[发明专利]一种基于超宽带雷达的呼吸信号检测算法

说明书

技术领域

本发明涉及电磁场与微波技术领域，具体涉及一种基于超宽带雷达的呼吸信号检测算法。

背景技术

人类面临诸多自然灾害和人为灾害，灾害过程中或灾后被困生命受到严重的安全威胁，及时有效的生命定位和搜索成为一个至关重要的问题。老年人的实时健康状态监控是需要关注的问题。在某些犯罪环境和反恐、巷战等军事斗争环境中，犯罪分子或者敌对分子隐藏在各种掩体中，此时需要对他们进行及时准确的判断和定位。对生命体的及时准确的存在性判断和准确的位置判断，对生命呼吸状态的实时监控，以及其他潜在的应用，都会产生巨大价值。因此，非接触式的生命信号检测技术受到越来越多的关注和研究。

当前已经有多种应用超宽带雷达脉冲信号进行呼吸信号检测的算法，包括应用快速傅里叶变换(FFT)的方法、应用小波变换的方法、应用奇异值分解的方法、应用等幅追踪的方法等。但应用FFT方法的检测算法存在高次谐波，应用小波变换方法的检测算法无法获得位置信息，应用奇异值分解方法的算法计算复杂度高，应用等幅追踪方法的检测算法要求源信号信噪比高。本发明提出一种新的实用的基于超宽带雷达的呼吸信号检测算法。本算法针对呼吸信号微弱的问题，提出频域呼吸信号增强的方法，针对噪声种类多且干扰强的问题，提出分块策略和多重系数衰减的高斯噪声擦除方法，并且算法计算复杂度低，检测正确率高，鲁棒性好，具有工程应用价值。

发明内容

本发明提出一种基于超宽带雷达的呼吸信号检测算法，有效抑制多种噪声干扰，有效检测弱呼吸信号并获得一维位置信息，方法步骤如下：

步骤1：超宽带雷达发射冲击脉冲并采样量化回波数据，形成二维慢时间—快时间矩阵r(m,n)；

步骤2：对二维矩阵沿慢时间方向应用Motion Filter滤波去除背景杂波获得结果r_mf(m,n)；

步骤3：对步骤2的结果沿慢时间方向分块为r_mfⁱ(m,n)，优先分成20～30块，块数设为K，i＝1,2,...K；

步骤4：获取各分块频域幅度谱并进行呼吸信号增强，结果为R_mfⁱ(f,l)：

对各块二维慢时间—快时间数据沿慢时间方向进行快速傅里叶变换(FFT)，并获取二维距离—频率频域幅度谱，对各块频域幅度谱进行呼吸信号增强，步骤如下：

1)设置频率搜索范围F，优先设置F＝0.15～0.45Hz，该范围F必须包含呼吸频率f₀；

2)设置阈值y和增强比k；

3)扫描每个距离上F范围内的频率幅度值的变化，计算峰值区间内的峰值和PK_s并获得峰值区间旁的落差ΔR；

4)找到最大的落差，依据该落差与阈值y的差别，判断该峰是否是呼吸频率，如果是，则进行k倍增强；如果不是，则不对该频点的频率幅度值进行处理；

步骤5：对R_mfⁱ(f,l)进行呼吸信号相关叠加，获得叠加和R_mfs(f,l)：

步骤6：对R_mfs(f,l)通过步骤4中的呼吸增强步骤进行呼吸信号增强，获得结果R_s(f,l)；

步骤7：对R_s(f,l)去除噪声均值并进行多重系数衰减的高斯噪声擦除过程，步骤如下：

1)获取步骤6后的距离—频域叠加和结果R_s(f,l)；

2)由式获得噪声均值R_s(f,l)减去该均值并取绝对值abs为取绝对值函数；

3)获取当前擦除系数a和每个距离上的高斯噪声均值，将每个距离上的频率幅度减去擦除系数与高斯噪声均值的乘积，取绝对值为频率幅度值；

4)迭代20～30次的步骤3)，最终获得检测结果。

在步骤1中，应用超宽带雷达采集回波数据时，慢时间采样数据应足量。

在步骤2中，Motion Filter有多种滤波器参数，其中有FIR2、FIR3、FIR4等，可选择其中一种滤波器进行滤波。滤波器如下：

FIR2是一个二阶差分滤波器，使用以下公式:

y(n)＝w(1)·x(n)+w(2)·x(n-1)＝x(n)-x(n-1) w＝[1,-1]

FIR3是一个三阶差分滤波器，使用以下公式:

y(n)＝w(1)·x(n)+w(2)·x(n-1)+w(3)·x(n-2) w＝[1,-0.8,-0.2]