1.一种基于PE和TVF-EMD的超宽带雷达生命体征信号去噪算法,其特征在于,该方法包括以下8个步骤:步骤1:建立生命体征信号数学模型;
所述步骤1中的生命体征信号数学模型是指以超宽带雷达探测技术为应用基础,在利用超宽带雷达救援时其电磁波信号与人体呼吸运动、心跳运动信号叠加而来的数学公式;
步骤2:对原始雷达回波进行去噪预处理以提高信噪比;
步骤3:雷达回波矩阵慢时间序列中的目标区域范围和非目标区域范围的信号幅值不同,利用排列熵,即PE参数来检测人体目标的位置;
步骤4:范围估计,对人体位置处的信号进行选取以及信号的再结合;
步骤5:对结合过的信号进行带通滤波的处理;
步骤6:对经过预处理后的信号进行TVF-EMD分解;
步骤7:将符合要求的IMF呼吸分量与心跳分量进行重构;
步骤8:利用FFT变换对重构后的信号进行频谱分析。
2.根据权利要求1所述的一种基于PE和TVF-EMD的超宽带雷达生命体征信号去噪算法,其特征在于,所述步骤1的过程如下:步骤1.1:假设d0为人体胸部表面到天线的距离,Δd为人体呼吸和心跳产生的胸腔周期性变化,则雷达天线到人体胸部的瞬时距离表达式为:d(t)=d0+Δd=d0+dr+dh=d0+Arcos(2πfrt)+Ahcos(2πfht) (1)其中,t为慢时间,Ar和Ah分别为呼吸运动和心跳运动产生的振幅,fr和fh分别为呼吸运动的频率和心跳运动的频率;
步骤1.2:假设在检测场景中,除了人体的呼吸运动和心跳运动以外,其他物体均保持静止状态,则雷达信号的冲激响应为:其中,τ为快时间,avδ(τ-τv(t))是人体目标响应,av表示人体微动回波信号幅度,τv(t)是人体微动回波在快时间方向上的时延,是周围静止目标响应之和,ai表示周围静止物体回波信号幅度,τi是周围静止物体回波在快时间方向上的时延,则τv(t)可以表示为:其中,v为电磁波的传播速度,τ0为雷达天线与人体之间的固定时延,τr为人体呼吸运动时延,τh为心跳运动时延;
步骤1.3:假设超宽带脉冲雷达发射天线所发出的信号为p(τ),则接收天线收到的回波信号为:步骤1.4:对雷达回波信号进行离散处理得到生命体征信号的数学模型:其中,δT为快时间采样间隔,τ=mδTm=0,1,2…M-1为对快时间进行离散化,M为快时间采样点数;Ts为慢时间采样间隔,t=nTs n=0,1,2…N-1为对慢时间进行离散化,N为慢时间采样点数。
3.根据权利要求1所述的一种基于PE和TVF-EMD的超宽带雷达生命体征信号去噪算法,其特征在于,所述步骤2的过程如下:步骤2.1:道信号相减法,对雷达回波信号中的背景杂波进行消除的最简单又直接的方法就是用每一行雷达回波信号与前一行雷达回波信号相减,在这一过程中保持恒定不变的量就会被消除,对于雷达回波矩阵S(m,n),m为雷达回波延迟时间的采样点数,也就是快时间点数;n为扫描时间的采样点数,也叫做慢时间点数;假设快时间序列为Yj,j=1,2,3…,N,其中N为采样点数,则道信号相减法的结果Yj'为:Y’j=Yj+1-Yj (6)
步骤2.2:减平均法,对雷达回波数据沿扫描时间方向取平均值,即直流分量;直流分量由静止物体所产生,由于静止物体与探测装置间的距离固定不变,而人体的呼吸信号与心跳信号是呈周期性变化的,因此可以用原始数据减去这一平均值就可以达到去除直流分量的效果,则消除直流分量的结果为:其中,可近似看为背景杂波中的直流分量;
步骤2.3:线性趋势抑制,根据扫描时间方向上的线性最小二乘拟合来估计所得到的背景杂波中具有潜在性的线性趋势,随后从雷达回波数据中减掉该线性趋势,就可以达到去除背景杂波的目地,去除结果的计算公式如下:W=ΩT-X(XTX)-1XTΩT (8)
其中,X=[x1,x2],x1=[1,2,…,N]T,x2=[1,1,…,1]T;
步骤2.4:自动控制增益,选择2λ+1的时间窗,并根据其中的能量计算相应的增益系数,来完成自适应控制的目的;设第n1帧回波信号为r(τ,n1),则:rE(t,τ)=gm(t,τ)×r(t,τ) (10)其中gm(t,τi)为增益系数,rE(t,τ)为处理后的人体生命体征信号;
步骤2.5:快时间滤波,根据小波变换的小波阈值去噪是一种常见的信号去噪方式,如何选择合适的阈值是雷达回波信号去噪的关键;采用广义交叉验证函数来确定阈值,该方法与传统的D-J阈值相比无需依赖输入输出数据,具有更大的优势,GCV公式表达式如下:其中N表示小波系数的数量,N0表示小波系数为0的数量,w表示含噪声的回波信号,wt表示降噪后的回波信号;
步骤2.6:慢时间滤波,采用巴特沃斯低通滤波器滤去高频的噪声信号,它的平方幅度函数定义为:其中N为滤波器的阶数,ωc为3dB截至频率,ε是控制带通波纹幅度的参数,由于人体呼吸频率范围是0.1-0.5Hz,心跳频率范围是0.8-3.0Hz,所以其频带选择为0.1-3.0Hz。
4.根据权利要求1所述的一种基于PE和TVF-EMD的超宽带雷达生命体征信号去噪算法,其特征在于,所述步骤3的过程如下:假设快时间为m1,对长度为N的慢时间序列X[m1,i]={y(1),y(2),…,y(i)},i=1,2,…,N,Y∈WM×N,进行相空间重构可得:其中τd为延迟时间,q为嵌入维度,K=N-(q-1)τd;该矩阵的每一行都是重构分量,共有K个重构分量,将第j个重构分量中的元素按升序排列,可以得到新的重构分量:x(i+(j1-1)τd)≤x(i+(j2-1)τd)≤…≤x(i+(jq-1)τd) (14)若其中存在相等的分量,则按ji中下标i的大小进行排列即j1 j2的排列顺序,对于任意时间序列经过空间重构后得到的重构矩阵中的任意分量可以得到一组序列:S(l)=(j1,j2,…,jq) (15)其中l=1,2,…,k,k≤q!,m维相空间映射可以产生m!种S(l)排序;
计算每种序列S(l)不同排列顺序的出现概率Pk,概率和为1,则按照Shannon熵的形式,时间序列X[m1,i]的k种不同符号序列的排列熵可以定义为:当即每种排列顺序的概率存在且相等时排列熵的值最大为ln(m!),因此对排列熵HP进行归一化处理可得:HP的值表示慢时间序列X[m1,i]的复杂程度,HP的值越小,时间序列变化越规则,反之越随机;在雷达回波矩阵中,目标位置范围在慢时间方向上的数据变化比较规则对应的人体目标的PE值较小,可以通过寻找PE值结果的最低点来判断人体目标的位置Ppos,公式表示如下:range=(v×Ppos×Tf)/2 (18)其中v=3×108m/s,Tf为快时间方向上的采样间隔;
假设人体胸腔的横向距离为d,计算得到胸腔距离在信号中所占用的点数为:进而可以得到生命体征信号矩阵δ的表达式为:
5.根据权利要求1所述的一种基于PE和TVF-EMD的超宽带雷达生命体征信号去噪算法,其特征在于,所述步骤6的过程如下:步骤6.1:局部截止频率
B-样条拟合滤波器的截止频率是随着时间变化而发生改变的,它主要通过构造多项式样条的方式来逼近输入信号,可表示如下形式:其中βn(t)为B-样条函数,c(k)为B-样条相关系数,为逼近误差,用B-样条阶次n和节点m来确定B-样条相关系数时可使逼近误差最小,公式表示为:其中[]↑m为上采样操作,即在每两个采样点之间插入m个采样点;
根据公式(21),c(k)可表示为:
其中[]↓m为下采样操作,即每隔m个点进行采样;为预滤波器,公式表示如下:综上,B-样条拟合器可表示为如下形式:
根据上述公式可将B-样条逼近看作一种特殊形式的低通滤波器,通常情况下,用节点m来确定B-样条滤波器的局部截止频率,信号执行时变滤波的时间则由截止频率来确定,进行时变滤波经验模态分解的具体实现步骤如下:步骤6.1.1:利用Hilbert变换计算输入信号x(t)的瞬时幅值A(t)与瞬时频率其中X(t)为输入信号x(t)的Hilbert变换;
步骤6.1.2:确定瞬时幅值A(t)的局部极大值序列A({tmax})与局部极小值序列A({tmin})z(t)作为多分量信号的解析信号可表示为:由此可得:
其中表示第i个分量的瞬时相位,ai(t)表示第i个分量的幅值;
假设在tmin处取得局部最小值可得:
将公式(31)代入(29)和公式(30)可得:
A(tmin)=|a1(tmin)-a2(tmin)| (32)根据导数运算可得:
a’1(tmin)-a'2(tmin)=0 (34)同理,可得到如下公式:
A(tmax)=|a1(tmax)+a2(tmax)| (36)a’1(tmax)+a'2(tmax)=0 (38)步骤6.1.3:分别对A({tmax})与A({tmin})进行插值拟合可得局部极值拟合函数β1(t)与β2(t)并计算瞬时均值函数a1(t)与瞬时包络函数a2(t)步骤6.1.4:计算瞬时频率分量和
其中η1(t)与η2(t)分别为对进行插值后的结果;
步骤6.1.5:计算局部截止频率
步骤6.1.6:重新对局部截止频率进行调整来解决间歇问题局部截至频率可能会受到噪声的影响,因此对进行重构可得到一个新的信号:步骤6.2:局部均值函数
利用时变滤波器对输入信号进行滤波来获取局部均值,并将f(t)的极值点作为构造时变滤波器的节点,可以使滤波器的截止频率与局部截止频率保持一致,对输入信号x(t)进行B-样条插值逼近可以得到逼近结果m(t);
步骤6.3:停止准则
判断准则如下:
其中BL(t)为瞬时带宽,为加权均值瞬时频率,ξ为给定的带宽阈值,若满足公式(45)则该信号为局部窄带信号;根据人体的呼吸频率为0.1Hz-0.5Hz,心跳频率为0.8Hz-3.0Hz可将回波信号分为n个IMF分量并在频域上对每个分量进行呼吸和心跳能量百分比的计算,计算公式如下:其中Q(j)为第j个IMF的频域能量,Qr(j)为第j个IMF呼吸频域能量,Qh(j)为第j个IMF心跳频域能量,δr与δh分别为呼吸和心跳的判断阈值。
6.根据权利要求1所述的一种基于PE和TVF-EMD的超宽带雷达生命体征信号去噪算法,其特征在于,所述步骤7的过程如下:将符合要求的IMF呼吸分量与心跳分量进行重构,公式如下:Sr(t)=∑IMF(t) (50)
Sh(t)=∑IMF(t) (51)。