基于参数化双谱分析的超宽带生物雷达人体目标非接触检测

刘淼，吕昊，李盛，荆西京，王健琪

第四军医大学 生物医学工程学院，陕西 西安 710032

基于参数化双谱分析的超宽带生物雷达人体目标非接触检测

刘淼，吕昊，李盛，荆西京，王健琪

第四军医大学 生物医学工程学院，陕西 西安 710032

超宽带（Ultra Wideband, UWB）生物雷达广泛应用于生命体探测等领域，而人体生命体征信息的非接触检测是其需要解决的最主要问题。本文利用参数化双谱估计算法分析UWB生物雷达回波信号，以非高斯白噪声激励的AR（Auto Regression）参数模型对信号进行建模，并用带约束的三阶平均法对模型的参数进行估计。在此基础上，提出了一种新的基于UWB的人体目标非接触检测算法，并将该算法与现行的基于功率谱密度的检测算法进行对比。实验结果表明，有人位置点信号和无人位置点信号在双谱域表现出明显的差别特性，新算法能更好地实现人体目标的非接触检测。

目标探测；UWB雷达；非接触；AR模型；双谱分析法

0 前言

超宽带（Ultra Wideband, UWB）生物雷达具有高分辨率且其发射的电磁波可穿透非金属物质，因此在震后人员搜救和反恐等多个领域发挥了重大作用。不同国家的多个课题组都致力于 UWB 生物雷达的研究[1]。奥地利的 G. Ossberger 采用小波变换的方法对雷达回波信号进行分析，该方法能探测到自由空间条件下距离雷达 5 m 及穿透厚度为 20 cm 的砖墙距离雷达 0.85 m 的呼吸信号[2]，但此方法依赖于母小波的选择。西班牙的 A. Lazaro 等人对 UWB雷达探测到的人体重要生理信号进行分析，并对呼吸率和心跳频 率 进行估计[3]；第四军医 大学李岩 峰等人采用 自适应抵消的方法实现了两个人体目标的探测[4]，这些研究中使用的生命特征非接触检测算法主要是基于功率谱密度（Power Spectral Density, PSD）的。根据维纳辛钦定理，宽平稳随机过程的功率谱密度是其自相关函数的傅里叶变换，因此该方法实质上是建立在二阶统计量基础上的。但是，从应用的角度来说，生物医学信号一般为非平稳随机信号。另外，UWB生物雷达的目标探测主要依靠探测人体呼吸信号，而呼吸信号作为一种准周期信号，是非高斯信号的一种。对UWB生物雷达回波这种非高斯非平稳信号采用基于功率谱密度这种二阶统计方法会丢失重要信息以及引入估计误差。此外，实际应用中，雷达目标所处环境复杂，回波中不可避免的伴有噪声和杂波，采用基于功率谱密度的方法难以消除杂波和噪声的影响。

高阶谱估计算法在分析非高斯非平稳随机信号方面有很大的优势，它定义为相应高阶累积量的多维傅里叶变换，其不仅可以提供信号的高阶信息，还包含有信号的相位信息，可以更好地反映这类信号的特征。更重要的是，高斯白噪声在高阶谱域是恒为0的，这为去除回波信号中的噪声及杂波提供了重要途径。双谱分析作为高阶谱分析中最简单、阶次最低的分析方法得到广泛应用[5-6]。

本文利用参数化双谱估计算法对UWB生物雷达回波信号进行分析，找到了一种性能优良的人体目标非接触检测算法。

1 实验平台及数据获取

本 实 验 平台采用中心频率为 400 MHz，带宽为 400 MHz的 IR-UWB 体制生物雷达系统，满足 FCC 对超宽带的定义[7]。雷达发射的电磁波到达人体表面，由于呼吸等生理活动引起人体体表微动，回波信号即携带重要的人体生命体征信息。雷达回波信号经 A/D 转换器以二维信号的形式存储在计算机存储介质中。沿着雷达径向距离方向（也被定义为快时间方向）的每道波形包含有 4096 个采样点，由 于 雷 达 的 脉 冲 重 复 频 率（Pulse Repetition Frequency, PRF）为 250 kHz，沿着时间方向（也被定义为慢时间方向）的采样频率则约为 60 Hz，人体呼吸信号大部分在 0.2～0.5 Hz范围内，因此对雷达回波信号的采样满足奈奎斯特采样定理。

具体实验方法，见图 1。受试者位于一堵 24 cm 厚的砖墙后 3 m 的位置，雷达则紧贴墙面置于墙体另一侧。一台PC 通过 Wi-Fi信号与雷达连接对雷达进行参数设置并实现数据存储功能。

图1 IR-UWB雷达探人实验系统示意图

2 参数化双谱算法分析UWB生物雷达信号

2.1 双谱估计算法简介

设实随机序列x(n)的均值为零 ,其三阶累积量表示为

x(n)的双谱则表示为三阶累积量的二维傅里叶变换，即

双谱还可以由下式给出：

双谱具有很多优良的性能。首先，理论上，在双谱域高斯信号恒为0，即双谱对于高斯随机过程是盲的。本文即是利用了双谱对高斯噪声的消除作用来更好地达到探测目的。另外，双谱具有极强的对称性，有12个对称区域。其对称特性表现，见图 2，三角形主值区域 OAB 内的值即可完整描述整个区域的双谱值[5]。

图2 双谱的对称性

2.2 非高斯AR模型参数化的双谱分析

基于 FFT 和加窗技术的双谱估计算法，在数据较短的情况下，估计误差会比较大,分辨率较低。因此，以非高斯白噪声激励的AR参数模型对信号进行建模，并用带约束的三阶平均法对模型的参数进行估计。

设零均值回波信号 x(n)由以下 p 阶非高斯 AR 模型表示：

其中w(n)是均值为零的非高斯白噪声，而且满足下列条件：

(3) 当 m＜n 时，x(m)与 w(n)相互独立。

定义

根据相关参考文献[6]，可得到

以矩阵的形式表示：

其中，

其中，

以上讨论的非高斯AR建模过程中，假定模型的阶次是已知的。实际上，在进行参数化双谱估计时必须考虑模型阶次的选择。许多用于参数化谱估计的AR模型定阶准则只涉及二阶矩，因此不能作为选择模型的阶次的依据。而奇异值分解方法和信息论准则等在阶次较高时性能不佳。针对这一情况，本文采用双谱互相关系数估计非高斯AR模型的阶次[8]，具体方法不再赘述。

2.3 参数化双谱估计对UWB生物雷达信号处理

2.3.1 有人和无人位置点信号的双谱分析

此分析的目的是为观察有人位置点信号和无人位置点信号在双谱域上的差别。因为雷达发射的UWB信号要穿透墙壁，而且电磁波的传播速度受空气湿度等因素影响较大，目标位置点信息并不是与目标所在位置的物理参数成简单线性比例关系。为确定目标所在的确切位置点信息，实验采用课题组前期研制的模拟人体系统生命信号发生 器[9]， 将 其 置 于 雷 达 后 3 m 的 位 置 ， 分 别 采 用 基 于 能量累加和基于过零点的检测方法探测人体目标位置，并将两种方法探得的各点信息平均，即可作为雷达所探测的点位置信息。实测实验中，受试者立于相同的位置，提取出目标所在位置点信号和距离此位置较远的点信号，并分别做双谱分析。

2.3.2 基于参数化双谱估计的UWB生物雷达人体目标非接触检测算法

具体的基于参数化双谱估计的UWB生物雷达人体目标非接触检测算法实现流程，见图3。

图3 基于CTOM法参数化双谱估计的人体目标非接触检测算法流程图

为了减少计算量和增大信噪比，原始数据要进行距离累积，每道信号由原来的 4096 点减至 200 点。具体对每点信号进行双谱估计为：将数据分成M段，对中心化后的每组序列估计为 qij，将所估计的 M 个qij平均以减少估计误差。将平均后得到的qij代入公式 (9)得到 AR 模型的 参数，再根据 (10)式即可得到双谱值。

正如 2.1 中讨论，双谱具有很强的对称性，为了在保存所有信息量的条件下减小计算量，仅将主值区域内的双谱值进行累加。累加后所得值作为代表该位置点信号的参数，累加值最大处即被认为目标所在位置。

将提出的新方法与现行的基于功率谱密度的方法进行对比，基于功率谱密度的方法具体参见相关参考文献[10]。其实现流程见图 4 。

图4 基于PSD的UWB生物雷达人体目标非接触检测算法流程图

3 实验结果及分析

3.1 有人和无人位置点信号的双谱分析

将模拟人体系统生命信号发生器置于雷达后 3 m 的位置，分别采用基于能量和基于过零点的检测方法探测人体目标位置，探测结果皆位于距离累积后 200 点中的 107 点，故确定当真实人体目标位于此位置时，自动探测结果应在107 点附近。实验中则以 107 点位置的点信号作为有人点位置信号，选择距离此位置较远的 60点位置的点信号作为无人点位置信号。

图 5、图 6分别为有人位置点和无人位置点信号的归一化双谱图。不同于具有明确的物理意义的功率谱，双谱的物理意义并不明确。根据相关参考文献[11]，双谱域上的幅值可理解为信号的偏态在双谱域上的分解。根据结果图可知，有人位置点信号的偏态基本存在于低频区域，此现象是由于人体呼吸信号引起的。而无人位置点信号的偏态则广泛分布于整个双谱区域，尽管理论上高斯信号在双谱域为0，但实际应用中，回波信号不可能仅受到高斯噪声影响，故双谱表现出此种特点。因此，有人位置点信号和无人位置点信号的双谱有明显的区别。

图5 有人位置点信号归一化双谱图

图6 无人位置点信号归一化双谱图

3.2 基于参数化双谱估计的UWB生物雷达人体目标非接触检测算法

图7、图8分别为两种算法所得的结果。在两种方法中，人体目标均引起一定区域的幅值增大，而最大值出现处则自动判别为目标所在位置。两种方法均可探得人体目标所在位置。然而，基于参数化的双谱估计算法则对非目标所在区域的抑制作用更为明显。定义参数K为人体目标引起幅值增大区域的最大值除以非目标区域的最大值。K值越大，非目标区域对自动探测目标所在位置的影响越小。由实验结果可知，基于参数化双谱估计算法的K 值可达30左 右 ；而基于 PSD 算法 的 K 值仅能达到 3 或 4，这 种现象预示此种方法更容易发生误判。此外，基于参数化双谱估计算法中，目标引起的幅值增大区域范围小于基于 PSD算法的幅值增大区。这意味着前者所探测的位置信息将会更为准确。另外，这种优良的性能也有助于多目标的识别探测，即当两个目标距离较近时，不易发生混叠现象，而混叠现象容易导致分不清是由几个目标引起的幅值增大。

由此可见，基于参数化的双谱估计算法具有比基于PSD 算法更好的性能。基于功率谱密度的算法需要在较高信噪比的情况下才适用，然而实际雷达操作中，由于呼吸信号本身微弱再加上应用环境复杂和电磁波衰减，导致实际信噪比不能达到很高的水平，因此频率累加区域中噪声成分也会被当作有用信号进行累加。理论上，准确估计呼吸信号的频率可以缩小累加的频率区间，进而减少无用噪声被当作有用信号。但是，缺少先验知识以及人体呼吸信号频率的不稳定性和个体差异使得该方法难以实现。而双谱在本质上对高斯噪声就是盲的，从而从根本上杜绝了噪声信号被累加。

图7 基于参数化双谱估计算法所得结果

图8 基于PSD算法所得结果

4 结论

本文采用基于参数化的双谱估计算法对UWB回波信号进行分析，实验结果显示，有人和无人位置点信号的双谱有明显区别。另外，利用双谱可以抑制高斯噪声的特点，提出一种新的基于UWB生物雷达非接触人体目标检测算法，并与基于功率谱密度的算法进行比较。实验证明，新提出的算法具有更优良的性能。然而，新方法的不足之处在于运算速度较慢，这也是影响双谱广泛应用的一大原因。下一步工作是寻找简化的双谱算法，尽量减少运算量，提高运算速度。

[1] Aardal Ø,J Hammerstad．Medical radar literature overview[R]．Norway,Norwegian Defence Research Establishment,2010．

[2] Ossberger G,Buchegger T,Schimback E,et al．Non-invasive respiratory movement detection and monitoring of hidden humans using ultra wideband pulse radar[A]．Joint UWBST & IWUWBS．2004 International Workshop on[C]．2004,395-399．

[3] Lazaro A,D Girbau,R Villarino．Analysis of vital signs monitoringusing an IR-UWB radar[J]．Progress In Electromagnetics Research,2010,100(1):265-284．

[4] Li Y F,Jing X J,Lv H,et al．Analysis of characteristics of two close stationary human targets detected by impulse radio UWB radar[J]．Progress In Electromagnetics Research,2012,126:429-447．

[5] Nikias CL,MR Raghuveer．Bispectrum estimation: a digital signal processing framework[J]．Proceedings of the IEEE,1987,75(7):869-891．

[6] Raghuveer M,C Nikias．Bispectrum estimation: a parametric approach[A]．Acoustics,Speech and Signal Processing,IEEE Transactions on[C]．1985．33(5):1213-1230．

[7] Oppermann I,M Hämäläinen,J Iinatti．UWB:theory and applications[M]．Jhon Wiley&Sons,2004．

[8] 刘毅,张彩明,冯峰,等．基于高阶累积量的参数化双谱分析的肺音特征提取[J]．山东大学学报(工学版),2005,35(2):77-85．

[9] 吕昊,王健琪,荆西京,等．模拟人体系统中生命信号发生器的研究[J]．医疗卫生装备,2006,27(9):11-12．

[10] 倪安胜,王健琪,杨国胜．基于FFT频域积累的非接触生命参数信号检测[J]．第四军医大学学报,2003,24(2):172-175．

[11] 陈涛,姚文杨,翟孝霏,等．雷达辐射源信号双谱估计的物理意义及其辐射源个体识别[J]．中南大学学报(自然科学版),2013, 44(1):179-187．

Non-contact Detection of Human Targets via UWB Bioradar Based on Parametric Bispectrum Analysis

LIU Miao, LV Hao, LI Sheng, JING Xi-jing, WANG Jian-qi
School of Biomedical Engineering, The Fourth Military Medical University, Xi’an Shaanxi 710032, China

Ultra Wideband (UWB) radar has been widely used in many areas such as life detection and so on. One of the most concerned problems should be solved through UWB radar is the non-contact detection of vital signs information for human. In this paper, a parametric bispectrum estimation algorithm was applied to analyze the UWB echoes and an autoregressive (AR) model driven by non-Gaussian white noise was applied to finish the signal modeling. Then estimate the parameters with the constrained third order mean (CTOM) method. Thus, a novel detection algorithm for human targets based on the UWB radar was developed. Then compare this algorithm with a detection algorithm based on power spectrum density (PSD). Comparison results showed that there was significant difference between signals of positions with human targets and signals of positions without human targets within bispectrum domain, which indicated that new algorithm can implement the non-contact detection for human targets effectively.

human detection; UWB radar; non-contact; AR model; bispectrum

R318.04；R197.39

A

10.3969/j.issn.1674-1633.2013.11.005

1674-1633(2013)11-0015-04

2013-09-05

国家自然科学基金项目(61201382)；陕西省国际合作

重点项目（2013KW30-03）；陕西省自然科学基础研究计划项目（2012JQ8022）。

本文作者：刘淼，硕士研究生，主要研究方向为非接触生命信号检测。

王健琪，教授，博士生导师。

作者邮箱：lium90@163．com