CN112882016B - 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 PDFInfo
- Publication number
- CN112882016B CN112882016B CN201911199604.2A CN201911199604A CN112882016B CN 112882016 B CN112882016 B CN 112882016B CN 201911199604 A CN201911199604 A CN 201911199604A CN 112882016 B CN112882016 B CN 112882016B
- Authority
- CN
- China
- Prior art keywords
- ini
- human body
- human
- signal
- 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.)
- Active
Links
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
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
为来波方向/>的名义导向矢量,[·]H为共轭转置,/>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:
式中为每个人体干扰回波的协方差矩阵
为样本协方差矩阵
其中为/>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。/>是与/>方向名义导向矢量/>的差的二范数小于εji的区域:
I为角度区间Θj的等间隔采样点数,L为在的表面区域的采样点数。
的表达式为:
其中和/>分别为来波方向/>和/>的名义导向矢量,/>和的表达式为:
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
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
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,是来波方向/>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
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得到ζj
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:
其中 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
利用凸优化问题的唯一解e⊥,即可得到重构的导向矢量
步骤4、利用波束形成器得出权值Wini
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:
Xini(k)是1×N维复数向量;
步骤5-2、从步骤5-1获得的Xini(k)中提取出相位然后对/>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。
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
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
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
表示第u个信源的名义导向矢量
其中
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
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为来波方向/>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
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。
其中为每个人体干扰回波的协方差矩阵:
为样本协方差矩阵:
其中为/>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为在的表面区域的采样点数。/>是与/>方向名义导向矢量/>的差的二范数小于/>的区域。
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;
的表达式为:
其中和/>分别为来波方向/>和/>的名义导向矢量,/>和的表达式为:
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/>
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
其中是第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,是来波方向/>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
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得到ξi:
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:
其中为来波方向θp的名义导向矢量。e⊥为M×1维复向量,且与a0垂直
利用凸优化问题的唯一解e⊥,即可得到重构的导向矢量
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
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
Xini(k)是1×N维复数向量;
步骤5-2、从步骤5-1获得的Xini(k)中提取出相位然后对/>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
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
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:
式中,为来波方向/>对应的名义导向矢量,[·]H为共轭转置,/>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:
式中为每个人体干扰回波的协方差矩阵
为样本协方差矩阵
其中为/>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/>表面区域的采样点数;/>是与/>方向名义导向矢量/>的差的二范数小于/>的区域:
的表达式为:
其中和/>分别为来波方向/>和/>的名义导向矢量,/>和/>的表达式为:
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/>
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
其中是第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,/>是来波方向/>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
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得到ζj
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:
(a0+e⊥)HPU(a0+e⊥)≤ξ
其中 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
利用凸优化问题的唯一解e⊥,即可得到重构的导向矢量
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:
Xini(k)是1×N维复数向量;
步骤5-2、从步骤5-1获得的Xini(k)中提取出相位然后对/>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:
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。
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 CN112882016A (zh) | 2021-06-01 |
CN112882016B true 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) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113384264B (zh) * | 2021-06-11 | 2023-06-06 | 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 |
CN116035558B (zh) * | 2023-03-02 | 2023-07-18 | 中国科学技术大学 | 基于波束形成的抗干扰呼吸检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2513666B1 (en) * | 2009-12-18 | 2015-02-18 | L-3 Communications Cyterra Corporation | Moving entity detection |
CN116035528A (zh) * | 2016-09-19 | 2023-05-02 | 瑞思迈传感器技术有限公司 | 用于从音频和多模态信号中检测生理运动的装置、系统及方法 |
-
2019
- 2019-11-29 CN CN201911199604.2A patent/CN112882016B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Non-Patent Citations (1)
Title |
---|
UWB MIMO生物雷达多静止人体目标成像方法研究;梁福来;李浩楠;祁富贵;安强;王健琪;;雷达学报(第05期);第470-476页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112882016A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN110031794B (zh) | 一种基于差分共性阵重构的相干信源doa估计方法 | |
CN104237883B (zh) | 一种采用稀疏表示的机载雷达空时自适应处理方法 | |
Islam et al. | Separation of respiratory signatures for multiple subjects using independent component analysis with the JADE algorithm | |
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 | |
CN108776336A (zh) | 一种基于emd的自适应穿墙雷达静止人体目标定位方法 | |
CN105652273A (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
CN106707247B (zh) | 一种基于紧凑天线阵的高频海洋雷达目标检测方法 | |
CN106680815A (zh) | 基于张量稀疏表示的mimo雷达成像方法 | |
CN114742117B (zh) | 复杂室内场景下毫米波雷达的人体生命体征检测方法 | |
US10393869B2 (en) | Sub-Nyquist radar processing using doppler focusing | |
CN109375152A (zh) | 电磁矢量嵌套l阵下低复杂度的doa与极化联合估计方法 | |
CN114259213A (zh) | 杂波背景下毫米波mimo雷达的邻近多目标生命体征检测方法 | |
CN110297209A (zh) | 一种基于平行互质阵列时空扩展的二维波达方向估计方法 | |
CN109239651B (zh) | 互质面阵下的二维doa跟踪方法 | |
CN109245814A (zh) | 基于极大似然重采样的自适应波束形成方法 | |
CN110161491A (zh) | 一种针对微弱生命体的测距和呼吸频率估计方法 | |
CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
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 | |
CN110196417A (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
CN106546964A (zh) | 一种机载雷达杂波秩估计方法及其系统 | |
CN106443672B (zh) | 一种方位多通道sar信号自适应重构方法 | |
CN108845318A (zh) | 基于Relax算法的星载高分宽幅成像方法 | |
Aboutanios et al. | Fast iterative interpolated beamforming for high fidelity single snapshot DOA estimation | |
KR102235982B1 (ko) | 생체 fmcw 레이더를 위한 생체 심장 박동 파라미터 추정 장치 및 그 방법 |
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 |