[发明专利]一种基于EMD的自适应穿墙雷达静止人体目标定位方法

说明书

本发明公开了一种基于EMD的自适应穿墙雷达静止人体目标定位方法,涉及穿墙雷达技术，特别涉及穿墙雷达的静止目标探测与定位技术。本发明提供适用于MIMO穿墙雷达的静止目标定位算法。对接收的多周期数据进行快时间维傅里叶变换得到多周期距离像；再将多周期距离像按距离单元分解成多个列向量，用EMD算法处理每个列向量数据；通过慢时间维傅里叶变换将处理后的各个距离像转换到频域，自适应选择包含目标信息的距离像。最后通过BP成像算法快速成像，并结合PCF算法进一步抑制噪声与杂波。本发明具有定位精度高，可自适应处理数据的能力，可以直接应用到穿墙雷达装备中。

技术领域

本发明涉及穿墙雷达技术，特别涉及穿墙雷达的静止目标探测与定位技术。

背景技术

穿墙雷达是利用发射特定频段的电磁波穿透建筑物，接收建筑物后人体等目标的散射回波数据实现对隐蔽目标成像检测跟踪的特种装备，近年来已经在反恐、巷战、灾难救援等军事及民用方面得到越来越广泛的应用。由于建筑墙体的存在，雷达回波中墙体直接回波非常强，导致目标信噪比较低。穿墙雷达中常用的运动目标滤波器(MTI)在处理静止目标时性能会受到限制，因目标微动幅度较小，滤波后的遗留杂波仍然较多。因此，实际应用中，从原始回波中准确提取目标信息，滤除原始回波杂波与噪声、提高目标信噪比并高精度成像是穿墙雷达成像后跟踪中的关键问题。

对于穿墙雷达静止目标提取方法的研究，国内外研究机构已提出诸多解决方法。例如，通过快时间维傅里叶变换将多周期距离像转换到距离-多普勒平面，频域带通滤波后得到目标呼吸频率与目标距离；积累多周期数据，提高目标信噪比等。但是这些方法的数据利用率很低，需要处理多帧周期数据才能提取到一帧静止目标信息。另外，上述方法均未涉及到静止目标定位，只能提取到目标距离与频率信息，当信噪比很低时，上述方法也许不再适用。文献“Hilbert-Huang Transform(HHT)Processing of Through-Wall Noise RadarData for Human Activity Characterization”中用到了经验模态分解(EMD)分解原始基带信号的思想，该方法使多种人体动作的识别变得更加容易。但是这种方法需要知道目标先验位置，且不能自动选择分解后的信号分量，另外，该方法不涉及目标定位。从公开发表的文献资料来看，目前还没有一种基于EMD的自适应穿墙目标定位方法。因此，研究一种基于EMD的可自适应实现目标定位的方法具有重要的实际应用价值。

发明内容

本发明所要解决的技术问题是，在回波信噪比极低的情况下，提供一种去杂波效果好的，定位精度高的，适用于MIMO穿墙雷达的静止目标定位方法。

本发明所采用的技术方案是，一种基于EMD的自适应穿墙雷达静止人体目标定位方法，该方法包括以：

步骤1：生成多周期回波距离像；

MIMO雷达不断向外发射步进频信号，同时接收目标回波信号；对其中一个通道而言，将接收到的多周期原始回波通过混频、低通滤波和采样后，对其做Y点快时间维离散傅里叶变换，得到多周期原始距离像；

步骤2：分解多周期距离像；

步骤2-1：找出多周期距离像中原始列信号的极大值点和极小值点，分别采用三次样条插值拟合，产生上下包络线，并计算上下包络的均值，记为m₁(t)；

步骤2-2：用列信号减去平均包络m₁(t)，得到一个去掉低频的新序列h₁(t)；重复迭代，直到收敛指标SD满足收敛条件SD∈[0.2,0.3]，得到列信号的第一个固有模态函数IMF；

步骤2-3：从原始列信号中将第一个IMF分量分离出来，并对剩余部分采用步骤2-1和步骤2-2的方法做相同处理，分离出剩余部分的IMF分量，依次重复步骤2-3，将原始列信号分解为有限个不同阶的IMF分量和一个余项r_n(t)；

步骤3：自适应挑选距离像；