基于SIMO雷达的多人心跳检测及定位方法和系统技术方案

本发明专利技术公开了一种基于SIMO雷达的多人心跳检测及定位方法和系统，方法包括：对雷达各通道回波信号进行幅度及相位校正；对校正后的信号进行加权，得到对应搜索角度的回波信号；对回波信号计算距离多普勒的二维FFT，并进行重构；成像得到人体目标的距离、角度信息；通过DBF原理计算最优方向图权矢量，之后计算距离维FFT；获取各人体目标生命体征信号；利用PCA、ZASLMS算法进行心率的估计，再利用张量分解理论算法，根据预估的心率对生命体征信号分解提取，得到目标心跳信号并恢复相应时域波形。本发明专利技术方法有效可行，性能可靠，可以准确判决位于不同或相同距离门内多个人体目标的距离、角度信息，抑制动静物体干扰并提取对应目标的心跳信号。跳信号。跳信号。

【技术实现步骤摘要】
基于SIMO雷达的多人心跳检测及定位方法和系统


[0001]本专利技术属于雷达
，特别是一种基于SIMO雷达的多人心跳检测及定位方法。

技术介绍

[0002]根据已有研究，多普勒雷达在人的生命体征信号探测领域得到广泛应用。并且该项技术在医疗救治、紧急救援、室内检测等方面的应用需求也越来越广泛。雷达能实现长时间、稳定的探测这一优点使得它比视频和红外探测技术更受关注。但是，现如今大多数多普勒雷达在生命体征探测方面仅能稳定地对单人目标信号进行监测，并且仅限于对呼吸信号的准确探测。随着雷达技术的不断发展和实际需求的不断提高，同时实现多人目标的定位与生命体征的探测有着广泛的应用前景。
[0003]目前，在多普勒雷达生命体征探测领域，许多研究在定位目标位置时，多是利用MTI等原理理论，只能去除静止物体干扰，在去除运动物体如风扇等的干扰方面没有深入研究，所以在定位成像时，容易受到除人体目标外动目标的干扰，误将运动物体判断为待测人体目标；文献《雷达杂波分类与抑制技术研究》中也研究了杂波干扰，运用了MTI原理对地杂波、海杂波等背景静止杂波进行了抑制，并未研究运动干扰物体对探测目标的干扰抑制。
[0004]同时，现有多个人体生命体征信号处理算法，集中于对呼吸信号波形和心跳频率的研究，对心跳信号时域波形的恢复研究较少，文献《基于毫米波雷达的生命体征信号检测研究》中，研究算法也仅限于两人目标的呼吸、心跳频率的检测，未涉及心跳信号波形的研究；文献《基于FMCW毫米波雷达的生命信号检测技术研究》中针对心跳信号的分离和提取利用了经验模态分解算法，但是提取结果存在模式混叠问题，信噪比较低，最终结果分析也仅限于频率的对比，未涉及时域波形的比较。

技术实现思路

[0005]本专利技术的目的在于提供一种针对上述现有技术存在的问题，提供一种基于SIMO雷达的多人心跳检测及定位的方法。
[0006]实现本专利技术目的的技术解决方案为：一种基于SIMO雷达的多人心跳检测及定位方法，所述方法包括以下步骤：
[0007]步骤1，对SIMO雷达进行各通道校正，之后针对搜索角度范围
‑
α～α之间的各个搜索角度，计算相应角度的导向矢量来对校正后的信号加权，获取搜索角度范围内的回波信号；所述搜索角度范围包含待测各人体目标的探测角度范围；
[0008]步骤2，根据步骤1各个搜索角度的回波信号分别计算距离多普勒二维FFT，利用二维稀疏重构算法，同时抑制静止和除人体外的运动物体的干扰，最后成像，获得各个待测人体目标的角度θ
p
、距离门信息d
p
；
[0009]步骤3，根据步骤2所获得的目标的角度信息θ
p
，计算出波束指向该角度的权矢量a(θ)来对回波信号加权，获得目标所在角度的回波信息s(k)，计算距离维FFT，由目标距离门
信息d
p
，得到目标所在角度内的生命体征信号；
[0010]步骤4，根据步骤3得到生命体征信号，取目标所在角度θ
p
处的生命体征信号LS[θ
p
,n]，运用分段PCA提取目标相位信息，再用零吸引符号最小均方误差ZASLMS算法预估出目标的心率f
h
；
[0011]步骤5，根据步骤4得到的目标心率f
h
，利用张量分解理论算法，对回波生命体征信号分解提取出人体目标的心跳信号波形。
[0012]进一步地，步骤1中所述对SIMO雷达进行各通道校正，之后针对搜索角度范围
‑
α～α之间的各个角度，计算相应角度的导向矢量来对校正后的信号加权，获取搜索角度范围内的回波信号，具体为：
[0013]步骤1
‑
1，以第一个接收通道为调整基准，计算其他通道相对于基准的幅度比值和相位差，得到一组幅度及相位校正系数C
adj
：
[0014][0015]式中，m＝1,
…
,M，M为接收通道个数，b
m
为第m个接收通道的频谱峰值的幅度值，为第m个接收通道的频谱峰值的相位值；
[0016]对SIMO雷达进行各通道校正：
[0017]B(k)＝C
adj
A(k)
[0018]式中，B(k)为各通道校正后的信号，A(k)为各通道原始信号，A(k)＝[s0(k),s1(k),
…
,s
m
(k)]，s
m
(k)为第m个通道的采样数据，k为每个通道的采样点；
[0019]步骤1
‑
2，在
‑
α～α内的各个搜索角度θ，分别计算对应的导向矢量a(θ)：
[0020]a(θ)＝[1 e
j2πdsin(θ)/λ
ꢀ…ꢀ
e
j2π(m
‑
1)dsin(θ)/λ
][0021]式中，d为阵元间距，θ为搜索角度，m为通道个数，λ为最高工作频率对应的波长；
[0022]步骤1
‑
3，以导向矢量a(θ)作为加权矢量，对所述各通道校正后的信号B(k)进行数字波束形成加权，得到搜索角度θ的回波信号s(k)：
[0023]s(k)＝a(θ)
H
B(k)。
[0024]进一步地，步骤2所述根据步骤1各个搜索角度的回波信号分别计算距离多普勒二维FFT，利用二维稀疏重构算法，同时抑制静止和除人体外的运动物体的干扰，最后成像，获得各个待测人体目标的角度θ
p
、距离门信息d
p
，具体包括：
[0025]步骤2
‑
1，对步骤1加权所得的各搜索角度的回波信号s(k)计算距离多普勒二维N点的FFT，得到矩阵RTM[N,N]；
[0026]步骤2
‑
2，设定一个多普勒门限f
t
，找到矩阵RTM[N,N]中的最大值点即目标，若对应目标的多普勒高出多普勒门限f
t
，则认为是干扰动目标，该角度雷达回波信号置为零；
[0027]步骤2
‑
3，若目标多普勒低于设定的多普勒门限f
t
，先对矩阵RTM[N,N]每一行求IFFT，进行多普勒维稀疏重构，稀疏度设为1，然后每一行求和，得到一个频域列向量，求该向量的IFFT，进行距离维的稀疏重构，稀疏度也设为1，得到该角度的抑制静止物体和多径杂波的干扰之后的雷达回波信号一维频域幅度矢量；
[0028]步骤2
‑
4，按步骤2
‑
3求得每个角度的回波信号一维幅度矢量，每个角度依次排列组合，最后得到角度距离维的成像图，对应成像点为人体目标所在位置，得到人体目标的角度θ
p
与距离门信息d
p
。
[0029]进一步地，步骤2
‑
3中稀疏重构算法步骤如下：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SIMO雷达的多人心跳检测及定位方法，其特征在于，所述方法包括以下步骤：步骤1，对SIMO雷达进行各通道校正，之后针对搜索角度范围
‑
α～α之间的各个搜索角度，计算相应角度的导向矢量来对校正后的信号加权，获取搜索角度范围内的回波信号；所述搜索角度范围包含待测各人体目标的探测角度范围；步骤2，根据步骤1各个搜索角度的回波信号分别计算距离多普勒二维FFT，利用二维稀疏重构算法，同时抑制静止和除人体外的运动物体的干扰，最后成像，获得各个待测人体目标的角度θ
p
、距离门信息d
p
；步骤3，根据步骤2所获得的目标的角度信息θ
p
，计算出波束指向该角度的权矢量a(θ)来对回波信号加权，获得目标所在角度的回波信息s(k)，计算距离维FFT，由目标距离门信息d
p
，得到目标所在角度内的生命体征信号；步骤4，根据步骤3得到生命体征信号，取目标所在角度θ
p
处的生命体征信号LS[θ
p
,n]，运用分段PCA提取目标相位信息，再用零吸引符号最小均方误差ZASLMS算法预估出目标的心率f
h
；步骤5，根据步骤4得到的目标心率f
h
，利用张量分解理论算法，对回波生命体征信号分解提取出人体目标的心跳信号波形。2.根据权利要求1所述的基于SIMO雷达的多人心跳检测及定位方法，其特征在于，步骤1中所述对SIMO雷达进行各通道校正，之后针对搜索角度范围
‑
α～α之间的各个角度，计算相应角度的导向矢量来对校正后的信号加权，获取搜索角度范围内的回波信号，具体为：步骤1
‑
1，以第一个接收通道为调整基准，计算其他通道相对于基准的幅度比值和相位差，得到一组幅度及相位校正系数C
adj
：式中，m＝1,
…
,M，M为接收通道个数，b
m
为第m个接收通道的频谱峰值的幅度值，为第m个接收通道的频谱峰值的相位值；对SIMO雷达进行各通道校正：B(k)＝C
adj
A(k)式中，B(k)为各通道校正后的信号，A(k)为各通道原始信号，A(k)＝[s0(k),s1(k),
…
,s
m
(k)]，s
m
(k)为第m个通道的采样数据，k为每个通道的采样点；步骤1
‑
2，在
‑
α～α内的各个搜索角度θ，分别计算对应的导向矢量a(θ)：a(θ)＝[1 e
j2πdsin(θ)/λ
…
e
j2π(m
‑
1)dsin(θ)/λ
]式中，d为阵元间距，θ为搜索角度，m为通道个数，λ为最高工作频率对应的波长；步骤1
‑
3，以导向矢量a(θ)作为加权矢量，对所述各通道校正后的信号B(k)进行数字波束形成加权，得到搜索角度θ的回波信号s(k)：s(k)＝a(θ)
H
B(k)。3.根据权利要求2所述的基于SIMO雷达的多人心跳检测及定位方法，其特征在于，步骤2所述根据步骤1各个搜索角度的回波信号分别计算距离多普勒二维FFT，利用二维稀疏重构算法，同时抑制静止和除人体外的运动物体的干扰，最后成像，获得各个待测人体目标的角度θ
p
、距离门信息d
p
，具体包括：
步骤2
‑
1，对步骤1加权所得的各搜索角度的回波信号s(k)计算距离多普勒二维N点的FFT，得到矩阵RTM[N,N]；步骤2
‑
2，设定一个多普勒门限f
t
，找到矩阵RTM[N,N]中的最大值点即目标，若对应目标的多普勒高出多普勒门限f
t
，则认为是干扰动目标，该角度雷达回波信号置为零；步骤2
‑
3，若目标多普勒低于设定的多普勒门限f
t
，先对矩阵RTM[N,N]每一行求IFFT，进行多普勒维稀疏重构，稀疏度设为1，然后每一行求和，得到一个频域列向量，求该向量的IFFT，进行距离维的稀疏重构，稀疏度也设为1，得到该角度的抑制静止物体和多径杂波的干扰之后的雷达回波信号一维频域幅度矢量；步骤2
‑
4，按步骤2
‑
3求得每个角度的回波信号一维幅度矢量，每个角度依次排列组合，最后得到角度距离维的成像图，对应成像点为人体目标所在位置，得到人体目标的角度θ
p
与距离门信息d
p
。4.根据权利要求3所述的基于SIMO雷达的多人心跳检测及定位方法，其特征在于，步骤2
‑
3中稀疏重构算法步骤如下：步骤2
‑3‑
1，对RTM[N,N]每一行求IFFT，得到N个一维原始稀疏信号矢量f
i
，i＝1,
…
,N；步骤2
‑3‑
2，对f
i
计算观测值：y＝Ψf
i
其中，高斯随机矩阵作为测量矩阵；步骤2
‑3‑
3，计算感知矩阵：其中，Φ＝(fft(eye(N,N)))
‑1为频域稀疏基矩阵，(
·
)
‑1为求逆操作，fft(
·
)为计算矩阵的FFT，eye(N,N)为生成N
×
N的单位矩阵；步骤2
‑3‑
4，此生命体征探测场景，令稀疏度k＝1，初始化残差r0＝y；步骤2
‑3‑
5，计算残差r和感知矩阵中的列的内积，找出其中最大值的索引λ
i
：式中，r为残差，为感知矩阵中的列，N为FFT点数；步骤2
‑3‑
6，计算本次重构集合为利用最小二乘法算出原始稀疏信号f
i
的逼近解：式中，为信号的逼近解，y为观测值，Θ
i
为重构集合，f
i
为原始稀疏信号；步骤2
‑3‑
7，求得N个逼近解后，每个矢量求和组成一维距离维列向量d
θ
(N
×
1)；步骤2
‑3‑
8，对d
θ
求IFFT，再执行步骤2
‑3‑
2至2
‑3‑
6的操作，求得当前角度的d
θ
的逼近解即为该角度的抑制干扰之后的一维幅度矢量。5.根据权利要求4所述的基于SIMO雷达的多人心跳检测及定位方法，其特征在于，步骤3所述根据步骤2所获得的目标的角度信息θ
p
，计算出波束指向该角度的权矢量a(θ)来对回波信号加权，获得目标所在角度的回波信息s(k)，计算距离维FFT，由目标距离门信息d
p
，得
到目标所在角度内的生命体征信号，具体包括：根据步骤1
‑
2中的导向矢量的计算方法，搜索角度限定为第p个人体目标所在角度θ
p
，由生命体征雷达检测，在距雷达约1.6m～2.5m距离处，人体角度宽度约为
±8°
，取[θ
p
‑
8,θ
p
+8]角度范围，以θ0为间隔，范围内的每个角度对应一个导向矢量，对回波信号B(k)加权，并计算距离维FFT，然后根据步骤2
‑
4成像图目标的距离门信息d
p
，提取出目标的生命体征信号共有...

【专利技术属性】
技术研发人员：洪弘，肖磊，赵恒，顾陈，丁传威，孙理，李彧晟，朱晓华，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：