CN113267773B - 一种基于毫米波雷达的室内人员准确检测和精确定位方法 - Google Patents

Abstract

本发明公开一种基于毫米波雷达的室内人员准确检测和精确定位方法，主要通过毫米波雷达对室内人员进行距离、方位角、速度的高精度测量基础上进行检测和定位，满足毫米波雷达作为室内场景感知器件的需求。主要处理步骤包括：AD采样后的数据帧重建、雷达信号处理、静止人员微动特征提取、移动人员群跟踪定位、高级应用驱动。本发明基于毫米波雷达的室内人员准确检测和精确定位方法，可应用于不同的毫米波雷达平台实现室内人员的检测和定位，主要针对毫米波雷达室内人员有无、移动和静止场景，为将来毫米波雷达在室内人员检测场景中的广泛应用提供基础。

Description

一种基于毫米波雷达的室内人员准确检测和精确定位方法

技术领域

本发明属于毫米波雷达技术领域，涉及一种基于毫米波雷达的室内人员准确检测和精确定位方法。

背景技术

毫米波雷达应用于室内人员检测与定位的新兴技术，其原理是通过雷达天线发射电磁波信号，因发射路径上的物体阻挡而发生反射，再由雷达接收天线接收，通过对接收的电磁波信号做一系列处理，可以确定距离、速度和角度等信息。

目前用于室内人员检测与定位的传感器种类繁多，除了毫米波雷达以外，还包括超声、被动红外、激光雷达和光学摄像头等传感器，这些传感器容易受外部环境(如光照、温度等)影响，造成虚警的出现。另外光学摄像头还有泄露个人隐私的风险。毫米波雷达则具备全天候的特性，在环境稳健性方面比其他传感器优异很多，具有距离精度高、速度精度高、角度分辨率高及虚警率低等优点，可以实现室内情况下对人员的准确检测和精确定位。判断室内人员的有无、统计室内人员个数，稳定输出人员的距离、速度和角度等信息，满足室内人员检测和定位在准确性、稳定性等方面的要求。因其在涉及到保护个人隐私生活等方面，毫米波雷达更有无可比拟的天然优势，毫米波雷达被越来越多的应用在安防监控、智能家居、智慧养老和生命探测等领域。

发明内容

本发明的目的在于提供一种基于毫米波雷达的室内人员准确检测和精确定位方法，通过毫米波雷达对室内人员进行距离、方位角、速度的高精度测量基础上进行检测和定位，满足毫米波雷达作为室内场景感知器件的需求。

本发明一种基于毫米波雷达的室内人员准确检测和精确定位方法，步骤如下：

(1)数据帧重建。

(2)毫米波雷达信号处理，得到检测目标的量测信息，包括运动目标的距离、方位角、速度，以三维点云数据输出。

(3)根据三维点云数据，进行室内移动人员的目标检测和跟踪定位。

(4)根据室内静止人员微动特征，进行室内静止人员检测和定位。

(5)利用检测和定位信息，结合实际应用场景，完成相应的高级应用逻辑。

本发明的优点在于：

1、本发明基于毫米波雷达的室内人员准确检测和精确定位方法，采用数据帧重建的方法，提取室内缓慢运动人员的信息，提高毫米波雷达对室内低速运动目标检测的准确性和可靠性。

2、本发明基于毫米波雷达的室内人员准确检测和精确定位方法，对室内运动人员和静止人员进行分类处理的方法，解决毫米波雷达对室内人员有无进行准确检测。

3、本发明基于毫米波雷达的室内人员准确检测和精确定位方法，采用群跟踪算法实现对室内被检测人员的点云数据稳定输出和准确定位。

4、本发明基于毫米波雷达的室内人员准确检测和精确定位方法，对室内静止或者卧床休息人员利用微动检测实现室内静止人员的检测。

附图说明

图1是本发明基于毫米波雷达的室内人员准确检测和精确定位方法整体处理流程图；

图2是本发明基于毫米波雷达的室内人员准确检测和精确定位方法中去斜滤波处理方式示意图；

图3是本发明基于毫米波雷达的室内人员准确检测和精确定位方法中数据帧重建示意图；

图4是本发明基于毫米波雷达的室内人员准确检测和精确定位方法中室内移动人员跟踪定位流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明基于毫米波雷达的室内人员准确检测和精确定位方法，如图1所示，图1中以3个发射天线和4个接收天线为例进行说明，每1个天线发射信号，可以有4个天线进行接收，如果第1个发射，第2个接收，则为Rx1 Tx2，其余的以此类推；同样可以扩展到n个发射天线和m个接收天线，具体步骤如下：

步骤1：Chirp信号的去斜滤波处理

利用一个与发射信号频率和时间斜率相同但时宽Tcd大于发射脉冲时宽Tc的本振信号与回波信号进行混频,然后取下边带进行去斜滤波，如图2所示。去斜滤波后得到的中频信号进行AD正交采样，将模拟信号转换为数字信号。本发明中采用正交复数基带解调方法对中频信号进行处理，相比实基带解调可以降低AD采样率一半，提高3dB的SNR；同时可消除镜频干扰，为室内定位信号处理中多径等干扰消除提供保障。

步骤2：对AD采样后的数字信号进行数据帧重建。

针对室内人员运动速度较低场景，重建数据帧再进行后继处理，如图3所示，具体处理办法：在每一帧数据中抽取一个chirp，并在连续的32帧中抽取32个chirp组成新的数据帧，以便获得室内人员较为丰富的运动信息。

步骤3：对步骤2中数据帧重建后的信号进行处理，形成三维点云量测数据。

A、雷达信号加窗；

为了防止目标频率泄露到参考单元影响杂波估计，可将与检测单元最邻近的单元作为保护单元，如图3所示，其中D作为被检测单元，前后的阴影部分即为保护单元。

B、距离FFT变换；

对重建后的数据帧按照线性调频连续波chirp周期进行一维FFT变换，根据距离和频率的对应关系获得相应的距离向信息R：

R＝c/2f (1)

其中，c为光速，f为chirp信号的频率。

C、方位角估计；

利用接收信号功率的大小随着方向角的变化而变化的特点，以步骤B中得到的距离向处理结果为基础，利用Capon权重值进行波束合成，实现空滤滤波，获得待测目标的距离和方位二维信息，具体方法如下：

(1)静止杂波消除：通过对每个天线的相同距离单元不同chip间信号求平均作为静止信息，然后用原信号减去静止信息实现静止杂波消除；

(2)协方差矩阵逆：通过对消除静止杂波的每个天线的相同距离单元不同chip间信号求互相关获得协方差矩阵，进而通过求逆方法求得协方差矩阵逆；

(3)按照Capon计算公式，方位角采用枚举步进的形式，形成距离和方位二维信息。

D、CFAR方位距离估计

根据步骤C中得到的距离方位二维信息，采用CA-CFAR方法先在距离向上进行一维CFAR检测，初步获取目标信息，再在方位向上进行CFAR检测，得到目标详细的距离和方位二维信息；

E、多普勒估计

根据步骤D中得到的二维信息，进行chirp向FFT获得多普勒谱，最后采用一维CFAR检测方式在多普勒向进行搜索检测获得目标多普勒信息。经过处理后，可以区分空间位置相同但是多普勒不同的目标。最后将检测目标的量测信息，包括运动目标的距离、方位角、速度，以三维点云数据输出，完成毫米波雷达信号处理。

步骤4：室内移动人员的目标检测和跟踪定位，如图4所示，具体方法如下：

(1)数据关联与分配

关联和分配中的操作则用来支持处理多点数据，其中关联操作包含门控函数和打分函数两个部分，目的是为了检测每个量测点是否足够“接近”(门控)，并为足够近的测量点打分，这些量测点将与得分最高的航迹相关联。对于每条给定的航迹，设定一个有关预测质心的门控函数，门控函数代表了存在于当前航迹中可以接受的当前不确定状态的信息量。(由于目标在运动，其质心不确定，虽然有些量测点在航迹上，关联度比较高，但随着目标的运动，需要更新，仍然有可能被去除掉，因此为不确定状态的信息量)对于门控函数内的所有量测点，计算归一化距离函数作为成本函数来将量测点与航迹相关联。分配操作用来处理每一帧未与任何航迹关联的量测点，同时还起到启航的作用，是整个群跟踪算法的起始端，对于剩余未关联的量测点进行聚类处理，聚类生成新的目标数据参与下次数据更新。

(2)更新：采用扩展卡尔曼滤波(Kalman)滤波器，利用当前的运动目标的量测信息和预测信息进行融合，经过门控和打分函数进行判断分类，判断融合后的信息与预测信息的关联程度以及未关联的经聚类处理后的量测信息进行运动目标量测信息的更新。

(3)预测：根据确定的运动目标质心以及当前的运动目标的量测信息，采用扩展卡尔曼(Kalman)滤波器获得运动目标下一时刻的预测信息，并依据此预测信息去更新门控函数参数。

(4)输出：更新后的运动目标量测信息一是输出用于跟踪定位室内移动人员，利用该信息跟踪定位室内移动人员，二是利用卡尔曼滤波器预测下一刻的运动目标信息。

步骤5：室内静止人员的目标检测和定位，分为两种情况：

(1)室内人员在室内静止，但其身体局部有动作，包括手指手臂抖动、讲话、摇头等动作，根据步骤3方法得到室内人员的微多普勒信息，进行精确定位；

(2)室内人员没有任何动作或卧床休息，呼吸引起的胸腔有规律的起伏运动，由毫米波雷达检测并进行定位，通过相位的变化去计算呼吸的频率，将发射信号以及混频后的中频信号系变成复数形式，检测其相位的变化，具体方法如下。

·对于卧床休息人员，呼吸信号可看作一个同时具有频率和相位的正弦信号b(t)；

·测量目标小幅度的振动，需要得到其一定范围内信号的相位变化；

·通过目标距离对b(t)信号做FFT，可得到其目标相位；

·设目标距离为m,进行FFT变换，提取距离为m处的相位来获取微动信息。

·根据微动特征进行分类和判断，室内是否有人以及有人的个数等信息。

通过以上两个步骤(1)与(2)即可完成室内静止人员的检测和定位。

步骤5：高级应用逻辑，利用检测和跟踪定位信息，结合实际应用场景，完成相应的高级应用逻辑，包括：根据室内人员的状态进行环境参数自动调节，如通过室内人员的有无控制室内电源的开关动作、室内温度自动调节、监控区域侵入报警等等高级应用；

本发明经过上述步骤处理可实现基于毫米波雷达的室内人员准确检测和精确定位。该方法主要通过毫米波雷达对室内行人进行距离、方位角、速度的高精度测量以及微动特征识别的基础上进行检测和定位，满足室内人员检测场景中的应用的需求。可应用于不同的毫米波雷达平台实现室内行人的定位、跟踪和识别，为将来毫米波雷达在智能家居场景中的广泛应用提供基础。

Claims (7)

1.一种基于毫米波雷达的室内人员准确检测和精确定位方法，其特征在于：步骤如下：

（1）数据帧重建；

数据帧重建方法为：在毫米波雷达每一帧数据中抽取一个chirp重新组成数据帧；

（2）毫米波雷达信号处理，得到检测目标的量测信息，包括运动目标的距离、方位角、速度，以三维点云数据输出；

（3）根据三维点云数据，进行室内移动人员的目标检测和跟踪定位；

（4）根据室内静止人员微动特征，进行室内静止人员检测和定位；

（5）利用检测和定位信息，结合实际应用场景，完成相应的高级应用逻辑。

2.如权利要求1所述一种基于毫米波雷达的室内人员准确检测和精确定位方法，其特征在于：数据帧重建前，对Chirp信号进行去斜滤波处理。

3.根据权利要求1所述的一种基于毫米波雷达的室内人员准确检测和精确定位方法，其特征在于：步骤（2）中，检测目标的量测信息确定方法为：

A、雷达信号加窗；

B、距离FFT变换；

C、方位角估计；

D、CFAR方位距离估计；

E、多普勒估计。

4.根据权利要求1所述的一种基于毫米波雷达的室内人员准确检测和精确定位方法，其特征在于：室内移动人员检测和定位方法为：

a、数据分配：利用门控函数、打分函数将数据分为关联量测数据和未关联量测数据；

b、更新：采用扩展卡尔曼滤波器，利用当前量测值和预测数据进行融合，经过门控和打分函数的判决，根据量测量判断其与预测量的关联程度进行目标状态值更新；

c、预测：根据运动目标的模型以及当前的状态值，采用扩展卡尔曼滤波器获得目标下一时刻的预测状态值，并将依据此状态值去更新门控函数参数；

d、输出：更新后的量测信息一是输出用于定位室内移动人员，二是利用卡尔曼滤波器预测下一刻的状态值。

5.根据权利要求1所述的一种基于毫米波雷达的室内人员准确检测和精确定位方法，其特征在于：室内静止人员检测和定位方法分为两种情况：

1)、室内人员在室内静止，但其身体局部有动作，包括手指手臂抖动、讲话、摇头，根据室内人员的微多普勒信息，进行精确定位；

2)室内人员没有任何动作或卧床休息，通过检测其有规律的呼吸引起的胸腔起伏进行定位。

6.如权利要求5所述的一种基于毫米波雷达的室内人员准确检测和精确定位方法，其特征在于：步骤2)中，针对室内人员没有任何动作或卧床休息的情况，呼吸信号作为一个同时具有频率和相位的正弦信号b(t)；测量目标小幅度的振动，需要得到对应信号的相位变化；通过目标距离对 b(t)信号做FFT，可得到目标相位；设目标距离为m,进行FFT变换，提取距离为m处的相位来获取微动信息；根据微动特征进行分类和判断，室内是否有人以及有人的个数信息。

7.如权利要求1所述的一种基于毫米波雷达的室内人员准确检测和精确定位方法，其特征在于：步骤（5）具体为：根据室内人员的状态进行环境参数自动调节。

Images