[发明专利]一种基于变分模态分解的超宽带雷达回波信号预处理方法

说明书

本公开关于一种基于变分模态分解的超宽带雷达生命回波信号处理办法，包括以下步骤：通过超宽带雷达生命探测仪获取回波信号；针对采集到的回波信号的特点，应用遗传变异粒子群寻优算法，对变分模态分解的重要参数α和K进行优化；应用优化得到的参数α和K对原始信号进行VMD分解；在K个IMF分量中根据雷达发射机发出信号的中心频率大小选择出对应的可用于信号重构的IMF分量，并进行信号重构；以及对重构得到的信号进行简单的滤波处理，凸显出信号的本质特征，弱化噪声干扰，得到最终输出信号。由此，根据采集到的回波信号特点，实时确定对应变分模态分解的两个重要参数，实现变分模态的自适应分解，可以适应更多复杂现场。

技术领域

本公开涉及超宽带雷达回波信号预处理技术领域，尤其涉及基于超宽带雷达的生命探测仪回波信号的预处理办法。

背景技术

生命探测雷达技术在军用和民用两方面有着广阔的应用前景，如战场上战后伤员搜救，反恐行动中被劫人质的营救，以及地震或塌方后废墟中幸存人员的搜寻等。在灾难营救领域中，将超宽带雷达技术引入生命探测仪，对探测仪的抗干扰能力和穿透能力都有很大的提升，但是超宽带雷达生命探测仪回波信号中依旧会夹杂着大量的复杂噪声，使回波信号的淹没程度较高，无法从中获取有用的呼吸和心跳信号。因此，准确、快速地从回波信号中分离出有用信号是提高生命探测仪性能的关键技术。

为解决超宽带雷达回波信号中的噪声问题，目前较为主流的方法包括小波变换去噪方法和经验模态分解方法。这两种方法都是将信号从不同的角度进行分解，再根据分解得到不同分量进行信号的重构选择。其中，小波变换是一个时间和频率的局域变换，具有良好的时频局部化特性。它通过伸缩平移运算对信号逐步进行多尺度细化，可以实现信号的高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。但是，在使用小波变化方法时需要人工确定小波基函数和分解层数，无法根据信号特性自适应分解以达到去噪的目的，很难适应复杂多变的救灾抢险现场。另一种经验模态分解方法，可以将信号自适应分解成不同特征尺度上的分段固有模态函数，各个模态分量按时间尺度从小到大依序排列。该方法虽然可以实现信号的自适应分解，但是在分解过程中会出现模态混叠问题以及端点效应，影响最终的分解结果。由此可见，找到一种超宽带雷达回波信号的预处理办法对挽救人们的生命具有重要意义。

发明内容

针对以上现有的问题，本发明提出了一种基于遗传变异粒子群优化变分模态分解(Variational Mode Decomposition，简称VMD)的超宽带雷达生命回波信号处理办法。

根据本公开的第一方面，提供一种基于变分模态分解的超宽带雷达生命回波信号处理办法，包括以下步骤：通过超宽带雷达生命探测仪获取回波信号；针对采集到的回波信号的特点，应用遗传变异粒子群寻优算法，对变分模态分解的重要参数α和K进行优化；应用优化得到的参数α和K对原始信号进行VMD分解；在K个IMF分量中根据雷达发射机发出信号的中心频率大小选择出对应的可用于信号重构的IMF分量，并进行信号重构；以及对重构得到的信号进行简单的滤波处理，凸显出信号的本质特征，弱化噪声干扰，得到最终输出信号。

在本公开中，所述遗传变异粒子群寻优算法包括：假设在D维空间，初始化由n个粒子组成的粒子群X＝(X1,X2,…,Xn)，其中其中第i个粒子表示为一个D维向量X＝(Xi1,Xi2,…,XiD)T，以及对应粒子速度V＝(Vi1,Vi2,…,ViD)T；根据给定的以互信息为支撑的适应度函数，计算每一个初始粒子的适应度函数，适应度函数表示如下；

定义两个离散的随机变量X，Y之间的互信息I(X；Y)为：

p(x,y)是X和Y的联合概率密度函数，而p(x)和p(y)分别是X和Y的边缘概率密度函数，各模态分量之间的互信息之和为：