[发明专利]一种基于超宽带雷达的人体微弱呼吸信号检测方法

权利要求书

1.一种基于超宽带雷达的人体微弱呼吸信号检测方法，其特征在于，包括如下步骤：

采用超宽带雷达收集雷达回波信号，形成M×N维的信号矩阵X(m，n)，其中M为距离单元的数量，N为慢时时刻，m＝0，1，...，M-1，n＝0，1，...，N-1；

对于每一个距离单元，将雷达回波信号记为x^m(n)；

对雷达回波信号x^m(n)进行Motion滤波和标准化处理后，获取标准化信号n＝0，1，...，N-1；

对标准化信号进行希尔伯特黄变换，获取其微多普勒特征α₁；

对标准化信号进行快速傅里叶变换，获取其频谱特征α₂；

基于人体呼吸一般规律，构造无噪声呼吸信号x₀(n)；

对标准化信号和无噪声呼吸信号x₀(n)进行相关分析，获取相关性特征α₃；

以微多普勒特征α₁、频谱特征α₂及相关性特征α₃作为输入特征，使用支持向量机模型对雷达回波信号x^m(n)进行分类；

根据分类结果判断是否存在生命体及获取生命体所在位置信息。

2.根据权利要求1所述的人体微弱呼吸信号检测方法，其特征在于，所述对雷达回波信号x^m(n)进行Motion滤波和标准化处理，获取标准化信号的步骤，包括如下步骤：

对第m个距离单元上的雷达回波信号x^m(n)进行Motion滤波得到滤波后的雷达回波信号以消除由障碍物或人体散射引起的静止杂波，计算公式如下：

其中W＝[w(1)，w(2)，…，w(k)]为差分参数；

对滤波后的雷达回波信号进行标准化计算，以统一量纲，计算公式如下：

3.根据权利要求1所述的人体微弱呼吸信号检测方法，其特征在于，所述对标准化信号进行希尔伯特黄变换，获取其微多普勒特征α₁的步骤，包括如下步骤：

对于标准化信号进行经验模态分解，得到L个本征模分量y_i(n)，i＝1，2，...，L；

去除第一个含有高频噪声的本征模分量，选取第2-4个本征模分量，对筛选的每一个本征模分量y_i(n)(i＝2，3，4)进行希尔伯特变换，得到瞬时幅值序列及瞬时频率序列H[g]为希尔伯特变换；体现了信号的瞬时幅值，体现了的瞬时频率；

针对每一条瞬时振幅序列计算其均值标准差2范数组成瞬时振幅特征序列

针对每一条瞬时频率序列计算其均值标准差2范数组成瞬时振幅特征序列

基于瞬时振幅特征序列S_Ains的值和瞬时振幅特征序列S_fins的值的计算结果，形成雷达回波信号的微多普勒特征α₁＝[S_Ains，S_fins]。

4.根据权利要求1所述的人体微弱呼吸信号检测方法，其特征在于，所述对标准化信号进行快速傅里叶变换，获取其频谱特征α₂的步骤，包括如下步骤：

对标准化信号进行快速傅里叶变换，得到其信号频谱

提取频谱最大值和与频谱最大值对应的频率f^max，组成雷达回波信号的频谱特征

5.根据权利要求1所述的人体微弱呼吸信号检测方法，其特征在于，所述基于人体呼吸一般规律，构造无噪声呼吸信号x₀(n)的步骤，包括如下步骤：

结合一般人体呼吸频率，构造频率与振幅固定的代表平稳呼吸信号的正弦波x₀(n)＝0.4sin(0.5πn)，其中，一般人体呼吸频率为12-20次每分钟。