论文部分内容阅读
目前,军事、医疗等更多的领域需要实现人体目标精确的探测与定位,因此对人体微动信号大范围、远距离、精确的探测和定位方法迫切需要解决。本文针对传统单站穿墙探测雷达系统探测角度窄、信噪比低以及对目标运动敏感(被检对象偏离雷达视角)等问题,设计了一种多天线构成的多通道超宽带穿墙雷达人体微动(主要是人体呼吸运动)信号检测系统,将杂波抑制、小波变换、图像融合、恒虚警率处理(CFAR)和隐马尔科夫模型(HMM)等应用于隐藏人体微动信号的检测中。实验结果表明,本系统不仅提高雷达对隐藏人体微动信号检测的视角范围,还增强检测能力。论文的主要工作包括以下几个方面: 1.针对单站雷达易受到雷达视线角度影响而容易导致检测失效的问题,本文设计了一种多天线构成的多通道超宽带穿墙雷达隐藏人体微动检测系统,以保证人体回波信号至少能够被一副接收天线检测到。该方法大大改善单站穿墙雷达系统依赖雷达视角的缺点,从多角度全方位对隐藏人体目标回波进行采集,大大增加了目标回波信息。 2.针对传统预处理方法不能有效去除直达波,以及穿墙雷达回波信号中的谐波与噪声对呼吸心跳信号干扰严重的问题,本文对快-慢二维回波数据矩阵进行处理。采用LTS-AGC( Linear trend subtraction-Automatic gain control)的预处理方法,提出多通道小波图像融合与CFAR相结合的算法。首先对每一个通道的回波矩阵进行LTS-AGC预处理,即利用距离门对墙体回波和天线的耦合波进行去除,接着采用LTS-AGC方法去除环境中固定目标的直达波与杂波干扰,再用自动增益控制的方法来提高微弱信号的信噪比,然后通过带宽为0.2~3Hz的带通滤波器滤除人体信号带外的干扰信号,最后在预处理的基础上进行多通道的小波图像融合以及对融合结果进行CFAR处理。实验结果表明,该算法能够最大化利用回波的全部信息有效提高信噪比,并能准确快速地检测出人体的位置和呼吸频率,其检测效果优于传统的单站傅里叶变换方法。 3.在检测过程中隐藏人体目标在一个时段内有可能多次偏离某一雷达视角的可能,在这种情况下对回波矩阵直接进行FFT,可能使处理结果显示的人体目标位置不均匀的情况,这样将会严重影响对隐藏人体目标的检测效果。本文从回波域角度对人体微动回波信号进行处理,提出一种基于HMM呼吸跟踪的人体微动信号检测算法。首先建立人体呼吸状态的HMM模型,然后在前面章节回波预处理基础上采用基于HMM算法对人体微动信号进行检测,最后对检测结果进行傅里叶变换。实验结果表明,该算法能够准确检测人体的呼吸状态,其检测效果优于单通道检测。