一种基于UWB生物雷达的多个人体目标估算方法及系统

暂无

一种基于UWB生物雷达的多个人体目标估算方法及系统\n技术领域\n[0001] 本发明属于生物雷达生命探测技术领域，具体涉及一种基于UWB生物雷达的多个人体目标估算方法及系统。\n背景技术\n[0002] 生物雷达是一种用于生命体目标探测和识别的特殊雷达技术。该技术主要以人体为探测目标，以雷达发射的电磁波为载体来获取人体目标的信息。它的最大的优势是具备穿透墙壁、废墟等障碍物的能力，因此在国家安全、应急救援等领域具有广泛的应用前景。\n[0003] 在实际应用中，人们首先关注的是是否有人存在，即是否至少有一个人存在。因此现阶段生物雷达技术基本以单个目标的探测为主。随着这一技术的实现，人们会进一步关注人体目标的数量，即到底有多少人存在。比如说地震发生后搜寻废墟下压埋的幸存者，反恐行动中隔墙监视建筑物内的恐怖分子等。但是到目前为止，尚没有方法解决这一问题，特别是在没有任何先验知识的情况下。\n发明内容\n[0004] 本发明的目的在于提供一种基于UWB生物雷达的多个人体目标估算方法及系统，该方法基于多天线UWB生物雷达系统，能够在不具备先验知识的条件下准确估算出人体目标个数。\n[0005] 本发明是通过以下技术方案来实现：\n[0006] 一种基于UWB生物雷达的多个人体目标估算系统，包括雷达主机、天线阵列和计算机，所述的雷达主机包括脉冲发生器、发射机、中央控制器、延时器及若干个接收单元；所述的天线阵列包括1个发射天线和3个接收天线，发射天线与雷达主机的发射机相连，每个接收天线与一个接收单元相连形成一个雷达回波数据通道；所述的接收单元包括接收机及与接收机相连的 模数转换器，每个模数转换器的输出端均与中央控制器相连，中央控制器与计算机交互实现通信；\n[0007] 脉冲发生器产生周期性窄脉冲信号：一部分送至发射机整形，然后通过发射天线辐射出去；另一部分窄脉冲信号被送至延时器产生控制信号，并触发接收单元对回波信号在距离上进行选择性接收。\n[0008] 所述天线阵列采用线阵排列方式，以发射天线为中心，第一接收天线与发射天线相邻设置，第二接收天线和第三接收天线分别对称设置于发射天线的两侧，且第二接收天线、第三接收天线与发射天线的距离均为0.3～1m。\n[0009] 所述各个独立的回波数据通道间采用加强电源隔离设计。\n[0010] UWB生物雷达采用冲激脉冲体制，发射脉冲的宽度控制在ns级别，对应的频谱宽度和中心频率均为500MHz；发射天线与接收天线均采用蝶形偶极子天线，且与雷达主机之间使用屏蔽同轴线缆连接。\n[0011] 一种基于UWB生物雷达的多个人体目标估算方法，包括以下步骤：\n[0012] 1）数据采集\n[0013] UWB生物雷达系统的若干个雷达回波数据通道采样后，将得到的回波数据送至计算机进行存储和处理；\n[0014] 2）通道内处理\n[0015] 首先，对得到的回波数据采用呼吸检测算法获取人体呼吸信号；其次，对检测到的人体呼吸信号采用自适应对消方法抑制不同人体目标之间呼吸信号的相互干扰；最后，通过目标识别算法设定能量阈值对目标个体进行识别；\n[0016] 3）通道间处理\n[0017] 对步骤2）识别到的每个通道内的人体目标识别点对应的波形按照式（1）计算通道间的相关系数rij：\n[0018]\n[0019] 其中，Si和Sj表示两个通道上的波形，其中i,j=1,2,3……，且i≠j；\n[0020] 设定阈值A，将计算得到的相关系数rij与该阈值A进行对比，进行不同目标的区分：\n对于各个通道识别结果中的目标点，必须存在另一通道目标点与其相关系数大于该设定的阈值A，否则视为杂波；通道间相关系数大于该设定的阈值A的目标点被视为来自同一目标；\n[0021] 4）最后，将各个通道内的杂波去除，将目标分类，得到人体目标个数。\n[0022] 步骤2）所述的呼吸检测算法具体为：\n[0023] 首先，根据UWB生物雷达系统提供的距离信息，对回波数据在距离上进行滑动平均处理，提高回波数据的信噪比；\n[0024] 其次，去除回波数据中不随时间变化的静态背景杂波；\n[0025] 再次，利用人体呼吸的窄带特性，采用自适应算法将人体呼吸与噪声进行分离；\n[0026] 最后，根据人体呼吸的缓变特征进行低通滤波，得到雷达检测到的人体呼吸信号。\n[0027] 步骤2）所述的自适应对消方法是将经呼吸检测算法处理后的回波数据中某一距离点的波形作为输入信号，该距离点之前人体目标的呼吸信号作为参考信号，用两路信号相减后得到误差信号去修正自适应滤波器的系数；如果输入对应某一目标距离点信号，该流程会对消前面目标的拖尾干扰，输出该目标的呼吸信号；如果输入信号为前面目标呼吸运动引起的拖尾，则经对消后输出信号为零；其中，所述的自适应滤波器采用LMS算法实现。\n[0028] 步骤2）所述的目标识别算法是将经自适应对消的方法处理过的数据在时间上进行累积，得到一维的能量-距离分布，该分布中人体目标对应距离上会出现能量峰值，对该能量峰值设定阈值进行有无目标的二元判断，即可识别出目标。\n[0029] 首先，设定能量阈值Th1和相关阈值Th2；\n[0030] 能量阈值Th1用于判断有无目标，选取目标点能量Eobj，杂波点能量Eclu，当Eobj/Eclu大于能量阈值Th1时，则判断该距离点上为目标并输出为1，否则输出0；\n[0031] 相关阈值Th2用于选取杂波点，识别窗内除目标点外能量最大且波形与目标点波形相关系数小于相关阈值Th2的点被视为杂波点，该点能量作为Eclu。\n[0032] 所述的能量阈值Th1和相关阈值Th2均为经验值，且Th1=2，Th2=0.6。\n[0033] 与现有技术相比，本发明具有以下有益的技术效果：\n[0034] 本发明的雷达天线阵列有1个发射天线和3个接收天线组成，每个接收天线与其对应的接收单元组成了3个独立的雷达回波数据通道。对于同一目标而言，不同通道检测到的呼吸信号具有高度相关性；而对于不同目标的呼吸信号以及杂波，各通道间的相关程度较低。因此本发明在对采集得到的回波数据的处理上，先在各通道内采用呼吸检测算法、自适应对消方法和目标识别算法进行处理，然后根据该处理结果在各通道间进行相关处理，最后设定阈值去除通道内处理残留的杂波，同时实现目标分类和个数估计。本发明的人体目标个数的估算方法，为进一步实现多个人体目标的生物雷达探测和定位奠定了技术基础，有助于提升生物雷达技术获取人体信息的水平和能力。\n[0035] 进一步地，本发明的UWB生物雷达采用冲激脉冲体制，发射脉冲的宽度控制在ns级别，对应的频谱宽度和中心频率均为500MHz，能同时保证穿透能力和对人体呼吸的检测能力。\n附图说明\n[0036] 图1多天线UWB生物雷达系统框图；\n[0037] 图2通道内回波处理流程图；\n[0038] 图3呼吸检测算法处理后的UWB生物雷达回波数据；\n[0039] 图4干扰抑制算法原理图；\n[0040] 图5通道内目标识别算法示意图\n[0041] 图6通道内目标识别结果\n[0042] 图7不同通道检测的人体目标呼吸和杂波；\n[0043] 图8不同通道检测的两个人体目标呼吸；\n[0044] 图9不同通道检测的杂波；\n[0045] 图10通道间处理流程；\n[0046] 图11效能评价实验示意图；\n[0047] 图12无目标时多天线UWB生物雷达探测和目标个数估计结果；\n[0048] 图13单目标时多天线UWB生物雷达探测和目标个数估计结果；\n[0049] 图14双目标时多天线UWB生物雷达探测和目标个数估计结果；\n[0050] 图15三目标时多天线UWB生物雷达探测和目标个数估计结果。\n具体实施方式\n[0051] 下面结合具体的附图及实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。\n[0052] 参见图1，本发明基于UWB生物雷达的多个人体目标估算系统主要由三个功能模块组成：天线阵列、雷达主机和计算机。雷达主机中的脉冲发生器产生周期性的窄脉冲信号，一部分送至发射机整形，然后通过发射天线辐射出去；一部分送至延时器产生控制信号触发接收机对回波信号在距离上进行选择性接收。延时器采用数字化多通道步进技术设计，最高精度可达到10ps。天线阵列由四个单元组成：1个发射天线和3个接收天线，均采用蝶形偶极子天线、与雷达主机间使用屏蔽同轴线缆联接。每个接收天线与一个接收单元相连形成一个雷达回波数据通道；所述的接收单元包括接收机及与接收机相连的模数转换器。各通道间采用加强电源隔离设计，可有效减轻通道 间的回波信号耦合。各通道采样后的数据送至计算机进行存储和处理。中央控制器主要用于计算机和雷达主机的通信，实现参数设置和数据传输的功能，它和计算机之间使用USB联接。\n[0053] 由于本发明仅涉及人体目标个数的估计，天线阵列采用线阵形式，具体排列方式为：以发射天线为中心；接收天线1位于其一侧并紧靠其放置；接收天线2和3分别位于发射天线两侧成对称分布；与其中心距为0.3～1m，该下限由天线尺寸决定，上限与天线波束宽度有关。雷达发射脉冲重复频率为128KHz，三通道采用同步数据采集，对应的参数如表1所示。\n[0054] 表1UWB生物雷达关键工作参数\n[0055]\n时窗 80ns \n起始位置 5ns \n采样点数 8192 \n扫描速度 16Hz \n[0056] 以下对本发明的基于UWB生物雷达的多个人体目标估算方法中雷达回波数据处理进行详细说明：\n[0057] 一、通道内处理\n[0058] 如图2所示，为UWB生物雷达通道内处理的基本流程，各通道回波数据均采用这一流程进行处理。通道内处理由三个主要步骤组成：呼吸检测算法，干扰抑制算法和目标识别算法。呼吸检测算法主要实现人体呼吸信号的检测；在此基础上采用自适应对消抑制人体目标间呼吸信号的相互干扰；由于人体目标呼吸导致其对应距离上能量增加，最后设定能量阈值对目标进行识别。\n[0059] 1.呼吸检测算法\n[0060] 包括以下几个功能模块：信噪比改善、背景去除、自适应增强和低通滤波。其中，信噪比改善是利用UWB生物雷达提供的距离信息，在距离上进行平均提高回波数据的信噪比；\n背景去除用于去除雷达回波数据中不随时间变化的静态背景杂波，采用时间上减平均实现；自适应增强利用人体呼吸的窄带特性，将其与宽带噪声分离，从而达到增强的目的；低通滤波采用数字滤波器，滤出低频的人体低通信号。\n[0061] 参见图3，为经过呼吸检测算法处理后的UWB生物雷达回波数据，其中包含时间和距离二维信息，距离用脉冲双程走时ns表示。该数据中人体目标距离28ns附近，呈现出随时间上的周期性起伏。提取出其中能量最大距离点的波形，即可得到雷达检测的人体呼吸信号。从图中可以看出，由于受到人体呼吸运动的调制，UWB生物雷达回波数据呈现出明显的拖尾。当雷达用于多个目标探测时，前面目标的拖尾会对后面目标形成干扰，严重时影响探测结果。因此，对其进行抑制是实现多个人体目标个数估计的关键。\n[0062] 2.干扰抑制算法\n[0063] 干扰抑制处理流程如图4所示，其中输入信号为经呼吸检测算法处理后的UWB生物雷达回波数据中某一距离点的波形，参考信号为该距离点之前人体目标的呼吸信号，两路信号相减后得到误差信号去修正自适应滤波器系数。如果输入对应某一目标距离点信号，该流程会对消到前面目标的拖尾，输出该目标的呼吸信号；如果输入信号为前面目标呼吸运动引起的拖尾，经对消后输出信号为零。自适应滤波器采用LMS算法实现。\n[0064] 3.目标识别算法\n[0065] 经以上算法处理后，UWB生物雷达回波数据中目标对应的距离点上， 由于人体呼吸的作用会呈现出较强的能量。将该数据在时间上进行累积得到一维的能量-距离分布，该分布中人体目标对应距离上会出现能量峰值，对其设定阈值进行有无目标的二元判断，即可识别出目标。\n[0066] 目标识别算法示意如图5所示，设置阈值Th1和Th2，图中Nwin表示识别窗，它与系统的距离分辨率有关，采用2倍UWB雷达脉冲宽度对应的距离点数（Nwin=8ns）；Eobj表示目标点能量；Eclu表示杂波点能量。\n[0067] 能量阈值Th1用于判断有无目标，当Eobj/Eclu大于能量阈值Th1时，说明目标点能量显著大于杂波点能量，为目标的可能性很大（或者说据此判断该距离点上存在人体目标），判断该距离点上为目标并输出为1，否则输出0。\n[0068] 相关阈值Th2用于选取杂波点，杂波点的选取遵守如下规则：识别窗内除目标点外能量最大且波形与目标点波形相关系数小于阈值Th2的点。\n[0069] 其中，所能量阈值Th1和相关阈值Th2均为经验值，Th1=2，表示由于人体呼吸导致目标点能量显著高于杂波点；Th2=0.6，相关系数小于该值表示两波形相关程度低，杂波点正确选取的概率大。具体处理步骤为：\n[0070] 首先，求选择的杂波点波形和目标点波形的相关系数，然后将该相关系数和Th2比较，该相关系数大于Th2=0.6，说明两者相关程度高，选择的杂波点和目标点相似程度较高，说明此时确定的杂波点能量不正确，只有该相关系数小于Th2=0.6，才说明所选的杂波点就是杂波点，目标点就是目标点。\n[0071] 经图5目标识别算法处理后的输出结果如图6所示，该图为某次探测两个人体目标的实验中UWB生物雷达系统第二通道采集的数据。根据目标距离的先验知识可知图中14ns和23ns处的两个人体目标被识别出来，但是68ns和84ns处出现由于误判产生的残留杂波。\n为正确估计目标个数，将继续进行基于多天线UWB生物雷达的通道间处理。\n[0072] 二、通道间处理\n[0073] 参见图7，显示了采用本发明使用的多天线UWB生物雷达系统，探测某一人体目标后，3个雷达回波数据通道检测出的该人体目标的呼吸信号。从图中可以看出，3路呼吸波形一致，呈现出很高的相关程度。这是因为对于同一目标产生的回波信号，由于三个接收天线独立进行接收和采样，因此不同数据通道中检测出来的呼吸信号理论上应完全一致。图中虚线表示某一通道某距离点上的杂波波形，它与呼吸波形差异较大，相关程度较低。\n[0074] 图8显示了采用本发明使用的多天线UWB生物雷达系统探测两个人体目标后检测出来的呼吸信号，两者波形差别较大。这是因为不同目标呼吸节律总是存在差异，因此检测出来的呼吸波形相关程度较低。\n[0075] 图9显示了两个雷达回波数据通道检测到的两路杂波信号。由于杂波产生具有一定的随机性，再加上来源于不同数据通道，必然不存在一致性。\n[0076] 以上分析表明，对于多天线UWB生物雷达：\n[0077] （1）不同通道检测到的同一目标的呼吸是高度相关的；\n[0078] （2）不同通道检测到的不同目标的呼吸相关程度较低；\n[0079] （3）杂波和人体目标呼吸相关程度低；\n[0080] （4）杂波之间的相关程度低。\n[0081] 因此考虑在通道间进行相关处理，不仅能有效去除杂波，而且能区分人体目标从而实现目标个数的估计。\n[0082] 图10显示了通道间处理的基本流程，首先根据3个通道人体目标识别的结果计算通道间的相关系数，即将每个通道识别结果中目标点对应的波形在通道间成对计算相关系数，方法如下：\n[0083]\n[0084] Si和Sj表示两个通道上的波形，其中i,j=1,2,3……，且i≠j。\n[0085] 设定阈值A，将计算得到的相关系数rij与该阈值A进行对比，进行不同目标的区分，规则如下（：1）对于各通道识别结果中的目标点，必须存在另一通道目标点与其相关系数大于该阈值A，否则视为杂波；（2）通道间相关系数大于该阈值A的目标点被视为来自同一目标。\n[0086] 相关系数rij越接近1表示两波形相关程度越高，即一致性越好。按照以上规则处理后，各通道内的残留杂波得到去除，同时对目标进行了分类，从而得到目标个数。此处阈值A是一经验值，大量实验表明该值设定为0.6时性能最佳。\n[0087] 以下通过具体的设计实验对本发明方法的效能进行评价：\n[0088] 如图11所示，该UWB生物雷达穿透一堵28cm厚的砖墙对墙后进行探测。探测过程包括4种情况：没有目标，1个目标（P1），2个目标（P1、P2），3个目标（P1、P2、P3）。其中P1正对发射天线，位于墙后约3m处；P2相对发射天线左偏20°，位于墙后约4m；P3相对发射天线右偏\n20°，位于墙后约5m。有目标时，各目标面对墙壁站立并保持静止。\n[0089] 图12～15显示了上述四种情况对应的处理结果，图中各行从上之下分别对应通道\n1，2和3；从左至右各列分别为通道内经干扰抑制算法处理后的数据，该数据对应的一维能量-距离分布，以及人体目标识别结果。此外，经过通道间相关处理后，各通道内的杂波点用叉形标志，区分出来的目标用不同方向的三角形标志。从这些图中可以看出，4种情况下识别出的目标个数与实际完全一致。因此，在没有任何先验知识的情况下，本发明为生物雷达多 个人体目标的识别和个数估计提供了一种行之有效的方法，有助于提升生物雷达技术获取人体信息的水平和能力。\n[0090] 应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。