一种弱生命信号提取方法、装置、电子设备和存储介质制造方法及图纸

本公开提供了一种弱生命信号提取方法，生命信号包括呼吸信号，该方法包括：采集生命信号，生命信号为时域回波信号；对时域回波信号进行预处理，对预处理后的时域回波信号进行傅里叶变换，得到纯净时域回波信号；从纯净时域回波信号中截取预设频段范围内的信号，得到时频信号，时频信号包括噪声信号和呼吸信号；通过凸优化问题的形式表示时频信号、呼吸信号和噪声信号之间的关系，得到信号关系式；采用交替方向法从信号关系式中求得呼吸信号。本公开提供的弱生命信号提取方法，通过鲁棒主成分分析法求解时频信号的低秩分量来捕获生命信号，能够提升生命信号的输出信噪比，为低信噪比条件下提取弱生命信号提供可能。件下提取弱生命信号提供可能。件下提取弱生命信号提供可能。

【技术实现步骤摘要】
一种弱生命信号提取方法、装置、电子设备和存储介质


[0001]本公开用于穿墙人体生命信号探测领域，具体涉及一种弱生命信号提取方法、装置、电子设备和存储介质。

技术介绍

[0002]在地震救援(或穿墙)生命探测中，由于人体呼吸而引起的胸部震动幅度比较微弱，而且穿透墙体也给信号带来极大的衰减，这些都导致人体生命回波信号的信噪比比较低。另外，周围的环境噪声和雷达的不稳定性也降低了生命信号的输出信噪比。传统的生命信号提取方法是傅里叶变换(Fast Fourier Transform,FFT)，但该方法很难消除环境噪声的影响。有学者提出通过FFT方法和Hilbert Huang变换分析了呼吸信号的时频特性。该方法有效地改善了SNR，但是具有较大的计算复杂度。此外又有学者开发了一种在低SNR条件下进行呼吸检测的处理方法。主要步骤是通过主成分分析(Singular Value Decomposition,SVD)从嘈杂的时频信号中提取呼吸信号。SVD假定呼吸信号集中在较大的奇异值中，但是一些噪声仍保留在这些奇异值中，这将导致与呼吸信号相同频段的噪声仍然存在。因此有必要开发一种在低信噪比条件下提取人体生命信号的方法。
[0003]公开内容
[0004](一)要解决的技术问题
[0005]针对现有技术的上述不足，本公开的主要目的在于提供一种弱生命信号提取方法、装置、电子设备和存储介质，以期至少部分地解决上述技术问题中的至少之一。
[0006](二)技术方案
[0007]为了实现上述目的，根据本公开的一个方面，提供了一种弱生命信号提取方法，该方法包括：
[0008]采集生命信号，上述生命信号为时域回波信号；
[0009]从上述时域回波信号中截取预设频段范围内的信号，得到时频信号，上述时频信号包括噪声信号和呼吸信号；
[0010]通过凸优化问题的形式表示上述时频信号、上述呼吸信号和上述噪声信号之间的关系，得到信号关系式；
[0011]采用交替方向法从上述信号关系式中求得上述呼吸信号。
[0012]在一些实施例中，在快时间采样p点，慢时间采样q点，得到p
×
q的时域回波信号矩阵；
[0013]上述时域回波信号表示为：
[0014]x
e
(p，q)＝s(p，q)+h(p，q)+n(p，q)；
[0015]其中，x
e
(p，q)表示时域回波信号，s(p，q)表示呼吸信号，h(p，q)表示采样环境中固定目标的反射波形，n(p，q)表示采样环境中的杂波。
[0016]在一些实施例中，对上述时域回波信号进行预处理，对预处理后的时域回波信号进行傅里叶变换，得到纯净时域回波信号；
[0017]上述纯净时域回波信号表示为：
[0018]X(p，k)＝S(p，k)+N(p，k)；
[0019]其中，X(p，k)表示纯净时域回波信号，S(p，k)表示进行傅里叶变换后的纯净呼吸信号，N(p，k)表示进行傅里叶变换后的纯净噪声信号，k是纯净呼吸信号S(p，k)频率维度的索引，k＝1,2，
…
，K。
[0020]在一些实施例中，通过凸优化问题的形式表示上述时频信号、上述呼吸信号和上述噪声信号之间的关系，得到信号关系式：
[0021]min
S，N
‖S‖
*
+λ‖N‖1s.t.‖X
‑
S
‑
N‖
F
≤ε；
[0022]其中‖
·
‖
*
是核范数，‖
·
‖1是1范数，λ是用于权衡‖
·
‖
*
和‖
·
‖1的参数，‖
·
‖
F
是弗罗贝尼乌斯范数，表示重建误差，ε表示预设的迭代停止条件。
[0023]在一些实施例中，在采用交替方向法求得上述呼吸信号之前，上述方法还包括：
[0024]用最小化增广拉格朗日函数对上述信号关系式进行转换得到：
[0025][0026]其中，Y是拉格朗日乘数，β是正的惩罚参数，<
·
>表示标准内积。
[0027]在一些实施例中，上述采用交替方向法求得上述呼吸信号，具体包括：
[0028]使用奇异值分解法求解上述
[0029]固定上述噪声信号N(p，k)，上述呼吸信号S(p，k)表示为：
[0030][0031]使用奇异值分解法求解
[0032]固定上述呼吸信号S(p，k)，上述噪声信号N(p，k)表示为：
[0033][0034]通过残差X
‑
S
‑
N对上述拉格朗日乘数Y进行更新；
[0035]直至上述噪声信号N
p+1
和上述呼吸信号S
p+1
满足预设条件时，输出上述噪声信号N
p+1
和上述呼吸信号S
p+1
；
[0036]其中，U∑V
T
是X
‑
N
‑
β
‑1Y的奇异值分解；
[0037][0038]X∈X
p
×
k
，N0＝Y0＝0,β＝0.25/‖X‖1；
[0039]上述预设条件为：‖X
‑
S
p+1
‑
N
p+1
‖
F
/‖X‖
F
≤ε，ε表示预设的迭代停止条件。
[0040]在一些实施例中，上述预设频段范围包括人体实际呼吸频率范围；
[0041]从上述纯净时域回波信号中截取包括人体实际呼吸频率范围在内的信号，得到的
时频信号。
[0042]另一方面，本公开还提供一种弱生命信号提取装置，该装置包括：
[0043]采集模块，用于采集生命信号，上述生命信号为时域回波信号；
[0044]预处理模块，用于对上述时域回波信号进行预处理，对预处理后的时域回波信号进行傅里叶变换，得到纯净时域回波信号；
[0045]截取模块，用于从上述时域回波信号中截取预设频段范围内的信号，得到时频信号，上述时频信号包括噪声信号和呼吸信号；
[0046]关系模块，用于通过凸优化问题的形式表示上述时频信号、上述呼吸信号和上述噪声信号之间的关系，得到信号关系式；
[0047]提取模块，用于采用交替方向法从上述信号关系式中求得上述呼吸信号。
[0048]另一方面，本公开还提供一种电子设备，上述电子设备包括：
[0049]通信器，用于与服务器通信；
[0050]处理器；
[0051]存储器，其存储有计算机可执行程序，该计算机可执行程序在被上述处理器执行时，使得上述处理器执行如上述的弱生命信号提取方法。
...

【技术保护点】

【技术特征摘要】
1.一种弱生命信号提取方法，其特征在于，包括：采集生命信号，所述生命信号为时域回波信号；对所述时域回波信号进行预处理，对预处理后的时域回波信号进行傅里叶变换，得到纯净时域回波信号；从所述纯净时域回波信号中截取预设频段范围内的信号，得到时频信号，所述时频信号包括噪声信号和呼吸信号；通过凸优化问题的形式表示所述时频信号、所述呼吸信号和所述噪声信号之间的关系，得到信号关系式；采用交替方向法从所述信号关系式中求得所述呼吸信号。2.根据权利要求1所述的弱生命信号提取方法，其特征在于，在快时间采样p点，慢时间采样q点，得到p
×
q的时域回波信号矩阵；所述时域回波信号表示为：x
e
(p，q)＝s(p，q)+h(p，q)+n(p，q)；其中，x
e
(p，q)表示时域回波信号，s(p，q)表示呼吸信号，h(p，q)表示采样环境中固定目标的反射波形，n(p，q)表示采样环境中的杂波。3.根据权利要求1所述的弱生命信号提取方法，其特征在于，所述纯净时域回波信号表示为：X(p，k)＝S(p，k)+N(p，k)；其中，X(p，k)表示纯净时域回波信号，S(p，k)表示进行傅里叶变换后的纯净呼吸信号，N(p，k)表示进行傅里叶变换后的纯净噪声信号，k是纯净呼吸信号S(p，k)频率维度的索引，k＝1，2，...，K。4.根据权利要求3所述的弱生命信号提取方法，其特征在于，通过凸优化问题的形式表示所述时频信号、所述呼吸信号和所述噪声信号之间的关系，得到信号关系式：min
S，N
||S||
*
+λ||N|||
1 s.t.||X
‑
S
‑
N||
F
≤ε；其中||
·
||
*
是核范数，||
·
||1是1范数，λ是用于权衡||
·
||
*
和||
·
||1的参数，||
·
||
F
是弗罗贝尼乌斯范数，表示重建误差，ε表示预设的迭代停止条件。5.根据权利要求4所述的弱生命信号提取方法，其特征在于，在采用交替方向法求得所述呼吸信号之前，所述方法还包括：用最小化增广拉格朗日函数对所述信号关系式进行转换得到：其中，Y是拉格朗日乘数，β是正的惩罚参数，<
·
>表示标准...

【专利技术属性】
技术研发人员：叶盛波，潘俊，方广有，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：