穿墙脉冲雷达回波信号人体微动特征识别初步研究

第２７卷第２期　２０１０年２月　计算机应用研究　Ａｐｐｌｉｃａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　ｏｆ　Ｃｏｍｐｕｔｅｒｓ　Ｖｏ１．２７　Ｎｏ．２　Ｆｅｂ．２０１０　

穿墙脉冲雷达回波信号人体微动　

特征识别初步研究术　

祝忠明。，王绪本　，何永波　

（成都理工大学ａ．电子工程系；ｈ教育部地球探测与信息技术重点实验室，成都６１００５９）　

摘要：主要研究了超宽带雷达人体探测回波信号微动特征识别问题。在分析超宽带雷达生命特征检测原理　

的基础上，针对人体微动特征特点，引入能量积分识别算法，编制时窗函数，对雷达实验的多个回波数据进行小　

波去噪处理。结果表明，利用能量积分算法，可以识别出含有人体微动特征的信号。　

关键词：超宽带雷达；回波信号；能量积分算法；识别方法；微动特征　

中图分类号：ＴＮ９５８；ＴＰ３９１　文献标志码：Ａ　文章编号：１００１—３６９５（２０１０）０２　０５９７—０３　

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—３６９５．２０１０．０２．０５４　

Ｐｒｅｌｉｍｉｎａｒｙ　ｓｔｕｄｙ　ｏｆ　ＵＷＢ．ｒａｄａｒ’ｅｃｈｏ　ｓｉｇｎａｌ　ａｎｄ　

ｒｅｃｏｇｎｉｔｉｏｎ　ｍｅｔｈｏｄｓ　ａｂｏｕｔ　ｌｉｆｅ’Ｓ　ｍｉｃｒｏｗａｖｉｎｇ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　

ＺＨＵ　Ｚｈｏｎｇ—ｍｉｎｇ　，ＷＡＮＧ　Ｘｕ—ｂｅｎ　’　，ＨＥ　Ｙｏｎｇ—ｂｏ　’　

（ａ．Ｄｅｐｔ．ｏｆＥｌｅｃｔｒｏｎｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ，ｂ．　ＬａｂｏｒａｔｏＯ＂ｏｆＥａｎｈ　Ｅｘｐｌｏｒａｔｉｏｎ＆Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｅｃｈｎｉｑｕｅｓ　ｎ　ｆ　ｏｆＥｄｕｃａｔｉｏｎ，Ｃｈｅｎｇｄｕ　Ｕｎｉｖｅｒｓｉｔｙ　

ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ　６１００５９，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｐａｐｅｒ　ｓｔｕｄｉｅｄ　ｉｓｓｕｅｓ　ｏｆ　ｍｕｌｔｉ—ｌｉｆｅ　ｄｅｔｅｃｔｉｏｎ　ｂｙ　ＵＷＢ—ｒａｄａｒ．Ｏｎ　ｔｈｅ　ｂａｓｉｓ　ｏｆ　ａｎａｌｙｚｉｎｇ　ｔｈｅ　ｐｒｉｎｃｉｐｌｅ　ｏｆ　ｌｉｆｅ　ｄｅ—　ｔｅｃｔｉｏｎ　ｕｓｉｎｇ　ｉｍｐｕｌｓｅ　ｕｌｔｒａ　ｗｉｄｅｂａｎｄ（ＵＷＢ）ｒａｄａｒ，ｔｈｅ　ｈｉｇｈ—ｒｅｓｏｌｕｔｉｏｎ　ｃａｒｒｉｅｄ　ｏｎ　ｓｏｍｅ　ｐｒｅｔｒｅａｔｍｅｎｔ　ａｎｄ　ｐｒｏｃｅｓｓｉｎｇ　ｔｏ　ｔｈｅ　

ｅｍｐｉｒｉｃａｌ　ｄａｔｕｍ．Ｉｔ　ｕｓｅｄ　ｔｈｅ　ｅｎｅｒｇｙ　ｉｎｔｅｇｒａｌ　ｐｒｉｎｃｉｐｌｅ　ａｎｄ　ｔｈｅ　ｄｅｓｉｇｎ　ｏｆ　ｇｌｉｄｅ　ｗｉｎｄｏｗ　ｂｏｘ　ｎｕｍｂｅｒ　ｔｏ　ｗｉｔｈｄｒａｗ　ｔｈｅ　ｈｕｍａｎ￣ｌｉｆｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｓｉｇｎａｌ，ａｎｄ　ｃａｒｒｉｅｄ　ｏｎ　ｔｈｅ　ｅｆｆｅｃｔｉｖｅ　ｌｏｃａｌｉｚａｔｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ＵＷＢ—ｒａｄａｒ；ｅｃｈｏ　ｓｉｇｎａｌ；ｅｎｅｒｇｙ　ｉｎｔｅｇｒａｌ　ｍｅｔｈｏｄ；ｒｅｃｏｇｎｉｔｉｏｎ　ｍｅｔｈｏｄｓ；ｌｉｆｅ　ｍｉｃｒｏｗａｖｉｎｇ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　

面对地震等自然灾害时，如何最大限度地减轻各类灾害损　

失，抢救被压、埋人员，有效地减少人员伤亡，是减轻灾害损失　

的首要任务，也是最能体现出减灾实效和社会显示度的关键环　

节。因此，为确保在紧急救援中用最短的时间找到被困人员，　

开展先进的生命救助探测与定位方法研究具有十分重要的　

意义。　

１　超宽带及超宽带探测雷达　

从搜救方法对比上，超宽带雷达电磁探测方法具有分辨率　

高、成像信息丰富、定位准确等优点。国外许多国家已经开展　

相应的研究工作，其中以美国、加拿大、俄罗斯、瑞典等为首的　

国家取得了技术的优势，处在该领域的领先地位。国内的电子　

科大、第四军医大学、西安电子科大、成都理工大学地球探测与　

信息技术重点实验室也开展了相应的研究工作。　

２超宽带雷达人体探测原理　

图１为冲激超宽带雷达探测废墟中人体呼吸模型示意图。　

其中虚线部分是人体处在吸气状态（由于心跳所引起的体表　

微动与呼吸相比较小，这里生命特征仅考虑人体呼吸）。发射　与接收天线固定在一处，假设垂直正对人体，距离为如，由于　

废墟的相对介电常数与人体相差较大，辐射的冲激超宽带信号　

穿过废墟，遇到人体后部分能量被反射回来进入接收天线。　

图１冲激超宽带雷达示意图　

．假设人体呼吸造成的体表微动Ｐ（ｔ）以频率，呈正弦规律　

变化（即呼吸频率为ｆ），最大幅度为ａ：　

Ｐ（　）＝ａ　ｓｉｎ　２　（１）　

这样，人体表与天线距离变为　

ｄ（ｔ）＝ｄ０　ｐ（￡）＝ｄ０＋ａ　ｓｉｎ　２￣ｒ　（２）　

接收脉冲的时延为　

（￡）：　：　（３）　

其中：　为电磁波在废墟中的传播速度。从式（３）可以看出，人　

体表微动对时延起到了调制作用，引起周期性变化，变化频率　

与呼吸频率相同。更加具体的，若目标体是静止不动的物体，　

收稿日期：２００９．０５．３１；修回日期：２００９—０７—０２　基金项目：国家科技支撑资助项目（２００６ＢＡＣ１３Ｂ０４）；国家教育部博士点基金资助项目　

（２００５０６１６０１７）；四川省教育厅自然科学基金资助项目（２００６ＺＤ０４０）　

作者简介：祝忠明（１９６２一），男，副教授，硕导，主要研究方向为信号识别与检测算法、超宽带雷达信号处理等；王绪本（１９５６一），男，安徽人，教　

授，博导，主要研究方向为地球探测与信息技术等；何永波（１９７９・），男，河南人，硕士研究生，主要研究方向为电磁探测、信号处理（ｈｅｙｏｎｇｂｏ　５２２＠　

１２６．ｃｏｎ）．

　・５９８・　计算机应用研究　第２７卷　

则每次反射时延位置相同；若是存在周期运动特征（呼吸），则　

时延位置呈一定周期变化，图２为存在周期微动的探测回波数　

据示意图。根据以上分析，可以根据回波数据中是否存在周期　

变化特征，进而初步判断是否存在生命特征。但在实际环境　

中，静止物体和天线直接耦合波等往往造成很强杂波，干扰很　

大，致使无法直接从回波数据中观测到周期性变化。一般要采　

取背景相消处理方法，对接收信号进行处理。　

窨　徊　厘　留　

图２　目标探测回波数据示意图　

３　人体微动特征信号分析　

３．１呼吸信号　

人体正常时，呼吸是个连续的、周期性的动作。正常人体　

呼吸频率为１５—２０　ｂ￣．／ｍｉｎ，如果按照３０次计算，呼吸频率为　

，＝３０／６０＝０．５　Ｈｚ。　

３．２心跳信号　

心脏的每次跳动产生一个微弱的电场信号。本研究中，主　

要利用心脏的跳动（１　Ｈｚ左右）及呼吸、手指等四肢微动所产　

生的近似周期频率（０．２～６　Ｈｚ左右）及带来的胸腔微弱震动　

信号（０．５～１．２　Ｈｚ左右），从而在雷达的回波信号中识别这些　

微动信号，达到有效探测的目的。　‘　

３．３体动信号特征　

人体体动信号指人在掩埋的废墟中，身体某个部位的微　

动，如在废墟中，面临死亡的人们，身体会发出很多动作，如手　

指的颤动、四肢的颤动等，这些微弱的体动特征，形成频率范在　

０．２—１　Ｈｚ的信号，如果能够检测到这些信号，进而可以判断　

出这个区域中存在生命体特征，就能达到快速搜救生命的　

目的。　

４超宽带雷达人体生命特征信号识别　

４．１　超宽带雷达人体探测实验　

结合地震灾害、反恐战争中的实际情况，设计了几种超宽　

带雷达人体探测实验方案。其中，主要包括：无障碍物下的人　

体呼吸及心跳实验，人体四肢微动特征实验、人体匀速微动特　

征实验等几个模拟实验。　

４．２滑动时窗能量积分算法　

在物理实验中，超宽带雷达得到的回波信号中，包含有强　

的直达波、天线耦合波等强干扰信号，将人体呼吸、胸腔震动等　

产生的微动信号淹没掉。所以，很难直接通过所得回波信号来　

判断是否有生命人体存在。利用能量积分的办法对回波信号　

进行能量加窗滑动积分，将微动信号以能量形式表现出来，是　

一个很有效的研究手段。有积分公式得到能量输出为　

５（ｎ，　）＝Ｊ：　（ｎ，￡）×６（ｎ，　）ｄｔ　

＝１，２，３，…，　一　（４）　其中：　为积分窗口的起始值；ｓ（ｎ，Ｔｉ）为不同时间深度的回　

波能量积分。　

由前分析可知，积分结果中隐藏去了很多有效的人体微动　

信号的波形，并叠加了很多噪声，所以，通过信号的频谱分析来　

获取噪声最小的波形。　

对于某一段时间　的信号，能量信号的频谱公式为　

Ｄ　Ｓｉ（ｅ　）＝　善ｌｓ．（ｎ）ｅ一　；　＝１，２，３，‘・。，Ｍ—Ｗ　（５）　

４．３超宽带雷达人体探测能量积分识别成果　

根据项目研究中设置的人体微动物理探测实验数据，利用　

滑动时窗的能量积分算法，并利用ＭＡＴＬＡＢ编制小波去噪程　

序进行能量积分的去噪处理。　

下面是关于能量积分与时窗函数和微动特征识别的成果。　

４．３．１　滑动时窗参数与能量积分数据量的关系　

回波信号的能量积分算法中，选择合适大小的窗函数十分　

重要。因为，积分的关键就是要将回波信号的范围进行圈定，　

然后进行能量积分，进而将人体微动特征以能量变化的形式表　

现出来。下面以实验中的一组方案数据为例，选择不同的窗函　

数，分别进行能量积分，如图３所示。　

道教　（ａ）时窗宽度为１００的能量积分信号　

道教　（ｂ）时窗宽度为２００的能量积分信号　

（ｃ）时窗宽度为４００的能量积分信号　

图３不同时窗函数的能量积分比较图　

选择不同的时窗函数，能量积分的结果也有一定的差异。　

通过图３显示出时窗选择越小，所得结果数据量越小；选择时　

窗越大，所得的能量积分数据量越大。数据量的大小又影响了　

计算的时间和速度。因此，为了减小计算量及误差，方便后续　

处理，在噪声较小的情况下，尽可能选择合适的时窗十分关键。　

４．３．２人体微动生命特征识别效果图　

从图４～７所示的频谱分析中可以看出，时频分析之后的　

频谱分布在１　Ｈｚ以内，大多集中在０．５　Ｈｚ左右。图５（ｅ）的频　

谱集中在０．５　Ｈｚ左右有峰值，与物理实验人体呼吸状态频率　

相符合，可以判断此处有呼吸人体存在；图６（ｅ）的频谱集中在　

０．４　Ｈｚ以内，该值与实验人体手指微动频率设定值一致，可以　

判断此处有人体微动状态存在；图７（ｃ）的频谱在０．３　Ｈｚ以　

内，与物理实验人体匀速移动设置值一致，可以判断该处有人　

体匀速移动状态存在。