基于统计特征的微弱生命体征信号提取研究

韩 喆 郑志成 张荣磊 董 铮

(武汉滨湖电子有限责任公司 武汉 430077)

1 引言

随着我国综合国力的不断发展，我国承担的国际责任日益增多，人民解放军面临的多样化任务越发艰巨。同时，国内极少数恐怖势力极大的威胁着社会的和谐发展，突发事件时有发生。为应对特殊作战任务，急需提高对隐蔽目标的探测感知能力，以帮助制定更有效的作战决策，减少人员伤亡。

穿墙探测技术是近年来发展的新型雷达技术，它最大的特点是不需要任何电极或传感器接触生命体，穿透非金属、非透明介质屏障 (砖墙、丛林、废墟等，它们通常阻断了可见光和红外线的传播)而探测到其后的人体。因此，穿墙探测雷达非常适合于城市巷战、反恐处突、消防救灾等[1]。

在实际应用中，由于人体的生命体征信号本身极其微弱，并且考虑到墙体衰减和环境噪声等因素的存在，因此，有用回波往往淹没在各种噪声中，提取十分困难[2]。针对生命体征信号提取的难点，本文提出了一种以统计特征为判别依据的雷达生命体征信号提取算法。本研究依托公司现有穿墙探测雷达项目，以实采数据为研究对象，系统分析了回波信号的构成成分。在此基础上，首先利用生命体征信号与干扰噪声在频域上的差异，通过低通滤波器滤除高频干扰分量，然后根据生命体征信号与干扰噪声在统计特征上的差异以实现检测人体的目的。经实验验证表明，本文提出的生命体征信号提取算法是有效的。

2 雷达回波信号分析

2.1 人体运动的多谱勒效应

假设雷达照射一个实时径向距离为的R(t)动态目标，取

式(1)中，v为目标移动的径向速度;x(t)为目标上构件(肢体摆动、心跳、呼吸等)的径向实时偏离。

设雷达发射信号为:式(2)中，A(t)为信号幅度;f0为载频;ψ0为初始相位。

该发射信号照射到目标后，部分信号返回到雷达，回波信号为:

式(3)中，φ(t)为瞬时相位，则回波信号的瞬时频率为

式(4)中，第一项为雷达发射频率，第二项为目标径向移动产生的多谱勒频率，第三项为目标上构件的微动引起的微多谱勒频率。

将雷达回波信号与本振信号f0混频，然后输出基带信号，则其瞬时频率为:

式(5)中，v为人体(主要是躯干)整体移动的速度;x(t)为肢体摆动、呼吸或心跳引起的摆幅振动。

2.2 呼吸和心跳的多谱勒效应

当人体静止时，设呼吸和心跳引起的腔体振动分别为:

其中，x1(t)表示呼吸;x2(t)表示心跳;m为振动幅度;w为振动角频率。雷达照射在静止人体后，回波信号可表示为:

式(7)具有ejβsinwt形式，其可以通过Bessel函数展开为下式[3]:

2.3 雷达回波信号

在实际环境中，由于雷达工作频率与手机等民用通信频段接近，雷达回波信号中除了包含肢体摆动、呼吸及心跳的生命微动信号和环境噪声外，还包含了手机等射频干扰信号。除此以外，由于墙面反射的存在，雷达回波中还包含了很强的直达波，这些直达波与本振信号混频后将变成直流信号。

充分考虑上述各种构成成分，可将回波信号表示如下:

式(9)中，Ai(t)为各频率的信号幅度;f0为雷达的发射频率;fi为人体运动带来的各种多普勒频率，n(t)为噪声，主要包括手机、广播等民用频率的干扰及直达波带来的直流分量信号。

3 生命体征信号提取

生命体征信号极其微弱，往往淹没于各种噪声干扰中。为了实现有效提取，首先应根据生命体征信号本身的频域特性，设置一低通滤波器，将高频噪声滤除。而后，根据滤波后信号的构成成分，运用统计方法分析信号，实现对有无生命体的准确判别。

3.1 低通滤波器设计

由于电磁波的穿透力等因素，穿墙雷达往往选择L波段作为其工作频段。在L波段，人体这类低速目标带来的多普勒频移主要集中在0频附近。俄罗斯莫斯科科学技术大学的科学家们利用探地雷达进行了生命信号探测实验，该雷达发射频率为1～10GHz，得到的呼吸和心跳的频率变化范围分别为:0.2～0.5Hz和0.8～2.5Hz;肢体摆动的频率变化范围为 1 ～3Hz[4]。

由式(9)可知，雷达回波信号中包含了大量的手机、广播等民用频率的干扰。特别是手机在通讯过程中带来的瞬时尖峰干扰，其能量可达10dBm量级，对后续处理带来很大影响。

为了避免民用频率的干扰，需设置一低通滤波器对回波进行预处理。由于这类干扰的能量主要集中在数百兆赫兹的频段上，而生命体征信号的能量则集中在3Hz以内，因此可考虑将低通滤波器的通带设计为10Hz以内。在实际处理过程中，运用matlab的fdatool工具设计生成了FIR低通滤波器，其设计指标为:采样率1kHz，通带2Hz，幅度1dB;阻带20Hz，幅度80dB。滤波器的幅频响应曲线如图1所示。

图1 低通滤波器幅频响应曲线

为了检验滤波器的效果，用一段实际采集的数据进行了实验，实验结果如图2所示。

图2 频谱对比图

由图中可以看出，滤波前，数据在50Hz处有一干扰信号，而在滤波后，此干扰信号被去除了，同时在通带外，信号能量也被有效抑制。

3.2 基于统计特征的生命信号提取算法

经过低通滤波后，有用的生命体征信号依然淹没在各种杂波中。在这些杂波中，按照其对生命体征信号提取的危害程度排序依次为:直流信号、载频信号及其交调信号、手机等通信信号经低通滤波后的剩余部分。由于直流信号在0频，与要提取的生命体征信号非常接近，因此其对检测造成了很大影响。

本算法选择方差作为生命特征信号提取的工具。根据方差的定义，随机变量X的方差D(X)表达了X的取值与其数学期望值E(X)的偏离程度。若D(X)较小意味着X的取值比较集中在E(X)的附近，反之，若D(X)较大则表示X的取值较分散。因此，D(X)是刻画X取值分散程度的一个量。

根据方差的性质可知:直流分量的方差为0。因此可以不考虑直流分量对雷达回信波号方差的影响;生命体征信号及其他干扰信号的幅度是随时间变化的，他们的方差不为0;并且，由于生命体征信号与其他干扰信号是相互间独立的，则雷达回波信号的方差应为生命体征信号和其他噪声分量的方差之和，即

式(10)中，D(S)为雷达回波信号总的方差;D(f)为生命体征信号的方差;D(n)为噪声项的方差。在无人情况下，D(f)=0。在有人的情况下，D(f)＞0，且人的运动越激烈，D(f)的取值越大。据此，可设置相应的阈值，即可实现生命体的判别。

3.3 实验及结果

为了验证算法的有效性，本研究使用了我公司自主研发的穿墙探测雷达样机进行了实验。样机的工作在L波段，发射功率为16dBm。一共做了三组实验:a.墙外无人;b.墙外1m处有人在做肢体摆动;c.墙外1m处有人面向雷达静止站立。实验用墙体为厚30cm的红砖墙。

将样机采集的数据在matlab下进行处理。首先使用FIR滤波器低通滤波，而后采用滑窗的方式对4s内(窗长必须保证人体呼吸完成2－3次)的数据求方差。三组实验的对比情况见图3～5，实验结果的方差值是经过取对数(log10)后得到的。

从图3～5，可以看出，有生命微动信号时，雷达回波的方差比无生命微动信号的大，而在有肢体摆动的情况下，雷达回波的方差比人体完全静止的时候大。

4 结论与展望

穿墙探测技术在非战争军事行为中正在发挥越来越大的作用[5]。本文针对穿墙探测中生命体征信号提取的难点，在深入分析雷达回波成分的基础上，提出了以方差为特征量的生命体征信号提取算法，并用了本公司在研的穿墙探测雷达样机进行了检验，实验表明，本文算法能够有效实现生命体探测的目的。

然而，虽然方差能够反应生物目标的运动特征和生命特征，但在目标处于较远位置时，生命体征信号将很微弱，造成方差值与无人情况下差别很小，从而影响目标的检测。因此，未来需要探索基于多种特征的综合检测方法，有效提升目标的检测距离，为样机的性能提升提供更大支撑。

[1]易大方.穿墙雷达人体探测技术的新进展[J].电讯技术，2009，49(10);88 －92.

[2]祝忠明，王绪本，何永波.穿墙脉冲雷达回波信号人体微动特征识别初步研究[J].计算机应用研究，2010，27(2);597 －599.

[3]王德纯.微多普勒生物探测雷达技术研究[J].现代雷达，2011，33(10);72 －78.

[4]A.S.Bugaev.Though wall sensing of human breathing and heart beating by monochromatic radar[C].Tenth International Conference on Ground Penetrating Radar;21 － 24.February，1996;16－29.

[5]翟晓军，陈明，李阿楠.基于超宽带的隔墙探测二维成像雷达系统[J].探测与控制学报，2007，29(4);21 －23.