本發(fā)明屬于生物雷達(dá)或雷達(dá)式生命探測與識別技術(shù)領(lǐng)域，特別涉及基于多通道hht的uwb雷達(dá)人體運動微多普勒特征提取方法。

背景技術(shù)：

超寬帶(ultrawideband,uwb)雷達(dá)作為一種新型的非接觸生命探測技術(shù)，且具有較高的距離分辨率和抗干擾性，其能夠穿透一定厚度的非金屬介質(zhì)(磚墻、廢墟等)、遠(yuǎn)距離、非接觸探測和識別人體目標(biāo)運動特征，逐漸應(yīng)用于反恐處突、人質(zhì)解救、城市巷戰(zhàn)，邊防安保和災(zāi)后搜救等場合，對提高部隊?wèi)?zhàn)斗力和保障人民群眾的生命安全具有重要作用。

微多普勒特征指除目標(biāo)主體運動外，其各部件微動均會對雷達(dá)波產(chǎn)生差異性多普勒調(diào)制，超寬帶雷達(dá)回波中蘊含微動信息將反應(yīng)目標(biāo)的幾何結(jié)構(gòu)和運動特征，有效的微多普勒特征提取和分析將為雷達(dá)目標(biāo)識別分類提供新途徑。然而，針對上述穿透探測應(yīng)用場景，目前人體運動超寬帶雷達(dá)微多普勒的分析與提取方法還存在以下問題：目標(biāo)運動微多普勒特征將分布于超寬帶雷達(dá)信號的多個距離單元，目前還未有針對超寬帶雷達(dá)進行微多普勒特征綜合分析與提取的方法；目標(biāo)運動微多普勒穿墻后衰減迅速，微多普勒特征將與強烈的墻體雜波和背景噪聲相互交織甚至被淹沒，使得微多普勒特征信噪比極地，難以提?。粋鹘y(tǒng)的微多普勒特征時頻變換提取方法時間-頻率分辨率較低，不同部件所造成的相應(yīng)微多普勒特征難以區(qū)分提取。

因此，目前急需一種時間-頻率分辨率高、抗干擾性強的人體運動超寬帶穿墻雷達(dá)信號微多普勒特征分析與提取方法，其將為人體目標(biāo)運動的識別與分類提供詳細(xì)、高價值的特征信息。

技術(shù)實現(xiàn)要素：

針對上述現(xiàn)有技術(shù)中存在的問題或缺陷，本發(fā)明的目的在于，提供基于多通道hht的uwb雷達(dá)人體運動微多普勒特征提取方法，能夠利用改進的希爾伯特-黃變換(hilbert-huangtransform,hht)結(jié)合有效通道融合技術(shù)對蘊含在uwb雷達(dá)中的人體運動微多普勒特征進行充分利用和有效提取，并結(jié)合人體運動學(xué)原理和雷達(dá)波散射機理對不同微多普勒成分進行分析驗證。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

基于多通道hht的uwb雷達(dá)人體運動微多普勒特征提取方法，其特征在于，包括以下步驟：

步驟1，uwb雷達(dá)的發(fā)射天線發(fā)射信號，uwb雷達(dá)的接收天線接收被墻后人體反射的信號

式(1)中，表示距離軸采樣點的數(shù)量，表示時間軸采樣點的數(shù)量，表示在距離軸為m、時間軸為n時的信號值；

步驟2，對進行預(yù)處理，得到預(yù)處理后信號r；

式(2)中，rm(n)表示在距離軸為m、時間軸為n時的預(yù)處理后信號值；

步驟3，設(shè)定有效運動特征信號邊界值為距離軸dc和df，df＞dc，將預(yù)處理后信號r中距離軸m≥dc和m≤df內(nèi)的信號作為有效運動特征通道信號包括m′個通道信號其中m′＝df-dc+1；

式(3)中，表示在距離軸為m′、時間軸為n時的有效運動特征通道信號值，；

其中，設(shè)距離軸dc信號的能量為距離軸df信號的能量為

e0為預(yù)處理后的空采信號的距離軸單元信號的平均值作為噪聲能量均值；

步驟4，對的m′個通道信號分別進行時頻分析，得到m′個時頻矩陣；

包括：

步驟41，任選中任一通道信號作為當(dāng)前通道信號

步驟411，向當(dāng)前通道信號添加隨機白噪聲，得到待處理信號r′m′；

步驟412，對待處理信號r′m′進行emd分解，得到本征模態(tài)函數(shù)分量序列imf，所述imf包括q個imf；

步驟413，重復(fù)步驟411至步驟412l次，得到l組本征模態(tài)函數(shù)分量序列imf，記為limf＝(imf1,imf2,…,imfl…imfl)，l＝1,2,...,l,l為大于等于1的自然數(shù)；

步驟414，對l組imf進行平均，得到當(dāng)前通道信號的最終本征模態(tài)函數(shù)分量序列imf′；

imf′＝{imf′q|q＝1,2,...,q}(5)

步驟42，任選imf′中任一分量作為當(dāng)前分量imf′q；

步驟421，若該當(dāng)前分量imf′q與當(dāng)前通道信號的向量空間余弦相似度為s_cosθq小于等于閾值cs_t，則從imf′中將該當(dāng)前分量imf′q去除；其中，

步驟422，重復(fù)步驟421，直至imf′所有分量都被作為當(dāng)前分量，得到有效imf″，所述imf″中包括q′個分量，q′＜q；

步驟43，對imf″中的q′個分量進行希爾伯特變換，得到當(dāng)前通道信號的時頻矩陣hm(ω,t)，ω表示瞬時頻率，t表示時間；

步驟44，重復(fù)步驟41至步驟43，直至中m′個通道信號都被作為當(dāng)前通道信號，得到m′個時頻矩陣，記為m′h(ω,t)；

m′h(ω,t)＝(h1(ω,t),…,hm(ω,t),…,hm′(ω,t))(6)

步驟5，通過式(7)得到表征整個人體運動微多普勒時頻特征的綜合時頻譜h(ω,t)。

進一步地，步驟2中所述所述預(yù)處理包括：減平均操作和低通濾波操作。

進一步地，步驟3中所述的空采信號為墻后無人體時，uwb雷達(dá)接收被墻反射的信號。

進一步地，步驟3中所述的預(yù)處理后的空采信號是對空采信號進行減平均操作和低通濾波操作后得到的信號。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下技術(shù)效果：

本發(fā)明所提微多普勒時頻分析方法具有更高的時頻分辨率，不同部件對應(yīng)微多普勒特征成分區(qū)分更加明顯，更能體現(xiàn)人體運動的瞬時特征和細(xì)節(jié)變化；本發(fā)明所提時頻分析方法抗干擾能力強，較遠(yuǎn)距離穿墻探測、信號急劇衰減情況下仍能捕捉到明顯的微多普勒特征。本發(fā)明所提時頻分析方法具有一定更好的去噪能力，所得時頻譜信噪比更高，微多普勒特征成分更加明顯。

附圖說明

圖1為穿墻3m位置人體原地踏步uwb雷達(dá)原始信號圖；

圖2為uwb雷達(dá)預(yù)處理信號；

圖3為uwb雷達(dá)信號有效通道選擇示意圖；

圖4為基于改進多通道hht對多通道uwb雷達(dá)信號分析處理流程圖；

圖5為墻后3m位置擺單臂和擺雙臂uwb雷達(dá)信號stft綜合時頻譜與改進型hht綜合時頻譜：(a)擺單臂stft時頻譜；(b)擺單臂hht時頻譜；(c)擺雙臂stft時頻譜(d)擺雙臂hht時頻譜；

圖6為基于改進型hht的墻后3m位置人體6種動作綜合時頻譜：(a)原地踏步；(b)蹲下?lián)煳铮?c)揮手；(d)原地跳躍；(e)隨意站立(微晃)；(f)坐姿呼吸。

圖7為墻后3m、4m、5m位置原地踏步uwb雷達(dá)信號stft綜合時頻譜與改進型hht綜合時頻譜：(a)4m，stft時頻譜；(b)4m，hht時頻譜；(c)5，stft時頻譜；(d)5m，hht時頻譜；(e)6m，stft時頻譜；(f)6m，hht時頻譜。

具體實施方式

下面通過附圖和實施例對本發(fā)明作進一步說明。

雷達(dá)電磁波穿透墻體照射到人體反射，運動人體各部件微動均會對電磁波產(chǎn)生微多普勒調(diào)制，使得反射回波的延遲時間出現(xiàn)相應(yīng)變化，進而雷達(dá)回波中蘊含的微動信息將反應(yīng)目標(biāo)的幾何結(jié)構(gòu)和運動特征。通過時頻分辨率高、特征提取能力強、抗干擾性好的微多普勒特征提取方法即可實現(xiàn)運動人體各部件運動細(xì)微特征的提取，為細(xì)微人體運動狀態(tài)識別分類提供基礎(chǔ)。實際應(yīng)用中，uwb穿墻探測信號中往往包含強烈的墻體反射直達(dá)波和背景噪聲，使得人體運動信號被淹沒。另外，人體各部件運動信息將分布于uwb雷達(dá)時間-距離二維數(shù)據(jù)的一定距離單元內(nèi)，有效運動特征信息的利用以及高效的微多普勒特征提取方法成為必要。

本發(fā)明所提出的微多普勒提取算法具有以下技術(shù)優(yōu)勢：(1)信號分解中采用eemd分解方式，其能夠根據(jù)信號自身特征自適應(yīng)分解，具有自適應(yīng)性和靈活性，分離效果好；(2)基于最能表征人體運動信號特征差異的向量空間余弦相似度(cs)評價參數(shù)進行有效imf″選擇，保留住有用運動信息的同時提高了信噪比，使得算法抗干擾性強；(3)時頻分辨率高，可提取信號瞬時頻率變化，使得人體各部件微多普勒時頻細(xì)微特征變化明顯，微多普勒成分分離度高。

實施例1

本實施例提供了基于多通道hht的uwb雷達(dá)人體運動微多普勒特征提取方法，包括以下步驟：

步驟1，uwb雷達(dá)的發(fā)射天線發(fā)射信號，uwb雷達(dá)的接收天線接收被墻后人體反射的信號

式(1)中，表示距離軸采樣點的數(shù)量，表示時間軸采樣點的數(shù)量，表示在距離軸為m、時間軸為n時的信號值；

本實施例中，uwb雷達(dá)探測墻后人體目標(biāo)時，離雷達(dá)不同距離的運動目標(biāo)所得的不同時延回波均可被采集到，uwb雷達(dá)回波信號經(jīng)過后期放大和采樣后被存儲于二維數(shù)據(jù)矩陣中。

如圖1所示為一組穿墻3m位置uwb生物雷達(dá)人體原地踏步運動回波數(shù)據(jù)。橫軸為時間軸，單位通常為s；縱軸為快時間，表示uwb脈沖回波的延時，單位通常為ns，可以根據(jù)脈沖傳播速度換算成距離，本實施例將快時間軸作為距離軸。

步驟2，對進行預(yù)處理，得到預(yù)處理后信號r；

式(2)中，rm(n)表示在距離軸為m、時間軸為n時的預(yù)處理后信號值；

所述預(yù)處理包括：減平均操作和低通濾波操作；

本實施例中，低通濾波器窗函數(shù)采用漢寧窗，截止頻率為80hz，以保證有用運動信號不被濾除。

參見圖2為預(yù)處理后信號，可以發(fā)現(xiàn)墻體反射直達(dá)波和背景噪聲被有效去除，可明顯看出強烈且規(guī)律的人體運動回波位于20ns處。

步驟3，參見圖3為有效通道選擇雷達(dá)信號示意圖。根據(jù)人體運動學(xué)原理結(jié)合人體運動uwb雷達(dá)信號運動信息分布特性可以發(fā)現(xiàn)，人體運動信息分布于一定距離單元范圍內(nèi)，越靠近中心部分運動信息越豐富，能量越強。

設(shè)定有效運動特征信號邊界值為距離軸dc和df，df＞dc，將預(yù)處理后信號r中距離軸m≥dc和m≤df內(nèi)的信號作為有效運動特征通道信號包括m′個通道信號其中m′＝df-dc+1；

式(3)中，表示在距離軸為m′、時間軸為n時的有效運動特征通道信號值，；

其中，設(shè)距離軸dc信號的能量為距離軸df信號的能量為

e0為預(yù)處理后的空采信號的距離軸單元信號的平均值作為噪聲能量均值；所述空采信號為墻后無人時uwb雷達(dá)接收到的信號；

步驟4，對的m′個通道信號分別進行時頻分析，得到m′個時頻矩陣；

參見圖4為基于改進多通道hht對有效多通道uwb雷達(dá)信號分析處理流程圖。

包括：

步驟41，利用集合經(jīng)驗?zāi)B(tài)分解(ensembleempiricalmodedecomposition，eemd)對信號進行自適應(yīng)分解，得到包含不同頻率成分的本征模態(tài)函數(shù)分量序列imf′；

任選中任一通道信號作為當(dāng)前通道信號

步驟411，向當(dāng)前通道信號添加隨機白噪聲，得到待處理信號r′m′；

步驟412，對待處理信號r′m′進行emd分解，得到本征模態(tài)函數(shù)分量序列imf，所述imf包括q個imf；

步驟413，重復(fù)步驟411至步驟412l次，得到l組本征模態(tài)函數(shù)分量序列imf，記為limf＝(imf1,imf2,…,imfl…imfl)，l＝1,2,...,l,l為大于等于1的自然數(shù)；

步驟414，對l組imf進行平均，得到當(dāng)前通道信號的最終本征模態(tài)函數(shù)分量序列imf′；

imf′＝{imf′q|q＝1,2,...,q}(5)

步驟42，人體運動最直接和最明顯的特征即為不同時刻運動方向和相位的變化。因此，對幅度值不敏感但注重向量之間方向、相位等差異性的向量空間余弦相似度(cs)成為評價imf′分量與原始信號之間相似度的合理標(biāo)準(zhǔn)。

任選imf′中任一分量作為當(dāng)前分量imf′q；

步驟421，若該當(dāng)前分量imf′q與當(dāng)前通道信號的向量空間余弦相似度為s_cosθq小于等于閾值cs_t，則從imf′中將該當(dāng)前分量imf′q去除；其中，

本實施例中，設(shè)閾值為cs_t＝0.3。另外，通過對cs<0.3對應(yīng)的imf′q分量進行時頻分析，結(jié)果發(fā)現(xiàn)其中并不存在規(guī)律的人體運動特征頻率成分。

步驟422，重復(fù)步驟421，直至imf′所有分量都被作為當(dāng)前分量，得到有效imf″，所述imf″中包括q′個分量，q′＜q；

步驟43，對imf″中的q′個分量進行希爾伯特變換，得到當(dāng)前通道信號的時頻矩陣hm(ω,t)，ω表示瞬時頻率，t表示時間；

步驟44，重復(fù)步驟41至步驟43，直至中m′個通道信號都被作為當(dāng)前通道信號，得到m′個時頻矩陣，記為m′h(ω,t)；

m′h(ω,t)＝(h1(ω,t),…,hm(ω,t),…,hm′(ω,t))(6)

hm(ω,t)表示第m個通道經(jīng)過改進型hht分析所得的時間頻率矩陣，因此m′h(ω,t)表示一個時間-頻率-距離三維立方體。

步驟5，如圖4所示，通過式(7)得到表征整個人體運動微多普勒時頻特征的綜合時頻譜h(ω,t)。

實驗結(jié)果1：

為了便于對比，將傳統(tǒng)的基于stft(0.42shanning窗)的綜合累積時頻分析方法作為參考算法。采用本發(fā)明的時頻分析方法，對在穿單墻(磚墻，厚度約為30cm)3m位置處的人體原地擺單臂、擺雙臂兩種動作uwb雷達(dá)信號進行時頻分析，結(jié)果如圖5所示。

通過對比圖5(a)與圖5(b)，圖5(c)與圖5(d)可以發(fā)現(xiàn)，本發(fā)明提出的算法相對參考方法時頻分辨率更高，能夠提取出更加細(xì)微的身體各部件的微多普勒成分，如上臂、下臂、肩等。另外，本發(fā)明的方法還可以顯示出人體運動中相應(yīng)部件微多普勒特征的相位差異，如圖5(d)中左右手臂對應(yīng)頻率成分的出現(xiàn)的細(xì)微時延。

實驗結(jié)果2：

采用本發(fā)明的時頻分析方法，對在穿單墻(磚墻，厚度約為30cm)3m位置處的人體原地踏步、蹲下?lián)煳铩]手、原地跳躍、站立隨機晃動、坐姿呼吸六種動作uwb雷達(dá)信號進行時頻分析，結(jié)果如圖6所示?？梢园l(fā)現(xiàn)，不同動作頻率成分的大小和數(shù)量差異較大。對于原地踏步、跳躍等大幅度復(fù)雜動作，頻率成分較多，且最大微多普勒頻率可達(dá)60～70；而對于隨意站立、坐姿呼吸等簡單微動，微多普勒頻率成分較為單一，頻率值很小。

實驗結(jié)果3：

采用本發(fā)明的時頻分析方法，對在穿單墻(磚墻，厚度約為30cm)4m、5m、6m位置處的人體原地踏步動作uwb雷達(dá)信號進行時頻分析，結(jié)果如圖7所示。為了便于對比，將傳統(tǒng)的基于stft(0.42shanning窗)的綜合累積時頻分析方法作為參考算法。結(jié)果發(fā)現(xiàn)，隨著穿墻距離增大信號衰減距離且背景雜波、噪聲增強時，參考方法所得微多普勒特征逐漸被強烈的背景雜波和噪聲淹沒，但本發(fā)明提出的方法仍能提取出清晰的微多普勒特征并保持較高的時頻分辨率。同時，還能觀察到人體運動的節(jié)律性變化和細(xì)節(jié)特征。