体征监测均采用UWB无线信号实现,工作人员无需佩戴其他可穿戴设备,使用简单,方便人员生产。基于频谱感知技术,可以探测超宽带中所有子频带的占用情况,选择空闲子频带发射脉冲信号,避免了井下复杂环境中诸多电磁干扰或相同频段设备之间的通信干扰,保证了人员定位和生命体征监测的可靠性。利用UWB无线信号的传输距离远、功耗低、精度高的特点,提高了人员定位精度。利用UWB无线信号的穿透性强、传输速度快、容量大,且可以受到人体呼吸和心跳等微动信号调制的特点,通过变分模态分解方法,可以实现远程人体呼吸和心跳频率的监测,提高了井下人员生命体征监测的便捷性。解决了现有用于实现井下人员的定位和生命体征监测的可穿戴设备重量较大导致佩戴人员生产不便的问题,以及煤矿井下其他设备干扰使得现有用于实现井下人员的定位和生命体征监测的可穿戴设备性能下降甚至无法使用的问题。
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,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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为本发明实施例基于频谱感知和超宽带雷达的井下人员定位和生命体征监测方法的整体流程框图。
图2为本发明实施例的UWB雷达模块的安装示意图。
图3为本发明实施例的频谱感知方法探测空闲子频带的流程图。
图4为本发明实施例通过空闲子频带发射脉冲波对井下人员进行定位的流程示意图。
图5为本发明实施例基于UWB雷达模块接收的回波信号监测生命体征的流程图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
如图1所示,为本发明的实施例的基于频谱感知和超宽带雷达的井下人员生命体征监测方法的整体流程框图,其包含频谱感知、人员定位和生命体征监测三个阶段,具体步骤如下:
步骤S1、在井下巷道均匀安装J个UWB雷达模块,相邻两UWB雷达模块间隔长度为L,如图2所示。
步骤S2、设人员在井下巷道处于UWB雷达模块j和UWB雷达模块j+1之间,1≤j≤J,则UWB雷达模块j和UWB雷达模块j+1分别将其可通信的无线频带初始化分成I个子频带,并采用频谱感知方法判断该可通信的无线频带的子频带占用情况,探测其空闲子频带,如图3所示,具体实现过程如下:
S21、初始化:将UWB雷达模块j或UWB雷达模块j+1的可通信无线频带划分为I个子频带,得到Chi={Ch1,...,ChI},Chi表示第i个子频带,i∈[1,I],设置中心点距离阈值为Tc,迭代次数为Nc;
S22、计算子频带能量:接收子频带Chi的信号并对其进行AD转换采样,然后通过下式计算所有子频带的能量:
其中,Pi为第i个子频带Chi的能量,yi(n)第i个子频带Chi的信号的第n个采样点的信号大小,N为第i个子频带Chi的信号的采样点总数。
S23、根据计算的所有子频带的能量,选择能量最大的子频带作为占用子频带类中心点Chco,其能量记为Pco;选择能量最小的子频带作为空闲子频带类中心点Chcf,其能量记为Pcf。
S24、分别计算所有子频带到占用子频带类中心点Chco和空闲子频带类中心点Chcf的能量距离,计算公式为:
d(Pi,Pco)=||Pi-Pco||2;
d(Pi,Pcf)=||Pi-Pcf||2;
其中,d(Pi,Pco)为第i个子频带Chi到占用子频带类中心点Chco的能量距离,d(Pi,Pcf)为第i个子频带Chi到空闲子频带类中心点Chcf的能量距离;
并根据d(Pi,Pco)和d(Pi,Pcf)的大小,对Pi对应的第i个子频带Chi进行分类,具体的,若d(Pi,Pco)<d(Pi,Pcf),则将Pi对应的第i个子频带Chi划分到空闲子频带类中;若d(Pi,Pco)≥d(Pi,Pcf),则将Pi对应的第i个子频带Chi划分到占用子频带类中,完成对I个子频带的聚类,最终得到占用子频带类为CO={COi′},1≤i′≤O,COi′为第i′个占用子频带,O为占用子频带总数;空闲子频带类为CF={CFi″},1≤i″≤F,CFi″为第i″个空闲子频带,F为空闲子频带总数。
S25、更新中心点:根据公式计算占用子频带类中所有占用子频带的能量均值POj是占用子频带类中第j个占用子频带的能量值;并根据公式计算空闲子频带类中所有空闲子频带的能量均值PFj是空闲子频带类中第j个空闲子频带的能量值;然后根据下式计算能量均值距离dc:
若dc>Tc,则跳转至步骤S26;若dc≤Tc,则跳转至步骤S27。
S27、聚类完成:输出UWB雷达模块j或UWB雷达模块j+1的占用子频带类和空闲子频带类;
S28、每间隔T时间后,重新执行S21-S27,更新占用子频带类和空闲子频带类,动态调整获取的空闲子频带类,极大降低无线干扰信号给UWB雷达信号带来的干扰。
步骤S3、在使用UWB雷达模块进行人员呼吸和心跳检测时,UWB雷达模块j和UWB雷达模块j+1分别根据其可通信的无线频带的子频带占用情况,从其空闲子频带类中选择一个空闲子频带,然后分别发射一阶高斯脉冲波并在一段时间后接收到对应回波,根据UWB雷达模块j和UWB雷达模块j+1发射一阶高斯脉冲波和接收回波的时间差得出井下人员分别与UWB雷达模块j和UWB雷达模块j+1的距离,进而得出井下人员的位置,如图4所示,具体实现过程如下:
步骤S31、获取每个UWB雷达模块的位置坐标;由于第一个UWB雷达模块的位置已知为x1,因此后续的UWB雷达模块j的位置xj则为:xj=x1+j·L,(j∈[2,J]),即所有UWB雷达模块的位置确定且已知。
步骤S32、UWB雷达模块j和UWB雷达模块j+1分别根据其可通信的无线频带的子频带占用情况选择一个空闲子频带,UWB雷达模块j在Taj时刻发射一阶高斯脉冲波,该一阶高斯脉冲波遇到人体后返回,UWB雷达模块j在Tbj时刻接收到回波;同理,UWB雷达模块j+1在Taj+1时刻发射一阶高斯脉冲波,该一阶高斯脉冲波遇到人体后返回,UWB雷达模块j+1在Tbj+1时刻接收到回波;
步骤S33、根据下式计算得到UWB雷达模块j和UWB雷达模块j+1分别到人员的距离为:
其中,dj为UWB雷达模块j到人员的距离,dj+1为UWB雷达模块j+1到人员的距离,C为无线电波传输的速度(已知常量);
步骤S34、基于UWB雷达模块j到人员的距离dj以及UWB雷达模块j+1到人员的距离dj+1,按照下式计算得到UWB无线信号测得的人员的位置Loc为:
步骤S4、对UWB雷达模块j或UWB雷达模块j+1接收到的回波进行预处理,得到处理后回波信号A',再根据井下人员与UWB雷达模块j或UWB雷达模块j+1的距离,从接收到的处理后回波信号A'中选择距离人员最近的采样向量A'(v),v∈[1,V-1],V是接收到的脉冲序列数,采用变分模态分解(VMD)算法对A'(v)信号进行变换与分解,从分解结果中获得人员生命体征参数,如图5所示,具体实现过程如下:
步骤S41、UWB雷达模块接收到回波后进行预处理,首先滤除相干背景噪声,获得滤除相干背景噪声的回波信号A=A0-Ab,A0为在井下监测区域内有人的情况下发射一阶高斯脉冲波后获得的回波信号,Ab为在井下监测区域内无人的情况下发射一阶高斯脉冲波后获得的回波信号,回波信号A、A0、Ab均是大小为U×V的矩阵,U是接收到的每个脉冲序列中包含的脉冲数,V是接收到的脉冲序列数;然后根据运动目标检测方法(MTD)滤除杂波噪声,若滤除相干背景噪声的回波信号则滤除杂波噪声的回波信号为:
步骤S42、根据UWB雷达模块j或UWB雷达模块j+1与人员之间的距离dj或dj+1,从滤除杂波噪声的回波信号A'中选择距离人员最近的采样向量A'(v),v∈[1,V-1],采用变分模态分解(VMD)算法对A'(v)信号进行变换与分解,得到M个固有模态函数(IMF),每个IMF中只包含一个固定频率的信号;
根据UWB雷达模块j与人员之间的距离dj或UWB雷达模块j+1与人员之间的距离dj+1,从滤除杂波噪声的回波信号A'中选择距离人员最近的采样向量A'(v),v∈[1,V-1],是因为雷达脉冲发射出去以后,会和人体会发生调制,然而人体不是一个点,整个人体都会与脉冲信号进行调制,比如人体前胸直到后背都会与脉冲信号进行调制,回波中每个脉冲与调制点到达人体的距离一一对应,dj和dj+1分别表示人体到UWB雷达模块j和UWB雷达模块j+1的距离,通过这个距离找到对应的人体调制脉冲,再经过变分模态分解,可以得到人体的呼吸和心跳信号。普通的UWB脉冲雷达检测,都是应用在人与雷达距离固定,且单个雷达发送脉冲进行检测的情况,本发明实施例借助煤矿巷道狭长的结构特性,进行均匀间隔的雷达布局,通过雷达j和j+1分别检测、分解,可以相互校验或取平均,增加分解出来呼吸和心跳信号的准确性。
步骤S43、根据人体呼吸频率特性,从M个IMF中找到符合频率特性的IMFre,根据人体心跳的频率特性,从M个IMF中找到符合频率特性的IMFhb,IMFre的频率参数即为人体呼吸频率,IMFhb的频率参数即为人体心跳频率,最终获得人员生命体征参数。
具体的,由于人的呼吸和心跳都分别处于一个不同的核心频率快慢变化,而这两个核心频率是有差别的,设呼吸核心频率为fre,呼吸核心频率变化阈值为Tre,若分解出来的IMF的频率在(fre-Tre,fre+Tre)之间,则认为该IMF为IMFre;同理设心跳核心频率为fhb,心跳核心频率变化阈值为Thb,若分解出来的IMF的频率在(fhb-Thb,fhb+Thb)之间,则认为该IMF为IMFhb。
煤矿井下这种需要进行远距离检测且各种大型设备、无线设备使用较多的环境下,极易受到干扰使得无法提取人体的呼吸和心跳信号。本发明实施例利用UWB技术的高穿透、低功耗、抗多径干扰能力强和高速宽带等优点,实现人员的精确定位,利用UWB信号对人体呼吸和心跳的微动具有调制作用(UWB信号在遇到人体呼吸和心跳时,会把呼吸动作和心跳的变化频率加入到UWB信号中,即UWB信号会携带呼吸和心跳频率分量,所以最终返回的UWB信号是一个自身无线频率、呼吸频率和心跳频率的合成信息号,然后通过变分模态分解,获得呼吸频率和心跳频率,从而实现生命体征监测),实现了非接触式远程生命体征监测;利用频谱感知技术探测空闲子频带,选择其他无线信号占用的空闲子频带,将环境中由于其他设备和噪声造成干扰的信道剔除,采用信号较好的空闲信道进行UWB雷达信号的发送,最大的减少其他无线信号和外界噪声对UWB雷达信号造成的干扰;其次,通过使用两个UWB雷达模块对人员的距离进行定位,相互校正,使得定位距离更加准确,从回波矩阵U中选取与人体呼吸和心跳调制的脉冲个跟家准确,进而使得最终获取的呼吸和心跳频率更加准确,提高了定位精度和生命体征监测的可靠性,实现了在煤矿井下复杂环境中人的生命体征的准确监测。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (7)
1.基于频谱感知和超宽带雷达的井下人员生命体征监测方法,其特征在于,包含频谱感知、人员定位和生命体征监测三个阶段,具体步骤如下:
步骤S1、在井下巷道均匀安装J个UWB雷达模块,相邻两UWB雷达模块间隔长度为L;
步骤S2、设人员在井下巷道处于UWB雷达模块j和UWB雷达模块j+1之间,1≤j≤J,则UWB雷达模块j和UWB雷达模块j+1分别将其可通信的无线频带初始化分成I个子频带,并采用频谱感知方法判断可通信的无线频带的子频带占用情况,探测其空闲子频带;
步骤S3、UWB雷达模块j和UWB雷达模块j+1分别从其空闲子频带类中选择一个空闲子频带,然后分别发射一阶高斯脉冲波并在一段时间后接收到对应回波,根据UWB雷达模块j和UWB雷达模块j+1发射一阶高斯脉冲波和接收回波的时间差得出井下人员分别与UWB雷达模块j和UWB雷达模块j+1的距离,进而得出井下人员的位置;
步骤S4、对UWB雷达模块j或UWB雷达模块j+1接收到的回波进行预处理,得到处理后回波信号A',再根据井下人员与UWB雷达模块j或UWB雷达模块j+1的距离,从接收到的处理后回波信号A'中选择距离人员最近的采样向量A'(v),v∈[1,V-1],V是接收到的脉冲序列数,采用变分模态分解算法对A'(v)信号进行变换与分解,从分解结果中获得人员生命体征参数。
2.根据权利要求1所述的基于频谱感知和超宽带雷达的井下人员生命体征监测方法,其特征在于,所述步骤S2的具体实现过程如下:
S21、将UWB雷达模块j或UWB雷达模块j+1的可通信无线频带划分为I个子频带,得到Chi={Ch1,...,ChI},Chi表示第i个子频带,i∈[1,I],并设置中心点距离阈值为Tc,迭代次数为Nc;
S22、接收第i个子频带Chi的信号并对其进行AD转换采样,然后通过下式计算所有子频带的能量:
其中,Pi为第i个子频带Chi的能量,yi(n)为第i个子频带Chi的信号的第n个采样点的信号大小,N为第i个子频带Chi的信号的采样点总数;
S23、根据计算的所有子频带的能量,选择能量最大的子频带作为占用子频带类中心点Chco,其能量记为Pco;选择能量最小的子频带作为空闲子频带类中心点Chcf,其能量记为Pcf;
S24、分别计算所有子频带到占用子频带类中心点Chco和空闲子频带类中心点Chcf的能量距离,计算公式为:
d(Pi,Pco)=||Pi-Pco||2;
d(Pi,Pcf)=||Pi-Pcf||2;
其中,d(Pi,Pco)为第i个子频带Chi到占用子频带类中心点Chco的能量距离,d(Pi,Pcf)为第i个子频带Chi到空闲子频带类中心点Chcf的能量距离;
并根据d(Pi,Pco)和d(Pi,Pcf)的大小,对Pi对应的第i个子频带Chi进行分类,完成对I个子频带的聚类,最终得到占用子频带类为CO={COi′},1≤i′≤O,COi′为第i′个占用子频带,O为占用子频带总数;空闲子频带类为CF={CFi″},1≤i″≤F,CFi″为第i″个空闲子频带,F为空闲子频带总数;
S25、根据公式计算占用子频带类中所有占用子频带的能量均值POj是占用子频带类中第j个占用子频带的能量值;并根据公式计算空闲子频带类中所有空闲子频带的能量均值PFj是空闲子频带类中第j个空闲子频带的能量值;然后根据下式计算能量均值距离dc:
若dc>Tc,则跳转至步骤S26;若dc≤Tc,则跳转至步骤S27;
S27、聚类完成,输出UWB雷达模块j或UWB雷达模块j+1的占用子频带类和空闲子频带类;
S28、每间隔T时间后,重新执行S21-S27,更新UWB雷达模块j或UWB雷达模块j+1的占用子频带类和空闲子频带类。
3.根据权利要求2所述的基于频谱感知和超宽带雷达的井下人员生命体征监测方法,其特征在于,所述S24中,根据d(Pi,Pco)和d(Pi,Pcf)的大小,对Pi对应的第i个子频带Chi进行分类时,若d(Pi,Pco)<d(Pi,Pcf),则将Pi对应的第i个子频带Chi划分到空闲子频带类中;若d(Pi,Pco)≥d(Pi,Pcf),则将Pi对应的第i个子频带Chi划分到占用子频带类中。
4.根据权利要求1所述的基于频谱感知和超宽带雷达的井下人员生命体征监测方法,其特征在于,所述步骤S3的具体实现过程如下:
步骤S31、获取每个UWB雷达模块的位置坐标;
步骤S32、UWB雷达模块j和UWB雷达模块j+1分别根据通信的无线频带的子频带占用情况选择一个空闲子频带,UWB雷达模块j在Taj时刻发射一阶高斯脉冲波,该一阶高斯脉冲波遇到人体后返回,UWB雷达模块j在Tbj时刻接收到回波;UWB雷达模块j+1在Taj+1时刻发射一阶高斯脉冲波,该一阶高斯脉冲波遇到人体后返回,UWB雷达模块j+1在Tbj+1时刻接收到回波;
步骤S33、根据下式计算得到UWB雷达模块j和UWB雷达模块j+1分别到人员的距离为:
其中,dj为UWB雷达模块j到人员的距离,dj+1为UWB雷达模块j+1到人员的距离,C为无线电波传输的速度;
步骤S34、基于UWB雷达模块j到人员的距离dj以及UWB雷达模块j+1到人员的距离dj+1,按照下式计算得到UWB无线信号测得的人员的位置Loc为:
5.根据权利要求4所述的基于频谱感知和超宽带雷达的井下人员生命体征监测方法,其特征在于,所述步骤S31中,第一个UWB雷达模块的位置已知为x1,其他的UWB雷达模块j的位置xj为:xj=x1+j·L,(j∈[2,J])。
6.根据权利要求1~5任一项所述的基于频谱感知和超宽带雷达的井下人员生命体征监测方法,其特征在于,所述步骤S4的具体实现过程如下:
步骤S41、UWB雷达模块接收到回波后进行预处理,首先滤除相干背景噪声,获得滤除相干背景噪声的回波信号A=A0-Ab,A0为在井下监测区域内有人的情况下发射一阶高斯脉冲波后获得的回波信号,Ab为在井下监测区域内无人的情况下发射一阶高斯脉冲波后获得的回波信号,回波信号A、A0、Ab均是大小为U×V的矩阵,U是接收到的每个脉冲序列中包含的脉冲数;然后根据运动目标检测方法(MTD)滤除杂波噪声,若滤除相干背景噪声的回波信号则滤除杂波噪声的回波信号为:
步骤S42、根据UWB雷达模块j或UWB雷达模块j+1与人员之间的距离dj或dj+1,从滤除杂波噪声的回波信号A'中选择距离人员最近的采样向量A'(v),v∈[1,V-1],采用变分模态分解算法对A'(v)信号进行变换与分解,得到M个固有模态函数即IMF,每个IMF中只包含一个固定频率的信号;
步骤S43、根据人体呼吸频率特性,从M个IMF中找到符合频率特性的IMFre,根据人体心跳的频率特性,从M个IMF中找到符合频率特性的IMFhb,IMFre的频率参数即为人体呼吸频率,IMFhb的频率参数即为人体心跳频率,最终获得人员生命体征参数。
7.根据权利要求5所述的基于频谱感知和超宽带雷达的井下人员生命体征监测方法,其特征在于,所述步骤S43中,设呼吸核心频率为fre,呼吸核心频率变化阈值为Tre,若分解出来的某个IMF的频率在(fre-Tre,fre+Tre)之间,则该IMF为IMFre;设心跳核心频率为fhb,心跳核心频率变化阈值为Thb,若分解出来的某个IMF的频率在(fhb-Thb,fhb+Thb)之间,则该IMF为IMFhb。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620538.4A CN112826462B (zh) | 2020-12-31 | 2020-12-31 | 基于频谱感知和超宽带雷达的井下人员生命体征监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620538.4A CN112826462B (zh) | 2020-12-31 | 2020-12-31 | 基于频谱感知和超宽带雷达的井下人员生命体征监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112826462A true CN112826462A (zh) | 2021-05-25 |
CN112826462B CN112826462B (zh) | 2024-06-25 |
Family
ID=75924124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011620538.4A Active CN112826462B (zh) | 2020-12-31 | 2020-12-31 | 基于频谱感知和超宽带雷达的井下人员生命体征监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112826462B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102064897A (zh) * | 2010-12-20 | 2011-05-18 | 北京邮电大学 | 一种重叠信道划分下的空闲信道检测方法 |
CN102662161A (zh) * | 2012-05-24 | 2012-09-12 | 北京理工大学 | 基于信道监听机制的多汽车防撞雷达冲突抑制系统与方法 |
CN108872977A (zh) * | 2018-05-02 | 2018-11-23 | 成都理工大学 | 基于单通道超宽带雷达的生命体双站协同探测方法 |
CN109009124A (zh) * | 2018-06-05 | 2018-12-18 | 南通大学 | 基于超宽带雷达的呼吸频率测量及目标定位方法 |
US20200228943A1 (en) * | 2019-01-11 | 2020-07-16 | Sensormatic Electronics, LLC | Power efficient ultra-wideband (uwb) tag for indoor positioning |
-
2020
- 2020-12-31 CN CN202011620538.4A patent/CN112826462B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102064897A (zh) * | 2010-12-20 | 2011-05-18 | 北京邮电大学 | 一种重叠信道划分下的空闲信道检测方法 |
CN102662161A (zh) * | 2012-05-24 | 2012-09-12 | 北京理工大学 | 基于信道监听机制的多汽车防撞雷达冲突抑制系统与方法 |
CN108872977A (zh) * | 2018-05-02 | 2018-11-23 | 成都理工大学 | 基于单通道超宽带雷达的生命体双站协同探测方法 |
CN109009124A (zh) * | 2018-06-05 | 2018-12-18 | 南通大学 | 基于超宽带雷达的呼吸频率测量及目标定位方法 |
US20200228943A1 (en) * | 2019-01-11 | 2020-07-16 | Sensormatic Electronics, LLC | Power efficient ultra-wideband (uwb) tag for indoor positioning |
Non-Patent Citations (1)
Title |
---|
段珍珍: "基于UWB雷达传感器的人体体征监测", 硕士论文全文数据库(电子期刊)医药卫生科技辑, 15 December 2019 (2019-12-15), pages 12 - 14 * |
Also Published As
Publication number | Publication date |
---|---|
CN112826462B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106821347A (zh) | 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法 | |
CN103941231A (zh) | 超声射频信号联合处理的室内定位系统及定位方法 | |
CN106093868B (zh) | 一种基于双源ir-uwb生物雷达的强反射杂波消除方法 | |
CN102367743A (zh) | 矿用无线混频多数据监控系统 | |
Sharma et al. | Device-free activity recognition using ultra-wideband radios | |
CN103454691A (zh) | 一种基于uwb 生物雷达的扫描探测方法及系统 | |
CN202600134U (zh) | 煤矿井下超宽带定位系统 | |
CN106959432B (zh) | 一种基于小波分解低频系数的海上作业平台人员定位方法 | |
CN103491627A (zh) | 一种集成多种算法的近距离实时精确定位方法 | |
CN107561591A (zh) | 基于多功能超宽带穿墙雷达的动静目标检测方法及系统 | |
CN102832966B (zh) | 基于非视距抑制的矿井超宽带定位方法及系统 | |
CN103024898A (zh) | 一种基于RSSI和RSS的ZigBee技术定位方法 | |
Liu et al. | Research on wavelet threshold denoising method for UWB tunnel personnel motion location | |
CN112826462A (zh) | 基于频谱感知和超宽带雷达的井下人员生命体征监测方法 | |
Wang et al. | An improved indoor localization solution using a hybrid UWB-Doppler system with Kalman filter | |
Sun et al. | The UWB based forklift trucks indoor positioning and safety management system | |
CN102724755A (zh) | 一种煤矿井下人员精确定位的方法 | |
Nam et al. | On mitigation of ranging errors for through-the-body NLOS conditions using convolutional neural networks | |
CN105068123A (zh) | 一种煤岩动力灾害电磁辐射定位方法 | |
CN203416427U (zh) | 基于ZigBee技术的自组网定位系统 | |
CN112859158A (zh) | 一种基于主动震源携波的透地通讯方法及系统 | |
KR102322480B1 (ko) | 대상체 크기 및 동작강도에 최적화된 검출 임계치를 적용할 수 있는 uwb 위치인식시스템 및 uwb 위치인식방법 | |
CN103543437A (zh) | 一种基于Zigbee技术的井下人员定位系统设计 | |
CN217278886U (zh) | 基于rfid的煤矿人员定位系统 | |
CN107783099A (zh) | 基于组合波形的旋翼无人机短距离防撞系统信号处理系统及方法 |
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 |