基于超宽带信号的矿井塌方体下生命特征的检测方法

郭继坤， 王保生， 郝维来， 张宏炜

(黑龙江科技大学 电子与信息工程学院， 哈尔滨 150022)

基于超宽带信号的矿井塌方体下生命特征的检测方法

郭继坤， 王保生， 郝维来， 张宏炜

(黑龙江科技大学 电子与信息工程学院， 哈尔滨 150022)

针对矿井环境下超宽带(UWB)信号杂波有较大起伏的问题，采用经验模态分解(EMD)与参考独立分量分析(ICA-R)混合算法，建立矿井下超宽带(UWB)信号的传播过程模型。用ICA-R方法滤除杂波分量，检测塌方体下生命信号，应用EMD算法将回波信号分解为若干IMF分量，并在时域上分析生命特性曲线，在高信干比的情况下提取呼吸和心跳信号。实验仿真结果表明:该算法可以估计塌方体后生命体的距离信息，同时重构目标生命体呼吸、心跳的波形信息，适用于塌方体下的非接触式生命检测。

矿井; 超宽带; 塌方体; EMD; 生命特征; 滤波

0 引 言

超宽带(UWB)信号穿透能力强，距离分辨能力高，且发射功率低，特别适用于矿井下救援。超宽带穿墙雷达生命信号检测算法是研究者普遍关注的问题。生命信号检测方法众多，有依据小波变换的心跳、呼吸检测算法，依据近似函数提取心跳、呼吸波形数据，通过估计时域函数来分析呼吸信号的方法，还有自适应生命信号检测算法等。以上三种方法都是利用平均法滤除杂波信号，缺点是产生的谐波干扰严重影响回波信号波形。

针对上述信号检测方法的不足之处，结合矿井下的特殊环境，笔者采用ICA-R算法，把数据分离为统计不相关分量，并且增加了约束条件来限制算法的收敛方向，基于EMD与ICA-R联合算法抑制矿井下杂波，提高信干比并分离出感兴趣的回波信号。最后，再次应用EMD算法，依据生命信号时变、不平稳的特性，把处理过的回波信号分解成若干IMF分量，从中挑选出特征分量重构生命信号曲线。

1 超宽带信号模型的建立

假设超宽带雷达距离塌方体下目标生命体胸腔的距离为d0，用c(t)代表因为呼吸而造成的腹部及胸腔起伏，还有心脏跳动造成的人身体微动。出于方便研究的考虑，身体微动可理想化为简谐振动，于是，人身体表面因微动而引起的距离变化表达为：

d(t)=d0+c(t)，

(1)

c(t)=Arsin(2πfrt)+Ahbsin(2πfhbt+Δ)+res(t)，

(2)

式中：Ar——呼吸微动；fr——身体呼吸引起微动的频率；Ahb——心跳引起的身体微动；fhb——身体心跳的微动频率；Δ——呼吸相对心跳起点的相位差； res(t)——人身体其他微动造成的距离差。

假设人身体与天线两者之间近似为自由空间，那么超宽带雷达信号的冲击响应为

(3)

(4)

τv(t)=τ0+τrsin(2πfhbt+Δ)+τres(t)，

(5)

在式(4)(5)中，v指的是信号传播速度，τ0=d0/v，τr=Ar/v，τr=Ahb/v，除心跳、呼吸之外，人身体其他微动引起的时延变化用τres表示。假设超宽带脉冲穿墙雷达用来探测矿井下塌方体之后的生命体，其发射信号p(τ)，超宽带雷达接收天线得到的信号是

R(t,τ)=p(τ)·h(t,τ)，

(6)

(7)

离散化τ和t之后，有

(8)

式(8)中，Ts和δT分别指的是慢时间与快时间采样间隔，那么可以从雷达回波矩阵R(m,n)中提取人身体目标相关信息。

2 EMD与ICA-R的杂波抑制与信号检测

针对矿井下杂波起伏大，对目标体回波产生串扰的问题，在信号检测之前，先进行杂波抑制，需利用生命体信号的先验信息。塌方体对生命体回波具有低通特性，因此，要对生命体回波信号作时频分析，把混合着杂波的生命体回波信号的低频分量当做生命体信号的特性信息，当做参考信号，利用带参考信号的ICA算法达到塌方体杂波与生命体信号的分离。从雷达回波中提取与参考信号特征匹配的分量，完成接收信号的杂波抑制。基于EMD与ICA-R算法的杂波抑制与信号重构原理如图1所示。

图1 杂波抑制与信号重构原理

在上述系统得到的目标回波信号中，存在滤除峰值的非线性采样，于是，基于时频分析的方法能导致高频的微小振荡。针对这个问题，可以采用EMD算法，分解含有生命体信号的回波数据。应用EMD算法进行时频分析，可以把非平稳、非线性的回波数据自适应的分解成零均值调频和调幅信号，实验证明这是一种快捷、有效的实验数据处理算法。

对回波信号进行EMD分解，首先要提取回波信号的局部极值，由此得到包络均值；将原始信号幅值减掉对应时刻的包络均值；之后，从得到的信号中提取包络均值，重复上述过程，就可以对信号继续作EMD分解。计算各IMF分量对应特征向量，得到的能量分布表明，在目标生命体回波处呈现能量尖峰，凭借搜索获得目标生命体回波的特征分量，判断各个能量尖峰在时间轴上的分布位置，可以估计微动生命体距离信息，提取含有生命微动信号的一维时域波形。

通过上述过程，实现回波信号的预处理，达到滤除矿井下杂波的效果，减少杂波、直达波带来的噪声影响。对经过预处理之后的信号矩阵进行SVD分解，分析获得各个主元分量对应的特征向量，综合考虑各主元分量相应的快时间能量分布以及特征值，能够确定生命信号回波时延，可以确定目标体的大致位置。由生命信号回波时延位置，把混杂有噪声的目标生命体回波信号作EMD分解，得到一系列IMF分量。通过分析各分量的频率和振幅，选择合适的IMF分量，构造了心跳和呼吸时域波形。作傅里叶变换，于是，通过信号频谱判定目标生命体信号是否存在。

3 生命信号处理与重构

对接收信号r(t)作EMD分解是一个筛选的操作，可以滤除叠加波并且使接收信号更具有对称性。

找出接收信号r(t)全部极大值，用三次样条函数作出r(t)的上包络线。同样，找到接收信号r(t)的全部极小值点，作出r(t)的下包络线。计算出上下包络线的均值用m1(t)表示，于是，接收信号的第一个IMF可由式(9)得出：

h1(t)=r(t)-m1(t)，

(9)

在这里，h1(t)作为第一个IMF，却一般不具有IMF分量所具有的条件。因此，可以将h1(t)往复进行以上操作k次，当它符合IMF定义的要求之后，这时候得到了趋近于零的均值。通过上述操作获得了首个IMF分量，记作IMF1(t)，接收信号的最高频率成分包含在这个分量中，

h1(k-1)(t)-m1k(t)=h1k(t)，

IMF1(t)=h1k(t)。

将IMF1(t)从接收信号r(t)中剥离出来，就可以获得一个滤除掉高频分量之后的差值接收信号r1(t)，有

r1(t)=r(t)-IMF1(t)，

把r1(t)当做原始的波形数据，重复得到第一个分量的操作可以得到第二个IMF分量IMF2(t)，如此反复n次，便可以得出n个IMF分量了。那么

在rn(t)成为单调函数时结束循环，于是，有

(10)

式(10)中，rn(t)是剩余函数，用来表示接收波形数据的均势。不同的分量含有接收回波信号，时域上不同特性尺度的组分，不同频率段的信号组分存在于各IMF分量中，不同频率段的频率组分跟着波形数据本身起伏变化，且是各不相同的。

超宽带(UWB)穿墙雷达应用于矿难救援时，人身体的微动对生命信号回波时延有调制的作用，其中微动是因为心跳、呼吸而发生的，于是，塌方体下目标生命体回波中可以提取出相应的生命信息。将EMD分解得到按频率降序排列的IMF分量，其中，高阶分量是慢振动的情况，低阶分量指的是快振动的情况。把最先得到的高频IMF分量(代表噪声分量)置零，把带有人生命体特征的分量提取出来，处理得到呼吸、心跳波形数据。假若，用EMD算法把塌方体下目标生命体回波时延序列分解为N个IMFj(t)，其中，j=1,2,…,N，那么，有模式索引n1,n2,n3,n4，呼吸波形数据srp(t)以(n4-n3+1)个IMF构建得到，心跳波形数据shb(t)以(n2-n1+1)个IMF来构建得到，于是有

(11)

(12)

式(11)、(12)表示的就是时域尺度滤波，是一种新型滤除杂波的方式。这种新方法的优点是，滤波处理后得到的波形数据，可以尽可能保存了原始信号既有的不平稳又不线性这一特性。

4 仿真结果分析

基于回波信号，作具体仿真验证。超宽带(UWB)穿墙雷达接收得到如下带有生命体信息的回波r(t)之后，要对r(t)进行基于EMD与ICR-R算法的杂波滤除操作，提取含有目标生命体信息的波形数据。之后，再次应用经验模态分解(EMD)算法，构建生命特性曲线，并实现呼吸、心跳生命信息的分离。

根据实测数据，仿真生成含有起伏杂波超宽带雷达回波信号r(t)的波形。采用EMD与ICA-R联合算法抑制矿井下的起伏杂波信号，分离出目标回波中感兴趣的信息，如图2和图3所示。

现在应用EMD算法，分解经过杂波滤除操作之后的回波信号，得到各个IMF分量，用来构建呼吸、心跳信号，进而实现塌方体下生命检测，经验模态分解得到各IMF分量，分别如图4所示。

图2 含有起伏杂波超宽带雷达回波信号

图3 回波信号与分离出的感兴趣信息

Fig. 3 Echo signal and separation of interested information

分析经验模态分解获得的各分量可知，接近呼吸频率的是IMF3分量，且此分量能量略高。为了避免经验模态分解中出现的伪模态问题，为了得到呼吸波形数据，把IMF3与其他IMF6、IMF7这两个更大尺度的分量相加，即可得到呼吸波形数据图，如图5所示。

再分析其他IMF分量，由于超宽带穿墙雷达本身具有较高的噪声能级，而且矿井特殊的环境下有较强的起伏杂波以及直达波的干扰，虽然经过了基于EMD与ICA-R联合算法的滤波处理，可见IMF1分量的频率仍然较高，属于高频噪声部分。心跳频率所在部分集中体现在IMF2分量上。其中，具有最大时间尺度的RES分量，代表了塌方体下目标生命体的身体移动信息。根据上述分析，重构得到了目标生命体的心跳波形。

图4 经验模态分解得到各IMF分量

Fig. 4 Empirical mode decomposition obtained for each IMF component

a 重构呼吸信号

b 重构心跳回波信号

由以上分析表明，ICA-R算法与EMD算法结合，可以有效抑制塌方体下目标生命体回波信号中的杂波，极大提高进一步提取呼吸、心跳生命信号的可行性。应用EMD算法可以有效分离呼吸、心跳信号，且简便易行，为矿井塌方体下生命检测与救援提供理论支持。在回波分量中，呼吸信号谐波分量较多，这是由于发射信号带宽不够大造成的。通过进一步分析信号在塌方体中的传播时延，应用SVD分解算法还可以得到塌方体下目标生命体距离超宽带雷达天线的距离信息。

5 结束语

脉冲超宽带穿墙雷达因其具有的优良特性，在

矿难生命搜救、非接触生命探测中有显著的优势。研究基于超宽带信号检测矿井塌方体下生命体的方法，首先构建了脉冲超宽带信号检测模型，基于ICA-R与EMD联合算法，抑制矿井下起伏杂波，之后提取超宽带天线感兴趣回波信号，并重构目标生命体信号波形。仿真结果表明算法易于实现，可以有效提取非平稳呼吸、心跳信号。通过对课题项目进一步的研究，升级现有的软硬件系统，可以实现在矿井复杂环境下，检测目标生命体的距离及活动信息。

[1] Lagunas M. High performance SVD-like proced-ure for spectral estimation using rayleigh function esti-mates[J]. Progress In Electromagnetics Research, 1998(1): 29-48.

[2] 曾昭发, 刘四新, 王者江, 等. 探地雷达方法原理及应用[M]. 北京: 科学出版社, 2006.

[3] Deadana F S, Gutierrez O. Efficient time-domainray t-racing technique for the analysis of ultra-wide band ind-oor environments including lossy materials and multiple effects[J].International Journal of Antennas and Propag-ation, 2009, 23(1): 78-83.

[4] 闫 述, 陈明生. 瞬变电磁场资料的联合时-频分析解释[J]. 地球物理学报, 2005, 48(1): 203-208.

[5] 陈 洁, 方广有, 李 芳. 时域波束形成在超宽带穿墙成像雷达中的应用[J]. 电子与信息学报, 2008, 30(6): 1341-1344.

[6] Verma P, Gaikwad A. Analysis of clutter reduct-ion techniques for through wall imaging in UWB Range[J]. Progress In Electromagnetics Research, 2009(7): 229-248.

[7] 王 艳, 马弘舸, 曹学军, 等. 墙体对微波脉冲的衰减特性[J]. 强激光与粒子束, 2005, 17(8): 1277-1280.

[8] 王 宏, 周正欧. 基于改进EEMD的穿墙雷达动目标微多普勒特性分析[J]. 电子与信息学报, 2010, 32(6): 1355-1360.

[9] Lin Qiuhua, Zheng Yongrui, Yin Fullan G, et al. A fast algo-rithm for one-unit ICA-R [J]. Inform-ation Sciences, 2007, 177(5): 1265-1275.

(编辑 晁晓筠 校对 李德根)

Research on detection method of life under mine based on ultra-wideband signal

GuoJikun,WangBaosheng，HaoWeilai,ZhangHongwei

(School of Electronics & Information Engineering, Heilongjiang University of Science & Technology, Harbin 150022, China)

This paper introduces the propagation process model for ultra wideband(UWB) signal in underground mine developed by using an algorithm combining reference independent component analysis(ICA-R) with empirical mode decomposition(EMD), as a way to address the greater fluctuation in the signal clutter of ultra wide band(UWB) in underground mine.The algorithm works by filtering the clutter component with ICA-R method to detect the body signal under the landslides, decomposing the echo signal into several IMF components using the EMD algorithm; and analyzing the characteristic curve of life in the time domain to realize the separation of respiration and heartbeat signal in the case of high signal- to-noise ratio. The study demonstrates that the algorithm able to estimate the distance information of the body under the landslide while reconstructing the time and frequency waveform information of breath and heartbeat of the target life works better for the non-contact life detection under the landslide body.

mine; UWB; landslide; mine EMD; life characteristics; wave filtering

2016-12-06

国家自然科学基金项目(51474100)；黑龙江省青年科学基金项目 (QC2016093)

郭继坤( 1968-)，男，黑龙江省肇源人，教授，博士，研究方向: 矿井监控与无线通信，E-mail：guojikun@usth.edu.cn。

10.3969/j.issn.2095-7262.2017.01.016

TD326； TN925

2095-7262(2017)01-0073-04

A