[发明专利]一种检测人体姿态和生命体征的认知生物雷达方法与装置

说明书

本发明提供一种检测人体姿态和生命体征的认知生物雷达方法与装置，并应用于检测人体姿态和生命体征。该方法基于感知与行动循环机制；雷达向探测区域发射某一组参数的波形，接收端采集反射回的雷达信号，通过计算感知目标和环境，以最小化信息熵来优化规则选择出更聚焦于环境中待检测目标的波形参数，基于对目标和环境的感知，供发射端实时调整雷达下一次发射的波形属性。以应用于人体姿态（跌倒、手势识别）和生命体征（呼吸、心震、血管脉搏引发的皮肤表面震动等）为例，认知生物雷达在获取高精度目标和环境的雷达回波数据之后，通过数据特征提取模块，提取采集数据的特征信息；并传入深度学习分类模块进行分类；将结果传输到结果展示模块。本发明实现了认知生物雷达技术实施和应用，结合深度学习模型，实现了对人体姿态和生命体征等的高精度检测。

技术领域

本发明属于信息通讯领域，具体涉及一种检测人体姿态和生命体征的认知生物雷达方法与装置。

背景技术

传统雷达通常采用固定的发射信号，通过接收端的各种信号处理算法的来提高性能。然而雷达的检测、测量和分辨性能在很大程度上取决于发射的波形；在复杂路面环境中，仅靠接收端的信号处理技术已难以获得理想的效果。

不同于传统雷达，认知雷达由于具有良好的环境认知属性，一经提出就受到广泛关注，并被认为是下一代雷达的发展方向。

相对于发射与接收相互独立的传统雷达架构，认知雷达的优势在于其可以通过接收机获取环境的信息，过反复学习获得经验和先验知识。并可以使雷达根据环境的变化能自适应地调整发射波形参数，从而达到与环境的最优匹配，降低杂波和干扰的影响，提升信号的有效质量，获取最大信息。这个过程也被称为是波形优化。

自适应波形选择技术，就是通过智能地选择合适的发射波形，使得接收端获得良好的数据以提高系统跟踪性能。因此使用认知雷达探测感知目标和环境的数据时，能以最小的消耗功率，实现超过传统雷达的高精度探测。

有鉴于此，提出以认知雷达获取的高检测性能和高质量数据为基础，应用深度学习模型实现人体姿态和生命体征检测的准确分类。

发明内容

针对上述技术问题，本发明提供一种检测人体姿态和生命体征的认知生物雷达方法与装置，解决传统雷达波形固定和检测精度有限等缺点，为不同场景下的人体姿态和生命体征检测提供有效检测数据，并使用深度学习模型，实现高准确度分类检测。

本发明的目的可以通过采取如图1至图4所示的技术方案达到；包括：认知生物雷达感知模块、认知生物雷达数据特征提取模块、人体姿态和生命体征分类模块和结果展示与报警模块；

所述认知生物雷达感知模块用认知雷达技术，对目标和环境进行高效信息采集和感知，通过认知调整，获取高精度目标和环境的雷达数据；

所述认知生物雷达数据特征提取模块提取时域等数据高维度特征信息；所述人体姿态和生命体征分类模块分类得出目标人体姿态（跌倒、手势识别）和生命体征（呼吸、心震、血管脉搏引发的皮肤表面震动等）结果，并传输至所述结果展示与报警模块。

进一步地，所述的认知生物雷达感知模块，其特征在于，所述模块基于感知与行动循环机制；认知雷达向探测区域发射某一组参数的波形；认知雷达接收端采集反射回的雷达信号；通过计算感知目标和环境，以一种优化规则选择出更聚焦于环境中待检测目标的波形参数；本专利以最小化信息熵的波形选择为例，基于对目标和环境的感知，供发射端实时调整认知雷达下一次发射的波形属性。

进一步地，所述的感知目标和环境，其特征在于，通过扩展卡尔曼滤波算法对量测矩阵进行线性化并估计状态，随后更新模型转移概率，然后分别利用当前统计模型和匀速模型更新状态，一方面用于状态估计，一方面存储到短时记忆模块用于修正模型转移概率。