一种新型基于uwb雷达的非接触式生命特征信号提取方法
【专利摘要】本发明公开了一种新型基于UWB雷达的非接触式生命特征信号提取方法，包括以下步骤：（1）对原始雷达探测数据记录剖面进行道间以及道内数据压缩（2）对第二记录剖面在距离向上进行滑动加窗积分处理，（3）对第三记录剖面进行背景消除以及数据无量纲化处理，（4）对第四记录剖面在距离向上对时间向上的雷达数据进行频谱分析，（5）对第一时间记录序列采用自适应滤波以滤除环境噪声和随机噪声得到第二时间记录序列，即为最终所需要的人体生命特征信号。本发明所公开的新型基于UWB雷达的非接触式生命特征信号提取方法，实现简单，计算量小，便于DSP实时化片上处理，可实现人体生命特征信号的快速探测。
【专利说明】一种新型基于UWB雷达的非接触式生命特征信号提取方法
【技术领域】
[0001]本发明涉及非接触式特征信号和微弱信号提取领域，尤其涉及基于UWB雷达的非接触式生命特征信号提取方法。
【背景技术】
[0002]利用UWB雷达的穿透能力强、抗干扰等特性进行人体生命体探测和搜救是当前的一个热点和新点，该新兴技术融合了雷达技术和生物医学工程技术，是国际科技界公认的一个非常重要的前沿【技术领域】。由于该技术可以非接触式远距离穿透非金属介质(墙体、废墟、砖块等)对人体目标进行有效的探测和识别，所以被广泛的应用于地震、泥石流、雪崩、火灾等灾害后被压埋幸存者或被困人员的搜救、反恐斗争中穿墙侦察等领域，除此之外还可用于战场伤员的搜救以及医疗非接触危重病人的远程监护等领域。
[0003]目前现行的基于UWB雷达的非接触式生命特征信号提取方法多采用构造高阶带通滤波器对经过预处理后的携带有人体生命特征信号的雷达回波进行滤波以实现噪声与生命特征信号分离，此方法一大缺点是生命特征信号为频率低，且频带窄，不便于通过构造带通滤波器来有效去除噪声，另外一点当预处理后的信号信噪比较低时无法有效提取人体生命特征信号。对基于UWB雷达的非接触式生命特征信号提取方法上还有一些研究者采用小波分析法、时频分析法、BP神经网络法以及相关法来进行分析处理，但这些方法计算复杂，不利于实时化处理。
【发明内容】
[0004]本发明所要解决的技术问题就是提供一种简单便于实时化的新型基于UWB雷达的非接触式生命特征信号提取方法。
[0005]本发明采用如下技术方案:
[0006]一种新型基于UWB雷达的非接触式生命特征信号提取方法，包括以下步骤:
[0007](I)对原始雷达探测数据记录剖面也即第一记录剖面进行道间以及道内数据压缩，以减小雷达数据量形成第二记录剖面；
[0008](2)对第二记录剖面在距离向上进行滑动加窗积分处理，用以增强生命特征信号形成第三记录剖面；
[0009](3)对第三记录剖面进行背景消除以及数据无量纲化处理，用以消除强背景信号和距离因素的影响形成第四记录剖面；
[0010](4)对第四记录剖面在距离向上对时间向上的雷达数据进行频谱分析，用以确定可能存在人体生命特征信号的距离位置，提取出第四记录剖面对应距离位置时间向上的雷达数据记为第一时间记录序列；
[0011](5)对第一时间记录序列采用自适应滤波以滤除环境噪声和随机噪声得到第二时间记录序列，即为最终所需要的人体生命特征信号。
[0012]进一步的，步骤(I)的道内和道间数据压缩方法为:首先将第一记录剖面的相邻N道相加平均，其中N取值与UWB雷达的扫描速度相关，UWB雷达扫描速度越快则N取值越大，反之亦然；其次将第一记录剖面的每道内相邻M个数据点相加平均，其中M取值4或8。
[0013]进一步的，步骤(2)的距离向上进行滑动加窗处理为:依次对第二记录剖面中的每道数据中的每个数据点进行滑动加窗积分。
[0014]进一步的，步骤(3)的背景消除以及数据无量纲化处理为:将记录每道减去全部记录道的相加平均值，同时再除以相应时间序列的标准差。
[0015]进一步的，步骤(4)的频谱分析采用FFT快速完成，在32道/秒的扫描速度下，选择512点FFT为最佳。
[0016]进一步的，步骤(5)自适应滤波算法为LMS，自适应滤波器的长度选择为32，滤波器系数的初始值选择为滤波器长度的倒数即为1/32，收敛因子在10_8以下。
[0017]本发明的有益效果为:
[0018]本发明所公开的新型基于UWB雷达的非接触式生命特征信号提取方法，实现简单，计算量小，便于DSP实时化片上处理，可实现人体生命特征信号的快速探测。
【专利附图】
【附图说明】
[0019]图1是本发明实施例1所公开的方法的雷达信号处理流程图；
[0020]图2是本发明实施例1中原始雷达探测数据记录剖面；
[0021]图3是本发明实施例1中预处理后雷达探测数据记录剖面；
[0022]图4是本发明实施例1中第一时间序列信号；
[0023]图5是本发明实施例1中自适应滤波算法原理框图；
[0024]图6是本发明实施例1中第二时间序列信号。
【具体实施方式】
[0025]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0026]实施例1，本实施例公开了一种新型基于UWB雷达的非接触式生命特征信号提取方法，包括以下步骤:
[0027](I)对原始雷达探测数据记录剖面也即第一记录剖面进行道间以及道内数据压缩，以减小雷达数据量形成第二记录剖面；
[0028](2)对第二记录剖面在距离向上进行滑动加窗积分处理，用以增强生命特征信号形成第三记录剖面；
[0029](3)对第三记录剖面进行背景消除以及数据无量纲化处理，用以消除强背景信号和距离因素的影响形成第四记录剖面；
[0030](4)对第四记录剖面在距离向上对时间向上的雷达数据进行频谱分析，用以确定可能存在人体生命特征信号的距离位置，提取出第四记录剖面对应距离位置时间向上的雷达数据记为第一时间记录序列；
[0031](5)对第一时间记录序列采用自适应滤波以滤除环境噪声和随机噪声得到第二时间记录序列，即为最终所需要的人体生命特征信号。[0032]进一步的，步骤(1)的道内和道间数据压缩方法为:首先将第一记录剖面的相邻N道相加平均，其中N取值与UWB雷达的扫描速度相关，UWB雷达扫描速度越快则N取值越大，反之亦然；其次将第一记录剖面的每道内相邻M个数据点相加平均，其中M取值4或8。
[0033]进一步的，步骤(2)的距离向上进行滑动加窗处理为:依次对第二记录剖面中的每道数据中的每个数据点进行滑动加窗积分。
[0034]进一步的，步骤(3)的背景消除以及数据无量纲化处理为:将记录每道减去全部记录道的相加平均值，同时再除以相应时间序列的标准差。
[0035]进一步的，步骤(4)的频谱分析采用FFT快速完成，在32道/秒的扫描速度下，选择512点FFT为最佳。
[0036]进一步的，步骤(5)自适应滤波算法为LMS，自适应滤波器的长度选择为32，滤波器系数的初始值选择为滤波器长度的倒数即为1/32，收敛因子在10_8以下。
[0037]具体的说，如图1至图6，图1为本发明整个雷达信号处理流程图，图2为原始雷达探测数据记录剖面，横坐标为时间序列，纵坐标为雷达时窗内采样点数，在实际UWB雷达的非接触式生命探测试验中获得的探测数据记录剖面，即为原始雷达探测数据记录剖面记为第一记录剖面。其中雷达的扫描速度为32道/秒，时窗内采样点数为4096点，第一记录剖面总共由1248个记录道组成。由雷达扫描速度和时窗内采样点数可以看出雷达数据量相对DSP处理器存储芯片而言相当大，要实现实时处理困难较大。
[0038]图3为由图2所示原始雷达探测数据记录首先经过道内雷达数据4点压缩，用以减小雷达探测记录数据量；再进行16点雷达距离向上滑动加窗积分处理，用以提高信噪比；最后进行背景消除以及数据无量纲化处理后所得记录剖面，用以消除雷达记录道数据的衰减及增益差异。其中背景消除和无量纲化处理具体公式为:
[0039]
【权利要求】
1.一种新型基于UWB雷达的非接触式生命特征信号提取方法，其特征在于:包括以下步骤: (1)对原始雷达探测数据记录剖面也即第一记录剖面进行道间以及道内数据压缩，以减小雷达数据量形成第二记录剖面； (2)对第二记录剖面在距离向上进行滑动加窗积分处理，用以增强生命特征信号形成第二记录剂面； (3)对第三记录剖面进行背景消除以及数据无量纲化处理，用以消除强背景信号和距离因素的影响形成第四记录剖面； (4)对第四记录剖面在距离向上对时间向上的雷达数据进行频谱分析，用以确定可能存在人体生命特征信号的距离位置，提取出第四记录剖面对应距离位置时间向上的雷达数据记为第一时间记录序列； (5)对第一时间记录序列采用自适应滤波以滤除环境噪声和随机噪声得到第二时间记录序列，即为最终所需要的人体生命特征信号。
2.根据权利要求1所述的生命特征信号提取方法，其特征在于:步骤(1)的道内和道间数据压缩方法为:首先将第一记录剖面的相邻N道相加平均，其中N取值与UWB雷达的扫描速度相关，UWB雷达扫描速度越快则N取值越大，反之亦然；其次将第一记录剖面的每道内相邻M个数据点相加平均，其中M取值4或8。
3.根据权利要求1所述的生命特征信号提取方法，其特征在于:步骤(2)的距离向上进行滑动加窗处理为:依次对第二记录剖面中的每道数据中的每个数据点进行滑动加窗积分。
4.根据权利要求1所述的生命特征信号提取方法，其特征在于:步骤(3)的背景消除以及数据无量纲化处理为:将记录每道减去全部记录道的相加平均值，同时再除以相应时间序列的标准差。`
5.根据权利要求1所述的生命特征信号提取方法，其特征在于:步骤(4)的频谱分析采用FFT快速完成，在32道/秒的扫描速度下，选择512点FFT为最佳。
6.根据权利要求1所述的生命特征信号提取方法，其特征在于:步骤(5)自适应滤波算法为LMS，自适应滤波器的长度选择为32，滤波器系数的初始值选择为滤波器长度的倒数即为1/32，收敛因子在IO^以下。
【文档编号】G01S7/41GK103728605SQ201310749757
【公开日】2014年4月16日 申请日期:2013年12月31日 优先权日:2013年12月31日
【发明者】费翔宇, 杨振涛, 王春和, 王元新, 冯温雅, 施兴华, 黄素贞, 孙兆峰, 耿红岩, 崔振兴 申请人:中国电子科技集团公司第二十二研究所