CN114259213A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114259213A CN114259213A CN202111548515.1A CN202111548515A CN114259213A CN 114259213 A CN114259213 A CN 114259213A CN 202111548515 A CN202111548515 A CN 202111548515A CN 114259213 A CN114259213 A CN 114259213A
- Authority
- CN
- China
- Prior art keywords
- target
- human body
- signal
- signals
- clutter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 29
- 238000009499 grossing Methods 0.000 claims abstract description 24
- 238000001228 spectrum Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000002156 mixing Methods 0.000 claims abstract description 11
- 230000006798 recombination Effects 0.000 claims abstract description 4
- 238000005215 recombination Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 17
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000000241 respiratory effect Effects 0.000 claims description 8
- 238000003491 array Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000003190 augmentative effect Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- JXASPPWQHFOWPL-UHFFFAOYSA-N Tamarixin Natural products C1=C(O)C(OC)=CC=C1C1=C(OC2C(C(O)C(O)C(CO)O2)O)C(=O)C2=C(O)C=C(O)C=C2O1 JXASPPWQHFOWPL-UHFFFAOYSA-N 0.000 claims description 2
- 210000000038 chest Anatomy 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001121 heart beat frequency Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000035565 breathing frequency Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法，属于生命体征检测领域，发射端：发射利用空时分组码调制的多个线性调频信号；接收端：a、将各个接收天线的回波信号与参考调制信号进行混频，再提取重组和空时解耦得到阵列化信号；对阵列化信号进行距离方位二维平滑和空间谱估计定位邻近的人体目标；b、提取人体目标及杂波散射点对应的相位差值序列，以构建人体目标对应的生命体征信号及杂波散射点相位信号；c、对探测的生命体征信号及杂波散射点相位信号进行变分约束多模态分解获得生命体征参数。本发明可在杂波背景下分离邻近的人体目标，且分离后的生命体征信号周期性明显，波形平滑，参数估计精度高。
Description
技术领域
本发明属于生命体征检测领域，更具体地，涉及一种杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法。
背景技术
随着社会与科技的发展，检测人体生命活动的技术也在随之不断发展。生命体征参数是监测人体生命活动是否正常的主要依据，心跳、呼吸、血压、体温是表征人体生命体征的四大基本生理参数，其中呼吸和心跳又是最直接反应生命体征的参数。检测人体活动主要就是检测人体的呼吸以及心跳，常用的检测技术有接触式和非接触式两种，前者直接接触人体，在很多情况下会带来诸多不便，而非接触式的体征检测技术主要依靠雷达系统来实现，能远程检测，不需要直接接触人体，因此带来很大的便利，而毫米波雷达由于其环境适应性好、抗干扰能力强、测量精度高等优点，越来越多的被用于检测人体生命体征。多个人体目标生命体征检测具有广泛的应用，例如驾驶员疲劳检测，医院病患监控，儿童睡眠监控等。
传统的接触式生命体征探测仪使用场景有限，且舒适度差。而基于毫米波雷达的生命体征检测具有舒适性强，可全天时全天候监控，在一定程度上具有隐私保护等优点，使其具有了较多应用场景。然而，现有毫米波雷达在杂波背景下进行目标检测时效果不理想，难以分离邻近的人体目标物，定位精度较低。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法，其目的在于，利用空时编码对线性调频信号进行相位编码，并在接收端进行解码分离并对构建的阵列化信号进行距离二维平滑和空间谱估计从而减少杂波干扰，进行邻近的人体目标分离，实现多个人体目标二维平面定位；进而对分离后的多个人体目标对应的生命体征信号及杂波散射点相位信号进行变分约束多模态分解，由呼吸心跳的频率和幅值判断是否为人体目标信号，进而获得各个所述人体目标对应的生命体征参数；由此解决现有毫米波雷达在杂波背景下进行目标检测时难以分离邻近的人体目标的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法，包括：
S1：利用空时分组码对线性调频信号初相进行调制得到多路目标调制信号；利用毫米波MIMO雷达的多个发射天线各发射一路所述目标调制信号至所处环境内预设区域，所述预设区域包括一块遮挡幕布，及幕布后的多个邻近人体目标；
S2：利用所述毫米波MIMO雷达的多个接收天线分别接收所述遮挡物及多个所述人体目标域反射的回波信号；将各路所述回波信号分别与参考调制信号进行混频滤波得到各自对应的基带信号；对多个所述基带信号进行提取重组，并在多个距离采样点上进行空时解耦以构建阵列化信号；对所述阵列化信号进行极坐标下距离方位二维平滑和空间谱估计，分离出邻近的多个所述人体目标，并估计其距离方位估计值，实现多个所述人体目标的二维平面定位；
S3：针对各个所述人体目标及所述遮挡物对应的杂波散射点，从所述回波信号中提取连续多个时间帧中的相位信息，以获得各自对应的相位差值序列；对各个所述相位差值序列进行平滑滤波，构建各个所述人体目标对应的生命体征信号及杂波散射点相位信号；
S4：对各个所述生命体征信号及所述杂波散射点相位信号进行变分约束多模态分解，利用呼吸心跳的频率和幅值过滤模态分解后的杂波散射点相位信号，从而获得各个所述人体目标对应的生命体征参数。
在其中一个实施例中，所述S1中的多路所述目标调制信号为：
其中，
为第p发射天线在第m个扫频周期内发射的目标调制信号，p＝1,2,…,P，m＝1,2,…,M，P为所述MIMO雷达中发射天线的数量，M为扫频周期的个数，f0为起始频率，μ为扫频斜率，
为经过空时编码后得到的目标调制信号的初始相位。
在其中一个实施例中，所述S2中对多个所述基带信号进行提取重组，并在多个距离采样点上进行空时解耦以构建阵列化信号，包括：
S21：提取每个所述基带信号中每一扫频周期内第n个距离采样点Y，其中Y∈Q*N*M，重组形成尺寸为Q×M的重组矩阵
，Q为所述MIMO雷达中接收天线的数量，N为距离采样点数；对每个所述距离采样点上的重组基带信号进行空时解耦操作得到解码信号
，其表达式为：
Φ为相位调制矩阵，Φ中第(p,m)个元素为
对所述解码信号
进行向量化以构建所述阵列化信号
S22：对所述阵列化信号
进行极坐标下距离方位二维平滑得到多个子阵列，将多个所述子阵列进行组合得到联合阵列化信号Z，利用空间谱估计所述联合阵列化信号Z得到相应谱函数PMUSIC(r,θ)为：
其中，r为目标对应的距离，θ为目标对应的方位角，a(r,θ)为所述空时联合虚拟子阵信号Z的导向矢量，a(r,θ)H为Z的共轭转置矩阵，UN为Z进行奇异值分解后得到的噪声子空间；
S23：将所述谱函数的极大值对应的r与θ分别作为杂波散射点及各个所述人体目标对应的距离估计值和方位角估计值，从而实现多个人体目标的二维平面定位，并分离多个所述人体目标。
在其中一个实施例中，所述S3包括：
针对探测到第d个人体目标或杂波散射点，从所述回波信号中提取连续N帧中相位信息
，并获得对应的相位差序列为
对所述相位差值序列
进行S-G平滑滤波处理，得到杂波散射点的相位信号或第d个人体目标的生命体征信号fd(n)，
其中，ΔRn'为胸腔振动引起的位移变化，fd(n)是平滑后第n点的值，(2m+1)为平滑窗的大小，ci为所述相位差值序列
在平滑窗中的权重。
在其中一个实施例中，所述S4包括：
(a)构造变分约束优化模型：
uk(n)为模态函数，ωk为其中心频率，fd(n)为原始信号。
(b)引入了二次惩罚因子α和拉格朗日乘子λ，将所述变分优化模型的约束性变分问题转换为非约束变分问题，从而获得增广拉格朗日优化模型：
(c)将多个所述生命体征信号fd(n)进行傅里叶变换得到
(d)初始化定义分解的总模态数为K，初始化模态值
，各个模态对应的中心频率
、拉格朗日乘子
及迭代次数n的值，k为分解的模态个数，W为设置最大的迭代次数。
(e)将
利用傅里叶变换转换到频域，采用乘法算子交替法更新各个模态得到：
(f)更新各模态的中心频率得到
(g)更新拉格朗日乘子
τ表示双上升时间步长；
重复步骤(e)-(g)直至设置优化截至判断条件为
或n＞W，从而分离得到K个模态分量；将所述K个模态分量从时域转换到频域，以获得呼吸与心跳频率差异和震动幅值差异，由生命体征特点判断探测目标是否为人体目标或杂波散射点，进而获得各个所述人体目标对应的生命体征参数。
按照本发明的另一方面，提供了一种杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测装置，包括：
发射模块，用于利用空时分组码对线性调频信号相位进行调制得到多路目标调制信号；利用毫米波MIMO雷达的多个发射天线各发射一路所述目标调制信号至所处环境内预设区域，所述预设区域包括一块遮挡幕布，及幕布后的多个邻近人体目标；
接收模块，用于利用所述毫米波MIMO雷达的多个接收天线分别接收遮挡物及多个所述目标反射的回波信号；将各路所述回波信号分别与所述第一发射天线发射的目标调制信号进行混频得到各自对应的基带信号；对多个所述基带信号进行提取重组，并在距离采样点上进行空时解耦以构建阵列化信号；
定位模块，对所述阵列化信号在极坐标下进行距离方位二维平滑，并应用空间谱估计以减少杂波干扰，分离邻近多个人体目标，并估计其距离方位估计值，实现多个人体目标二维平面定位；
获取模块，用于针对所述人体目标及杂波散射点，从所述回波信号中提取连续多个时间帧中的相位信息，以获得对应的相位差值序列；对各个所述目标及杂波散射点的相位差值序列进行平滑滤波，构建各个所述人体目标对应的生命体征信号及杂波散射点相位信号；
分解模块，用于对各个所述人体目标生命体征信号及杂波散射点的相位信号进行变分约束多模态分解，由呼吸心跳的频率和幅值判断是否为人体目标信号，并获得各个所述人体目标对应的生命体征参数。
按照本发明的另一方面，提供了一种毫米波MIMO雷达，包括：
发射端，用于利用空时分组码对线性调频信号进行相位调制得到多路目标调制信号；通过多个发射天线各发射一路所述目标调制信号至所处环境内预设区域，所述预设区域包括遮挡物及遮挡物后的多个邻近人体目标；
接收端，用于利用多个接收天线分别接收所述遮挡物及多个所述人体目标反射的回波信号；将各路所述回波信号分别与所述第一发射天线发射的目标调制信号进行混频得到各自对应的基带信号；对多个所述基带信号进行提取重组，并在距离采样点上进行空时解耦以构建阵列化信号，对所述阵列化信号在极坐标下进行距离方位二维平滑，并应用空间谱估计以减少杂波干扰，分离邻近多个人体目标，并估计其距离方位估计值，实现多个人体目标二维平面定位；针对每个所述目标及所述遮挡物对应的杂波散射点，从所述回波信号中提取连续多个时间帧中的相位信息，以获得各自对应的相位差值序列；对各个所述人体目标及杂波散射点的相位差值序列进行平滑滤波，构建各个所述人体目标对应的生命体征信号及杂波散射点相位信号，对杂波散射点相位信号及各个所述目标的生命体征信号进行变分约束多模态分解，利用呼吸心跳的频率和幅值过滤模态分解后的杂波散射点相位信号，从而获得各个所述人体目标对应的生命体征参数。
按照本发明的另一方面，提供了一种生命体征检测系统，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
按照本发明的另一方面，提供了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上述方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明利用空时编码对MIMO雷达发射信号进行相位编码，并在接收端距离采样点上进行解码分离以构建阵列化信号，同时获得空间分集和时间分集增益；对构建的阵列化信号进行距离方位二维平滑，空间谱估计技术，降低杂波干扰，分离邻近的人体目标，估计其距离方位值，进行多个人体目标二维平面定位；通过对杂波散射点及分离后的邻近多个人体目标相位信息进行相位差值及平滑滤波处理，获取杂波散射点相位信号机邻近多个人体目标的生命体征信号，可增强心跳信号及去除毛刺，以免受到错误数据影响；多个人体目标生命体征参数估计方面，通过变分约束多模态分解，由呼吸心跳的频率和幅值判断是否为人体目标信号，并获得各个所述人体目标对应的生命体征参数。相较于传统方法，该杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法，可在较强杂波干扰的情况下同时检测分离邻近多个人体目标，判断目标是否为人体目标，并准确估计目标生命体征参数，该方法简单高效，参数估计精度高，并且易于实现；
(2)本发明所提方法可在较强杂波干扰情况下，检测并分离场景内的邻近多个人体目标，且当目标处于同一距离元时可以通过方位门对其进行筛选分离，然后通过变分约束多模态优化算法分离各个目标的呼吸心跳信号。与传统的基于滤波的生命体征提取方法相比，本发明分离提取后的波形周期性明显，波形平滑，不受谐波影响，可以更加直观的观测各个目标呼吸、心跳变化情况，生命体征参数估计精度高。
附图说明
图1为本发明一实施例中杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法的流程图；
图2为本发明一实施例中杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法的应用场景图；
图3为本发明一实施例中杂波背景下毫米波MIMO雷达探测的环境目标效果图；
图4为本发明实施例中目标一的呼吸心跳参数图；
图5为本发明实施例中目标二的呼吸心跳参数图。
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，以下结合附图及实施例，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。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法，包括：
S1：利用空时分组码对线性调频信号初相进行调制得到多路目标调制信号；利用毫米波MIMO雷达的多个发射天线各发射一路所述目标调制信号至所处环境内预设区域，所述预设区域包括遮挡物及遮挡物后的多个邻近人体目标；
S2：利用所述毫米波MIMO雷达的多个接收天线分别接收遮挡物和多个目标反射的回波信号；将各路所述回波信号分别与参考调制信号进行混频滤波后得到各自对应的基带信号；对多个所述基带信号进行提取重组，并在距离采样点进行空时解耦以构建阵列化信号，对所述阵列化信号在极坐标下进行距离方位二维平滑，并应用空间谱估计以减少杂波干扰，分离邻近多个人体目标，并估计其距离方位估计值，实现多个人体目标二维平面定位；
S3：针对所述人体目标及杂波散射点，从所述回波信号中提取连续多个时间帧中的相位信息，以获得对应的相位差值序列；对各个所述目标及杂波散射点的相位差值序列进行平滑滤波，构建各个所述人体目标对应的生命体征信号及杂波散射点相位信号；
S4：对各个所述人体目标生命体征信号及杂波散射点的相位信号进行变分约束多模态分解，由呼吸心跳的频率和幅值判断是否为人体目标信号，并获得各个所述人体目标对应的生命体征参数。
图1为本发明实施例提供的杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法的流程图。参阅图1，结合图2-图5，对本实施例中杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法进行详细说明，方法包括步骤1-步骤5。
步骤1，利用空时分组码对线性调频信号的初相进行调制，毫米波MIMO雷达发射天线发射空时分组码调制后的线性调频信号为：
其中，
为第p根发射天线在第m个扫频周期内发射的调制后的线性调频信号，p＝1,2,…,P，m＝1,2,…,M，P为所述MIMO雷达中发射天线的数量，M为扫频周期的个数，f0为起始频率，μ为扫频斜率，
为经过空时编码后线性调频信号的相位。
以图2所示应用场景为例说明该基于毫米波MIMO雷达的多个人体目标生命体征检测方法，MIMO雷达例如选用IWR1843毫米波雷达，发射天线和接收天线的数量分别为2和4；场景内有一块遮挡幕布，雷达放置在幕布前方，两个人体目标1及目标2在幕布后方，与雷达垂直方向角度分别为-5°和10°，雷达工作的初始频率为77GHz，终止频率为79.73GHz，调频率为80MHz/μs，采样率为10MHz，一帧中每根天线发射两个线性调频脉冲，每个脉冲持续时间为50us，一帧时间为50ms，每个脉冲采样点数为100，持续发射500帧，共25s的探测时间。对应图2所示应用场景，步骤1中利用空时分组码对两个扫频周期的线性调频信号进行初相调制，相位调制矩阵为
步骤2，将每一根接收天线接收的信号分别与第一根发射天线的信号进行混频，得到基带信号，提取每个所述基带信号中每一扫频周期内第n个采样点Y，其中Y∈Q*N*M，重组形成尺寸为Q×M的重组矩阵
，Q为所述MIMO雷达中接收天线的数量，N为距离采样点数，对每个所述距离采样点上的重组基带信号进行空时解耦操作得到解码信号
为：
其中
为相位调制矩阵，对解码信号
向量化构建阵列化信号
。对所述阵列化信号进行距离方位二维平滑，得到多个子阵列、组合得到联合阵列化信号Z，利用空间谱估计可降低杂波干扰，分离邻近的人体目标且估计邻近的人体目标距离方位参数，相应谱函数为：
其中，PMUSIC(r,θ)为其谱函数，r为目标距离，θ为目标方位角，a(r,θ)为所述Z的导向矢量，a(r,θ)H为其共轭转置矩阵，UN为所述Z进行奇异值分解后得到的噪声子空间。对于不同的r与θ计算谱函数的值，寻找谱函数的极大值，其对应的r与θ值即为每个目标距离和方位角的估计值，获得多个人体目标二维平面定位。
步骤3，构建邻近各目标对应生命体征信号包括：
提取连续N帧中杂波散射点或邻近的人体目标中第d个目标的相位信息
，获得相位差序列为：
其中，ΔRn'为胸腔振动引起的位移变化，对杂波散射点或第d个目标的相位差值序列进行S-G平滑滤波处理，构建目标生命体征信号为：
其中，fd(n)是平滑后第n点的值，(2m+1)为平滑窗大小，ci为
在平滑窗中的权重，可由最小二乘法拟合多项式求得。
步骤4，对杂波散射点相位信号及各目标生命体征信号进行变分约束多模态分解包括：
(a)构造变分约束优化模型，变分优化模型如下：
其中uk(n)为模态函数，ωk为其中心频率，fd(n)为原始信号。
(b)引入了二次惩罚因子α和拉格朗日乘子λ，将所述约束性变分问题转换为非约束变分问题，从而获得增广拉格朗日优化模型如下：
(c)对获取的多人生命体征信号fd(n)使用傅里叶变换转化到频域为
(d)初始化定义分解的总模态数为K，初始化模态值
，各个模态对应的中心频率
、拉格朗日乘子{λ1}及迭代次数n的值，k为分解的模态个数，W为设置最大的迭代次数。
(e)将
利用傅里叶变换转换到频域，通过采用乘法算子交替法得到更新后的模态为：
(f)同上，更新后各模态的中心频率
(g)更新拉格朗日乘子
τ表示双上升时间步长。
(h)设置优化截至判断条件为
或n＞W。
重复步骤(e)-(g)，直到达到优化截止条件(h)，即可分离得到K个模态分量输出。将所述K个模态分量从时域转换到频域获得呼吸与心跳频率差异和震动幅值差异，由生命体征特点判断探测目标是否为人体目标或杂波散射点，并依此判断各个模态是否为呼吸参数或心跳参数，从而完成优化分离。考虑到雷达探测到的人体生命体征微动包括呼吸，心跳及小幅肢体运动，因此将分离的模态分量K设为3，以达到分离体征信号的作用。对获取的各个模态，将时域信号转换到频域中，由于正常人体呼吸大约每分钟10～20次，心跳为每分钟60～100次，根据其频率及震幅值差异，判断是否为人体目标，并得到其呼吸或心跳参数。
图3为本方面实施例中杂波背景下毫米波MIMO雷达的邻近多个人体目标定位示意图，图4和图5分别示出了本发明实例中目标1及目标2构建的生命体征信号及经模型优化后的呼吸，心跳参数。
参阅图4中(a)描述了提取的目标1的生命体征信号，图5中(a)描述了提取的目标2的生命体征信号；图4中的(b1)和图5中(b1)描述了生命体征信号经模型优化后的呼吸相位变化；图4中的(b2)和图5中(b2)描述了模型优化后心跳相位变化。参阅图4中的(c1)和(c2)描述了目标1的心跳频率为1.28Hz，呼吸频率为0.20Hz；参阅图5中的(c1)和(c2)目标2的心跳频率为1.16Hz，呼吸频率为0.36Hz。
本发明还提供一种杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测装置，包括：
发射模块，用于利用空时分组码对线性调频信号相位进行调制得到多路目标调制信号；利用毫米波MIMO雷达的多个发射天线各发射一路所述目标调制信号至所处环境内预设区域，所述预设区域包括一块遮挡幕布，及幕布后的多个邻近人体目标；
接收模块，用于利用所述毫米波MIMO雷达的多个接收天线分别接收遮挡物及多个所述目标反射的回波信号；将各路所述回波信号分别与所述第一发射天线发射的目标调制信号进行混频得到各自对应的基带信号；对多个所述基带信号进行提取重组，并在距离采样点进行空时解耦以构建阵列化信号；
定位模块，对所述阵列化信号在极坐标下进行距离方位二维平滑，并应用空间谱估计以减少杂波干扰，分离邻近多个人体目标，并估计其距离方位估计值，实现多个人体目标二维平面定位；
获取模块，用于针对所述人体目标及杂波散射点，从所述回波信号中提取连续多个时间帧中的相位信息，以获得对应的相位差值序列；对各个所述目标及杂波散射点的相位差值序列进行平滑滤波，构建各个所述人体目标对应的生命体征信号及杂波散射点相位信号；
分解模块，用于对各个所述人体目标生命体征信号及杂波散射点的相位信号进行变分约束多模态分解，由呼吸心跳的频率和幅值判断是否为人体目标信号，并获得各个所述人体目标对应的生命体征参数。
本发明还提供一种毫米波MIMO雷达，包括：
发射端，用于利用空时分组码对线性调频信号进行相位调制得到多路目标调制信号；通过多个发射天线各发射一路所述目标调制信号至所处环境内预设区域，所述预设区域包括一块遮挡幕布，及幕布后的多个邻近的人体目标；
接收端，用于利用多个接收天线分别接收遮挡物及多个所述人体目标反射的回波信号；将各路所述回波信号分别与所述第一发射天线发射的目标调制信号进行混频得到各自对应的基带信号；对多个所述基带信号进行提取重组，并在距离采样点上进行空时解耦以构建阵列化信号，对所述阵列化信号在极坐标下进行距离方位二维平滑，并应用空间谱估计以减少杂波干扰，分离邻近多个人体目标，并估计其距离方位估计值，实现多个人体目标二维平面定位；针对每个所述目标及杂波散射点，从所述回波信号中提取连续多个时间帧中的相位信息，以获得对应的相位差值序列；对各个所述目标及杂波散射点的相位差值序列进行平滑滤波，构建各个所述人体目标对应的生命体征信号及杂波散射点相位信号，对杂波散射点相位信号及各个所述目标的生命体征信号进行变分约束多模态分解，由呼吸心跳的频率和幅值判断是否为人体目标信号，并获得各个所述人体目标对应的生命体征参数。
本发明还提供一种多个人体目标生命体征检测系统，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述的方法的步骤。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法，其特征在于，包括：
S1：利用空时分组码对线性调频信号进行相位调制得到多路目标调制信号；利用毫米波MIMO雷达的多个发射天线各发射一路所述目标调制信号至所处环境内预设区域，所述预设区域包括遮挡物及遮挡物后的多个邻近人体目标；
S2：利用所述毫米波MIMO雷达的多个接收天线分别接收所述遮挡物及多个所述人体目标域反射的回波信号；将各路所述回波信号分别与参考调制信号进行混频滤波得到各自对应的基带信号；对多个所述基带信号进行提取重组，并在多个距离采样点上进行空时解耦以构建阵列化信号；对所述阵列化信号进行极坐标下距离方位二维平滑和空间谱估计，分离出邻近的多个所述人体目标，并估计其距离方位估计值，实现多个所述人体目标的二维平面定位；
S3：针对各个所述人体目标及所述遮挡物对应的杂波散射点，从所述回波信号中提取连续多个时间帧中的相位信息，以获得各自对应的相位差值序列；对各个所述相位差值序列进行平滑滤波，构建各个所述人体目标对应的生命体征信号及杂波散射点相位信号；
S4：对各个所述生命体征信号及所述杂波散射点相位信号进行变分约束多模态分解，利用呼吸心跳的频率和幅值过滤模态分解后的杂波散射点相位信号，从而获得各个所述人体目标对应的生命体征参数。
2.如权利要求1所述的杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法，其特征在于，所述S1中的多路所述目标调制信号为：
其中，
为第p发射天线在第m个扫频周期内发射的目标调制信号，p＝1,2,…,P，m＝1,2,…,M，P为所述MIMO雷达中发射天线的数量，M为扫频周期的个数，f0为起始频率，μ为扫频斜率，
为经过空时编码后得到的目标调制信号的初始相位。
3.如权利要求2所述的杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法，其特征在于，所述S2中对多个所述基带信号进行提取重组，并在多个距离采样点上进行空时解耦以构建阵列化信号，包括：
S21：提取每个所述基带信号中每一扫频周期内第n个距离采样点Y，其中Y∈Q*N*M，重组形成尺寸为Q×M的重组矩阵
Q为所述MIMO雷达中接收天线的数量，N为距离采样点数；对每个所述距离采样点上的重组基带信号进行空时解耦操作得到解码信号
其表达式为：
Φ为相位调制矩阵，Φ中第(p,m)个元素为
对所述解码信号
进行向量化以构建所述阵列化信号
S22：对所述阵列化信号
进行极坐标下距离方位二维平滑得到多个子阵列，将多个所述子阵列进行组合得到联合阵列化信号Z，利用空间谱估计所述联合阵列化信号Z得到相应谱函数PMUSIC(r,θ)为：
其中，r为目标对应的距离，θ为目标对应的方位角，a(r,θ)为所述空时联合虚拟子阵信号Z的导向矢量，a(r,θ)H为Z的共轭转置矩阵，UN为Z进行奇异值分解后得到的噪声子空间；
S23：将所述谱函数的极大值对应的r与θ分别作为杂波散射点及各个所述人体目标对应的距离估计值和方位角估计值，从而实现多个人体目标的二维平面定位，并分离多个所述人体目标。
4.如权利要求1所述的杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法，其特征在于，所述S3包括：
针对探测到第d个人体目标或杂波散射点，从所述回波信号中提取连续N帧中相位信息
并获得对应的相位差序列为
对所述相位差值序列
进行S-G平滑滤波处理，得到杂波散射点的相位信号或第d个人体目标的生命体征信号fd(n)，
其中，ΔRn'为胸腔振动引起的位移变化，fd(n)是平滑后第n点的值，(2m+1)为平滑窗的大小，ci为所述相位差值序列
在平滑窗中的权重。
5.如权利要求4所述的杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测方法，其特征在于，所述S4包括：
(a)构造变分约束优化模型：
uk(n)为模态函数，ωk为其中心频率，fd(n)为原始信号；
(b)引入了二次惩罚因子α和拉格朗日乘子λ，将所述变分优化模型的约束性变分问题转换为非约束变分问题，从而获得增广拉格朗日优化模型：
(c)将多个所述生命体征信号fd(n)进行傅里叶变换得到
(d)初始化定义分解的总模态数为K，初始化模态值
各个模态对应的中心频率
拉格朗日乘子{λ1}及迭代次数n的值，k为分解的模态个数，W为设置最大的迭代次数；
(e)将
利用傅里叶变换转换到频域，采用乘法算子交替法更新各个模态得到：
(f)更新各模态的中心频率得到
(g)更新拉格朗日乘子
τ表示双上升时间步长；
重复步骤(e)-(g)直至设置优化截至判断条件为
或n＞W，从而分离得到K个模态分量；将所述K个模态分量从时域转换到频域，以获得呼吸与心跳频率差异和震动幅值差异，由生命体征特点判断探测目标是否为人体目标，进而获得各个所述人体目标对应的生命体征参数。
6.一种杂波背景下毫米波MIMO雷达的邻近多目标生命体征检测装置，其特征在于，包括：
发射模块，用于利用空时分组码对线性调频信号相位进行调制得到多路目标调制信号；利用毫米波MIMO雷达的多个发射天线各发射一路所述目标调制信号至所处环境内预设区域，所述预设区域包括一块遮挡幕布，及幕布后的多个邻近人体目标；
接收模块，用于利用所述毫米波MIMO雷达的多个接收天线分别接收遮挡物及多个所述目标反射的回波信号；将各路所述回波信号分别与所述第一发射天线发射的目标调制信号进行混频得到各自对应的基带信号；对多个所述基带信号进行提取重组，并在距离采样点上进行空时解耦以构建阵列化信号；
定位模块，对所述阵列化信号在极坐标下进行距离方位二维平滑，并应用空间谱估计以减少杂波干扰，分离邻近多个人体目标，并估计其距离方位估计值，实现多个人体目标二维平面定位；
获取模块，用于针对所述人体目标及杂波散射点，从所述回波信号中提取连续多个时间帧中的相位信息，以获得对应的相位差值序列；对各个所述目标及杂波散射点的相位差值序列进行平滑滤波，构建各个所述人体目标对应的生命体征信号及杂波散射点相位信号；
分解模块，用于对各个所述人体目标生命体征信号及杂波散射点的相位信号进行变分约束多模态分解，由呼吸心跳的频率和幅值判断是否为人体目标信号，并获得各个所述人体目标对应的生命体征参数。
7.一种毫米波MIMO雷达，其特征在于，包括：
发射端，用于利用空时分组码对线性调频信号进行相位调制得到多路目标调制信号；通过多个发射天线各发射一路所述目标调制信号至所处环境内预设区域，所述预设区域包括遮挡物及遮挡物后的多个邻近人体目标；
接收端，用于利用多个接收天线分别接收所述遮挡物及多个所述人体目标反射的回波信号；将各路所述回波信号分别与所述第一发射天线发射的目标调制信号进行混频得到各自对应的基带信号；对多个所述基带信号进行提取重组，并在距离采样点上进行空时解耦以构建阵列化信号，对所述阵列化信号在极坐标下进行距离方位二维平滑，并应用空间谱估计以减少杂波干扰，分离邻近多个人体目标，并估计其距离方位估计值，实现多个人体目标二维平面定位；针对每个所述目标及所述遮挡物对应的杂波散射点，从所述回波信号中提取连续多个时间帧中的相位信息，以获得各自对应的相位差值序列；对各个所述人体目标及杂波散射点的相位差值序列进行平滑滤波，构建各个所述人体目标对应的生命体征信号及杂波散射点相位信号，对杂波散射点相位信号及各个所述目标的生命体征信号进行变分约束多模态分解，利用呼吸心跳的频率和幅值过滤模态分解后的杂波散射点相位信号，从而获得各个所述人体目标对应的生命体征参数。
8.一种生命体征检测系统，包括存储器和处理器，所述存储器存储有计算机程序，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中任一项所述的方法的步骤。
9.一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 |
|---|---|---|---|
| CN202111548515.1A CN114259213B (zh) | 2021-12-17 | 2021-12-17 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111548515.1A CN114259213B (zh) | 2021-12-17 | 2021-12-17 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114259213A true CN114259213A (zh) | 2022-04-01 |
| CN114259213B CN114259213B (zh) | 2024-05-14 |
Family
ID=80827707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111548515.1A Active CN114259213B (zh) | 2021-12-17 | 2021-12-17 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114259213B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115694528A (zh) * | 2022-12-30 | 2023-02-03 | 武汉祥御兴生物技术有限公司 | 毫米波能量源及实现方法 |
| 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 |
| CN116381665A (zh) * | 2023-04-24 | 2023-07-04 | 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 |
| WO2023191720A3 (en) * | 2022-03-29 | 2023-11-09 | Agency For Science, Technology And Research | Methods and systems for tracking living objects |
| CN117724094A (zh) * | 2024-02-07 | 2024-03-19 | 浙江大华技术股份有限公司 | 生命体征检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109171731A (zh) * | 2018-09-04 | 2019-01-11 | 北京大学（天津滨海）新代信息技术研究院 | 一种无接触呼吸检测方法 |
| KR20210001217A (ko) * | 2019-06-27 | 2021-01-07 | 포항공과대학교 산학협력단 | 신호 분리 기반의 잡음 환경 내 실시간 생체 신호 탐지 장치 및 그 방법 |
| CN112741611A (zh) * | 2020-12-25 | 2021-05-04 | 上海交通大学 | 基于毫米波感知的多人体生命体征同步监测系统及方法 |
| CN113116320A (zh) * | 2021-04-23 | 2021-07-16 | 东南大学 | 一种基于vmd的fmcw雷达生命信号检测方法 |
| CN113281732A (zh) * | 2021-05-27 | 2021-08-20 | 华中科技大学 | 一种基于空时编码的mimo雷达目标定位方法及系统 |
| CN113440120A (zh) * | 2021-06-17 | 2021-09-28 | 北京航空航天大学 | 一种基于毫米波雷达的人员呼吸心跳检测方法 |
-
2021
- 2021-12-17 CN CN202111548515.1A patent/CN114259213B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109171731A (zh) * | 2018-09-04 | 2019-01-11 | 北京大学（天津滨海）新代信息技术研究院 | 一种无接触呼吸检测方法 |
| KR20210001217A (ko) * | 2019-06-27 | 2021-01-07 | 포항공과대학교 산학협력단 | 신호 분리 기반의 잡음 환경 내 실시간 생체 신호 탐지 장치 및 그 방법 |
| CN112741611A (zh) * | 2020-12-25 | 2021-05-04 | 上海交通大学 | 基于毫米波感知的多人体生命体征同步监测系统及方法 |
| CN113116320A (zh) * | 2021-04-23 | 2021-07-16 | 东南大学 | 一种基于vmd的fmcw雷达生命信号检测方法 |
| CN113281732A (zh) * | 2021-05-27 | 2021-08-20 | 华中科技大学 | 一种基于空时编码的mimo雷达目标定位方法及系统 |
| CN113440120A (zh) * | 2021-06-17 | 2021-09-28 | 北京航空航天大学 | 一种基于毫米波雷达的人员呼吸心跳检测方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023191720A3 (en) * | 2022-03-29 | 2023-11-09 | Agency For Science, Technology And Research | Methods and systems for tracking living objects |
| CN115694528A (zh) * | 2022-12-30 | 2023-02-03 | 武汉祥御兴生物技术有限公司 | 毫米波能量源及实现方法 |
| 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 |
| CN116381665A (zh) * | 2023-04-24 | 2023-07-04 | 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 |
| 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 |
| CN117724094A (zh) * | 2024-02-07 | 2024-03-19 | 浙江大华技术股份有限公司 | 生命体征检测方法 |
| CN117724094B (zh) * | 2024-02-07 | 2024-05-07 | 浙江大华技术股份有限公司 | 生命体征检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114259213B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN108279413B (zh) | 传感器以及生物体动作推定方法 | |
| Islam et al. | Separation of respiratory signatures for multiple subjects using independent component analysis with the JADE algorithm | |
| Ding et al. | A novel real-time human heart rate estimation method for noncontact vital sign radar detection | |
| CN114983354A (zh) | 一种呼吸频率和心跳频率的检测方法及装置 | |
| CN114052740B (zh) | 基于毫米波雷达的非接触心电图监测方法 | |
| 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 | |
| CN114305355B (zh) | 基于毫米波雷达的呼吸心跳检测方法、系统及装置 | |
| CN113786176B (zh) | 精确的毫米波雷达呼吸心跳测量方法、系统和存储介质 | |
| Wang et al. | Multi-target device-free wireless sensing based on multiplexing mechanisms | |
| Tang et al. | MDPose: Human skeletal motion reconstruction using WiFi micro-Doppler signatures | |
| Bresnahan et al. | Measurement of multiple simultaneous human vital signs using a millimeter-wave FMCW radar | |
| JP2022185752A (ja) | 生体情報検出システム、プログラム、及び、生体情報検出方法 | |
| Rong | Remote sensing for vital signs monitoring using advanced radar signal processing techniques | |
| Sarkar et al. | Through-wall heartbeat frequency detection using ultra-wideband impulse radar | |
| Gao et al. | A new direction for biosensing: RF sensors for monitoring cardio-pulmonary function | |
| Eder et al. | Sparse Non-Contact Multiple People Localization and Vital Signs Monitoring Via FMCW Radar | |
| CN116400316B (zh) | 雷达互干扰场景下的回波信号的处理方法 | |
| Vo Dai | Remote Human Vital Sign Monitoring Using Multiple-Input Multiple-Output Radar at Millimeter-Wave Frequencies | |
| CN116597521B (zh) | 一种人类轨迹及躯干活动识别方法及系统 | |
| CN116840805B (zh) | 基于mimo雷达与波束形成的人体生命体征检测方法 | |
| JP2023038700A (ja) | 生体情報検出システム、プログラム、及び、生体情報検出方法 | |
| WO2024058226A1 (ja) | 電子機器、電子機器の制御方法、及びプログラム | |
| CN116609755B (zh) | 一种基于超宽带雷达的生命体征检测方法及系统 | |
| KR102559663B1 (ko) | 공간적 위상 코히어런시에 기반한 활력 징후 측정 거리 결정 장치 및 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 |