一种基于UWB的多信息感知生物雷达系统及其获取目标信息
的方法
技术领域
[0001] 本
发明涉及属于生物雷达或雷达式生命探测技术领域，特别涉及
一种基于UWB的多信息感知生物雷达系统及其获取目标信息的方法。
背景技术
[0002] 生物雷达是一种以生命体为探测和感知对象的新概念雷达，是国际科技界公认的新兴前沿技术。该技术以特殊雷达发射的
电磁波为载体，能穿透衣物、废墟、
墙壁等障碍，检测到人体目标的运动，或呼吸、心跳等生命体征引起的体表微动等，从而实现目标识别、
定位和信息感知。生物雷达具有非
接触、穿透
力强、能精确定位的特点，在生物医学、国家安全、应急救援等领域具有广泛的应用前景。
[0003] 生物雷达的发展经历了连续波(Continuous Wave，CW)体制和超宽谱(Ultra-wide Band，UWB)体制两个阶段，已经从关键技术上解决了穿透条件下探测生命体有无、运动体动、呼吸
信号、心跳信号以及距离定位等问题。然而，该技术在实际应用中面临的主要问题是获取的信息单一，从而导致所研制的设备功能有限，要么只能检测人体生命信息、要么只能
跟踪人体走动、要么只能探测人体体动，而实际人体目标具有典型的非合作目标特性，因而现有生物雷达技术和设备很难满足各类人体
姿态和状态下的信息获取。
发明内容
[0004] 本发明的目的在于提供一种基于UWB的多信息感知生物雷达系统及其获取目标信息的方法，解决了现有生物雷达技术功能有限、获取的人体信息不全的问题。
[0005] 本发明是通过以下技术方案来实现：
[0006] 本发明公开了一种基于UWB的多信息感知生物雷达系统，包括发射机系统、接收机系统、天线系统和控制及处理系统；
[0007] 天线系统：包括两副发射天线和四副接收天线，两副发射天线TX1和TX2基于
电子开关依次向空间
辐射电磁波信号，四副接收天线RX1-RX4同时接收回波信号并馈入接收机系统；
[0008] 发射机系统：用于接收控制及处理系统的工作指令，产生步进
频率连续波UWB信号，将UWB信号发送至发射天线；
[0009] 接收机系统：接收机采用超外差结构，接收机将生物雷达回波信号送入控制及处理系统；
[0010] 控制及处理系统：用于对接收机系统处理后的生物雷达回波进行处理分析以获取目标信息，包括
时空信息处理模
块、行为信息处理模块和生理信息处理模块；
[0011] 时空信息处理模块，用于提取目标的有无、个数和方位时空信息；
[0012] 行为信息处理模块，用于判断目标的细粒度动作及判断目标是人还是动物；
[0013] 生理信息处理模块，用于获取目标的呼吸和心跳生理信息。
[0014] 优选地，发射天线和接收天线采用极化相反的平面对数螺旋天线，发射天线左旋，接收天线右旋。
[0015] 优选地，发射天线与发射机采用光纤同轴线缆软连接，接收天线与接收机采用光纤同轴线缆软连接。
[0016] 本发明还公开了采用上述的基于UWB的多信息感知生物雷达系统获取目标信息的方法，包括以下步骤：
[0017] 1)控制及处理系统首先给发射机系统发出工作指令，发射机系统以恒温晶振为基准产生等间隔的
步进频率连续波UWB信号，发送至发射天线；
[0018] 2)发射天线向空间某一方向辐射电磁波信号，处在此方向上的物体反射碰到的电磁波，接收天线接收反射回来的回波信号，接收机将生物雷达回波信号与本地产生的振荡波混频后变为中频信号，经中频
正交解调获得回波的幅度和
相位信息，对其进行数字化
采样后送至控制及处理系统进行处理；
[0019] 3)控制及处理系统进行处理时，三个信息处理模块并行工作，分别包括：
[0020] 时空信息处理模块基于MIMO成像增强的时空信息处理
算法提取目标的有无、个数和方位时空信息；
[0021] 行为信息处理模块基于距离单元压缩的人体细粒度动作检测算法检测人体原地细粒度动作，同时基于小波熵
阈值的人与动物辨识算法来判断目标是人还是动物；
[0022] 生理信息处理模块基于多通道数据融合的人体呼吸增强检测算法检测人体呼吸信息，同时基于自适应谐波抵消的人体心跳分离算法检测人体心跳信息。
[0023] 优选地，步骤3)中，所述的时空信息处理算法，包括以下步骤：
[0024] (1)对各个通道的生物雷达回波原始数据进行多通道系统校正、背景消除、低通滤波及离散傅里叶变换IFFT预处理，形成高空间
分辨率一维距离像；
[0025] (2)MIMO成像处理：将预处理步骤得到的高空间分辨率一维距离像进行反投影成像、
图像序列、微动探测、
混频器混频及图像增强处理，形成三维数据空间；
[0026] (3)对MIMO图像序列形成的三维数据空间进行数据投影，分别投影至方位-距离平面和距离-慢时间平面，然后采用CFAR局部检测器得到干扰杂波，通过形态滤波滤除杂波，最后采用
聚类分析算法判断场景中是否存在生命体、生命体数量和各个生命体方位，得到疑似人体目标，并综合形成检测定位结果。
[0027] 进一步优选地，步骤(3)中，CFAR局部检测器的检测算法利用滑动窗估计杂波模型，滑动窗的尺寸由生命体征信号的性质、距离采样间隔和慢时间频率采样间隔共同决定，然后基于估计的杂波模型和给定的虚警率计算CFAR的
门限值TCFAR，其判定过程如下式：
[0028]
[0029] 式中I(m,n)代表二维图像的
像素值。
[0030] 优选地，步骤3)中，所述的基于距离单元压缩的人体细粒度动作检测算法，包括以下步骤：
[0031] (1)通过对生物雷达回波各个距离单元信号进行时频变换得到时间-频率谱TFR，并将不同距离单元上的TFR按顺序聚集，得到整个人体运动超宽带雷达信号在有效距离内的联合距离-时间-频率分布JRTFR立方体；
[0032] (2)将整个JRTFR立方体沿距离轴对每个距离单元信号所得TFR按相应权重系数进行距离累积，得到整个运动信号综合距离累积时频分布CDATFR；
[0033] 其中，在选择权重系数时，将
能量值较弱的距离单元TFR赋予较大的权重，而能量值较大的距离单元TFR赋予较小的权重，利用反权重系数增强肢体运动形成的微多普勒特征。
[0034] 优选地，其特征在于，步骤3)中，所述的基于小波熵阈值的人与动物辨识算法，包括以下步骤：
[0035] (1)对生物雷达回波信号在慢时间维度上做小波熵分析，首先选取db7小波函数将点信号做6层
小波变换，点信号分为第6层的低频分量和1-6层的高频分量，考虑到目标信号的特点及减少数据量，排除小波分解的第一层高频分量，之后对每一层信号以128点为一
帧，分帧求小波能量，然后求整个时间内的平均小波能量熵；在此
基础上，采用小波熵标准差SDWE定量描述小波熵的
波动程度：
[0036]
[0037] 其中，SWT为某一点信号的小波熵标准差，HWT为点信号的平均小波熵， 为点信号第i帧的小波熵值，NT为点信号分帧的帧数；
[0038] (2)采用ROC曲线分析的自动分类方法，先检测小波熵标准差所有
临界点的灵敏度、特异度和误判率即1-特异度，以小波熵标准差所有临界点的灵敏度、特异度和误判率即1-特异度为坐标作图得到ROC曲线，然后采用约登指数法确定小波熵标准差的最佳临界点。
[0039] 优选地，步骤3)中，所述的基于多通道数据融合的人体呼吸增强检测算法，包括以下步骤：
[0040] (1)首先在生物雷达8个接收通道内对原始回波进行
信噪比增强、背景去除及归一化预处理；
[0041] (2)然后根据人体目标的先验距离信息选择出各个通道回
波数据对应距离点上的慢时间信号、把同一个目标的呼吸信号关联到一起；
[0042] (3)最后采用Kalman滤波进行数据融合，滤波过程中设计了人体呼吸的匀速
状态空间模型：
[0043]
[0044] 式中， 代表k时刻的状态矢量，xk和vk分别表示人体呼吸过程中胸部微动的
位置和速度； 代表状态转移矩阵，Δt表示目标关联获得的时间序列的采样间隔；wk代表该模型误差引入的过程噪声矢量，采用自适应衰减因子在线估计模型中的过程噪声矢量，收敛后的xk代表融合结果用作检测输出。
[0045] 优选地，其特征在于，步骤3)中，所述的基于自适应谐波抵消的人体心跳分离算法，包括以下步骤：
[0046] (1)对雷达回波经过信噪比增强、背景去除、归一化预处理；
[0047] (2)选择人体目标对应距离点上的慢时间信号r3(n)作为输入，并将该信号的Zn延迟d(n)＝r3(n-Zn)作为参考，输入和参考的误差e(n)用来调整自动FIR
滤波器洗漱w(n)，同时滤波器输出y(n)通过FFT计算出峰值频率以自动调整延迟时间Zn。
[0048] 与
现有技术相比，本发明具有以下有益的技术效果：
[0049] 本发明公开的基于UWB的多信息感知生物雷达系统，包括发射机系统、接收机系统、天线系统和控制及处理系统，天线系统采用2发4收的天线阵列，接收机采用超外差结构，发射机接到控制及处理系统的工作指令后，以恒温晶振为基准产生等间隔的步进频率连续波UWB信号，经功分、变频放大后送至发射天线；接收机将生物雷达回波信号送入控制及处理分系统进行处理分析；控制及处理分系统包括时空信息处理模块、行为信息处理模块和生理信息处理模块，实现人体目标多信息检测和提取。通过采用步进频率连续波信号体制、多通道天线阵列和模块化信息处理技术，实现了生物雷达对人体时空、行为和生理信息的多信息综合感知，提高了生物雷达的信息感知能力和实用价值。
[0050] 进一步，天线系统与雷达其余部分采用光纤同轴线缆软连接，可根据实际探测需求灵活布置收发天线相对位置组成所需阵列形式。
[0051] 本发明公开的基于UWB的多信息感知生物雷达系统获取目标信息的方法，首先产生步进频率连续波UWB信号，然后对UWB信号进行发射、接收及采集处理，采用模块化处理技术对人体信息数据流进行分析处理，即依据人体信息主要特征分为时空、行为和生理三大类分别建立模块化处理算法，在最大程度保持其共性的同时体现差别，从而化解了复杂繁重的
信号处理任务，能有效兼顾穿透能力、探测灵敏度的并行提升，保证对多种姿态和状态人体目标的信息获取能力。
[0052] 进一步，通过时空信息处理模块对各个通道的生物雷达回波进行预处理，去除系统和传输信道引入的干扰，形成高空间分辨率一维距离像；然后通过MIMO成像，提高杂波与人体目标以及多人体目标间的空间分离度，人体生命体征信号得到进一步增强；接下来对MIMO图像序列形成的三维数据空间进行数据投影，分别投影至方位-距离平面和距离-慢时间平面，采用CFAR局部检测器、形态滤波和聚类得到疑似人体目标，并综合形成检测定位结果，判断场景中是否存在生命体、有几个生命体和各个生命体方位。
[0053] 进一步，通过基于距离单元压缩的人体细粒度动作检测方法，不仅能有效获取生命体的走动、跑动等有距离行进运动，还能获取跳跃、挥手、蹲下起立、手势等原地细粒度动作。
[0054] 进一步，通过基于小波熵阈值的人与动物辨识方法，可以有效识别出目标体是人还是动物，当目标的雷达回波小波熵标准差值大于0.0959时，有95％的狗从全部目标中被正确识别，当目标的雷达回波小波熵标准差值小于0.0959时，有95％的人体目标可以从全部人体目标中被正确识别。
[0055] 进一步，当目标方位和姿势均不利于生物雷达检测时，本发明的基于多通道数据融合的人体呼吸增强检测方法，通过采用多通道数据融合成功检测到了目标微弱的呼吸。
[0056] 进一步，基于自适应谐波抵消的人体心跳分离方法主要利用自适应线增强器的信号分离能力，同时利用检测到的人体呼吸频率自动调整ALE参考信号的延迟时间，形成自适应滤波器消除多信息感知生物雷达回波中的呼吸及其谐波成分，从而分离出微弱的人体心跳信号，无论目标体相对于雷达采用何种姿势，最终都是可以检测出心跳信号
频谱。
附图说明
[0057] 图1为UWB多信息感知生物雷达的系统原理
框图；
[0058] 图2为UWB多信息感知生物雷达系统的模块化处理架构；
[0059] 图3为基于MIMO成像增强的时空信息处理算法流程；
[0060] 图4为基于距离单元压缩的人体细粒度动作检测算法流程；
[0061] 图5为基于小波熵阈值的人与动物辨识算法流程；
[0062] 图6为基于多通道数据融合的人体呼吸增强检测算法流程；
[0063] 图7为基于自适应谐波抵消的人体心跳分离算法流程；
[0064] 图8为UWB多信息感知生物雷达时空信息感知场景示意；
[0065] 图9为UWB多信息感知生物雷达时空信息感知实验结果：(a)代表MIMO成像处理后的实验结果，(b)代表CFAR检测处理后的实验结果，(c)代表形态滤波处理后的实验结果，(d)代表聚类分析处理后的实验结果；
[0066] 图10为人体细粒度动作穿透探测实验结果：(a)为原地踏步时的实验结果，(b)为蹲下捡物时的实验结果，(c)为原地挥手时的实验结果，(d)为原地跳跃时的实验结果，(e)为随意站立时的实验结果，(f)为静坐呼吸时的实验结果；
[0067] 图11为人体原地挥手时的穿透探测实验结果细节；
[0068] 图12为人与动物辨识实验的小波熵标准差；
[0069] 图13为人体呼吸增强检测实验结果：(a)1通道时域
波形；(b)1通道时域波形对应的
功率谱；(c)融合后输出波形；(d)融合后输出波形对应的功率谱；
[0070] 图14为人体心跳分离实验结果。
具体实施方式
[0071] 下面结合具体的
实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
[0072] 如图1所示，本发明的基于UWB的多信息感知生物雷达系统由四个系统组成，分别为发射机系统、接收机系统、天线系统和控制及处理系统。发射机系统接到控制及处理系统的工作指令后，以恒温晶振为基准产生等间隔的步进频率连续波UWB信号，经功分、变频放大后送至发射天线；接收机系统采用超外差结构，将生物雷达回波信号与
本振混频后变为中频信号，经中频正交解调获得回波的幅度和相位信息，对其进行数字化采样后送入控制及处理系统；天线系统包括两副发射天线和四副接收天线，发射天线和接收天线采用极化相反的平面对数螺旋天线(发射左旋和接收右旋)，其中两副发射天线(TX1和TX2)基于电子开关依次向空间辐射电磁波信号，四副接收天线(RX1-RX4)同时接收回波信号并馈入接收机；控制及处理系统负责参数设置、指令发送、回波处理、数据存储等，以提供生物雷达系统的
人机交互接口，采用模块化技术对回波数据进行分析处理，实现人体目标多信息检测和提取。
[0073] 对基于UWB的多信息感知生物雷达系统的工作原理和系统参数(见表1)进行简单说明。系统的主要技术指标如表1所示：
[0074] 表1 UWB多信息感知生物雷达系统的主要技术指标
[0075]
[0076] 本发明所涉及的UWB生物雷达采用步进频率连续波体制，工作带宽510.7MHz-4410.7MHz，且采用2发4收的天线阵列，能有效兼顾穿透能力、探测灵敏度的并行提升，保证对多种姿态和状态人体目标的信息获取能力。
[0077] 对UWB多信息感知生物雷达系统的模块化处理架构进行详细说明：如图2所示，生物雷达系统采用模块化处理技术，依据人体信息主要特征分为时空信息处理模块、行为信息处理模块和生理信息处理模块三大类。其中，时空信息处理模块主要采用基于MIMO(Multiple Input and Multiple Output，多输入多输出)成像增强的时空信息处理算法，提取人体目标的有无、个数和方位等基本时空信息；行为信息模块主要采用基于距离单元压缩的人体细粒度动作检测算法检测人体跳跃、挥手、蹲下起立、手势等原地细粒度动作，同时利用人与动物的行为差异导致的回波不同，设计基于小波熵阈值的人与动物辨识算法来判断是人还是动物；生理信息模块分别采用基于多通道数据融合的人体呼吸增强检测算法和基于自适应谐波抵消的人体心跳分离算法来实现人体呼吸和心跳这两种基本生理信息的非接触检测。
[0078] 1、时空信息处理模块
[0079] 目前的生物雷达回波处理仅能有效获取生命体的有无和距离信息，而生命体个数、方位等信息尚探测不到，这些信息揭示了人体在特定时间下的空间状态，对生物雷达应用于国家安全、应急救援等领域具有重要意义。该模块利用UWB多信息感知生物雷达提供的相干积累能力和高距离分辨率，采用MIMO增强成像技术，基于时空信息处理算法实现人体目标有无、个数、方位的识别与感知。
[0080] 如图3所示，时空信息处理算法对回波进行处理的步骤为：首先对各个通道的生物雷达回波进行预处理，去除系统和传输信道引入的干扰，形成高空间分辨率一维距离像；然后通过MIMO成像，提高杂波与人体目标以及多人体目标间的空间分离度，人体生命体征信号得到进一步增强；接下来对MIMO图像序列形成的三维数据空间进行数据投影，分别投影至方位-距离平面和距离-慢时间平面，采用CFAR(Constant False Alarm Rate，恒虚警率)局部检测器、形态滤波和聚类得到疑似人体目标，并综合形成检测定位结果。
[0081] 其中，CFAR局部检测算法通过滑动窗实现，滑动窗的尺寸由生命体征信号的性质、距离采样间隔和慢时间频率采样间隔共同决定，然后基于估计的杂波模型和给定的虚警率计算CFAR的门限值TCFAR，其判定过程如下式：
[0082]
[0083] 式中，I(m,n)代表二维图像的像素值；由于噪声在CFAR图像中通常表现为小尺寸的亮点，而面积较大的动态杂波干扰在CFAR图像中表现为大尺寸亮斑，上述两种干扰与生命体征信号的尺寸存在明显差异，所以对CFAR结果进行形态学滤波滤除上述两类杂波；最后采用
聚类算法判断场景中是否存在生命体(目标)、有几个生命体和各个生命体方位。
[0084] 2、行为信息处理模块
[0085] 目前的生物雷达回波处理仅能有效获取生命体的走动、跑动等有距离行进运动、跳跃、挥手、蹲下起立、手势等原地细粒度动作尚不能有效获取，这些信息是生命体生理系统高级活动的外在表现，对于研究人类精神和心理状态有重要的参考价值。此外，前期研究表明，对雷达获取的生命体行为信息进行评估分析还能区别人和动物。本发明的行为信息处理模块主要基于距离单元压缩的人体细粒度动作检测算法和基于小波熵阈值的人与动物辨识算法，判断目标的细粒度动作及判断目标是人还是动物。
[0086] 2.1基于距离单元压缩的人体细粒度动作检测
[0087] 在UWB生物雷达回波中，人体各散射中心(各身体部件)的运动将粗略地分布于不同的距离单元，从而对回波信号形成不同的频率调制，本发明充分利用UWB生物雷达回波信号不同距离单元上不同散射中心信号的时频信息，建立了基于距离单元压缩的细粒度动作微多普勒特征检测方法。
[0088] 如图4所示，该方法通过对UWB生物雷达回波各个距离单元信号进行时频变换得到时间-频率谱(time-frequency-representation，TFR)，并将不同距离单元上的TFR按顺序聚集从而得到整个人体运动超宽带雷达信号在有效距离内的联合距离-时间-频率分布(joint-range-time-frequency-representation，JRTFR)立方体；然后，将整个JRTFR立方体沿距离轴对每个距离单元信号所得TFR按相应权重系数进行距离累积，最终得到整个运动信号综合距离累积时频分布(comprehensive distance accumulation time-frequency representation，CDATFR)。在选择权重系数时，将能量值较弱的距离单元TFR赋予较大的权重而能量值较大的距离单元TFR赋予较小的权重，从而利用反权重系数增强由手臂、腿等肢体运动形成微多普勒特征。
[0089] 2.2基于小波熵阈值的人与动物辨识
[0090] 猪、狗等常见动物自主控制能力较弱，对其进行探测时生物雷达回波中包含大量不自主体动引起的信息，因此本发明采用熵来度量生物雷达回波的丰富程度，建立了基于小波熵阈值的人与动物辨识方法。
[0091] 如图5所示，该方法对UWB生物雷达回波信号在慢时间维度上做小波熵分析，首先选取db7小波函数将点信号做6层小波变换，点信号分为第6层的低频分量和1-6层的高频分量，考虑到目标信号的特点及减少数据量，排除小波分解的第一层高频分量，之后对每一层信号以128点为一帧，分帧求小波能量，然后求整个时间内的平均小波能量熵。在此基础上，采用小波熵标准差(Standard Deviation of Wavelet Entropy，SDWE)定量描述小波熵的波动程度：
[0092]
[0093] 其中SWT为某一点信号的小波熵标准差，HWT为点信号的平均小波熵， 为点信号第i帧的小波熵值，NT为点信号分帧的帧数。在此基础上，采用ROC曲线分析的自动分类方法，即先检测小波熵标准差所有临界点的灵敏度、特异度和误判率(1-特异度)为坐标作图得到ROC曲线，然后采用约登指数法确定小波熵标准差的最佳临界点。
[0094] 3、生理信息处理模块
[0095] 目前的生物雷达回波处理仅能有效获取自然状态下人体呼吸、心跳等生理信息，对于压埋、受伤等非自然状态下人体呼吸尚不能有效检测；而且相对于人体呼吸，心跳引起的体表微动更加微弱，特别是非自然状态下呼吸节律的变异对心跳形成干扰，对生物雷达回波处理中有效分离心跳信号提出了新的挑战。本发明的生理信息处理模块主要基于多通道数据融合的人体呼吸增强检测算法和基于自适应谐波抵消的人体心跳分离算法，获取人体呼吸和心跳生理信息。
[0096] 3.1基于多通道数据融合的人体呼吸增强检测
[0097] 该方法利用多信息感知生物雷达多个接收天线提供的多通道增益，采用Kalman滤波进行多通道数据融合。如图6所示，首先在UWB多信息生物雷达8个接收通道内对原始回波进行信噪比增强、背景去除、归一化等预处理，然后根据人体目标的先验距离信息选择出各个通道回波数据对应距离点上的慢时间信号、把同一个目标的呼吸信号关联到一起；最后采用Kalman滤波进行数据融合，滤波过程中设计了人体呼吸的匀速状态空间模型：
[0098]
[0099] 式中， 代表k时刻的状态矢量、其中xk和vk分别表示人体呼吸过程中胸部微动的位置和速度， 代表状态转移矩阵、其中Δt表示目标关联获得的时间序列的采样间隔，wk代表该模型误差引入的过程噪声矢量，并且采用自适应衰减因子在线估计模型中的过程噪声矢量，收敛后的xk代表融合结果用作检测输出。
[0100] 3.2基于自适应谐波抵消的人体心跳分离算法
[0101] 该方法主要利用自适应线增强器(Adaptive Line Enhancer，ALE)的信号分离能力，同时利用检测到的人体呼吸频率自动调整ALE参考信号的延迟时间，形成自适应滤波器消除多信息感知生物雷达回波中的呼吸及其谐波成分，从而分离出微弱的人体心跳信号。如图7所示，UWB多信息生物雷达回波经过信噪比增强、背景去除、归一化等预处理后，选择人体目标对应距离点上的慢时间信号r3(n)作为输入，并将该信号的Zn延迟d(n)＝r3(n-Zn)作为参考，输入和参考的误差e(n)用来调整自动FIR滤波器洗漱w(n)，同时滤波器输出y(n)通过FFT计算出峰值频率以自动调整延迟时间Zn。当滤波器收敛后，呼吸信号主要包含在滤波器输出y(n)中，心跳信号主要包括在误差信号e(n)中。考虑到
输入信号幅度变化可能导致
输出信号失真，本发明采用(Normalized Least-Mean-Square，NLMS)的收敛方法来调整滤波器系数w(n)；此外，e(n)中除了微弱的心跳信号仍然包含有噪声，为克服常规处理方法(如相关函数、功率谱等)仅对加性噪声敏感的缺点，本发明采用高阶累积量(High Order Cumulant，HOC)对其进行增强。
[0102] 根据若干探测实验对上述UWB多信息感知生物雷达系统的效果进一步进行说明：
[0103] 1、时空信息感知实验
[0104] 如图8所示，将UWB多信息感知生物雷达紧贴30cm厚砖墙放置，天线配置成均匀线阵，天线间距0.6m，发射天线位于线阵两端，3名志愿人员作为探测目标位于砖墙后保持静止站立，其中目标1距离墙壁3m、偏离线阵中线0.8m，目标2距离墙壁4m、位于线阵中线，目标3距离墙壁3m、偏离线阵中线1.1m。
[0105] 探测结果如图9所示，生物雷达回波数据经MIMO成像结果成像增强、CFAR检测和形态滤波后杂波得到明显抑制，最后聚类输出结果与目标的实际个数和空间分布一致。
[0106] 2、行为信息感知实验
[0107] 在人体细粒度动作穿透检测实验中，1名志愿者作为探测目标在墙后进行原地踏步、蹲下捡物、原地挥手、原地跳跃、随意站立或静坐呼吸6种动作，UWB多信息感知生物雷达在墙壁另一侧分别进行穿透探测，回波信号处理结果如图10所示。结果表明，采用基于距离单元压缩的人体细粒度动作微多普勒特征检测方法能显著区分上述不同动作和状态。图11显示了原地挥手检测结果的细节，人体躯干、肢体等各部件的微多普勒信息能从该结果中清晰地分辨。
[0108] 在人与动物辨识实验中，在穿透条件下对19例成年男性和19例狗进行探测得到的小波熵标准差如图12所示。从图12中可以看出，人体目标和狗的小波熵标准差值具有明显差别，但部分数据有交集，这对区分人体目标和动物目标的准确性有一定的影响。在此基础上，进一步对小波熵标准差结果做ROC曲线分析，计算并列出约登指数如表2所示，约登指数的最大值为0.900，对应的小波熵标准差值为0.0959，此值即为最佳临界值，对应的灵敏度为0.950，特异度为0.050，表明当目标的雷达回波小波熵标准差值大于0.0959时，有95％的狗从全部目标中被正确识别，当目标的雷达回波小波熵标准差值小于0.0959时，有95％的人体目标可以从全部人体目标中被正确识别。
[0109] 表2人与动物辨识实验的小波熵标准差的约登指数
[0110]
[0111] 3、生理信息感知实验
[0112] 在人体呼吸增强检测实验中，志愿者位于28cm厚的砖墙后6m保持蜷缩状态，此时人体目标方位和姿势均不利于生物雷达检测，导致回波信杂噪比大幅度下降。如图13所示，在UWB多信息感知生物雷达基础上采用多通道数据融合成功检测到了目标微弱的呼吸，即图13(d)中0.2Hz处的功率尖峰，该功率峰对应频率与实际呼吸频率一致，而以图13(a)和(b)为例，表明采用单通道无法检测到目标呼吸。
[0113] 在人体心跳分离实验中，在人体呼吸增强检测实验中，志愿者位于28cm厚的砖墙后2m保持静止站立，且在实验中，人体目标相对于雷达采用三种不同姿势：正对雷达、背对雷达和侧身站立，三种姿势所测得的UWB生物雷达回波数据经自适应谐波消除方法处理后得到目标的心跳信号如图14所示，由图14中三种情况下心跳信号频谱的能量最大值估计心跳频率，频率值分别是1.289Hz，1.304Hz和1.318Hz，其中人体目标正对雷达时，心跳运动响应最强，而侧身站立时响应最弱，这与呼吸运动的响应是一致的。
[0114] 本发明以步进频率连续波UWB信号收发体制为基础，保证人体目标多信息的获取能力，在此技术上采用模块化处理技术解决人体目标多信息的繁重信号处理任务，最终形成一种具备人类生命体时空信息、行为信息和生理信息的综合感知能力的多信息生物雷达技术，从而解决现有生物雷达技术功能单一、获取的人体信息不全的问题，为生物医学、国家安全、应急救援等领域的人体信息非接触感知提供新的方法和手段。
[0115] 应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附
权利要求的保护范围。
