论文部分内容阅读
随着无线电技术的快速发展,超宽带雷达逐渐成为生命体征检测的一个重要研究领域。超宽带雷达因其距离分辨率高、穿透能力强、抗干扰等优势,在生命体征检测中发挥越来越重要的作用。其中基于超宽带雷达的生命体征检测系统应用领域广阔,特别是在医疗健康、灾难救援、军事战争等方向上。本文研究基于超宽带雷达的生命体征检测算法,主要内容归纳如下:(1)针对接收信号中存在较强的杂波和噪声,本文首先使用平均相消法对静止杂波进行滤除,接着利用频域低通滤波和信号自相关处理对信号进行降噪以提高信号的信噪比,然后采用距离门选择算法提取体表振动信号。(2)研究单目标的生命体征检测算法。针对被测目标可能存在轻微移动(没有过多抖动),提出轨迹捕捉算法,其通过接收脉冲的峰值位置去预测目标的运动轨迹,接着按照运动轨迹去修正每一束接收脉冲以获得目标静止状态下的接收信号。为了解决弱心跳信号容易被呼吸谐波和其他杂波掩盖的问题,提出N次迭代的峰值捕捉算法,其首先提取呼吸频率并抑制其高次谐波,接着在心跳频段捕获M个峰值频率,然后迭代N次统计心跳频段出现最多次数的峰值频率作为心跳频率。通过MATLAB算法仿真,结果表明,该算法可以准确提取静止、微动目标的生命体征,相对于传统峰值捕捉算法和离散傅里叶变换(Discrete Fourier Transform,DFT)算法有更高的测量精度和更好的稳定性。(3)研究多目标的生命体征检测算法。本文提出两种多目标体征检测算法,基于一维距离聚类的多目标体征检测算法和基于距离频率聚类的多目标体征检测算法。前一种算法先计算距离门能量,接着进行一维距离聚类获得目标距离门坐标,然后分段进行单个目标体征检测获取呼吸心跳频率。后一种算法先将回波信号在频域上展开,接着分别对呼吸和心跳频段进行降噪、二值化处理,然后进行距离频率二维聚类获得被测目标的呼吸心跳频率。通过MATLAB算法仿真,结果表明,相对于其他算法,基于一维距离聚类的体征检测算法具有更高的测量准确度,但仅能检测不同位置上的多个目标;而基于距离频率聚类的体征检测算法可以快速准确地检测同一位置上的多个目标。