VMD与MUSIC相结合的超宽带雷达呼吸与心跳检测系统

超宽带雷达是一种重要的生命探测遥感工具,文中利用超宽带雷达穿透能力强、分辨率高等优点,可以得到人体的生命体征信息,处理雷达回波信号可以得到呼吸心跳信息,实现对生命信号的非接触式监测。文中针对回波信号易受环境噪声影响、心跳信号微弱且易受呼吸谐波影响的问题,构造了生命体征模型模拟人体呼吸与心跳频率,提出了一种基于变分模态分解(VMD)与多重分类算法(MUSIC)相结合的方法。使用PulsON440超宽带雷达在1 m距离处进行了实验,与传统的快速傅里叶变换、奇异值分解相比,该方法提取的呼吸和心跳信号更加准确。在不同距离和遮蔽条件下验证了该方法的适用性。结果表明提出的基于MUSIC和VMD相结合的方法能够有效地从大呼吸信号中分离出小心跳信号,准确地检测出呼吸和心跳频率。

超宽带雷达生命探测技术研究

超宽带(UWB)雷达生命探测技术具有功耗低、穿透性好、保密性高等优点,有利于提高灾后受困人员的生存率。系统总结了UWB雷达生命探测技术的国内外研究进展及现状。根据发射信号形式不同,将UWB雷达生命探测技术分为连续波雷达生命探测技术和脉冲波雷达生命探测技术,分别介绍了2种探测技术的原理与应用优势。基于连续波雷达生命探测技术和脉冲波雷达生命探测技术的各自特点,从探测信号发射、回波信号预处理、生命信号提取与分析3个角度,分析了UWB雷达生命探测关键技术,总结了3种关键技术的研究现状。对UWB雷达生命探测技术的研究进行展望:突破生命探测仪收发机硬件性能,提升发射信号带宽,优化射频功率放大技术,以增大穿墙探测距离;综合利用多种特征提取方法和智能模式分类方法,以及人工智能、大数据、云计算等新一代信息技术,提高目标识别的精确度;研制基于多输入多输出雷达的人体目标辨识与定位装备和高精度分布式组网全极化UWB雷达生命探测仪,提升探测结果维度。

基于周期抽样的超宽带生命探测雷达信号处理方法

基于超宽带生命探测雷达,分析了雷达发射信号和回波信号频谱,提出了用周期抽样叠加法(PSS)对超宽带生命探测雷达回波信号进行处理。这种方法对回波信号数据进行特殊的时域周期抽样,能够将所有分散开的人体生命信息频率都无损的搬移到基带上,再将它们叠加起来,避免了由超宽带频谱分散造成的信息损耗,有效增大了人体生命信息的频率分量,与其他生命信号处理方法相比具有优势。基于超宽带生命探测雷达检测人体生命信息的原理,构建了完整的超宽带生命探测系统,并进行了实际测量,实验结果表明这种方法能够将人体生命信息的信噪比增大约2 dB。

基于压缩感知的脉冲超宽带信号检测

传统的信号检测算法基于奈奎斯特采样定理来实现,这对于带宽极宽的超宽带(ultra-wideband,UWB)信号而言由于要求采样速率过高而很难用硬件去实现。为此,本文研究了基于压缩感知(compressive sensing,CS)的脉冲超宽带(impulse radio UWB,IR-UWB)信号检测问题,利用IR-UWB信号在时域上的稀疏特性,设计了一种基于压缩感知的IR-UWB信号检测框架,在此基础上提出了一种自适应加权正交匹配追踪检测算法。仿真结果表明,新算法不仅能够通过远少于奈奎斯特定理所要求的采样速率检测出IR-UWB信号,而且与基于匹配追踪的压缩感知检测算法相比,新算法在低信噪比的情况下对IR-UWB信号的检测效果更佳。

超宽带雷达信号处理技术和实验研究

针对探测空中目标的超宽带(UWB)/冲激雷达,本文讨论了UWB/冲激雷达的信号处理技术,主要是信号检测和目标特性分析,首先讨论了目标检测技术,提出了用小波变换和高阶谱估计技术在变换域内进行检测的算法;其次讨论了目标特性分析技术,采用了高阶谱估计,提出了一种时域双谱估计算法,它可精确估计复杂形体目标的局部散射中心的分布.最后,结合作者等人研制的冲激雷达实验系统,对上述信号处理方法进行了实验研究,验证了上述信号处理方法的有效性。

基于离散小波变换的超宽带信号检测

在超宽带通信系统中,满足FCC频谱功率限制的信号的功率谱密度极低,类似白噪声,这对非合作侦收方而言,加大了其对信号的检测难度。针对这一问题,本文提出一种基于离散小波变换的检测方法。首先对仿真出来的OFDM-UWB信号在噪声干扰条件下进行小波变换与傅里叶变换,然后在不同的信噪比条件下对信号的两种变换进行对比仿真。仿真结果表明:在信噪比很低的情况下,小波变换相比于傅里叶变换而言,具有很好的信号检测特性。

DS-UWB信号的四阶累积量检测

分析了基于四阶统计量切片检测直接序列超宽带(DS-UWB)信号理论和利用切片估计码片宽度的可行性。对于基于四阶统计量不同切片的检测性能做了有效的仿真分析,在仿真实验中得出不同切片在选择不同的延迟时具有不同的检测性能,四阶累积量的2-D切片延迟为零时能获得最好的检测性能。最后通过仿真实验得出:基于四阶统计量切片估计码片宽度能够在较低信噪比下估计出码片宽度。

基于希尔伯特-黄和小波包的UWB信号检测方法

针对希尔伯特-黄变换在超宽带脉冲检测中检测性能受限于信噪比的问题,研究并分析了筛选终止条件以及小波包去噪方法,结合新终止条件,给出了希尔伯特-黄变换与小波包分析联合检测的新方法。采用新方法对噪声中的超宽带信号进行检测分析,并运用均方根误差公式对该方法的检测性能进行仿真比较。仿真图表明,新方法能较为准确地重构出淹没在强噪声下的脉冲,成功克服HHT变换在检测超宽带脉冲时受噪声强度影响较大的问题,从而改善强噪声环境下脉冲信号的检测效果。

基于混沌量子粒子群的FHN神经元UWB信号检测

在UWB-IR信号检测中,针对目前所采用的量子粒子群FHN神经元模型易造成粒子群多样性降低,易陷入局部最优,导致求解精度不高的问题,对量子粒子群算法中量子更新参数引入混沌优化算法,提出了基于混沌量子粒子群算法的FHN神经元UWB-IR信号检测方法,分析了所提算法的收敛性,并对所提算法的性能进行仿真验证。仿真结果表明,所提算法与现有算法相比,可提高粒子群的多样性和算法的收敛速度,提高算法精度,实现多个系统参数同时最优,从不同噪声强度下自适应地检测出UWB-IR信号。

基于小波包-FHN模型的UWB-IR信号检测

在超宽带冲激无线电信号检测中,针对FHN神经元模型随机共振中检测信噪比受限的问题,研究分析了小波包理论及传统单阈值小波包的缺点,结合新的分段阈值小波包去噪算法,提出一种小波包与FHN神经元模型随机共振联合检测的新方法,并对所提算法的性能进行仿真验证。仿真实验表明,新方法克服了FHN模型的信噪比门限,降低了FHN模型的检测信噪比,改善了FHN模型的检测性能,可有效恢复强噪声背景下的超宽带冲激无线电信号波形。

基于生命体征监测与室内定位技术的消防员协助系统

现代科技发展带来高层建筑和复杂建筑结构增多,导致消防员很容易在火场内受到生命危险。针对消防人员进入复杂火场后的生命体征状态及室内定位问题,提出了一套完整的协助系统。提出使用LSTM神经网络预测消防人员的动作姿态,使用光电传感器监测消防员的心率血氧以及周边气体环境。同时,提出了一种基于超宽带通信定位与高精度惯性元件导航进行数据融合的室内消防员定位手段。最后,终端通过LoRa-170M无线系统上传给移动监测平台,利用LabVIEW软件完成了监测上位机,并通过实验验证了其可靠性及稳定程度。

一种基于超宽带雷达的多观测点人体呼吸信号检测方法

基于超宽带生命探测雷达的障碍物穿透检测技术在灾难救援和反恐作战等非入侵式探测领域有着广泛的应用前景。目前国内外进行的研究大多采用单观测点放置雷达对目标进行检测,在低信噪比的条件下难以检测出生命体的位置。针对以上方法的局限性,采用多观测点放置雷达,将回波信号进行关联检测,得到生命体的空间位置,并进一步与已有的算法进行对比。仿真结果证明了该方法在低信噪比条件下的优越性,实验结果证明了该文提出的方法具有可行性,能够较为准确地检测出生命体位置。

基于希尔伯特-黄变换的超宽带信号检测方法

基于超宽带信号检测中希尔伯特-黄变换经验模态分解的边界问题,研究分析了基于非等间隔灰色模型预测极值点的解决方法。针对该方法在某些极值分布情况时个别极值点检测不到的问题,提出了时序残差修正的非等间隔灰色模型解决新方法。通过理论推导,证明了该新方法的有效性,在此基础上,对实际超宽带信号进行了结合新方法的希尔伯特-黄变换检测仿真。分析和仿真结果表明,改进的经验模态分解可以较为准确地重构出淹没在干扰或者噪声中的超宽带脉冲信号,明显改善了超宽带信号检测的准确度。通过与离散小波变换对比分析,体现出希尔伯特-黄变换更适合用于检测超宽带信号。

基于先验信噪比估计的超宽带穿墙雷达呼吸信号检测算法研究

废墟下呼吸信号的检测对地震救援具有重要意义。在实际中,障碍物(如墙体)后的人体呼吸信号会被环境中的噪声所掩盖。如何提升穿墙呼吸信号的信噪比(SNR)仍是一项具有挑战性的工作。该文提出一种基于先验信噪比估计的检测算法,用于增强穿墙弱呼吸信号的输出SNR。该算法在谱减法中典型的决策导向(DD)算法基础上加入了自适应权重因子,通过降低先验信噪比的估计误差来进一步消除残余随机噪声。通过仿真和实验验证了所提出算法的性能。与传统的快速傅里叶变换(FFT)、奇异值分解(SVD)和DD检测算法相比,所提出的呼吸检测算法的输出SNR有所提高。

基于YOLOv3网络的超宽带雷达生命信号检测

超宽带(UWB)雷达生命电磁探测是一种先进的非接触式生命探测技术,在灾害救援、生物医学方面应用广泛。通常由于雷达的不稳定性以及生命体呼吸信号微弱、加之静态和运动散射体干扰等,雷达接收回波信杂比(SCR)较低,传统的基于恒虚警率(CFAR)检测方法存在很多不足。为此,利用深度学习的高维特征泛化学习能力,将YOLOv3网络用于超宽带雷达生命信号电磁检测。为了提高信杂比,在检测前对回波数据进行了杂波去除和弱信号增强预处理,然后,将预处理后的距离-慢时间二维回波矩阵成像为灰度图并整理成数据集RP800,在该数据集上进行YOLOv3网络的训练和测试。实验表明,网络检测召回率达到99.77%,平均误检率为1.235%。

基于FHN神经元模型的UWB信号检测方法

针对FHN模型检测UWB信号时需要已知UWB信号和调节噪声强度来产生随机共振的局限性,研究分析了FHN模型系统参数与发生随机共振现象的关系,推导了新的输入输出互相关函数,提出了基于新互相关函数的参数调节FHN模型检测新方法。采用新方法对强噪声中的UWB脉冲信号进行检测并对该方法的检测性能进行了仿真比较与分析。仿真结果表明,新方法可以较为准确地检测到淹没在强噪声中的未知UWB脉冲信号,是一种低信噪比非合作下检测UWB信号的方法。

基于超带宽滤波一体化映射机制的物联网恶意特征信号检测算法

为解决当前物联网(IOT)恶意特征信号检测方案存在实时捕捉性能不佳,且难以实现对节点运动轨迹精确定位等不足,提出了一种基于超带宽滤波一体化映射机制的IOT恶意特征信号检测算法。首先,考虑到接收信号强度指示(RSSI)定位方法存在的不足,利用聚类中心过滤方式来计算精度映射矩阵,以获取信号发射源的拓扑平面坐标,并设计基于迭代投影矢量的锚节点覆盖方法,提高网络对节点信号发射坐标实时监控强度;根据超宽带多径估计机制,构建恶意节点实时捕捉方法,综合节点坐标的无偏估计及运动过程中能量损失来实现节点动态轨迹的精确捕捉,实现对恶意特征信号发射源动态捕捉。仿真实验表明,与超宽带能量相邻启发算法(ENNH-TSP)及黑洞安全组节点探测算法(SGBB-NDS)相比,所提算法具有更好的动态捕捉性能,具备高精度获取恶意节点运动轨迹的特点。

基于能量检测和NBI消除的UWB接收机信号检测

针对基于能量检测的超宽带（UWB）接收机提出了信号检测算法,此系统使用了平方率（SL）窄带干扰（NBI）消除技术来去除窄带干扰。由于使用能量检测方案,因此在高斯白噪声的情况下,统计检测量可以表示为统计独立的高斯随机变量的平方和。当有用信号不存在时,统计检测量服从中心χ^2分布,其自由度为积分器输入信号的二倍时间—带宽积。当有用信号存在时,统计检测量服从自由度相同的非中心χ^2分布,且依赖于因子λ。λ和系统参数有关,这些参数包括有用信号的能量和带宽,干扰信号的功率谱密度和带宽,以及噪声的功率谱密度。非中心的χ^2分布通过检测门限和自由度的转化可以化为中心χ^2分布。MATLAB数值计算显示了接收机工作特性（ROC）曲线,即检测概率Qd和虚警概率Q0的关系。从图中曲线可以看出,系统的参数和检测性能密切相关,比如当系统带宽变动时,虚警概率可以保持不变,而检测概率可能变为原来的2倍。结果表明,可以通过改变系统参数得到期望的检测性能。

一种新的基于FPGA的超宽带实时信号侦测技术

针对战场复杂电磁环境下,超宽带电子信号的实时侦测处理流程所需资源多、难度大等情况,提出了一种基于FPGA实现的实时超宽带电子信号侦测算法。通过工程实现结果,可以看出在测频精度以及脉宽测量精度等关键指标上都优于系统指标要求。与传统的宽带数字接收机相比,新的超宽带电子信号侦测技术在资源利用、实时性、测量精度、检测概率等方面都有显著提升。

低辐射超宽带雷达的室内人员边缘检测系统

本文为弥补基于传感器方法的检测系统存在的不足,基于低辐射UWB雷达系统设计了一套室内人员边缘检测系统。本系统可对少数目标情况下(目标数≤2)的人员进行有效跟踪;人员数目估计精度(含错误±1)可达95%以上;日常活动识别分类精度可达86%。