一种基于超宽带雷达的人体微弱呼吸信号检测方法技术

本发明专利技术公开了一种基于超宽带雷达的人体微弱呼吸信号检测方法，包括步骤：采用超宽带雷达收集雷达回波信号，形成信号矩阵X(m,n)；对于每一个距离单元，将雷达回波信号记为x

A detection method of human weak respiratory signal based on UWB radar

【技术实现步骤摘要】
一种基于超宽带雷达的人体微弱呼吸信号检测方法
本专利技术属于微弱信号处理
，具体涉及一种基于超宽带雷达的人体微弱呼吸信号检测方法。
技术介绍
超宽带雷达技术是一种高频带宽无载波通信技术。与普通雷达相比，超宽带雷达具有功率低、高距离分辨率(毫米级)、强穿透能力、较好的抗动目标干扰能力和适宜于近距离探测等，尤其适合应用在生命探测领域。但是在灾后救援场景中，救援现场环境十分复杂，强噪声干扰使得基于雷达信号的生命探测任务非常艰巨，尤其是呼吸等微弱生命特征信号的提取非常困难。现有的技术方法大多使用单一的信号特征对生命体征进行检测。比如，中国专利号CN201910064564.4公开了一种基于超宽带雷达的生命体征检测方法及系统，对雷达回波信号进行快速傅里叶变换，提取其宏观频谱特征，进而与呼吸频段、心跳频段进行对比，最终实现对生命体征信号的检测。又如中国专利技术专利申请201810288607.2公开了一种基于超宽带雷达的人体呼吸速率和心率的测定方法，其技术方案的要点包括：超宽带雷达初始化；获取回波信号；依据回波信号计算人的位置信息；一维时间序列信号进行巴特沃斯带通滤波；对信号分别使用Min-Max归一化方法对信号进行增强；对增强的信号分别使用汉宁窗进行平滑；对平滑处理的信号进行快速离散傅里叶变换；寻找信号在呼吸区间和心率区间的峰值，作为呼吸和/或心跳的参数。由于人体的呼吸频率较微弱，易受环境等因素的影响。而灾后环境又十分复杂，在障碍物遮挡、人体轻微移动等情况下，会产生较大的低频干扰分量。因此，单一信号特征受不同类别的环境噪声的影响程度不一，存在在特定场景下单一信号特征被噪声淹没的情况。因此，仅凭一种信号特征来对生命体征信号进行检测的方法准确性和稳定性仍然欠缺。
技术实现思路
为了克服上述技术缺陷，本专利技术提供了一种基于超宽带雷达的人体微弱呼吸信号检测方法，其能提高对人体微弱生命特征检测的效率。为了解决上述问题，本专利技术按以下技术方案予以实现的：一种基于超宽带雷达的人体微弱呼吸信号检测方法，其特征在于，包括如下步骤：采用超宽带雷达收集雷达回波信号，形成M×N维的信号矩阵X(m,n)，其中M为距离单元的数量，N为慢时时刻，m＝0,1,...,M-1，n＝0,1,...,N-1；对于每一个距离单元，将雷达回波信号记为xm(n)；对雷达回波信号xm(n)进行Motion滤波和标准化处理后，获取标准化信号n＝0,1,...,N-1；对标准化信号进行希尔伯特黄变换，获取其微多普勒特征α1；对标准化信号进行快速傅里叶变换，获取其频谱特征α2；基于人体呼吸一般规律，构造无噪声呼吸信号x0(n)；对标准化信号和无噪声呼吸信号x0(n)进行相关分析，获取相关性特征α3；以微多普勒特征α1、频谱特征α2及相关性特征α3作为输入特征，使用支持向量机模型对雷达回波信号xm(n)进行分类；根据分类结果判断是否存在生命体及获取生命体所在位置信息。与现有技术相比，本专利技术的有益效果是：采用希尔伯特黄变换、傅里叶变换及相关分析从雷达回波信号中提取多种信号特征，进而使用多个指标对人体呼吸信号进行识别，提高对噪声的鲁棒性，满足灾害救援等成河下掩埋人员微弱生命特征检测的需求；此外，将支持向量机模型应用到呼吸信号的检测中，能快速区分人体呼吸及非人体呼吸信号，提高了对人体微弱生命特征检测的效率。作为本专利技术的进一步改进，所述对雷达回波信号xm(n)进行Motion滤波和标准化处理，获取标准化信号的步骤，包括如下步骤：对第m个距离单元上的雷达回波信号xm(n)进行Motion滤波得到滤波后的雷达回波信号以消除由障碍物或人体散射引起的静止杂波，计算公式如下：其中W＝[w(1),w(2),…,w(k)]为差分参数；对滤波后的雷达回波信号进行标准化计算，以统一量纲，计算公式如下：作为本专利技术的进一步改进，所述对标准化信号进行希尔伯特黄变换，获取其微多普勒特征α1的步骤，包括如下步骤：对于标准化信号进行经验模态分解，得到L个本征模分量yi(n)，i＝1,2,...,L；去除第一个含有高频噪声的本征模分量，选取第2-4个本征模分量，对筛选的每一个本征模分yi(n)(i＝2,3,4)量进行希尔伯特变换，得到瞬时幅值序列及瞬时频率序列i＝2,3,4，H[g]为希尔伯特变换；体现了信号的瞬时幅值，fiins(n)体现了的瞬时频率；针对每一条瞬时振幅序列计算其均值标准差2范数组成瞬时振幅特征序列针对每一条瞬时频率序列fiins(n)(i＝2,3,4)，计算其均值标准差2范数组成瞬时振幅特征序列基于步骤瞬时振幅特征序列SAins的值和瞬时振幅特征序列Sfins的值的计算结果，形成雷达回波信号的微多普勒特征α1＝[SAins,Sfins]。作为本专利技术的进一步改进，所述对标准化信号进行快速傅里叶变换，提取其频谱特征α2的步骤，包括如下步骤：对标准化信号进行快速傅里叶变换，得到其信号频谱提取频谱最大值和与频谱最大值对应的频率fmax，组成雷达回波信号的频谱特征作为本专利技术的进一步改进，所述基于人体呼吸一般规律，构造无噪声呼吸信号x0(n)的步骤，包括如下步骤：结合一般人体呼吸频率，构造频率与振幅固定的代表平稳呼吸信号的正弦波x0＝0.4sin(0.5πn)，其中，一般人体呼吸频率为12-20次每分钟。作为本专利技术的进一步改进，所述对标准化信号和构造信号x0(n)进行相关分析，获取相关性特征α3的步骤，包括如下步骤：根据标准化信号和无噪声呼吸信号x0(n)，计算其互相关系数ρ，从而获取雷达回波信号的相关性特征α3＝ρ。作为本专利技术的进一步改进，所述支持向量机模型是基于大量数据样本训练得到的模式识别模型。作为本专利技术的进一步改进，本专利技术还包括模式识别模型的训练步骤：进行多工况实验，收集多种探测环境下的雷达回波样本数据，探测环境包括障碍物类别、有无生命体、与生命体间的探测距离；根据雷达回波样本数据，对生命体信号与非生命体信号进行类别标注；根据雷达回波样本数据，计算与雷达回波样本数据相对应的微多普勒特征、频谱特征和相关性特征；根据微多普勒特征、频谱特征、相关性特征和所述类别标注，对所述支持向量机模型进行训练。作为本专利技术的进一步改进，所述根据分类结果判定是否存在生命体及获取生命体所在位置信息的步骤，包括如下步骤：若判定为生命体征信号，则表示第m个距离单元所对应的位置存在生命体。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明，其中：图1为本实施例所述人体微弱呼吸信号检测方法的流程图；图2为本实施例所述步骤A中获得的基于超宽带雷达的信号矩阵；图3为在原始的信号矩阵中，人体所在距离单元(第360单元)所对应的雷达回波信号；图4为图3所示的雷达回波信本文档来自技高网...

【技术保护点】
1.一种基于超宽带雷达的人体微弱呼吸信号检测方法，其特征在于，包括如下步骤：/n采用超宽带雷达收集雷达回波信号，形成M×N维的信号矩阵X(m,n)，其中M为距离单元的数量，N为慢时时刻，m＝0,1,...,M-1，n＝0,1,...,N-1；/n对于每一个距离单元，将雷达回波信号记为x

【技术特征摘要】
1.一种基于超宽带雷达的人体微弱呼吸信号检测方法，其特征在于，包括如下步骤：
采用超宽带雷达收集雷达回波信号，形成M×N维的信号矩阵X(m,n)，其中M为距离单元的数量，N为慢时时刻，m＝0,1,...,M-1，n＝0,1,...,N-1；
对于每一个距离单元，将雷达回波信号记为xm(n)；
对雷达回波信号xm(n)进行Motion滤波和标准化处理后，获取标准化信号
对标准化信号进行希尔伯特黄变换，获取其微多普勒特征α1；
对标准化信号进行快速傅里叶变换，获取其频谱特征α2；
基于人体呼吸一般规律，构造无噪声呼吸信号x0(n)；
对标准化信号和无噪声呼吸信号x0(n)进行相关分析，获取相关性特征α3；
以微多普勒特征α1、频谱特征α2及相关性特征α3作为输入特征，使用支持向量机模型对雷达回波信号xm(n)进行分类；
根据分类结果判断是否存在生命体及获取生命体所在位置信息。


2.根据权利要求1所述的人体微弱呼吸信号检测方法，其特征在于，所述对雷达回波信号xm(n)进行Motion滤波和标准化处理，获取标准化信号的步骤，包括如下步骤：
对第m个距离单元上的雷达回波信号xm(n)进行Motion滤波得到滤波后的雷达回波信号以消除由障碍物或人体散射引起的静止杂波，计算公式如下：



其中W＝[w(1),w(2),…,w(k)]为差分参数；
对滤波后的雷达回波信号进行标准化计算，以统一量纲，计算公式如下：





3.根据权利要求1所述的人体微弱呼吸信号检测方法，其特征在于，所述对标准化信号进行希尔伯特黄变换，获取其微多普勒特征α1的步骤，包括如下步骤：
对于标准化信号进行经验模态分解，得到L个本征模分量yi(n)，i＝1,2,...,L；
去除第一个含有高频噪声的本征模分量，选取第2-4个本征模分量，对筛选的每一个本征模分yi(n)(i＝2,3,4)量进行希尔伯特变换，得到瞬时幅值序列及瞬时频率序列H[g]为希尔伯特变换；体现了信号的瞬时幅值，fiins(n)体现了的瞬时频率；
针对每一条瞬时振幅序列计算其均值标准差2范数组成瞬时振幅特征序列
针对每一条瞬时频率序列fiins(n)(i＝2,3,4)，计算...

【专利技术属性】
技术研发人员：朱嘉健，樊哲宁，王立新，廖少毅，赵贤任，张移，李晋，杜鹏，谢海珠，荣培淼，
申请(专利权)人：广东省地震局，香港城市大学深圳研究院，
类型：发明
国别省市：广东;44