一种基于EMD的自适应穿墙雷达静止人体目标定位方法技术

本发明专利技术公开了一种基于EMD的自适应穿墙雷达静止人体目标定位方法,涉及穿墙雷达技术，特别涉及穿墙雷达的静止目标探测与定位技术。本发明专利技术提供适用于MIMO穿墙雷达的静止目标定位算法。对接收的多周期数据进行快时间维傅里叶变换得到多周期距离像；再将多周期距离像按距离单元分解成多个列向量，用EMD算法处理每个列向量数据；通过慢时间维傅里叶变换将处理后的各个距离像转换到频域，自适应选择包含目标信息的距离像。最后通过BP成像算法快速成像，并结合PCF算法进一步抑制噪声与杂波。本发明专利技术具有定位精度高，可自适应处理数据的能力，可以直接应用到穿墙雷达装备中。

A EMD based adaptive positioning method for static human targets through wall radar

The invention discloses an EMD-based static human target location method for an adaptive wall-piercing radar, which relates to the wall-piercing radar technology, in particular to the static target detection and location technology of the wall-piercing radar. The invention provides a stationary target location algorithm suitable for MIMO through wall radar. The received multi-period data are decomposed into several column vectors according to the distance unit, and each column vector data is processed by EMD algorithm. The processed range images are converted into frequency domain by slow-time Fourier transform, and the inclusion is selected adaptively. Range information of target information. Finally, the BP imaging algorithm is used for fast imaging and combined with PCF algorithm to further suppress noise and clutter. The invention has the advantages of high positioning accuracy, self-adaptive data processing ability, and can be directly applied to the wall-piercing radar equipment.

【技术实现步骤摘要】
一种基于EMD的自适应穿墙雷达静止人体目标定位方法
本专利技术涉及穿墙雷达技术，特别涉及穿墙雷达的静止目标探测与定位技术。
技术介绍
穿墙雷达是利用发射特定频段的电磁波穿透建筑物，接收建筑物后人体等目标的散射回波数据实现对隐蔽目标成像检测跟踪的特种装备，近年来已经在反恐、巷战、灾难救援等军事及民用方面得到越来越广泛的应用。由于建筑墙体的存在，雷达回波中墙体直接回波非常强，导致目标信噪比较低。穿墙雷达中常用的运动目标滤波器(MTI)在处理静止目标时性能会受到限制，因目标微动幅度较小，滤波后的遗留杂波仍然较多。因此，实际应用中，从原始回波中准确提取目标信息，滤除原始回波杂波与噪声、提高目标信噪比并高精度成像是穿墙雷达成像后跟踪中的关键问题。对于穿墙雷达静止目标提取方法的研究，国内外研究机构已提出诸多解决方法。例如，通过快时间维傅里叶变换将多周期距离像转换到距离-多普勒平面，频域带通滤波后得到目标呼吸频率与目标距离；积累多周期数据，提高目标信噪比等。但是这些方法的数据利用率很低，需要处理多帧周期数据才能提取到一帧静止目标信息。另外，上述方法均未涉及到静止目标定位，只能提取到目标距离与频率信息，当信噪比很低时，上述方法也许不再适用。文献“Hilbert-HuangTransform(HHT)ProcessingofThrough-WallNoiseRadarDataforHumanActivityCharacterization”中用到了经验模态分解(EMD)分解原始基带信号的思想，该方法使多种人体动作的识别变得更加容易。但是这种方法需要知道目标先验位置，且不能自动选择分解后的信号分量，另外，该方法不涉及目标定位。从公开发表的文献资料来看，目前还没有一种基于EMD的自适应穿墙目标定位方法。因此，研究一种基于EMD的可自适应实现目标定位的方法具有重要的实际应用价值。
技术实现思路
本专利技术所要解决的技术问题是，在回波信噪比极低的情况下，提供一种去杂波效果好的，定位精度高的，适用于MIMO穿墙雷达的静止目标定位方法。本专利技术所采用的技术方案是，一种基于EMD的自适应穿墙雷达静止人体目标定位方法，该方法包括以：步骤1：生成多周期回波距离像；MIMO雷达不断向外发射步进频信号，同时接收目标回波信号；对其中一个通道而言，将接收到的多周期原始回波通过混频、低通滤波和采样后，对其做Y点快时间维离散傅里叶变换，得到多周期原始距离像；步骤2：分解多周期距离像；步骤2-1：找出多周期距离像中原始列信号的极大值点和极小值点，分别采用三次样条插值拟合，产生上下包络线，并计算上下包络的均值，记为m1(t)；步骤2-2：用列信号减去平均包络m1(t)，得到一个去掉低频的新序列h1(t)；重复迭代，直到收敛指标SD满足收敛条件SD∈[0.2,0.3]，得到列信号的第一个固有模态函数IMF；步骤2-3：从原始列信号中将第一个IMF分量分离出来，并对剩余部分采用步骤2-1和步骤2-2的方法做相同处理，分离出剩余部分的IMF分量，依次重复步骤2-3，将原始列信号分解为有限个不同阶的IMF分量和一个余项rn(t)；步骤3：自适应挑选距离像；对每个IMF分量做慢时间维傅里叶变换，转换到频率进行自动筛选；其中，含有的呼吸频率大于设定的阈值的IMF分量被提取出来，重新组成新的多周期距离像；步骤4：快速成像及优化；步骤4-1：通过背向投影BP算法，创建成像区域查找表，计算每个通道每个周期的距离延迟，相干叠加到成像区域上，实现快速BP成像。进一步的，计算每个通道，每个像素点的标准差，并计算对应的相位相干因子PCF；目标处由于各个通道相位相同，PCF值为1；其余像素点由于各个通道间相位不同，PCF值小于1；将原始图像域对应的相位相干因子相乘，进一步抑制杂波与噪声；进一步的，通过二维椭圆图像滤波技术将PCF处理后的图像进行平滑，进一步提高图像质量。进一步的，所述步骤1中回波信号中包括：墙体直接回波、环境杂波、目标回波；采用平均对消的方法消除墙体直接回波。进一步的，所述步骤1中第m个发射天线发射的步进频信号可以表示为：其中，f0为初始频率，Δf为频率步进，Ω为频点数，T0为每个频点的持续时间；第n个接收天线，..，接收到的目标回波为：其中，|Γ|ejφ表示目标复反射系数，τ(t)＝2r(t)/c表示目标传播时延。进一步的，所述步骤2的具体方法为：步骤2-1：多周期距离像中列信号为Peri(m,n,t)，找出Peri(m,n,t)的极大值点和极小值点，分别采用三次样条插值拟合，产生上下包络线eu(t)与ed(t)，并计算上下包络的均值，记为m1(t)：m1(t)＝(eu(t)+ed(t))/2步骤2-2：用列信号Peri(m,n,t)减去平均包络m1(t)，得到一个去掉低频的新序列h1(t)：h1(t)＝Peri(m,n,t)-m1(t)重复迭代，知道收敛指标SD满足收敛条件SD∈[0.2,0.3]，SD定义为：当满足收敛条件后，我们能得到列信号Peri(m,n,t)的第一个固有模态分量IMFi,1(m,n,t)：IMFi,1(m,n,t)＝h1k(t)其中k表示此时迭代次数；步骤2-3：将第一个固有模态分量从原始列向量中分离出来，并对剩余部分做相同处理，就能将原始信号分解为有限不同阶的IMF分量和一个代表原始信号序列均值或趋势的余项rn(t)：其中，IMFi,k(m,n,t)表示一系列不同频率范围的信号分量，设共分解了K组信号分量。对每个距离单元上的列向量Peri(m,n,t),i＝1,2,...Y均进行上述处理，我们能得到K组X-周期距离像。第k个分解后的距离像可以表示为：进一步的，所述步骤3的具体方法为：将每一个分解后的距离像做慢时间维傅里叶变换，将其转换到距离-多普勒(R-D)平面，用目标杂波比TCR自动判断该平面是否含有目标信息；TCR为呼吸频率能量与剩余频率区域能量总和的比值，可以表示为：其中，FT表示目标呼吸频率的能量，FR表示其余频率区域的能量总和；当TCR大于设定某个门限ε时，认为该R-D平面对应的距离像包含目标信息；保留该距离像；并舍弃其他距离像，就能最大限度的去除杂波与噪声，提高目标信噪比。保留的第k个距离像D'(m,n)可以表示为：D'(m,n)＝[IMF1,k(m,n,t),IMF2,k(m,n,t),...,IMFY,k(m,n,t)]＝[R'1(m,n,t),R'2(m,n,t),...,R'X(m,n,t)]Τ。进一步的，所述步骤4的具体方法为：步骤4-1：通过背向投影BP算法，创建成像区域查找表，计算每个通道每个周期的距离延迟，相干叠加到成像区域上，实现快速BP成像；根据BP成像算法，相干叠加各通道数据，第p周期，第rq个像素点的像素值为：其中，ω表示点扩展函数的权重因子，τmn是像素点rq与第m个发射天线和第n个接收天线的传播时延，R'p(m,n,τmn)表示第mn个通道中第rq个像素点的像素值；步骤4-2：计算每个通道，每个像素点的标准差，并计算对应的相位相干因子PCF；像素点rq的PCF值为：其中，表示像素点rq对应第m个发射天线第n个接收天线的相位，p≥1表示敏感因子，std(·)为标准差函数，复指数的标准差函数可以表示本文档来自技高网...

【技术保护点】
1.一种基于EMD的自适应穿墙雷达静止人体目标定位方法，该方法包括以：步骤1：生成多周期回波距离像；MIMO雷达不断向外发射步进频信号，同时接收目标回波信号；对其中一个通道而言，将接收到的多周期原始回波通过混频、低通滤波和采样后，对其做Y点快时间维离散傅里叶变换，得到多周期原始距离像；步骤2：分解多周期距离像；步骤2‑1：找出多周期距离像中原始列信号的极大值点和极小值点，分别采用三次样条插值拟合，产生上下包络线，并计算上下包络的均值，记为m1(t)；步骤2‑2：用列信号减去平均包络m1(t)，得到一个去掉低频的新序列h1(t)；重复迭代，直到收敛指标SD满足收敛条件SD∈[0.2,0.3]，得到列信号的第一个固有模态函数IMF；步骤2‑3：从原始列信号中将第一个IMF分量分离出来，并对剩余部分采用步骤2‑1和步骤2‑2的方法做相同处理，分离出剩余部分的IMF分量，依次重复步骤2‑3，将原始列信号分解为有限个不同阶的IMF分量和一个余项rn(t)；步骤3：自适应挑选距离像；对每个IMF分量做慢时间维傅里叶变换，转换到频率进行自动筛选；其中，含有的呼吸频率大于设定的阈值的IMF分量被提取出来，重新组成新的多周期距离像；步骤4：快速成像及优化；步骤4‑1：通过背向投影BP算法，创建成像区域查找表，计算每个通道每个周期的距离延迟，相干叠加到成像区域上，实现快速BP成像。...

【技术特征摘要】
1.一种基于EMD的自适应穿墙雷达静止人体目标定位方法，该方法包括以：步骤1：生成多周期回波距离像；MIMO雷达不断向外发射步进频信号，同时接收目标回波信号；对其中一个通道而言，将接收到的多周期原始回波通过混频、低通滤波和采样后，对其做Y点快时间维离散傅里叶变换，得到多周期原始距离像；步骤2：分解多周期距离像；步骤2-1：找出多周期距离像中原始列信号的极大值点和极小值点，分别采用三次样条插值拟合，产生上下包络线，并计算上下包络的均值，记为m1(t)；步骤2-2：用列信号减去平均包络m1(t)，得到一个去掉低频的新序列h1(t)；重复迭代，直到收敛指标SD满足收敛条件SD∈[0.2,0.3]，得到列信号的第一个固有模态函数IMF；步骤2-3：从原始列信号中将第一个IMF分量分离出来，并对剩余部分采用步骤2-1和步骤2-2的方法做相同处理，分离出剩余部分的IMF分量，依次重复步骤2-3，将原始列信号分解为有限个不同阶的IMF分量和一个余项rn(t)；步骤3：自适应挑选距离像；对每个IMF分量做慢时间维傅里叶变换，转换到频率进行自动筛选；其中，含有的呼吸频率大于设定的阈值的IMF分量被提取出来，重新组成新的多周期距离像；步骤4：快速成像及优化；步骤4-1：通过背向投影BP算法，创建成像区域查找表，计算每个通道每个周期的距离延迟，相干叠加到成像区域上，实现快速BP成像。2.如权利要求1所述的一种基于EMD的自适应穿墙雷达静止人体目标定位方法,其特征在于该方法步骤4后还包括计算每个通道，每个像素点的标准差，并计算对应的相位相干因子PCF；目标处由于各个通道相位相同，PCF值为1；其余像素点由于各个通道间相位不同，PCF值小于1；将原始图像域对应的相位相干因子相乘，进一步抑制杂波与噪声。3.如权利要求1所述的一种基于EMD的自适应穿墙雷达静止人体目标定位方法,其特征在于所述步骤1中回波信号中包括：墙体直接回波、环境杂波、目标回波；采用平均对消的方法消除墙体直接回波。4.如权利要求1所述的一种基于EMD的自适应穿墙雷达静止人体目标定位方法,其特征在于所述步骤1中第m个发射天线发射的步进频信号可以表示为：其中，f0为初始频率，Δf为频率步进，Ω为频点数，T0为每个频点的持续时间；第n个接收天线，..，接收到的目标回波为：其中，|Γ|ejφ表示目标复反射系数，τ(t)＝2r(t)/c表示目标传播时延。5.如权利要求1所述的一种基于EMD的自适应穿墙雷达静止人体目标定位方法,其特征在于所述步骤2的具体方法为：步骤2-1：多周期距离像中列信号为Peri(m,n,t)，找出Peri(m,n,t)的极大值点和极小值点，分别采用三次样条插值拟合，产生上下包络线eu(t)与ed(t)，并计算上下包络的均值，记为m1(t)：m1(t)＝(eu(t)+ed(t))/2步骤2-2：用列信号Peri(m,n,t)减去平均包络m1(t)，得到一个去掉低频的新序列h1(t)：h1(t)＝Peri(m,n,t)-m1(t)重复迭代，知道收敛指标SD满...

【专利技术属性】
技术研发人员：崔国龙，曹凌霄，陈国浩，郭世盛，李虎泉，孔令讲，杨晓波，易伟，张天贤，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51