1.一种基于毫米波雷达的双生物识别方法,其特征在于,包括如下步骤:
(1)设置毫米波雷达信号参数,通过毫米波雷达发射调频连续波采集人体的生物活动信号;所述生物活动信号包括人体呼吸时胸廓的起伏信号和人体说话时声带区域皮肤的振动信号;
(2)将反射信号与发射信号进行混频得到差拍信号,对差拍信号进行傅里叶变换,得到雷达与人体之间的距离单元信息;所述发射信号为通过毫米波雷达向人体发射的调频连续波;所述反射信号为调频连续波到达被人体处会被反射的信号;
(3)提取所有脉冲周期的调频连续波的相位并进行解缠绕处理得到解缠后的相位;
(4)分离解缠后的相位携带的两种生物活动信号并分割为生物活动信号段;
(5)提取生物活动信号段中的生物特征,具体包括:
S5-1:分别提取呼气-吸气信号段的波形特征和吸气-呼气信号段的波形特征;
S5-2:依次提取呼气-吸气信号段和吸气-呼气信号段的统计特征分量、时频特征;
S5-3:提取声带振动信号段的滤波器组特征;
所述呼气-吸气信号段的波形特征提取方法包括:首先找到波峰段的最大值,即波峰高度,波峰的最大宽度;接着在波峰段上选取a组采样点,每组采样点包括一个波峰上升段采样点和一个波峰下降段采样点,其中,且每组采样点对应的幅值比为1:1;每组采用点之间的时间间隔为;波峰高度定义为;因此波峰的波形特征为;其中,,,均为对应的坐标值;
所述吸气-呼气信号段的波形特征提取方法包括:首先找到波谷段的最小值,即波谷深度,波谷的最大宽度;接着在波谷段上选取a组采样点,每组采样点包括一个波谷上升段采样点和一个波峰下降段采样点,其中,且每组采样点对应的幅值比为1:1;每组采用点之间的时间间隔为;波谷深度定义为,因此波谷的波形特征为;其中,,,均为对应的坐标值;
(6)身份认证与识别,具体包括:
S6-1:注册阶段,将合法用户的生物特征送入分类器中生成用户配置文件;
S6-2:认证阶段,将访问人员与合法用户的生物特征对比,输出身份识别结果。
2.权利要求1所述基于毫米波雷达的双生物识别方法,其特征在于,所述毫米波雷达信号参数包括:慢时间采样点数,慢时间采样率,帧周期,快时间采样点数,快时间采样率,脉冲周期,帧数;
所述毫米波雷达信号参数的设置方法包括以下步骤:首先确定设置为,确定设置为;确定所需要的慢时间采样率为,那么最多为;最多为;至少为;至此,雷达参数全部计算完毕。
3.权利要求1所述基于毫米波雷达的双生物识别方法,其特征在于,所述步骤(2)中,获得雷达与人体之间的距离单元信息的方法,具体包括:S2-1:毫米波雷达的发射信号是周期信号,由多个脉冲周期组成,假设信号幅度为1,且传播过程中不发生衰减,则发射信号中单个脉冲周期内复的信号表达式为:;其中,为信号的起始频率,为调频斜率,为观测时间,j为虚数符号;
S2-2:反射信号的表达式为:;其中,为发射信号与反射信号之间的延迟,且满足,为光速,R为雷达与人体之间的距离单元信息;
S2-3:发射信号与反射信号混频后得到差拍信号:;其中,为反射信号,为发射信号,由于,故为1,那么当前时刻差拍信号可以写为:;
S2-4:将差拍信号进行傅里叶变换:
;其中,为差拍信号的频率,f为频率自变量;
S2-5:差拍信号的距离谱为;当时,距离谱的值最大,得到人体的距离单元信息为,R是雷达与人体之间的距离单元信息。
4.如权利要求1所述基于毫米波雷达的双生物识别方法,其特征在于,所述步骤(3)中,提取所有脉冲周期的调频连续波的相位并进行解缠绕处理得到解缠后的相位,具体包括:S3-1:假设每帧信号的调频连续波个数为,总共有帧信号,那么对于个脉冲周期的调频连续波,将差拍信号进行傅里叶变换后表示为;
S3-2:提取人体目标位置处的相位并解缠绕,在时,差拍信号的相位为,其中, x=1,2...,;
S3-3:所有调频连续波周期内人体目标的距离单元处的相位表示为/λ;Rx是每个脉冲时刻下雷达与目标之间的距离单元信息,其中x=1,2...,,是脉冲周期;T是转置符号,λ为差拍信号的波长;
S3-4:相位解缠绕的公式表达为:;其中为解缠后的相位,为解缠前的相位,为所处的周期。
5.如权利要求4所述基于毫米波雷达的双生物识别方法,其特征在于,所述步骤(4)中,首先,将分离解缠后的相位分别输入到截止频率为0.1Hz的高通滤波器和通带范围为80-500Hz的带通滤波器中,高通滤波器输出的生物活动信号A对应人体呼吸时胸廓的起伏信号,带通滤波器输出的生物活动信号B对应人体说话时声带区域皮肤的振动信号;
然后将生物活动信号A按照周期规律分割为呼气-吸气信号段和吸气-呼气信号段;将生物活动信号B中讲话部分的片段保留,沉默部分的片段舍弃,保留下来的片段为声带振动信号段。
6.如权利要求1所述基于毫米波雷达的双生物识别方法,其特征在于,所述S5-2中,统计特征分量的提取为:利用K级小波包分解,将生物活动信号A的波峰段与波谷段信号分别分解为个子信号,总共得到2×J个子信号;计算每个子信号的均值,方差和偏度,得到J×3的统计特征;
所述时频特征分量的提取为:在生物活动信号A中,选取任意一个吸气-呼吸-吸气的信号段计算其短时傅里叶变换作为其时频特征。
7.如权利要求1所述基于毫米波雷达的双生物识别方法,其特征在于,所述S5-3中,提取声带振动信号段的滤波器组特征,具体包括:对每个声带振动信号段进行分帧,计算每一帧的傅里叶变换得到时频谱,利用X个重叠的三角滤波器将时频谱映射到梅尔频率尺度上,最后计算三角滤波器输出时频谱的对数即可得到声带振动信号的滤波器组特征,每个声带振动信号段可以得到的特征向量大小为a×X。
8.如权利要求1所述基于毫米波雷达的双生物识别方法,其特征在于,所述步骤(6)中,身份认证与识别具体包括:S6-1:当处于注册阶段时,用户通过步骤(1)-(5)采集合法用户的生物特征,将这些生物特征向量进行组合后,录入到数据库中形成对应的合法用户配置文件;当有一名新的用户注册成功时,会形成新的合法用户配置文件,当存在N个合法用户时,第N个用户的配置文件标签表示为,其中中的元素均为大小不超过1的正数;
S6-2:通过步骤(1)-(5)采集访问人员的生物特征,采用了ECAPA-TDNN作为身份识别分类器,假设身份识别分类器输出得到的访问人员特征标签为,其中为中的元素,,合法用户配置文件标签与访问人员特征标签的欧氏距离向量为;如果中存在任一元素,使得,则访问人员的身份即为该元素索引所对应的身份标签;否则,判定访问者为非法用户,被拒绝访问。