[发明专利]一种基于多域多特征和深度学习的生命探测雷达系统

说明书

本发明公开了一种基于多域多特征和深度学习的生命探测雷达系统，收发通道的信号输出端分别与脉压前生命体识别模块的信号输入端和脉压预处理模块的信号输入端连接，脉压预处理模块的信号输出端分别与脉压后生命体识别模块的信号输入端和基于成像的生命体检测定位识别模块的信号输入端连接，脉压前生命体识别模块、脉压后生命体识别模块、基于成像的生命体检测定位识别模块均与稀疏自编码网络与逻辑回归分类器连接。本发明用于雷达生命探测，克服了目前生命探测雷达目标识别技术由于采用人工设计的特征提取方法和仅使用时频联合域作为特征提取域导致的识别效率低、准确率低的突出问题，满足地震、塌方等灾害废墟内被困人员快速搜救的现实需求。

技术领域

本发明涉及雷达生命探测技术领域，尤其涉及一种基于多域多特征和深度学习的生命探测雷达系统。

背景技术

微波雷达是一种探测废墟中被困幸存人员的有效技术手段，通过捕获被困人员微弱的呼吸起伏信号来实现探测，具有作用距离远、抗干扰性强、灵敏度高等优点。收集到目标回波信号后，主要通过在时域或时频域上对信号进行分析，从而提取雷达信号时域特征或时频特征进行生命信息探测和识别。

雷达技术：连续波雷达最早应用在生命探测领域，该雷达可采用L和S波段的两种不同频率的天线同时进行检测。L波段的微波具有较好的穿透能力，S波段的微波具有较强的检测灵敏度。因此，利用双天线的检测方法，通过后续信号的互相关处理，可以穿透建筑物废墟检测到比较规律的呼吸和心跳信号。步进变频雷达同样应用在生命探测，一方面步进变频信号除了具备灵敏度高、频点可控、设计简单等优点之外，还提供了多频点回波信号既可以作单频点连续波信号处理也可以脉压后作脉冲信号处理。

特征提取方面：为了进行生命探测和识别，雷达信号一般在时域、时频域上进行特征提取，其方法大致有三类。第1类主要是在时域上将雷达回波自身特性或者统计特征量作为特征值，如利用赋值上下包络的距离来判断该目标为人体还是其他家禽，将雷达回波的标准化能量、方差、偏度和峰度作为特征值判断，以及通过对雷达回波进行主成分分析。第2类特征值主要通过雷达回波信号经过时频分析处理后，从时频谱中提取特征值。第3类主要依靠深度学习的方法，将时频谱图或者雷达回波时域信息送入设计的网络中进行识别，自动进行训练和学习，无须人工进行特征提取。

综上所述，近年来随着雷达技术和深度学习技术的不断发展，现有的雷达生命探测系统存在一下问题：(1)使用的雷达多为单个的连续波雷达或步进变频雷达，仅能提取单维距离上的回波信息。(2)时域、时频域上的特征提取方法多样，效果不一，需要根据特定的情况选择，鲁棒性较差。(3)基于特征提取的方法依靠设置阈值或人工提取特征值，造成工作量大，正确性偏低。

发明内容

本发明的目的是要提供一种基于多域多特征和深度学习的生命探测雷达系统。

为达到上述目的，本发明是按照以下技术方案实施的：

本发明包括收发通道、脉压预处理模块、脉压前生命体识别模块、脉压后生命体识别模块、基于成像的生命体检测定位识别模块和稀疏自编码网络与逻辑回归分类器，所述收发通道的信号输出端分别与所述脉压前生命体识别模块的信号输入端和所述脉压预处理模块的信号输入端连接，所述脉压预处理模块的信号输出端分别与所述脉压后生命体识别模块的信号输入端和所述基于成像的生命体检测定位识别模块的信号输入端连接，所述脉压前生命体识别模块、脉压后生命体识别模块、基于成像的生命体检测定位识别模块的信号输出端均与所述稀疏自编码网络与逻辑回归分类器连接。