基于多通道HHT的UWB雷达人体运动微多普勒特征提取方法技术

本发明专利技术公开了基于多通道HHT的UWB雷达人体运动微多普勒提取方法，包括以下步骤：步骤1，获取UWB雷达信号；步骤2，预处理获取的UWB雷达信号；步骤3，有效通道选择；步骤4，多通道时频谱融合；本发明专利技术所提微多普勒时频分析方法具有更高的时频分辨率，不同部件对应微多普勒特征成分区分更加明显，更能体现人体运动的瞬时特征和细节变化；本发明专利技术所提时频分析方法抗干扰能力强，较远距离穿墙探测、信号急剧衰减情况下仍能捕捉到明显的微多普勒特征。本发明专利技术所提时频分析方法具有更好的去噪能力，所得时频谱信噪比更高，微多普勒特征成分更加明显。

【技术实现步骤摘要】
基于多通道HHT的UWB雷达人体运动微多普勒特征提取方法
本专利技术属于生物雷达或雷达式生命探测与识别
，特别涉及基于多通道HHT的UWB雷达人体运动微多普勒特征提取方法。
技术介绍
超宽带(UltraWideband,UWB)雷达作为一种新型的非接触生命探测技术，且具有较高的距离分辨率和抗干扰性，其能够穿透一定厚度的非金属介质(砖墙、废墟等)、远距离、非接触探测和识别人体目标运动特征，逐渐应用于反恐处突、人质解救、城市巷战，边防安保和灾后搜救等场合，对提高部队战斗力和保障人民群众的生命安全具有重要作用。微多普勒特征指除目标主体运动外，其各部件微动均会对雷达波产生差异性多普勒调制，超宽带雷达回波中蕴含微动信息将反应目标的几何结构和运动特征，有效的微多普勒特征提取和分析将为雷达目标识别分类提供新途径。然而，针对上述穿透探测应用场景，目前人体运动超宽带雷达微多普勒的分析与提取方法还存在以下问题：目标运动微多普勒特征将分布于超宽带雷达信号的多个距离单元，目前还未有针对超宽带雷达进行微多普勒特征综合分析与提取的方法；目标运动微多普勒穿墙后衰减迅速，微多普勒特征将与强烈的墙体杂波和背景噪声相互交织甚至被淹没，使得微多普勒特征信噪比极地，难以提取；传统的微多普勒特征时频变换提取方法时间-频率分辨率较低，不同部件所造成的相应微多普勒特征难以区分提取。因此，目前急需一种时间-频率分辨率高、抗干扰性强的人体运动超宽带穿墙雷达信号微多普勒特征分析与提取方法，其将为人体目标运动的识别与分类提供详细、高价值的特征信息。
技术实现思路
针对上述现有技术中存在的问题或缺陷，本专利技术的目的在于，提供基于多通道HHT的UWB雷达人体运动微多普勒特征提取方法，能够利用改进的希尔伯特-黄变换(Hilbert-HuangTransform,HHT)结合有效通道融合技术对蕴含在UWB雷达中的人体运动微多普勒特征进行充分利用和有效提取，并结合人体运动学原理和雷达波散射机理对不同微多普勒成分进行分析验证。为了实现上述目的，本专利技术采用如下技术方案：基于多通道HHT的UWB雷达人体运动微多普勒特征提取方法，其特征在于，包括以下步骤：步骤1，UWB雷达的发射天线发射信号，UWB雷达的接收天线接收被墙后人体反射的信号式(1)中，表示距离轴采样点的数量，表示时间轴采样点的数量，表示在距离轴为m、时间轴为n时的信号值；步骤2，对进行预处理，得到预处理后信号R；式(2)中，rm(n)表示在距离轴为m、时间轴为n时的预处理后信号值；步骤3，设定有效运动特征信号边界值为距离轴dc和df，df＞dc，将预处理后信号R中距离轴m≥dc和m≤df内的信号作为有效运动特征通道信号包括M′个通道信号其中M′＝df-dc+1；式(3)中，表示在距离轴为m′、时间轴为n时的有效运动特征通道信号值，；其中，设距离轴dc信号的能量为距离轴df信号的能量为E0为预处理后的空采信号的距离轴单元信号的平均值作为噪声能量均值；步骤4，对的M′个通道信号分别进行时频分析，得到M′个时频矩阵；包括：步骤41，任选中任一通道信号作为当前通道信号步骤411，向当前通道信号添加随机白噪声，得到待处理信号r′m′；步骤412，对待处理信号r′m′进行EMD分解，得到本征模态函数分量序列IMF，所述IMF包括Q个imf；步骤413，重复步骤411至步骤412L次，得到L组本征模态函数分量序列IMF，记为LIMF＝(IMF1,IMF2,…,IMFl…IMFL)，l＝1,2,...,L,L为大于等于1的自然数；步骤414，对L组IMF进行平均，得到当前通道信号的最终本征模态函数分量序列IMF′；IMF′＝{imf′q|q＝1,2,...,Q}(5)步骤42，任选IMF′中任一分量作为当前分量imf′q；步骤421，若该当前分量imf′q与当前通道信号的向量空间余弦相似度为S_cosθq小于等于阈值CS_T，则从IMF′中将该当前分量imf′q去除；其中，步骤422，重复步骤421，直至IMF′所有分量都被作为当前分量，得到有效IMF″，所述IMF″中包括Q′个分量，Q′＜Q；步骤43，对IMF″中的Q′个分量进行希尔伯特变换，得到当前通道信号的时频矩阵Hm(ω,t)，ω表示瞬时频率，t表示时间；步骤44，重复步骤41至步骤43，直至中M′个通道信号都被作为当前通道信号，得到M′个时频矩阵，记为M′H(ω,t)；M′H(ω,t)＝(H1(ω,t),…,Hm(ω,t),…,HM′(ω,t))(6)步骤5，通过式(7)得到表征整个人体运动微多普勒时频特征的综合时频谱H(ω,t)。进一步地，步骤2中所述所述预处理包括：减平均操作和低通滤波操作。进一步地，步骤3中所述的空采信号为墙后无人体时，UWB雷达接收被墙反射的信号。进一步地，步骤3中所述的预处理后的空采信号是对空采信号进行减平均操作和低通滤波操作后得到的信号。与现有技术相比，本专利技术具有以下技术效果：本专利技术所提微多普勒时频分析方法具有更高的时频分辨率，不同部件对应微多普勒特征成分区分更加明显，更能体现人体运动的瞬时特征和细节变化；本专利技术所提时频分析方法抗干扰能力强，较远距离穿墙探测、信号急剧衰减情况下仍能捕捉到明显的微多普勒特征。本专利技术所提时频分析方法具有一定更好的去噪能力，所得时频谱信噪比更高，微多普勒特征成分更加明显。附图说明图1为穿墙3m位置人体原地踏步UWB雷达原始信号图；图2为UWB雷达预处理信号；图3为UWB雷达信号有效通道选择示意图；图4为基于改进多通道HHT对多通道UWB雷达信号分析处理流程图；图5为墙后3m位置摆单臂和摆双臂UWB雷达信号STFT综合时频谱与改进型HHT综合时频谱：(a)摆单臂STFT时频谱；(b)摆单臂HHT时频谱；(c)摆双臂STFT时频谱(d)摆双臂HHT时频谱；图6为基于改进型HHT的墙后3m位置人体6种动作综合时频谱：(a)原地踏步；(b)蹲下捡物；(c)挥手；(d)原地跳跃；(e)随意站立(微晃)；(f)坐姿呼吸。图7为墙后3m、4m、5m位置原地踏步UWB雷达信号STFT综合时频谱与改进型HHT综合时频谱：(a)4m，STFT时频谱；(b)4m，HHT时频谱；(c)5，STFT时频谱；(d)5m，HHT时频谱；(e)6m，STFT时频谱；(f)6m，HHT时频谱。具体实施方式下面通过附图和实施例对本专利技术作进一步说明。雷达电磁波穿透墙体照射到人体反射，运动人体各部件微动均会对电磁波产生微多普勒调制，使得反射回波的延迟时间出现相应变化，进而雷达回波中蕴含的微动信息将反应目标的几何结构和运动特征。通过时频分辨率高、特征提取能力强、抗干扰性好的微多普勒特征提取方法即可实现运动人体各部件运动细微特征的提取，为细微人体运动状态识别分类提供基础。实际应用中，UWB穿墙探测信号中往往包含强烈的墙体反射直达波和背景噪声，使得人体运动信号被淹没。另外，人体各部件运动信息将分布于UWB雷达时间-距离二维数据的一定距离单元内，有效运动特征信息的利用以及高效的微多普勒特征提取方法成为必要。本专利技术所提出的微多普勒提取算法具有以下技术优势：(1)信号分解中采用EEMD分解方式，其能够根据信号自身特征自适应分解，具有自适应性和灵活性，本文档来自技高网...

【技术保护点】
基于多通道HHT的UWB雷达人体运动微多普勒特征提取方法，其特征在于，包括以下步骤：步骤1，UWB雷达的发射天线发射信号，UWB雷达的接收天线接收被墙后人体反射的信号

【技术特征摘要】
1.基于多通道HHT的UWB雷达人体运动微多普勒特征提取方法，其特征在于，包括以下步骤：步骤1，UWB雷达的发射天线发射信号，UWB雷达的接收天线接收被墙后人体反射的信号式(1)中，表示距离轴采样点的数量，表示时间轴采样点的数量，表示在距离轴为m、时间轴为n时的信号值；步骤2，对进行预处理，得到预处理后信号R；式(2)中，rm(n)表示在距离轴为m、时间轴为n时的预处理后信号值；步骤3，设定有效运动特征信号边界值为距离轴dc和df，df＞dc，将预处理后信号R中距离轴m≥dc和m≤df内的信号作为有效运动特征通道信号包括M′个通道信号其中M′＝df-dc+1；式(3)中，表示在距离轴为m′、时间轴为n时的有效运动特征通道信号值，；其中，设距离轴dc信号的能量为距离轴df信号的能量为E0为预处理后的空采信号的距离轴单元信号的平均值作为噪声能量均值；步骤4，对的M′个通道信号分别进行时频分析，得到M′个时频矩阵；包括：步骤41，任选中任一通道信号作为当前通道信号步骤411，向当前通道信号添加随机白噪声，得到待处理信号r′m′；步骤412，对待处理信号r′m′进行EMD分解，得到本征模态函数分量序列IMF，所述IMF包括Q个imf；

【专利技术属性】
技术研发人员：祁富贵，王健琪，梁福来，马腾，吕昊，刘淼，张自启，
申请(专利权)人：中国人民解放军第四军医大学，
类型：发明
国别省市：陕西,61