基于超寬帶生物雷達(dá)的動態(tài)雜波干擾抑制技術(shù)研究

許兆坤，王昭昳，白思源，張 楊，薛慧君

（空軍軍醫(yī)大學(xué)軍事生物醫(yī)學(xué)工程學(xué)系，西安 710032）

0 引言

生物雷達(dá)概念的提出源于常規(guī)雷達(dá)技術(shù)在生命探測領(lǐng)域的應(yīng)用，特指探測生命體的雷達(dá)。生物雷達(dá)發(fā)射電磁波，穿透衣物、墻壁、廢墟等非金屬遮擋或障礙物，非接觸地獲取人體目標(biāo)呼吸、心跳等生理信息[1-3]。與紅外、聲波、激光探測技術(shù)相比，生物雷達(dá)探測人體生命體征不受環(huán)境溫度、噪聲以及廢墟孔徑等影響，是國內(nèi)外廣泛應(yīng)用的生命探測技術(shù)[4]。超寬帶（ultra-wide band，UWB）生物雷達(dá)因其具有較強(qiáng)的穿透性和抗干擾能力、能準(zhǔn)確捕獲目標(biāo)距離信息等特點(diǎn)，更適用于地震、塌方等災(zāi)后搜救[5-8]。

地震發(fā)生后，大多會伴隨大風(fēng)、雨雪等惡劣天氣，導(dǎo)致生物雷達(dá)探測區(qū)域內(nèi)植物（枝干、樹葉等）發(fā)生不規(guī)則抖動。由于生物雷達(dá)探測原理是檢測人體呼吸等引起的體表微動（微動幅度較小，多為毫米級）[9]，一旦植物抖動引起的動態(tài)雜波被生物雷達(dá)接收，勢必對生物雷達(dá)探測造成干擾。一些學(xué)者曾開展了在動態(tài)雜波干擾下對人體目標(biāo)的探測研究，張芫蓓等[10]對由強(qiáng)反射障礙物引起的非靜態(tài)雜波展開研究，提出了一種基于雙源IR-UWB 生物雷達(dá)的強(qiáng)反射雜波抑制方法，利用2 種不同中心頻率的雷達(dá)天線，通過等效時(shí)間采樣和分時(shí)復(fù)用技術(shù)同時(shí)對目標(biāo)進(jìn)行探測，再配合自適應(yīng)雜波消除算法，能夠較好地抑制不同場景中的強(qiáng)反射雜波干擾。Hosseini 等[11]將時(shí)變系數(shù)傅里葉級數(shù)模型作為擬合模型，采用基于帶限信號的無條件標(biāo)準(zhǔn)正交算法對回波信號進(jìn)行處理，抑制雷達(dá)回波中非平穩(wěn)動態(tài)雜波的干擾，得到穩(wěn)定的呼吸信號。而實(shí)際搜救中植物晃動幅度可能大于人體呼吸微動，且植物晃動引起的動態(tài)雜波干擾可能包含呼吸頻段，因此，基于能量識別和時(shí)頻濾波等的探測方法準(zhǔn)確率不高。

基于本課題組前期的研究，當(dāng)人體靜止時(shí)，呼吸引起的胸腹部微動信號在生物雷達(dá)回波中處于固定位置，受人體胸腹部厚度或雷達(dá)輻射橫截面積的影響，人體位置處相鄰距離單元都能夠檢測到呼吸信號[12]?？紤]到人體呼吸信號具有準(zhǔn)周期特性而樹葉抖動等引起的非靜態(tài)雜波大多是不規(guī)則的隨機(jī)信號，本研究從二者信號的特性差異入手研究動態(tài)雜波干擾下的人體目標(biāo)識別方法?；谛〔ㄗ兓哂辛己玫臅r(shí)、頻局部化和多尺度分辨特性，可同時(shí)對一組信號進(jìn)行時(shí)、頻分析[13]，以及信息熵能夠表征系統(tǒng)狀態(tài)的復(fù)雜度[14]，本文擬將小波變換和信息熵結(jié)合，采用小波信息熵算法，通過計(jì)算不同頻段能量分布的復(fù)雜程度識別動態(tài)雜波干擾下的人體目標(biāo)。

1 UWB 生物雷達(dá)系統(tǒng)

UWB 生物雷達(dá)系統(tǒng)探測原理如圖1 所示。生物雷達(dá)包含1 個(gè)發(fā)射天線和1 個(gè)接收天線，中心頻率為500 MHz。脈沖發(fā)生器產(chǎn)生重復(fù)頻率為128 Hz 的脈沖觸發(fā)信號，觸發(fā)信號通過發(fā)射天線照射人體，攜帶人體生理信息的生物雷達(dá)回波信號被接收天線接收，再經(jīng)采樣、信號積累、濾波放大等，送到后端計(jì)算機(jī)系統(tǒng)等待進(jìn)一步處理，其中，采樣器采樣頻率為64 Hz，采樣點(diǎn)數(shù)為2 048。生物雷達(dá)探測“時(shí)窗”為60 ns，電磁波在真空中傳播速度為3×108m/s，對應(yīng)最遠(yuǎn)探測距離為9 m。

圖1 UWB 生物雷達(dá)系統(tǒng)探測原理圖

2 信號處理算法

2.1 信號預(yù)處理

由于復(fù)雜探測環(huán)境和UWB 生物雷達(dá)系統(tǒng)自身的影響，生物雷達(dá)天線接收到的反射電磁波信號會同時(shí)包含目標(biāo)反射信號、多種噪聲以及靜態(tài)（或動態(tài)）雜波干擾。為了消除探測環(huán)境中的噪聲和雜波干擾，需要對生物雷達(dá)回波信號進(jìn)行預(yù)處理。生物雷達(dá)回波信號預(yù)處理算法流程如圖2 所示。

圖2 生物雷達(dá)回波信號預(yù)處理算法流程圖

具體如下：

（1）距離累積：由于送入計(jì)算機(jī)系統(tǒng)的生物雷達(dá)回波信號數(shù)據(jù)量非常大，嚴(yán)重影響后期信號處理速度。本文根據(jù)人體微動信號在快時(shí)間維度（距離維度）臨近單元多個(gè)點(diǎn)信號具有很大的相關(guān)性，在不影響有用信息提取的前提下，沿距離維度對生物雷達(dá)回波信號數(shù)據(jù)RM×N進(jìn)行距離累積，將信號傳輸距離上的采樣點(diǎn)從2 048 壓縮到200。

（2）歸一化：生物雷達(dá)發(fā)射的電磁波在穿透障礙物和自由空間傳輸過程中存在能量衰減，使得生物雷達(dá)回波信號的信噪比降低。為了增強(qiáng)生物雷達(dá)天線遠(yuǎn)端人體目標(biāo)信號的幅值、提高生物雷達(dá)回波信號的信噪比，本文沿著慢時(shí)間維度（探測時(shí)間維度）對距離累積后的數(shù)據(jù)矩陣進(jìn)行歸一化處理。

（3）去基頻：生物雷達(dá)回波信號中包含了天線直達(dá)波和墻體反射回波以及探測環(huán)境中其他靜止物體反射的靜態(tài)雜波，這些回波信號會形成很強(qiáng)的背景雜波，從而淹沒人體微動信號。首先可通過選擇信號起始位置規(guī)避天線近處的直達(dá)波干擾，再利用“靜態(tài)雜波雜亂無章、能量恒定、人體微動信號近似準(zhǔn)周期性信號”的特性，通過平滑濾波減去生物雷達(dá)回波信號中不同距離點(diǎn)時(shí)域信號的均值去除部分靜態(tài)雜波。

（4）自相關(guān)：生物雷達(dá)工作過程中不可避免會產(chǎn)生高頻噪聲，從而降低生物雷達(dá)回波信號的信噪比。基于人體呼吸信號窄帶準(zhǔn)周期性的特點(diǎn)，采用自相關(guān)算法進(jìn)一步增強(qiáng)人體信號規(guī)律性的同時(shí)，去除高頻噪聲，提高生物雷達(dá)回波信號的信噪比。

2.2 小波變換

采用小波變換對信號進(jìn)行處理的過程中，小波函數(shù)的選取是首要環(huán)節(jié)，不管選取哪種小波函數(shù)，ψ（t）都要滿足以下條件：式中，Cφ指ψ（ω）在函數(shù)空間中的積分結(jié)果；ω 為時(shí)域小波函數(shù)變換在復(fù)頻域中所對應(yīng)的頻率；令L2（R）為實(shí)平方可積函數(shù)空間，ψ（t）∈L2（R），ψ（ω）為ψ（t）的傅里葉變換，且當(dāng)ω=0 時(shí)，ψ（ω）=0。

上述小波函數(shù)ψ（t）經(jīng)過平移和伸縮后可獲得小波基函數(shù)，在預(yù)先設(shè)定尺度因子和平移因子情況下，經(jīng)伸縮平移得到的小波簇ψa，τ（t）如下所示：

式中，t 為時(shí)間；a 為尺度因子，反映了特定基函數(shù)的尺度；τ為平移因子，表示小波沿t 軸平移的位置。其中a，τ∈R，a≠0。

對于信號f（t）∈L2（R）空間的連續(xù)小波變換（continuous wavelet transform，CWT），可定義為函數(shù)f（t）在不同尺度a 和τ 對應(yīng)的小波簇ψa，τ（t）的內(nèi)積：+∞

2.3 小波信息熵算法

為了更好地表達(dá)小波信息熵算法，假設(shè)預(yù)處理之后的慢時(shí)間維度信號為Xτ（t）（τ=1，2，…，200），信號Xτ（t）的DWT 定義如下：

DWT 提供了一種無冗余的信號表示形式，其輸出值為小波序列的系數(shù)Cj（k），這里的小波序列系數(shù)Cj（k）不僅能夠提供信號的相關(guān)信息，還能對不同尺度、不同時(shí)刻的小波能量進(jìn)行估計(jì)。假設(shè)信號Xτ（t）沿時(shí)間方向的采樣點(diǎn)為X={x0（n）}，其中，n=1，2，…，N，N 為信號采樣點(diǎn)最大值200，如果離散二進(jìn)制小波能對整個(gè)分辨力等級進(jìn)行分解，那么信號Xτ（t）的小波變換可表示為

由于小波簇ψj，k（t）為空間L2（R）的正交基函數(shù)，并且其能量概念的引出方式與基于傅里葉變換的能量概念一致，信號Xτ（t）的小波序列系數(shù)可由公式Cj（k）=（表示信號f 對應(yīng)小波簇ψj，k內(nèi)積的離散數(shù)值）得出，那么對應(yīng)每個(gè)尺度下的能量為

為了觀察每個(gè)參數(shù)的瞬時(shí)變化，對生物雷達(dá)信號進(jìn)行加窗分幀處理，設(shè)分幀的窗寬為L，對于每一幀i（i=1，2，…，NF，NF=N/L）的信號值為所加時(shí)間窗的中心點(diǎn)的信號值。在二進(jìn)制離散小波分解中，子帶j下的小波系數(shù)的個(gè)數(shù)應(yīng)為前子帶j-1 下的小波系數(shù)的一半，因此，加窗分幀的最小窗寬要保證每一子帶至少保留一個(gè)小波系數(shù)。這里每一子帶j 下小波能量用該子帶下各個(gè)分幀平均能量的總和表示，即

3 實(shí)驗(yàn)及分析

3.1 實(shí)驗(yàn)設(shè)計(jì)

為了探究小波信息熵算法在動態(tài)雜波干擾下識別人體目標(biāo)的能力，本文以UWB 生物雷達(dá)為探測平臺，通過線性模組往復(fù)運(yùn)動模擬人體呼吸，通過電風(fēng)扇吹植物，使其枝葉抖動模擬災(zāi)害現(xiàn)場的風(fēng)吹草動。其中，線性模組往復(fù)運(yùn)動頻率為0.2 Hz、運(yùn)動幅度為6 mm，植物放置于線性模組和生物雷達(dá)中間，根據(jù)風(fēng)扇與植物距離的變化，探測實(shí)驗(yàn)分3 組進(jìn)行，實(shí)驗(yàn)場景如圖3 所示。每組實(shí)驗(yàn)重復(fù)10 次，線性模組模擬人呼吸，電風(fēng)扇均調(diào)到最大擋位，通過調(diào)整電風(fēng)扇與生物雷達(dá)的實(shí)際距離改變生物雷達(dá)回波信號的信雜比（signal to clutter ratio，SCR）。

圖3 模擬動態(tài)雜波干擾下UWB 生物雷達(dá)探測人體目標(biāo)實(shí)驗(yàn)

3.2 實(shí)驗(yàn)結(jié)果與討論

3.2.1 動態(tài)雜波特征分析

任取圖3（a）中抖動植物對應(yīng)距離點(diǎn)的動態(tài)雜波信號和線性模組的生物雷達(dá)回波信號，對二者預(yù)處理后的2 路生物雷達(dá)回波信號進(jìn)行快速傅里葉變換，頻譜分布結(jié)果如圖4 所示。由于人體呼吸信號頻率為0.2～0.7 Hz，為了更好地觀察頻譜分布，舍棄高頻部分，頻譜范圍截取0～10 Hz。由圖4（a）可以看出植物抖動引起的動態(tài)雜波干擾信號頻譜成分比較復(fù)雜，且包含呼吸信號頻譜成分。圖4（b）顯示線性模組生物雷達(dá)回波信號中同樣也有很多頻譜成分，但與動態(tài)雜波干擾信號相比，高頻部分的頻譜幅值相對較低，主要頻譜分布集中在低頻0.2 Hz，與線性模組的設(shè)置運(yùn)動頻率相符。

圖4 植物抖動引起的動態(tài)雜波干擾和線性模組的生物雷達(dá)回波信號預(yù)處理之后的頻譜分布結(jié)果

3.2.2 SCR 分析

上述3 種實(shí)驗(yàn)場景中，隨著電風(fēng)扇與生物雷達(dá)距離變小、電風(fēng)扇與植物夾角縮小，電風(fēng)扇與植物的相對距離逐漸變小，會引起植物不規(guī)則抖動幅度的變化。為了探究電風(fēng)扇位置變動對生物雷達(dá)回波SCR的影響，通過計(jì)算有用信號與雜波干擾信號的能量比，對3 組實(shí)驗(yàn)回波數(shù)據(jù)進(jìn)行SCR 分析：式中，P（n）為生物雷達(dá)回波信號在不同距離點(diǎn)的能量幅度；k 為被測目標(biāo)的距離點(diǎn)。3 組實(shí)驗(yàn)生物雷達(dá)回波信號SCR 統(tǒng)計(jì)結(jié)果見表1。由表1 可知，當(dāng)電風(fēng)扇距離生物雷達(dá)3 m、與植物夾角50°時(shí)，生物雷達(dá)回波信號平均SCR 為-20.950 dB；當(dāng)電風(fēng)扇距離生物雷達(dá)3 m、與植物夾角30°時(shí)，平均SCR 為-24.438 dB；當(dāng)電風(fēng)扇距離生物雷達(dá)2 m、與植物夾角10°時(shí)，平均SCR 為-27.806 dB。綜上，可得出：電風(fēng)扇與植物的距離越近，對植物產(chǎn)生的干擾越強(qiáng)，SCR 就越低。

表1 3 組實(shí)驗(yàn)生物雷達(dá)回波信號SCR 統(tǒng)計(jì)結(jié)果 單位：dB

3.2.3 結(jié)果與討論

使用小波信息熵算法對圖3 中的生物雷達(dá)回波信號進(jìn)行處理，以傳統(tǒng)的自適應(yīng)譜線增強(qiáng)[15]和能量累積[16]算法作為對比方法，信號處理結(jié)果如圖5所示。圖5（a）和（b）為圖3（a）的自適應(yīng)譜線增強(qiáng)和能量累積算法的識別結(jié)果，圖5（a）顯示距離生物雷達(dá)4 m 處出現(xiàn)較明顯的波動信號，根據(jù)先驗(yàn)知識，可判斷此波動信號為有規(guī)律往復(fù)運(yùn)動的線性模組。由于環(huán)境中的動態(tài)雜波干擾以及這種干擾在探測區(qū)域的多徑反射，在線性模組后1 m 的距離出現(xiàn)較強(qiáng)波動信號，憑經(jīng)驗(yàn)盲判，5 m 位置會出現(xiàn)虛警。圖5（b）中距離生物雷達(dá)4 m 處出現(xiàn)明顯能量譜峰，此處為線性模組，而在約5 m 處出現(xiàn)最大能量譜峰，易造成誤判。圖5（c）為圖3（a）的小波信息熵算法的識別結(jié)果，可見在距離生物雷達(dá)4 m 處熵值出現(xiàn)最低值。根據(jù)上文分析可知，生物雷達(dá)回波信號中線性模組的反射信號頻譜成分單一，是窄帶周期信號，該信號經(jīng)過小波變換后在不同尺度的能量分布與植物枝葉抖動形成的動態(tài)雜波分解后的能量相比分布更加規(guī)律，因此線性模組運(yùn)動信號的小波熵值比動態(tài)雜波的小波熵值更低，由此可判斷距離生物雷達(dá)4 m 處為線性模組。同理，圖3（b）和（c）的自適應(yīng)譜線增強(qiáng)算法和能量累積算法的識別結(jié)果[如圖5（d）和（e）、圖5（g）和（h）所示]都無法準(zhǔn)確識別線性模組位置，且隨著SCR 降低，2 種對比方法識別結(jié)果中虛警率逐漸增加，而圖3（b）[如圖5（f）所示]和圖3（c）[如圖5（i）所示]的小波信息熵處理結(jié)果不受環(huán)境SCR 影響，可準(zhǔn)確識別出運(yùn)動的線性模組。

圖5 3 組實(shí)驗(yàn)場景生物雷達(dá)回波信號數(shù)據(jù)的識別結(jié)果

4 結(jié)語

UWB 生物雷達(dá)系統(tǒng)探測人體時(shí)，探測環(huán)境中風(fēng)吹草動引起的動態(tài)雜波會對生物雷達(dá)探測造成干擾。傳統(tǒng)的時(shí)域和頻域分析方法難以在動態(tài)雜波干擾下準(zhǔn)確探測人體。本文通過分析線性模組往復(fù)運(yùn)動模擬的人體呼吸信號與植物不規(guī)則抖動引起動態(tài)雜波干擾信號的頻譜成分復(fù)雜度的差異，提出基于小波信息熵的動態(tài)雜波干擾下的人體目標(biāo)識別算法。實(shí)驗(yàn)中，線性模組往復(fù)運(yùn)動模擬人體呼吸，電風(fēng)扇吹植物引起植物不規(guī)則抖動模擬動態(tài)雜波干擾，采用小波信息熵算法對生物雷達(dá)回波信號進(jìn)行處理，并以傳統(tǒng)的自適應(yīng)譜線增強(qiáng)算法、能量累積算法作為對比研究算法。從結(jié)果及分析可以看出，傳統(tǒng)的自適應(yīng)譜線增強(qiáng)算法和能量累積算法以能量為分析對象，易受探測環(huán)境動態(tài)雜波及其多徑反射效應(yīng)等引起的干擾影響而形成虛警。小波信息熵算法以頻譜成分的復(fù)雜度為分析對象，對植物不規(guī)則抖動引起的動態(tài)雜波干擾和背景噪聲具有良好的抑制作用?？梢?，該探測場景下小波信息熵算法能準(zhǔn)確識別人體目標(biāo)。而由于小波信息熵算法是基于有用信號與干擾信號頻譜復(fù)雜度的差異性對人體目標(biāo)進(jìn)行識別，若干擾信號頻譜復(fù)雜度近似于人體呼吸信號，該算法無法準(zhǔn)確探測目標(biāo)信號，還需做進(jìn)一步的特征識別。