【技术实现步骤摘要】
人体目标微多普勒频率估计方法
本专利技术属于测控领域，具体涉及一种人体目标微多普勒频率估计方法。
技术介绍
随着经济技术的发展，人们对监控探测和安全性的需求日益增加，目标检测和跟踪成为近年来备受关注的话题。人类通常存在于高度混乱的环境中，并且存在其他移动干扰目标，例如动物，这对人体目标的检测提出了独特的挑战。为了检测和识别人体目标运动，已经开发了各种传感器技术，包括使用计算机视觉，红外探测器，激光雷达等。与上述技术相比，多普勒穿墙雷达在人体运动识别方面具有许多独特的优势，它可以抑制静止杂波，穿透墙壁等障碍物，并且检测条件不受天气、光线等状况影响，可以广泛运用于边境安防、灾难救援等重要领域。通过人体的非刚性身体微动(如肢体运动)对雷达回波产生的时变多普勒效应，可以获取各目标独特的运动细节，从而精确刻画目标物理特性。其中，微多普勒频率可以作为人体运动的独特特征用于目标分类和运动状态识别。然而，在微多普勒频率的估计过程中，仍存在许多问题需解决。首先，由于人体柔性关节的微多普勒调制和复杂的运动模式对雷达回波的调制作用...
【技术保护点】
1.一种人体目标微多普勒频率估计方法，包括如下步骤：/nS1.获取多普勒雷达的回波信号时频分布数据；/nS2.根据步骤S1获取的回波信号时频分布数据，采用Viterbi算法搜索的初始路径计算一至三阶指数平滑值；/nS3.计算基于指数平滑预测的Viterbi算法的预测系数；/nS4.根据步骤S3计算的预测系数，构建Viterbi算法的惩罚函数；/nS5.构建基于指数平滑预测的Viterbi算法模型，并作为人体目标微多普勒频率估计模型；/nS6.根据步骤S5得到的人体目标微多普勒频率估计模型，完成人体目标微多普勒频率估计。/n
【技术特征摘要】
1.一种人体目标微多普勒频率估计方法，包括如下步骤：
S1.获取多普勒雷达的回波信号时频分布数据；
S2.根据步骤S1获取的回波信号时频分布数据，采用Viterbi算法搜索的初始路径计算一至三阶指数平滑值；
S3.计算基于指数平滑预测的Viterbi算法的预测系数；
S4.根据步骤S3计算的预测系数，构建Viterbi算法的惩罚函数；
S5.构建基于指数平滑预测的Viterbi算法模型，并作为人体目标微多普勒频率估计模型；
S6.根据步骤S5得到的人体目标微多普勒频率估计模型，完成人体目标微多普勒频率估计。
2.根据权利要求1所述的人体目标微多普勒频率估计方法，其特征在于步骤S1所述的获取多普勒雷达的回波信号时频分布数据，具体为采用如下算式表示多普勒雷达的回波信号时频分布数据r(t)：
式中N为人体散射部位个数；σi为人体目标第i个散射部位的散射幅度；vi(t)为第i个散射部位与人体质心的相对速度且θi为第i散射中心与雷达视线方向之间的角度；c为光速；Ri(0)为第i散射中心与雷达的初始视距；由第i散射部位引起的多普勒频移fdi(t)表示为fc为载波频率。
3.根据权利要求1所述的人体目标微多普勒频率估计方法，其特征在于步骤S2所述的根据步骤S1获取的回波信号时频分布数据，采用Viterbi算法搜索的初始路径计算一至三阶指数平滑值，具体为采用如下算式计算一至三阶指数平滑值：
式中为一阶指数平滑值；为二阶指数平滑值；为三阶指数平滑值；αml为所讨论区间内的待定平滑系数；为Viterbi算法在解调后的雷达回波信号时频分布的mi时刻搜索的初始路径。
4.根据权利要求3所述的人体目标微多普勒频率估计方法，其特征在于步骤S3所述的计算基于指数平滑预测的Viterbi算法的预测系数，具体为采用如下算式计算预测系数：
式中λ、γ和η为计算得到的预测系数；为一阶指数平滑值；为二阶指数平滑值；为三阶指数平滑值；αml为所讨论区间内的待定平滑系数。
5.根据权利要求4所述的人体目标微多普勒频率估计方法，其特征在于步骤S4所述的根据步骤S3计算的预测系数，构建V...
【专利技术属性】
技术研发人员：丁一鹏，柳润金，孙印花，高山流水，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。