CN112882016A - 基于改进的稳健自适应波束形成的多人生命体征检测方法 - Google Patents

基于改进的稳健自适应波束形成的多人生命体征检测方法 Download PDF

Info

Publication number
CN112882016A
CN112882016A CN201911199604.2A CN201911199604A CN112882016A CN 112882016 A CN112882016 A CN 112882016A CN 201911199604 A CN201911199604 A CN 201911199604A CN 112882016 A CN112882016 A CN 112882016A
Authority
CN
China
Prior art keywords
human body
ini
signal
interference
vector
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
CN201911199604.2A
Other languages
English (en)
Other versions
CN112882016B (zh
Inventor
孙理
张红强
洪弘
熊俊军
马悦
李彧晟
顾陈
朱晓华
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201911199604.2A priority Critical patent/CN112882016B/zh
Publication of CN112882016A publication Critical patent/CN112882016A/zh
Application granted granted Critical
Publication of CN112882016B publication Critical patent/CN112882016B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing

Abstract

本发明公开了一种基于改进的稳健自适应波束形成的多人生命体征检测方法，包括以下步骤：获取雷达接收信号,采用波达方向估计算法估计出各个人体所在的角度以及各个人体所占角度区间；令其中一个人体回波为期望信号，其他人体为干扰信号，采用改进的基于ε约束值的方法重构协方差矩阵；采用改进的基于ξ约束值的方法重构期望信号方向的导向矢量；利用自适应波束形成算法得出权值；采用提出的最大信噪比搜索的方法得出较理想的权值和呼吸信号；重复以上步骤得到所有人体呼吸信号。本发明方法从生命体征检测的场景出发，对稳健波束形成算法进行改进，本发明中改进的稳健自适应波束形成方法有效可行，性能可靠，可以准确地提取出各个人体的生命体征信号。

Description

基于改进的稳健自适应波束形成的多人生命体征检测方法
技术领域
本发明属于非接触式生命体征检测领域，特别是一种基于改进的稳健自适应波束形成的多人生命体征检测方法。
背景技术
生物雷达通过在雷达回波中检测微弱的频移或相移信息，可用于生命体的运动和生理活动的探测。目前这种方法已经存在并且检测技术日趋成熟，但是已有的大部分研究都集中测试单个受测者，同时检测多个受试者的研究寥寥无几，多人生命体征检测成为了一种挑战性科目。
现有的分离多人生命体征的方法大多是在模拟端进行波束合成，将主波束只对准一个人体，回波信号中该人体的生命体征信号占有主要成分。但是，模拟技术形成的波束旁瓣电平高，稳定性差，且对干扰无自适应能力，合成的波束无法对人体干扰区间有较深的抑制，因此回波信号中不可避免的包含严重干扰。现有的多人生命体征检测技术都只能实时得出呼吸频率，而无法实时得到高精度的呼吸时域信号。
发明内容
本发明的目的在于提供一种基于改进的稳健波束形成的检测多个人体生命体征的方法。
实现本发明目的的技术解决方案为：基于改进的稳健波束形成的多人生命体征检测方法，包括如下步骤：
步骤1、获取雷达接收信号X(k),k＝1,2…,N,采用波达方向(DOA)估计算法估计出各个人体方位角。
步骤1-1、利用Capon波达方向估计算法估计出各个人体所在方位角。各个方向回波能量为
Figure BDA0002295537350000011
Figure BDA0002295537350000012
为来波方向
Figure BDA0002295537350000014
的名义导向矢量，[·]H为共轭转置，
Figure BDA0002295537350000013
的P个极大值对应的的角度分别代表各个人体所在的方位，分别为θu,u＝1,2…P；
步骤1-2、每个峰值的3dB内的波束宽度内的角度可认为是该人体的人体方位角。
步骤2、基于ε约束值的干扰加噪声协方差矩阵重构的方法，其特征在于，步骤2为了解决导向矢量失配以及人体干扰方位角所占角度较宽的问题，具体步骤为：
步骤2-1、利用步骤1得到的人体方位角重构出干扰信号协方差矩阵
Figure BDA0002295537350000021
如果期望信号为第p个人体的回波信号，那么其他P-1个人体为干扰目标：
Figure BDA0002295537350000022
式中
Figure BDA0002295537350000023
为每个人体干扰回波的协方差矩阵
Figure BDA0002295537350000024
Figure BDA0002295537350000025
为样本协方差矩阵
Figure BDA0002295537350000026
其中
Figure BDA0002295537350000027
为
Figure BDA0002295537350000028
表面区域的每个采样点对应的导向矢量，Θj为天线阵列接收到的第j个人体所在的角度区间。
Figure BDA0002295537350000029
是与
Figure BDA00022955373500000210
方向名义导向矢量
Figure BDA00022955373500000211
的差的二范数小于εji的区域：
Figure BDA00022955373500000212
I为角度区间Θj的等间隔采样点数，L为在
Figure BDA00022955373500000213
的表面区域的采样点数。
Figure BDA00022955373500000214
的表达式为：
Figure BDA00022955373500000215
其中
Figure BDA00022955373500000216
和
Figure BDA00022955373500000217
分别为来波方向
Figure BDA00022955373500000218
和
Figure BDA00022955373500000219
的名义导向矢量，
Figure BDA00022955373500000220
和
Figure BDA00022955373500000221
的表达式为：
Figure BDA00022955373500000222
Figure BDA00022955373500000223
其中r为雷达接收天线阵列的长度,h为人体距离接收天线阵列的垂直距离；
步骤2-2、根据其余人体干扰协方差矩阵，重构出其余人体干扰加噪声的协方差矩阵。噪声平均功率σn 2可利用接收信号协方差矩阵的M-P个较小特征值的平均值来近似。干扰加噪声的协方差矩阵为
Figure BDA0002295537350000031
Figure BDA0002295537350000032
其中Im为M阶单位矩阵。
步骤3、基于ξ约束值的方法重构期望信号方向的导向矢量，其特征在于，具体为：
步骤3-1、利用步骤1得到的其余人体干扰方位角，构造矩阵C
C＝∑Cj,j＝1,2,…p-1,p+1,…P
其中Cj由第j个人体干扰方位角得到
Figure BDA0002295537350000033
其中θjn是第j个人体所在方位Θj的第n个采样点，Lj表示区间Θj的采样点总数，
Figure BDA0002295537350000034
是来波方向
Figure BDA0002295537350000038
的名义导向矢量；
步骤3-2、求得矩阵C的Γ个较大特征值对应的特征向量。设矩阵C的M个特征值分别为λ1≥λ2≥…≥λM。那么Γ为
Figure BDA0002295537350000035
其中0＜κ＜1。Γ个较大特征值对应的特征向量组成的矩阵用U表示；
步骤3-3、获得对应的投影矩阵PU
PU＝U*UH
步骤3-4、求出约束值ζ。利用各个人体方位角的采样点的名义导向矢量
Figure BDA0002295537350000036
得到ζj
Figure BDA0002295537350000037
由ζj可以得到约束值ζ
ζ＝min(ζj)/E
其中E为大于1的正整数；
步骤3-5、根据步骤3-3获得的PU和步骤3-4获得的ζ，构造关于导向矢量的凸优化问题。所述凸优化问题为：
Figure BDA0002295537350000041
其中
Figure BDA0002295537350000042
Figure BDA0002295537350000043
为来波方向θp的名义导向矢量。e⊥为M×1维复向量，且与a0垂直
Figure BDA0002295537350000044
利用凸优化问题的唯一解e⊥，即可得到重构的导向矢量
Figure BDA00022955373500000411
Figure BDA0002295537350000045
步骤4、利用波束形成器得出权值Wini
Figure BDA0002295537350000046
步骤5、最大信噪比对应权值迭代搜索的方法得出理想的权值Wide和呼吸信号dide(k)，其特征在于，具体步骤如下：
步骤5-1、将步骤4得到的权向量Wini对回波信号加权：
Figure BDA0002295537350000047
Xini(k)是1×N维复数向量；
步骤5-2、从步骤5-1获得的Xini(k)中提取出相位
Figure BDA0002295537350000048
然后对
Figure BDA0002295537350000049
进行相位补偿、去除直流分量、滤波之后得到dini(k)；
步骤5-3、对从步骤5-2中获得的dini(k)做N点FFT得到Hini(f)。然后利用Hini(f)计算恢复出来的呼吸信号的信噪比。
Figure BDA00022955373500000410
其中Esignal为flow≤f≤fhigh范围内的能量，Enoise噪声能量，flow≤f≤fhigh为人体呼吸频率范围；
步骤5-4、设W的取值范围为||W-Wini||≤η,其中0＜η＜1，在该范围内随机取Q个采样点Wq，q＝1,…,Q。利用步骤5-1～5-3分别计算各个采样点对应的信噪比SNRq，得到最大的信噪比max(SNRq)；
步骤5-5、将步骤5-4获得的max(SNRq)作为循环终止判定条件。如果max(SNRq)≤SNRini,终止循环,则Wide＝Wini即为最终权向量，dide(k)＝dini(k)为最终的呼吸信号。否则，将权值更新为第q个采样点，即Wini＝Wq，dini(k)＝dq(k)，并返回步骤5-4。
步骤6、将待测对象中另一个人体指定为待测人体，并重复步骤2～步骤5，直至得到所有人体呼吸信号。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
步骤1、利用雷达接收待测对象的回波，之后采用DOA估计算法估计出各个人体方位角；
步骤2、确定一个待测人体，其余人体为干扰目标，根据干扰目标所在方位角，采用基于ε约束值的方法重构协方差矩阵
Figure BDA0002295537350000051
步骤3、根据期望人体所在方位角，采用基于ξ约束值的方法重构期望人体方位角的导向矢量；
步骤4、根据步骤2得到的协方差矩阵和步骤3得到的导向矢量，利用Capon波束形成器得出权值Wini；
步骤5、根据步骤4得到的权值Wini，采用最大信噪比迭代搜索法得出理想的权值Wide和呼吸信号dide(k)；
步骤6、将待测对象中另一个人体指定为待测人体，并重复步骤2～步骤5，直至得到所有人体呼吸信号。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
步骤1、利用雷达接收待测对象的回波，之后采用DOA估计算法估计出各个人体方位角；
步骤2、确定一个待测人体，其余人体为干扰目标，根据干扰目标所在方位角，采用基于ε约束值的方法重构协方差矩阵
Figure BDA0002295537350000052
步骤3、根据期望人体所在方位角，采用基于ξ约束值的方法重构期望人体方位角的导向矢量；
步骤4、根据步骤2得到的协方差矩阵和步骤3得到的导向矢量，利用Capon波束形成器得出权值Wini；
步骤5、根据步骤4得到的权值Wini，采用最大信噪比迭代搜索法得出理想的权值Wide和呼吸信号dide(k)；
步骤6、将待测对象中另一个人体指定为待测人体，并重复步骤2～步骤5，直至得到所有人体呼吸信号。
本发明与现有技术相比，其显著优点在于：(1)本发明采用改进的稳健波束形成算法，可以从角度上分离多个人体的生命体征信号；(2)与现有的单个雷达接收机得到的信号相比，波束形成后得到的信号的信噪比更高，因此人体可以处于离接收天线较远的位置，这拓展了生物雷达的使用场景；(3)本发明使用数字波束合成可以对主瓣波束以及干扰的方向进行灵活控制；(4)本发明将生物雷达领域和数字波束形成技术结合起来，扩大了生物雷达领域的应用范围。
下面结合说明书附图对本发明做进一步描述：
附图说明
图1是本发明测量多人生命体征信号的流程图。
图2是本发明测量多人生命体征示意图。
图3是本发明中应用Capon算法得出的各个角度的功率谱图。
图4是本发明中处于-30°人体呼吸信号以及FFT结果，图(a)为人体呼吸信号，图(b)为FFT结果。
图5是本发明中处于6°人体呼吸信号以及FFT结果，图(a)为人体呼吸信号，图(b)为FFT结果。
具体实施方式
下面结合实施例对本发明作进一步的描述。
结合图1，一种利用本发明的基于改进的稳健波束形成的多人生命体征检测方法，方法步骤如下：
步骤1、获取雷达接收信号，得到包含人体生命体征信号的具体为：
步骤1-1、接收天线阵元数为M＝8的SIMO(single input multiple output)多普勒雷达系统接收P＝2个实验对象的回波，2个实验对象的呼吸频率分别为0.3Hz、0.4Hz，2个实验对象距离雷达阵列的垂直距离均为2.4m，相对于雷达阵列中心的角度分别为-30°、6°，场景如图2所示。每个雷达接收通道分别接收接收N＝2000个快拍数据；
步骤1-2、天线接收的回波经过雷达接收机处理后变为数字信号,则雷达阵列接收到的信号模型表示为：
X(k)＝AS(k)+n(k)(k＝1,2,…,N) (1)
式中X(k)为M×1维接收信号
X(k)＝[x1(k),x2(k),…,xM(k)]T (2)
n(k)为M×1维噪声向量，与回波信号不相关。
n(k)＝[n1(k),n2(k),…,nM(k)]T (3)
S(k)为P×1维回波信号
S(k)＝[s1(k),s2(k),…,sP(k)]T (4)
其中su(k)(u＝1,…,P)为第u个人体的回波信号。
A表示M×P维阵列流形矩阵
Figure BDA0002295537350000071
Figure BDA0002295537350000072
表示第u个信源的名义导向矢量
Figure BDA0002295537350000073
其中
Figure BDA0002295537350000074
步骤1-3、利用Capon波达方向估计算法估计出各个人体所在方位信息。各个方向回波能量为
Figure BDA0002295537350000075
Figure BDA0002295537350000076
Figure BDA0002295537350000077
的P个极大值对应的的角度代表各个人体所在的方位分别为
Figure BDA0002295537350000078
为来波方向
Figure BDA0002295537350000079
的名义导向矢量，[·]H表示共轭转置。用Capon功率谱估计的方法估计出各个人体所在角度的结果如图3所示；
步骤1-4、每个峰值的-3dB区间可认为是该人体方位角；
步骤2、对于回波方向为θp的人体，其他人体采用改进的干扰加噪声协方差矩阵重构的方法重构出干扰加噪声协方差矩阵
Figure BDA00022955373500000710
步骤2-1、利用步骤1得到的人体方位角重构出干扰信号协方差矩阵
Figure BDA00022955373500000711
如果期望信号为第p个人体的回波信号，那么其他P-1个人体为干扰目标。
Figure BDA0002295537350000081
其中
Figure BDA0002295537350000082
为每个人体干扰回波的协方差矩阵：
Figure BDA0002295537350000083
Figure BDA0002295537350000084
为样本协方差矩阵：
Figure BDA0002295537350000085
其中
Figure BDA0002295537350000086
为
Figure BDA0002295537350000087
的表面区域的每个采样点对应的导向矢量。Θj为天线阵列接收到的第j个人体所在的角度区间。I为角度区间Θj的等间隔采样点数，L为在
Figure BDA0002295537350000088
的表面区域的采样点数。
Figure BDA0002295537350000089
是与
Figure BDA00022955373500000810
方向名义导向矢量
Figure BDA00022955373500000811
的差的二范数小于
Figure BDA00022955373500000825
的区域。
Figure BDA00022955373500000812
本实施例中选取I＝100。由于导向矢量为8×1维，当每行数值取两个相位时，则共有L＝28个不同的组合，因此本例中L＝28；
Figure BDA00022955373500000813
的表达式为：
Figure BDA00022955373500000814
其中
Figure BDA00022955373500000815
和
Figure BDA00022955373500000816
分别为来波方向
Figure BDA00022955373500000817
和
Figure BDA00022955373500000818
的名义导向矢量，
Figure BDA00022955373500000819
和
Figure BDA00022955373500000820
的表达式为：
Figure BDA00022955373500000821
Figure BDA00022955373500000822
其中r为雷达接收天线阵列的长度,h为人体距离接收天线阵列的垂直距离。本实施例中r＝0.2m，h＝2.4m；
步骤2-2、根据步骤2-1得到的
Figure BDA00022955373500000823
其余人体干扰协方差矩阵，重构出其余人体干扰加噪声的协方差矩阵。噪声平均功率σn 2可利用接收信号协方差矩阵的M-P个较小特征值的平均值来近似。干扰加噪声的协方差矩阵为
Figure BDA00022955373500000824
Figure BDA0002295537350000091
其中Im为M阶单位矩阵。
步骤3、基于ξ约束值的方法重构期望信号方向的导向矢量，其特征在于，具体步骤如下：
步骤3-1、利用步骤1得到的其余人体干扰方位角，构造矩阵C
C＝∑Cj,j＝1,2,…p-1,p+1,…P (17)
其中Cj由第j个人体干扰方位角得到
Figure BDA0002295537350000092
其中
Figure BDA0002295537350000098
是第j个人体所在方位Θj的第n个采样点，Lj表示区间Θj的采样点总数，
Figure BDA0002295537350000093
是来波方向
Figure BDA0002295537350000097
的名义导向矢量；
步骤3-2、根据步骤3-1得到的矩阵C，求得矩阵C的Γ个较大特征值对应的特征向量。设矩阵C的M个特征值分别为λ1≥λ2≥…≥λM，那么Γ为
Figure BDA0002295537350000094
其中0＜κ＜1。本例中选取κ＝0.1。Γ个较大特征值对应的特征向量组成的矩阵用U表示；
步骤3-3、获得对应的投影矩阵PU
PU＝U*UH (20)
步骤3-4、求出约束值ζ。利用各个人体方位角的采样点的名义导向矢量为
Figure BDA0002295537350000095
得到ξi：
Figure BDA0002295537350000096
则由ζj可以得到约束值ζ
ζ＝min(ζj)/E (22)
其中E为大于1的正整数；
步骤3-5、根据步骤3-3获得的PU和步骤3-4获得的ζ，构造关于导向矢量的凸优化问题。所述凸优化问题为：
Figure BDA0002295537350000101
其中
Figure BDA0002295537350000102
为来波方向θp的名义导向矢量。e⊥为M×1维复向量，且与a0垂直
Figure BDA0002295537350000103
利用凸优化问题的唯一解e⊥，即可得到重构的导向矢量
Figure BDA0002295537350000104
Figure BDA0002295537350000105
该问题可以利用CVX工具箱进行求解。
步骤4、利用Capon波束形成器得出权值Wini
Figure BDA0002295537350000106
步骤5、采用提出的最大信噪比搜索的方法得出较理想的权值Wide和呼吸信号dide(k)。
步骤5-1、将步骤4得到的权向量Wini对回波信号加权
Figure BDA0002295537350000107
Xini(k)是1×N维复数向量；
步骤5-2、从步骤5-1获得的Xini(k)中提取出相位
Figure BDA0002295537350000108
然后对
Figure BDA0002295537350000109
进行相位补偿、去除直流分量、滤波之后得到dini(k)；
步骤5-3、对从步骤5-2中获得的dini(k)做N点FFT得到Hini(f)。然后利用Hini(f)计算恢复出来的呼吸信号的信噪比
Figure BDA00022955373500001010
其中Esignal为flow≤f≤fhigh范围内的能量，Enoise为噪声能量，flow≤f≤fhigh为人体呼吸频率范围；本例中选取flow＝0.2Hz,fhigh＝0.7Hz；
步骤5-4、设W的取值范围为||W-Wini||≤η,其中0＜η＜1，在该范围内随机取Q个采样点Wq，q＝1,…,Q。利用步骤5-1～5-3分别计算各个采样点对应的信噪比SNRq，得到最大的信噪比max(SNRq)。本例中选取Q＝100；
步骤5-5、将步骤5-4获得的max(SNRq)作为循环终止判定条件。如果max(SNRq)≤SNRini,终止循环,则Wide＝Wini即为最终权向量，dide(k)＝dini(k)为最终的呼吸信号。否则，将权值更新为第q个采样点，即Wini＝Wq，dini(k)＝dq(k)，回到步骤5-4；
步骤6、将待测对象中另一个人体指定为待测人体，并重复步骤2～步骤5。每个人体的呼吸信号的时域波形以及FFT结果分别如图4和5所示。
通过对接收到的雷达阵列数据加权处理，可以在加强感兴趣方位的人体回波的同时对人体干扰的回波进行抑制，从而得到只包含感兴趣人体的生命体征信号的一维数据，然后得到的信号的相位中即可得出该人体的生命体征信号。然后选取另一个人体作为感兴趣目标来得到只包含该人体的生命体征信号的一维数据。从而得到所有人体的生命体征信号。

Claims (7)

1.一种基于改进的稳健自适应波束形成的多人生命体征检测方法，其特征在于，包括以下步骤：
步骤1、利用雷达接收待测对象的回波，之后采用DOA估计算法估计出各个人体方位角；
步骤2、确定一个待测人体，其余人体为干扰目标，根据干扰目标所在方位角，采用基于ε约束值的方法重构协方差矩阵
Figure FDA0002295537340000011
步骤3、根据期望人体所在方位角，采用基于ξ约束值的方法重构期望人体方位角的导向矢量；
步骤4、根据步骤2得到的协方差矩阵和步骤3得到的导向矢量，利用Capon波束形成器得出权值Wini；
步骤5、根据步骤4得到的权值Wini，采用最大信噪比迭代搜索法得出理想的权值Wide和呼吸信号dide(k)；
步骤6、将待测对象中另一个人体指定为待测人体，并重复步骤2～步骤5，直至得到所有人体呼吸信号。
2.根据权利要求1所述的基于改进的稳健自适应波束形成的多人生命体征检测方法，其特征在于，步骤1利用雷达接收待测对象的回波，之后采用DOA估计算法估计出各个人体方位角具体为：
步骤1-1、获取雷达接收信号X(k),k＝1,2…,N，采用DOA估计算法获得各个方向回波能量，所用公式为：
Figure FDA0002295537340000012
式中，
Figure FDA0002295537340000013
为来波方向
Figure FDA0002295537340000014
对应的名义导向矢量，[·]H为共轭转置，
Figure FDA0002295537340000015
的P个极大值对应的角度分别代表各个人体所在的方位，分别为θu,u＝1,2…P；
步骤1-2、将每个峰值的3dB内的波束宽度内的角度判定为该人体的人体方位角。
3.根据权利要求1所述的基于改进的稳健自适应波束形成的多人生命体征检测方法，其特征在于，步骤2采用基于ε约束值的方法重构协方差矩阵
Figure FDA0002295537340000016
具体为：
步骤2-1、利用步骤1得到的人体方位角重构出干扰信号协方差矩阵
Figure FDA0002295537340000017
如果期望信号为第p个人体的回波信号，那么其他P-1个人体为干扰目标：
Figure FDA0002295537340000021
式中
Figure FDA0002295537340000022
为每个人体干扰回波的协方差矩阵
Figure FDA0002295537340000023
Figure FDA0002295537340000024
为样本协方差矩阵
Figure FDA0002295537340000025
其中
Figure FDA0002295537340000026
为
Figure FDA0002295537340000027
表面区域的每个采样点对应的导向矢量，Θj为天线阵列接收到的第j个人体所在的角度区间，I为角度区间Θj的等间隔采样点数，L为在
Figure FDA0002295537340000028
表面区域的采样点数；
Figure FDA0002295537340000029
是与
Figure FDA00022955373400000210
方向名义导向矢量
Figure FDA00022955373400000211
的差的二范数小于
Figure FDA00022955373400000212
的区域：
Figure FDA00022955373400000213
Figure FDA00022955373400000214
的表达式为：
Figure FDA00022955373400000215
其中
Figure FDA00022955373400000216
和
Figure FDA00022955373400000217
分别为来波方向
Figure FDA00022955373400000218
和
Figure FDA00022955373400000219
的名义导向矢量，
Figure FDA00022955373400000220
和
Figure FDA00022955373400000221
的表达式为：
Figure FDA00022955373400000222
Figure FDA00022955373400000223
其中r为雷达接收天线阵列的长度,h为人体距离接收天线阵列的垂直距离；
步骤2-2、根据步骤2-1得到的
Figure FDA00022955373400000224
其余人体干扰协方差矩阵，重构出其余人体干扰加噪声的协方差矩阵，噪声平均功率σn 2可利用接收信号协方差矩阵的M-P个较小特征值的平均值来近似，干扰加噪声的协方差矩阵为
Figure FDA00022955373400000225
Figure FDA00022955373400000226
其中Im为M阶单位矩阵。
4.根据权利要求1所述的基于改进的稳健自适应波束形成的多人生命体征检测方法，其特征在于，步骤3采用基于ξ约束值的方法重构期望人体方位角的导向矢量，具体为：
步骤3-1、利用步骤1得到的其余人体干扰方位角，构造矩阵C
C＝∑Cj,j＝1,2,…p-1,p+1,…P
其中Cj由第j个人体干扰方位角得到
Figure FDA0002295537340000031
其中
Figure FDA0002295537340000037
是第j个人体所在方位Θj的第n个采样点，Lj表示区间Θj的采样点总数，
Figure FDA0002295537340000032
是来波方向
Figure FDA0002295537340000033
的名义导向矢量；
步骤3-2、求得矩阵C的Γ个较大特征值对应的特征向量，设矩阵C的M个特征值分别为λ1≥λ2≥…≥λM，那么Γ为
Figure FDA0002295537340000034
其中0＜κ＜1，Γ个较大特征值对应的特征向量组成的矩阵用U表示；
步骤3-3、获得对应的投影矩阵PU
PU＝U*UH
步骤3-4、确定约束值ζ，利用各个人体方位角的采样点的名义导向矢量
Figure FDA0002295537340000035
得到ζj
Figure FDA0002295537340000036
则由ζj可以得到约束值ζ
ζ＝min(ζj)/E
其中E为大于1的正整数；
步骤3-5、根据步骤3-3获得的PU和步骤3-4获得的ζ，构造关于导向矢量的凸优化问题，所述凸优化问题为：
Figure FDA0002295537340000041
Figure FDA0002295537340000042
(a0+e⊥)HPU(a0+e⊥)≤ξ
其中
Figure FDA0002295537340000043
Figure FDA00022955373400000411
为来波方向θp的名义导向矢量，e⊥为M×1维复向量，且与a0垂直
Figure FDA0002295537340000044
利用凸优化问题的唯一解e⊥，即可得到重构的导向矢量
Figure FDA0002295537340000045
Figure FDA0002295537340000046
5.对于权利要求1所述的基于改进的稳健自适应波束形成的多人生命体征检测方法，其特征在于，步骤5采用最大信噪比迭代搜索法得出理想的权值Wide和呼吸信号dide(k)具体步骤如下：
步骤5-1、将步骤4得到的权向量Wini对回波信号加权：
Figure FDA0002295537340000047
Xini(k)是1×N维复数向量；
步骤5-2、从步骤5-1获得的Xini(k)中提取出相位
Figure FDA0002295537340000048
然后对
Figure FDA0002295537340000049
进行相位补偿、去除直流分量、滤波之后得到dini(k)；
步骤5-3、对从步骤5-2中获得的dini(k)做N点FFT得到Hini(f)，然后利用Hini(f)计算恢复出来的呼吸信号的信噪比：
Figure FDA00022955373400000410
其中Esignal为flow≤f≤fhigh范围内的能量，Enoise为噪声能量，flow≤f≤fhigh为人体呼吸频率范围；
步骤5-4、设W的取值范围为||W-Wini||≤η,其中0＜η＜1，在该范围内随机取Q个采样点Wq，q＝1,…,Q，利用步骤5-1～5-3分别计算各个采样点对应的信噪比SNRq，得到最大的信噪比max(SNRq)；
步骤5-5、将步骤5-4获得的max(SNRq)作为循环终止判定条件，如果max(SNRq)≤SNRini,终止循环,则Wide＝Wini即为最终权向量，dide(k)＝dini(k)为最终的呼吸信号，否则，将权值更新为第q个采样点，即Wini＝Wq，dini(k)＝dq(k)，并返回步骤5-4。
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN201911199604.2A 2019-11-29 2019-11-29 基于改进的稳健自适应波束形成的多人生命体征检测方法 Active CN112882016B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911199604.2A CN112882016B (zh) 2019-11-29 2019-11-29 基于改进的稳健自适应波束形成的多人生命体征检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911199604.2A CN112882016B (zh) 2019-11-29 2019-11-29 基于改进的稳健自适应波束形成的多人生命体征检测方法

Publications (2)

Publication Number Publication Date
CN112882016A true CN112882016A (zh) 2021-06-01
CN112882016B CN112882016B (zh) 2023-09-26

Family

ID=76038435

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911199604.2A Active CN112882016B (zh) 2019-11-29 2019-11-29 基于改进的稳健自适应波束形成的多人生命体征检测方法

Country Status (1)

Country Link
CN (1) CN112882016B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113384264A (zh) * 2021-06-11 2021-09-14 森思泰克河北科技有限公司 基于雷达的呼吸频率检测方法及睡眠监测设备
CN113642440A (zh) * 2021-08-06 2021-11-12 深圳大学 一种呼吸频率估计方法、装置、设备及存储介质
CN116035558A (zh) * 2023-03-02 2023-05-02 中国科学技术大学 基于波束形成的抗干扰呼吸检测方法
CN113642440B (zh) * 2021-08-06 2024-05-14 深圳大学 一种呼吸频率估计方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130113647A1 (en) * 2009-12-18 2013-05-09 L-3 Communications Cyterra Corporation Moving-entity detection
CN105974404A (zh) * 2016-04-27 2016-09-28 南京理工大学 基于非接触式生命体征监测系统的一维雷达布阵优化方法
CN106019271A (zh) * 2016-04-27 2016-10-12 南京理工大学 一种基于变分模态分解的多人穿墙时变呼吸信号检测方法
CN110450784A (zh) * 2019-07-30 2019-11-15 深圳普捷利科技有限公司 一种基于fmcw雷达的驾驶员状态监视方法及系统
US20210275056A1 (en) * 2016-09-19 2021-09-09 Resmed Sensor Technologies Limited Apparatus, system, and method for detecting physiological movement from audio and multimodal signals

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130113647A1 (en) * 2009-12-18 2013-05-09 L-3 Communications Cyterra Corporation Moving-entity detection
CN105974404A (zh) * 2016-04-27 2016-09-28 南京理工大学 基于非接触式生命体征监测系统的一维雷达布阵优化方法
CN106019271A (zh) * 2016-04-27 2016-10-12 南京理工大学 一种基于变分模态分解的多人穿墙时变呼吸信号检测方法
US20210275056A1 (en) * 2016-09-19 2021-09-09 Resmed Sensor Technologies Limited Apparatus, system, and method for detecting physiological movement from audio and multimodal signals
CN110450784A (zh) * 2019-07-30 2019-11-15 深圳普捷利科技有限公司 一种基于fmcw雷达的驾驶员状态监视方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
梁福来;李浩楠;祁富贵;安强;王健琪;: "UWB MIMO生物雷达多静止人体目标成像方法研究", 雷达学报, no. 05, pages 470 - 476 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113384264A (zh) * 2021-06-11 2021-09-14 森思泰克河北科技有限公司 基于雷达的呼吸频率检测方法及睡眠监测设备
CN113642440A (zh) * 2021-08-06 2021-11-12 深圳大学 一种呼吸频率估计方法、装置、设备及存储介质
CN113642440B (zh) * 2021-08-06 2024-05-14 深圳大学 一种呼吸频率估计方法、装置、设备及存储介质
CN116035558A (zh) * 2023-03-02 2023-05-02 中国科学技术大学 基于波束形成的抗干扰呼吸检测方法

Also Published As

Publication number Publication date
CN112882016B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN107132535B (zh) 基于变分贝叶斯学习算法的isar稀疏频带成像方法
CN108776336B (zh) 一种基于emd的自适应穿墙雷达静止人体目标定位方法
CN109765562B (zh) 一种三维前视声像声纳系统和方法
Islam et al. Separation of respiratory signatures for multiple subjects using independent component analysis with the JADE algorithm
CN105911544B (zh) 一种基于压缩感知技术的扩频穿墙雷达成像方法
CN103901395B (zh) 一种冲击噪声环境下相干信号波达方向动态跟踪方法
CN106772376B (zh) 基于改进的rda进行合成孔径雷达图像目标旁瓣抑制的方法
CN105652273A (zh) 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法
CN110082764B (zh) 基于稳健正则化层析方法的sar图像成像方法
CN112882016B (zh) 基于改进的稳健自适应波束形成的多人生命体征检测方法
CN107831473B (zh) 基于高斯过程回归的距离-瞬时多普勒图像序列降噪方法
CN106680815A (zh) 基于张量稀疏表示的mimo雷达成像方法
US20150285905A1 (en) Sub-nyquist radar processing using doppler focusing
CN109239651B (zh) 互质面阵下的二维doa跟踪方法
CN106707247A (zh) 一种基于紧凑天线阵的高频海洋雷达目标检测方法
CN108398659B (zh) 一种矩阵束与求根music结合的波达方向估计方法
CN111796272A (zh) 穿墙雷达人体图像序列的姿态实时识别方法及计算机设备
CN106950546B (zh) 基于马氏距离重加权的非均匀杂波抑制方法
US9444558B1 (en) Synthetic robust adaptive beamforming
CN106443672B (zh) 一种方位多通道sar信号自适应重构方法
CN110196417A (zh) 基于发射能量集中的双基地mimo雷达角度估计方法
CN114647009A (zh) 基于fmcw雷达的多人定位及生命体征探测方法及系统
CN115575921B (zh) 一种基于俯仰向多通道多干扰基压制干扰抑制方法
Aboutanios et al. Fast iterative interpolated beamforming for high fidelity single snapshot DOA estimation
CN109946644A (zh) 基于凸优化的嵌套阵列离网格目标波达方向角估计方法

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