[发明专利]一种基于多天线数据融合的超宽谱雷达式人体呼吸增强探测方法

摘要

本发明公开了一种基于多天线数据融合的超宽谱雷达式人体呼吸增强探测方法，属于生物雷达或雷达式生命探测技术领域。技术方案为：首先，通过多天线超宽谱雷达系统提供关于人体目标呼吸的多通道信息；其次，将各个通道的原始雷达回波数据经过预处理和目标关联后进行自适应Kalman滤波融合；最后，输出探测到的人体呼吸波形。本发明的创新之处在于提出了一种超宽谱雷达式人体呼吸增强探测方法，通过对多天线接收提供的多通道信息进行数据融合，解决人体目标方位和姿势变化导致的微弱呼吸检测难题，从而增强超宽谱雷达在穿墙侦测、地震救援等应用中的人体呼吸探测能力。

主权项

1.一种基于多天线数据融合的超宽谱雷达式人体呼吸增强探测方法，其特征在于，首先，通过多天线超宽谱雷达系统提供关于人体目标呼吸的多通道信息；其次，将各个通道的原始雷达回波数据经过预处理和目标关联后进行自适应Kalman滤波融合；最后，输出探测到的人体呼吸波形和呼吸频率；自适应Kalman滤波融合过程采用如下式的状态空间模型：x_k+1＝A_kx_k+w_k  (1)z_k＝H_kx_k+v_k式中，x_k表示时间点k时的状态矢量，z_k表示测量矢量，A_k表示状态转移矩阵，H_k表示测量矩阵；式中的两个方程为过程方程和测量方程，w_k和v_k分别表示过程噪声和测量噪声，其均值和协方差定义如下：式中，E{·}表示数学期望，{·}^T表示矩阵的转置，Q_i和R_i分别对应过程噪声和测量噪声的协方差矩阵；通过在最小均方意义上最小化误差协方差矩阵的后验估计，即E{e_ke_k^T}，其中，代表状态矢量x_k与其最优估计的误差，则得到Kalman滤波器的时间更新方程：式中，表示在人体呼吸模型的基础上时间点k时的先验状态估计；表示基于实测数据获得的后验状态估计；其中，代表误差协方差矩阵的先验估计；P_k＝E{e_ke_k^T}，其中，代表误差协方差矩阵的后验估计；因而，Kalman滤波器的测量更新方程为：式中，K_k代表Kalman增益，它决定了在实测数据与动态模型估计间的更新权重。