CN113009584B - 一种超宽带mimo雷达生命体征探测定位方法 - Google Patents

一种超宽带mimo雷达生命体征探测定位方法 Download PDF

Info

Publication number
CN113009584B
CN113009584B CN202110175400.6A CN202110175400A CN113009584B CN 113009584 B CN113009584 B CN 113009584B CN 202110175400 A CN202110175400 A CN 202110175400A CN 113009584 B CN113009584 B CN 113009584B
Authority
CN
China
Prior art keywords
frequency
vital sign
respiration
noise
radar
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
Application number
CN202110175400.6A
Other languages
English (en)
Other versions
CN113009584A (zh
Inventor
金添
李志�
伍晨
戴永鹏
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.)
National University of Defense Technology
Original Assignee
National University of Defense 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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202110175400.6A priority Critical patent/CN113009584B/zh
Publication of CN113009584A publication Critical patent/CN113009584A/zh
Application granted granted Critical
Publication of CN113009584B publication Critical patent/CN113009584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
    • 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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Medical Informatics (AREA)
  • Signal Processing (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Cardiology (AREA)
  • Remote Sensing (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Geology (AREA)
  • Pulmonology (AREA)
  • Electromagnetism (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geophysics (AREA)
  • General Physics & Mathematics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明属于超宽带雷达信号处理技术领域，公开了一种超宽带MIMO雷达生命体征探测定位方法。本发明主要包括以下步骤：(1)对MIMO雷达多个通道回波数据进行重排列；(2)对目标区域进行序惯相干成像及补偿；(3)沿时间维带通滤波；(4)计算生命体胸腔表面的位置；(5)去除杂波以及直流偏置；(6)取相位得到生命体征信号；(7)呼吸和心跳信号分离。(8)呼吸和心跳信号峰值检测，计算瞬时呼吸率和心率；(9)滑动时间窗动态测量。利用本发明能够对废墟下、建筑物内被困人员进行三维定位与生命体征测量，其信号处理增益高，定位精度高，实时性好，可以实现瞬时呼吸率和心率测量。

Description

一种超宽带MIMO雷达生命体征探测定位方法
技术领域
本发明属于超宽带雷达信号处理技术领域，涉及一种利用超宽带MIMO(多发多收)雷达进行生命体探测定位并同时进行呼吸、心跳体征测量的方法。
背景技术
电磁波能穿透非导体介质，特别是低频电磁波能够穿透砂石、混凝土、砖墙等材料而且不易受环境、天候影响，在塌方、火灾等灾害救援中具有重大应用价值，能够用于探测被困于废墟或建筑物内的人员，从而及时营救被困人员以减少伤亡。
目前市面上的生命探测雷达采用的信号体制主要有：(1)连续波雷达，能够探测有无生命体及其呼吸、心跳等微动信息，但无法定位被困人员的位置，增加了救援工作量，导致救援进度延误，不利于在黄金救援时间内营救被困人员；(2)超宽带雷达，具体而言有脉冲超宽带(IR-UWB)、线性调频连续波(FMCW)、步进频率连续波(SFCW)等信号形式，由于超宽带信号具有较高的距离向分辨率，所以可以对人体目标进行精准测距，但传统的单发单收体制无法实现方位向分辨，所以仍然无法实现目标的三维定位。目前出现的分布式超宽带雷达技术虽然能够实现人体目标的三维定位，但其相干性差，信噪比低，容易受到干扰，在实际中难以有效应用。通过采用多通道阵列技术，利用恰当设计的具有多个收发通道的雷达，如单发多收、多发多收雷达，能够实现空间上的波束合成，从而对目标进行三维定位。
超宽带MIMO雷达可以获得生命体的距离向、方位向信息，有利于对目标进行精准的三维定位，此外还可以区分多个生命体目标并提取其呼吸、心跳等微动信息，是超宽带生命探测雷达的关键技术，也是国内外生命探测雷达领域的研究热点。
发明内容
本发明所要解决的技术问题是针对现有技术存在的无法三维定位、相干性差、易受干扰等不足，公开一种超宽带MIMO雷达生命探测和定位方法，该方法具有频率测量准确、定位精确、信噪比高、实时性好、易于实施的特点。
为解决上述技术问题，采用的技术方案如下：
一种超宽带MIMO雷达生命探测定位方法，包括以下步骤：
(1)对MIMO雷达采集的多个通道的步进频率回波数据进行重排列，形成三维复数矩阵
Figure GDA0003555174500000011
其中，
Figure GDA0003555174500000012
是复数域，G是MIMO雷达的通道数，K是发射的SFCW信号的频点数量，步进频率依次为f0，f0+Δf，…，f0+(K-1)Δf，其中f0是起始频率，Δf是频率步进量， Q是回波帧数；
(2)利用每一帧雷达回波数据对目标区域进行相干成像及补偿，得到三维复数雷达图像
Figure GDA0003555174500000021
其中M×N×L是观测区在三维空间上划分网格的数量，将多帧三维图像按时间顺序拼接，形成四维张量
Figure GDA0003555174500000022
其中t＝qΔt＝q/Fps，q＝0，1，…，Q-1，Δt是帧采样时间间隔，Fps为对应的帧率；
(3)对张量It(x，t)沿时间维带通滤波，滤波器的通带为0.1Hz～3Hz，滤波后的信号Ip(x，t) 去除了杂波和噪声的影响，反映了生命体的微动；
(4)计算张量Ip(x，t)沿第4维的方差，方差最大对应的位置
Figure GDA0003555174500000023
就是生命体胸腔表面的位置。
Figure GDA0003555174500000024
其中
Figure GDA0003555174500000025
代表使函数值最大时自变量x的取值，Ip(x，qΔt)是Ip(x，t)在时刻qΔt的离散时间采样；
(5)对张量
Figure GDA0003555174500000026
进行补偿校正，去除杂波以及直流偏置的张量
Figure GDA0003555174500000027
其中j是虚数单位，
Figure GDA0003555174500000028
是估计的同相直流分量和正交直流分量。直流偏置校正要根据数据计算出信号拟合的椭圆的中心坐标，设信号数据拟合出的标准椭圆方程表示为R′2+A′·M′2+B′·R′·M′+C′·R′+D′·M′+E′＝0，其中R′是
Figure GDA0003555174500000029
的实部，M′是
Figure GDA00035551745000000210
的虚部，A′，B′，C′，D′，E′分别为标准椭圆方程的参数，将张量数据
Figure GDA00035551745000000211
代入椭圆方程，根据最小二乘解得[A′，B′，C′，D′，E′]＝-(GTG)-1GTb，其中
Figure GDA00035551745000000212
解得
Figure GDA00035551745000000213
(6)对直流偏置校正后的
Figure GDA00035551745000000214
取相位得到
Figure GDA00035551745000000215
将
Figure GDA00035551745000000216
作为生命体征信号，离散时间采样后的生命体征信号为
Figure GDA00035551745000000217
其中取相位的计算方法是
Figure GDA00035551745000000218
其中Re(q)是
Figure GDA00035551745000000219
的实部，Im(q)是
Figure GDA00035551745000000220
的虚部，
Figure GDA00035551745000000221
是
Figure GDA00035551745000000222
的第q个离散取值；
(7)呼吸和心跳信号分离，利用自适应噪声集合经验模态分解方法对生命体征信号
Figure GDA0003555174500000031
分解得到包含U个本征模态的集合{IMF1(t)，IMF2(t)，…，IMFU(t)，去除噪声和干扰的影响，并计算第u个本征模态的峰度
Figure GDA0003555174500000032
计算式为
Figure GDA0003555174500000033
其中Q是回波帧数，IMFu(qΔt)是第q个回波时刻第u个本征模态的值；根据指定的置信概率η，如果某一本征模态的峰度在置信区间内，则该本征模态为噪声，将其从本征模态集合中去除，其中置信区间的计算式为
Figure GDA0003555174500000034
计算每个本征模态的频谱，如果该本征模态的频谱能量主要分布于呼吸和心跳频率范围外，则将该本征模态从本征模态集合中去除；将去除了噪声和干扰的本征模态集合作为独立成分分析的输入，通过独立成分分析方法恢复混合前的呼吸和心跳信号sr(t)和sh(t)；利用独立成分分析方法求解方程X＝MS，其中X为独立成分分析的测量矩阵，由去除了噪声和干扰的本征模态构成，M为混合矩阵，S为独立分量，确定信号个数为2，计算得到解混矩阵W，确定S＝WX，S的两行分别记为分量s1(t)和s2(t)；利用快速傅里叶变换分别计算s1(t)和 s2(t)的功率谱，得到功率谱峰值对应的频率，频率低的分量对应呼吸信号sr(t)，频率高的分量对应心跳信号sh(t)；
(8)提取瞬时呼吸率和心率；分别对恢复的呼吸和心跳信号进行峰值检测，峰值之间的时间间隔的倒数就是其瞬时呼吸率和心率；
(9)对(1)中得到的雷达回波数据采用滑动时间窗，然后重复步骤(2)～(8)实现对生命体目标实时动态的探测与定位。
本发明公开的超宽带MIMO雷达生命体征探测定位方法，通过对MIMO雷达多个通道的回波信号进行相干叠加，然后提取相位信息，进而利用先进的信号处理算法确定被困人员的呼吸、心跳等生命体征，同时获得被困人员的方位、距离等三维位置信息，实现对废墟下、建筑物内被困人员的精准定位与生命体征测量。与现有技术相比，超宽带MIMO雷达降低了生命探测雷达系统的成本，同时还提高了系统的探测性能，本发明处理后极大提高了信噪比，信噪比改善程度与通道数目和步进频率数目的乘积成正比，典型参数下信噪比提高60dB以上，可实现亚毫米级的微弱人体呼吸和心跳微动信号测量，此外，利用相位相干信息提取的生命体征信号避免了呼吸谐波的干扰，从而能够准确测量心率。
综上所述，本发明具有如下有益效果：
效果一，信号处理增益高，相位相干计算实现对微弱生命体征信号的探测；
效果二，位置测量精度高，结合生命体征探测实现精确的人体目标三维定位；
效果三，频率测量精度高，时域计算实现瞬时呼吸率和心率测量。
附图说明
图1为本发明方法处理流程示意图；
图2为某一距离深度对应的二维雷达图像；
图3为相位校正前和校正后的数据分布图；
图4为提取的生命体征信号；
图5为自适应噪声集合经验模态分解后的本征模态分量；
图6为独立成分分析后得到的呼吸和心跳信号波形；
图7为分离的呼吸和心跳信号对应的瞬时频率。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本实施例提供一种超宽带MIMO雷达生命探测定位方法。实施例中MIMO雷达和被探测生命体分别位于30厘米厚的砖墙两侧，被探测的一名成年男性静坐于砖墙后约4米处。实施例中的MIMO雷达具有10个发射阵元和10个接收阵元，发射的步进频率信号的起始频率为1.785GHz，频率步进量为4MHz，共125个频点，MIMO雷达的帧率为Fps＝20Hz，即每帧采样时间间隔是0.05秒。如图1所示为处理流程。
(1)MIMO雷达采集30秒共600帧的回波数据，对10发10收共100个通道的步进频率回波数据进行重排列，形成三维复数矩阵
Figure GDA0003555174500000041
其中，
Figure GDA0003555174500000042
是复数域，MIMO雷达的通道数G＝100，回波帧数Q＝30×20＝600，发射的SFCW信号的频点数量K＝125，步进频率依次为1.785GHz，1.789GHz，…，2.281GHz；
(2)对每一帧雷达回波数据利用后向投影算法对目标区域(宽5米、深5米、高5米的区域)进行相干成像，并且采用GPU并行计算加速，得到三维复数雷达图像
Figure GDA0003555174500000043
观测区在三维空间上域划分网格的数量M×N×L＝50×50×50，将多帧三维图像按时间顺序拼接，形成四维张量It(x，t)∈C50×50×50×600，其中t是时间序列，t＝0.05q，q＝0，1，…，599；4.7米距离深度处的二维雷达图像剖面如图2所示；
(3)对张量It(x，t)沿时间维带通滤波，滤波器的通带为0.1Hz～3Hz，利用切比雪夫窗函数设计30阶FIR滤波器，滤波器系数为
0.00020.0001，-0.0011，-0.0037，-0.0053，-0.0022，0.0058，0.0113，0.0021，-0.0250， -0.0523，-0.0457，0.0202，0.1341，0.2445，0.2903，0.2445，0.1341，0.0202，-0.04570，-0.0523， -0.0250，0.0021，0.0113，0.0058，-0.0022，-0.0053，-0.0037，-0.0011，0.0001，0.0002 滤波后的信号Ip(x，t)去除了杂波和噪声的影响，反映了生命体的微动信息；
(4)计算张量
Figure GDA0003555174500000051
沿第4维的方差，
Figure GDA0003555174500000052
方差最大对应的位置
Figure GDA0003555174500000053
就是生命体胸腔表面的位置，计算得到
Figure GDA0003555174500000054
(5)对张量
Figure GDA0003555174500000055
进行补偿校正，去除杂波以及直流偏置的张量为
Figure GDA0003555174500000056
其中
Figure GDA0003555174500000057
和
Figure GDA0003555174500000058
是估计的同相直流分量和正交直流分量；直流偏置校正需要根据数据计算出信号拟合的椭圆的中心坐标，设信号数据拟合出的标准椭圆方程为R′2+A′·M′2+B′·R′·M′+C′·R′+D′·M′+E′＝0，其中R′是
Figure GDA0003555174500000059
的实部，M′是
Figure GDA00035551745000000510
的虚部，A′，B′，C′，D′，E′分别为标准椭圆方程的参数，那么将张量数据
Figure GDA00035551745000000511
代入椭圆方程，根据最小二乘解得[A′，B′，C′，D′，E′]＝-(GTG)-1GTb，其中
Figure GDA00035551745000000512
解得
Figure GDA00035551745000000513
相位校正前后的数据分布如图3所示；
(6)对直流偏置校正后的
Figure GDA00035551745000000514
取相位得到
Figure GDA00035551745000000515
将
Figure GDA00035551745000000516
作为生命体征信号；离散时间采样的生命体征信号计算式为
Figure GDA00035551745000000517
得到生命体征信号如图4所示；
(7)呼吸和心跳信号分离，利用自适应噪声集合经验模态分解算法对生命体征信号
Figure GDA00035551745000000518
分解得到包含9个本征模态的集合{IMF1(t)，IMF2(t)，…，IMF9(t)}，去除噪声和干扰；计算第u个本征模态的峰度
Figure GDA0003555174500000061
计算式为
Figure GDA0003555174500000062
根据指定的置信概率η＝0.9，如果某一本征模态的峰度在置信区间内，则该本征模态为噪声，将其从本征模态集合中去除；根据置信区间的计算式
Figure GDA0003555174500000063
得的置信区间为(-0.6225，0.6425)；将峰度值在置信区间范围的本征模态去除，得到消除噪声后的本征模态集合为第3、4、5、6、7、8个本征模态；利用快速傅里叶变换计算去除噪声后的本征模态的频谱，去除频谱能量主要分布于呼吸和心跳频率范围外的本征模态，本实施例中第8个本征模态的频谱能量主要集中在0.1Hz，在呼吸和心跳信号频率范围0.2Hz～3Hz 之外，实际上是身体的小幅度随机抖动，所以去除该本征模态分量；对去除噪声和干扰后的本征模态进行独立成分分析，将{IMF3(t)，IMF4(t)，IMF5(t)，IMF6(t)，IMF7(t)}作为独立成分分析的输入，利用快速独立成分分析方法恢复混合前的呼吸信号sr(t)和心跳信号sh(t)；求解方程X＝MS，其中
Figure GDA0003555174500000064
为独立成分分析的测量矩阵，M为混合矩阵，S为独立分量，右上角标T表示向量或矩阵的转置，确定信号个数为2，计算得到解混矩阵W，确定S＝WX，S的两行分别记为分量s1(t)和s2(t)；利用快速傅里叶变换分别计算s1(t)和s2(t)的功率谱，得到功率谱峰值对应的频率分别为10次每分和72次每分，10次每分分量对应呼吸信号sr(t)，72次每分分量对应心跳信号sh(t)；
(8)提取瞬时呼吸率和心率；分别对恢复的呼吸和心跳信号进行峰值检测，峰值之间的时间间隔的倒数就是其瞬时呼吸率和心率；
(9)对雷达接收的回波数据采用长度为30秒、步进为10秒的滑动时间窗，然后重复(2) ～(8)实现对生命体目标实时动态的探测与定位。
尽管上面对本发明的具体实施方式进行了描述以便于技术人员能够理解本发明，但是本发明不仅限于具体实施方式的范围，对本技术领域的技术人员而言，只要各种变化在所附权利要求限定的范围内，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种超宽带MIMO雷达生命体征探测定位方法，其特征在于，所述方法包括如下步骤：
(1)对MIMO雷达采集的多个通道的步进频率回波数据进行重排列，形成三维复数矩阵
Figure FDA0003555174490000011
其中，
Figure FDA0003555174490000012
是复数域，G是MIMO雷达的通道数，K是发射的SFCW信号的频点数量，步进频率依次为f0，f0+Δf，…，f0+(K-1)Δf，其中f0是起始频率，Δf是频率步进量，Q是回波帧数；
(2)利用每一帧雷达回波数据对目标区域进行相干成像及补偿，得到三维复数雷达图像
Figure FDA0003555174490000013
其中M×N×L是观测区在三维空间上划分网格的数量，将多帧三维图像按时间顺序拼接，形成四维张量
Figure FDA0003555174490000014
其中t＝qΔt＝q/Fps，q＝0，1，…，Q-1，Δt是帧采样时间间隔，Fps为对应的帧率；
(3)对张量It(x，t)沿时间维带通滤波，滤波器的通带为0.1Hz～3Hz，滤波后的信号Ip(x，t)去除了杂波和噪声的影响，反映了生命体的微动；
(4)计算张量Ip(x，t)沿第4维的方差，方差最大对应的位置
Figure FDA0003555174490000015
就是生命体胸腔表面的位置；
Figure FDA0003555174490000016
其中
Figure FDA0003555174490000017
代表使函数值最大时自变量x的取值，Ip(x，qΔt)是Ip(x，t)在时刻qΔt的离散时间采样；
(5)对张量
Figure FDA0003555174490000018
进行补偿校正，去除杂波以及直流偏置的张量
Figure FDA0003555174490000019
其中j是虚数单位，
Figure FDA00035551744900000110
是估计的同相直流分量和正交直流分量；直流偏置校正要根据数据计算出信号拟合的椭圆的中心坐标，将信号数据拟合出的标准椭圆方程表示为R′2+A′·M′2+B′·R′·M′+C′·R′+D′·M′+E′＝0，其中R′是
Figure FDA00035551744900000111
的实部，M′是
Figure FDA00035551744900000112
的虚部，A′，B′，C′，D′，E′分别为标准椭圆方程的参数，将张量数据
Figure FDA00035551744900000113
代入椭圆方程，根据最小二乘解得[A′，B′，C′，D′，E′]＝-(GTG)-1GTb，其中
Figure FDA00035551744900000114
解得
Figure FDA00035551744900000115
(6)对直流偏置校正后的
Figure FDA0003555174490000021
取相位得到
Figure FDA0003555174490000022
将
Figure FDA0003555174490000023
作为生命体征信号，离散时间采样后的生命体征信号为
Figure FDA0003555174490000024
其中取相位的计算方法是
Figure FDA0003555174490000025
其中Re(q)是
Figure FDA0003555174490000026
的实部，Im(q)是
Figure FDA0003555174490000027
的虚部，
Figure FDA0003555174490000028
是
Figure FDA0003555174490000029
的第q个离散取值；
(7)呼吸和心跳信号分离，利用自适应噪声集合经验模态分解方法对生命体征信号
Figure FDA00035551744900000210
分解得到包含U个本征模态的集合{IMF1(t)，IMF2(t)，…，IMFU(t)}，去除噪声和干扰的影响，并计算第u个本征模态的峰度
Figure FDA00035551744900000211
计算式为
Figure FDA00035551744900000212
其中Q是回波帧数，IMFu(qΔt)是第q个回波时刻第u个本征模态的值；根据指定的置信概率η，如果某一本征模态的峰度在置信区间内，则该本征模态为噪声，将其从本征模态集合中去除，其中置信区间的计算式为
Figure FDA00035551744900000213
计算每个本征模态的频谱，如果该本征模态的频谱能量主要分布于呼吸和心跳频率范围外，则将该本征模态从本征模态集合中去除；将去除了噪声和干扰的本征模态集合作为独立成分分析的输入，通过独立成分分析方法恢复混合前的呼吸和心跳信号sr(t)和sh(t)；利用独立成分分析方法求解方程X＝MS，其中X为独立成分分析的测量矩阵，由去除了噪声和干扰的本征模态构成，M为混合矩阵，S为独立分量，确定信号个数为2，计算得到解混矩阵W，确定S＝WX，S的两行分别记为分量s1(t)和s2(t)；利用快速傅里叶变换分别计算s1(t)和s2(t)的功率谱，得到功率谱峰值对应的频率，频率低的分量对应呼吸信号sr(t)，频率高的分量对应心跳信号sh(t)；
(8)提取瞬时呼吸率和心率；分别对恢复的呼吸和心跳信号进行峰值检测，峰值之间的时间间隔的倒数就是其瞬时呼吸率和心率；
(9)对(1)中得到的雷达回波数据采用滑动时间窗，然后重复步骤(2)～(8)实现对生命体目标实时动态的探测与定位。
CN202110175400.6A 2021-02-06 2021-02-06 一种超宽带mimo雷达生命体征探测定位方法 Active CN113009584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110175400.6A CN113009584B (zh) 2021-02-06 2021-02-06 一种超宽带mimo雷达生命体征探测定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110175400.6A CN113009584B (zh) 2021-02-06 2021-02-06 一种超宽带mimo雷达生命体征探测定位方法

Publications (2)

Publication Number Publication Date
CN113009584A CN113009584A (zh) 2021-06-22
CN113009584B true CN113009584B (zh) 2022-05-17

Family

ID=76384140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110175400.6A Active CN113009584B (zh) 2021-02-06 2021-02-06 一种超宽带mimo雷达生命体征探测定位方法

Country Status (1)

Country Link
CN (1) CN113009584B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113640792B (zh) * 2021-07-06 2024-02-13 南京理工大学 一种基于机器学习的车内生命体毫米波雷达检测方法
CN115590489B (zh) * 2022-09-28 2024-01-23 中国人民解放军总医院 一种基于调频连续波雷达的无接触血压监测方法
CN116381665B (zh) * 2023-04-24 2023-11-14 中国人民解放军国防科技大学 一种基于四维生物雷达定位被困人员的方法及系统
CN116965791B (zh) * 2023-06-29 2024-05-17 中国人民解放军国防科技大学 一种抑制运动干扰的四维生物雷达心率测量方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103135109A (zh) * 2013-01-31 2013-06-05 中国人民解放军国防科学技术大学 一种基于多径信号的超宽带雷达成像方法
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
CN108387877A (zh) * 2018-05-25 2018-08-10 中国人民解放军国防科技大学 一种多输入多输出雷达的运动目标相位修正方法
CN108761450A (zh) * 2018-08-07 2018-11-06 湖南华诺星空电子技术有限公司 一种三维定位的生命探测雷达
CN110507293A (zh) * 2019-07-26 2019-11-29 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
CN111289966A (zh) * 2020-02-20 2020-06-16 上海交通大学 基于mimo调频连续波雷达相干相位追踪的运动信息测量方法
CN111568399A (zh) * 2020-05-15 2020-08-25 中国人民解放军陆军军医大学 一种基于雷达的呼吸和心跳信号检测方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103135109A (zh) * 2013-01-31 2013-06-05 中国人民解放军国防科学技术大学 一种基于多径信号的超宽带雷达成像方法
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
CN108387877A (zh) * 2018-05-25 2018-08-10 中国人民解放军国防科技大学 一种多输入多输出雷达的运动目标相位修正方法
CN108761450A (zh) * 2018-08-07 2018-11-06 湖南华诺星空电子技术有限公司 一种三维定位的生命探测雷达
CN110507293A (zh) * 2019-07-26 2019-11-29 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
CN111289966A (zh) * 2020-02-20 2020-06-16 上海交通大学 基于mimo调频连续波雷达相干相位追踪的运动信息测量方法
CN111568399A (zh) * 2020-05-15 2020-08-25 中国人民解放军陆军军医大学 一种基于雷达的呼吸和心跳信号检测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Detection and Localization for Multiple Stationary Human Targets Based on Cross-Correlation of Dual-Station SFCW Radars;Yong Jia 等;《remote sensing》;20190615;第1-22页 *
Life-sign Detection of Through-wall-Radar Based On Fourth-Order Cumulant;Fangyu Lan 等;《2013 IEEE Radar Conference》;20131231;第1-4页 *
穿墙雷达人体目标探测技术综述;金添 等;《电波科学学报》;20200831;第35卷(第4期);第486-495页 *

Also Published As

Publication number Publication date
CN113009584A (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
CN113009584B (zh) 一种超宽带mimo雷达生命体征探测定位方法
CN110584631B (zh) 一种基于fmcw雷达的静态人体心跳和呼吸信号提取方法
Ren et al. Noncontact multiple heartbeats detection and subject localization using UWB impulse Doppler radar
Sumi Displacement vector measurement using instantaneous ultrasound signal phase-multidimensional autocorrelation and Doppler methods
CN111856452B (zh) 基于omp的静态人体心跳和呼吸信号分离重构方法
Tariq et al. Vital signs detection using Doppler radar and continuous wavelet transform
CN111568399A (zh) 一种基于雷达的呼吸和心跳信号检测方法及系统
CN113384250B (zh) 用于生命体征探测的毫米波雷达系统低功耗实现方法
EP3513735B1 (en) Device and method for generating ultrasound vector doppler image using plane wave synthesis
CN102715920B (zh) 人体目标生命特征检测方法
CN107607923A (zh) 基于lfmcw雷达的振动监测系统与信号处理方法
JPH07250835A (ja) 超音波パルスエコー装置及び該装置を用いた超音波診断装置
CN115644840A (zh) 基于毫米波雷达的生命体征检测方法
Chen et al. Ultrawideband synthetic aperture radar for respiratory motion detection
CN117838083A (zh) 一种基于毫米波雷达的体征快速精确检测方法
CN115399747A (zh) 一种基于毫米波雷达的多人生命体征监测方法
Choi et al. Robust cardiac rate estimation of an individual
CN115736886A (zh) 一种基于毫米波雷达的多目标呼吸率参数估计方法
Hu et al. The effect of multi-directional on remote heart rate measurement using PA-LI joint ICEEMDAN method with mm-wave FMCW radar
Qiao et al. Non-contact physiological signal detection using continuous wave Doppler radar
Rong et al. Novel Respiration-Free Heartbeat Detection Algorithm Using Millimeter-Wave Radar
Taki et al. High-range-resolution imaging using frequency domain interferometry with stabilization techniques for real-time vascular ultrasound
Vela et al. Noise radar tomography
Ramadhamy et al. Clutter Reduction in Detecting Trapped Human Respiration Under Rubble for FMCW Radar System
CN116965791B (zh) 一种抑制运动干扰的四维生物雷达心率测量方法

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