一种用于超宽谱探人雷达的人体识别新方法.docxVIP

一种用于超宽谱探人雷达的人体识别新方法 0 超宽谱技术在探测、识别和定位的应用 雷达检测过程经历了连续波雷达和超宽谱雷达的步骤。超宽谱探人雷达因其具有高距离分辨率和强目标识别能力等特点而成为本研究领域的一个热点。探人雷达最早采用点频连续波体制, 因其回波没有距离和方位角信息, 故其探测结果往往只能给出有人或无人, 至于有几个人、人的位置这些信息我们无法知道。20世纪90年代开始就有研究小组将超宽谱技术应用于探人雷达领域, 并在人体目标的探测、识别和定位方面取得了一些成果。这些小组多采用FFT或时域信号处理方法来对运动目标进行信号处理, 再根据处理结果来进行简单人体识别或者直接显示处理结果。 为了有效识别人体, 提高超宽谱探人雷达的探测准确率, 本文在原有时域信号处理的基础上, 提出了一种基于波形匹配思想的新判别方式, 大量的实验数据证明, 该判别方式能有效地提高超宽谱探人雷达目标有无的识别准确率。 1 天线辐射0 图1为基于超宽谱雷达的非接触生命探测系统原理图。脉冲振荡器产生脉冲信号, 该信号触发电磁脉冲发生器产生窄脉冲, 并通过发射天线辐射出去。反射信号经过接收天线送到取样积分器, 由脉冲振荡器产生的信号经过延时电路产生距离门, 对接收信号进行选择, 信号通过积分电路, 经过脉冲积累后微弱信号被检测出来, 我们对检测出来的微弱信号进行放大滤波, 并经高速采集卡采样后送入DSP (数字信号处理器) 进行分析处理并识别, 最后将识别结果发送给计算机显示。 2 信号和目标识别算法 2.1 信号处理算法 本文所采用的信号处理方法采用项目组现有的时域信号处理方法, 其算法流程如图2所示。 2.1.1 滑窗累积积分 由于超宽谱探人雷达的高速采集卡采样率高, 采样后信号数据量大, 不利于实时运算, 所以在确保距离分辨率的情况下我们首先采用滑窗累积的方法对采样后的距离信号进行隔点积分, 在不损失信号特征的情况下减少信号长度, 降低运算量, 加快运算速度。积分后的信号长度为200点。 将积分后信号按时间和空间2个域进行分解、重构, 合成含有时间信息的目标回波信号和含有空间信息的距离信号, 目标回波信号反映的是对应距离点上的信号幅值随时间变化的情况, 而距离信号则为同一时刻不同距离上的各点的幅值组成的序列。 2.1.2 保留文献信号 对于目标回波信号采用参数合适的有限冲激响应低通数字滤波器去除高频干扰, 保留正常人的呼吸等生理信号;对于滤波后信号, 采用数字微分器去除直流漂移干扰, 以增强微弱信号的生命特征部分, 提高信噪比。 2.1.3 人体能量累积计算 本文在能量累积中采用了对微弱生命特征信号敏感的过零点这一特征, 即在距离信号上寻找过零点, 将过零点处的信号幅值在时间上累加, 非过零点处的信号幅值置零, 取50 s时长的数据做能量累积得到处理结果, 用于人体目标的判别。 2.2 信号幅值和信号离散系数的判别方法 本文在超宽谱雷达实验平台上进行了大量的实验, 包括自由空间、各种建筑墙体、废墟实验场的有人和无人探测实验。 用前面所述的信号处理方法对各组实验数据分别进行信号处理, 对处理后的信号波形进行直观分析和相关的信号特征分析。最后发现, 探测区域无目标时, 信号幅值的最大值较小, 信号能量整体比较平均, 无明显异常值, 即整个距离上能量的离散度较小如图3所示;探测区域有目标时信号幅值的最大值较大, 信号能量整体不均衡, 有明显异常能量大值出现, 如图4所示, 或整段较大能量值出现如图5所示, 即整个距离上的能量的离散度较大。 通过观察寻找规律, 进行统计分析, 并基于波形匹配的思想, 最后确定了信号幅值和信号离散系数相结合的判别方法。判别方法及规则如下。 寻找处理后的能量信号 (200点) 的最大值, 记录最大值的幅值, 当该幅值大于40时, 判别算法给出有探测区域内有人体目标的结果, 小于10时给出探测区域内无人的结果。至于有几个人, 人的位置等信息则由其他的判别算法给出。 将能量信号分段, 对每段内所有点的幅值求和, 形成各段的能量值, 计算这几个能量值的标准差和均值, 用标准差除以均值作为离散系数, 用离散系数来判断探测区域内的目标有无。 当能量信号的最大幅值处于大于等于10且小于等于40的区间时, 就需要靠离散系数来判别。此时, 离散系数大于0.5则认为探测区域内有人体目标, 小于0.5则认为无目标。例如, 图3所示的能量信号的离散系数的计算结果为0.16 (无目标) , 图4所示信号的离散系数为0.99 (单目标) , 图5所示信号的离散系数为0.76 (多目标) 。 3 实验数据预处理 本文进行了自由空间探测、穿透30 cm砖墙探测、穿透两堵30 cm砖墙探测和废墟实验场的探测实验。其中废墟探测试验场为项目组自行设计建成,