技术领域
[0001] 本
发明涉及雷达
信号处理领域，尤其涉及一种机载雷达的微弱生命体征信号的检测方法及系统。
背景技术
[0002] 机载雷达具有穿透性，全天时和全天候等特性，它可穿过墙体等非金属介质对目标区域进行探测，能不受地形限制去到施救人员不能到达的危险地区。通过对目标区域的回波信号进行一系列信号处理，可探测
跟踪多个微动人体目标，因而被广泛应用于
地震和塌方的灾后救援等领域。
[0003] 但是在无人机
悬停探测过程中，由于受气象干扰和无人机本身颠簸的影响往往会产生
偏航、
俯仰角变化和
横滚等，这些变化将产生
相位误差和大大影响信号处理输出的结果
质量。现有的机载雷达基本是平台在静止状态下探测运动目标，或者是平台运动时探测静止目标。悬停探测时是动平台探测动目标，难度很大，虚假目标多，结果很差。且现有雷达信号处理
算法大多基于
合成孔径雷达，实际应用中操作复杂，耗时长，不具有实时性，没有可行性。
[0004] 本发明研发了一套完整的雷达信号处理算法流程，还运用了基于雷达回
波数据的
运动补偿算法，
迭代旁瓣抑制技术和墙体检测算法核心技术。它具有运动误差校正，旁瓣和虚警抑制，墙体检测，实时二维
定位等功能，可实现悬停状态下精确的实时探测人体目标。
发明内容
[0005] 本发明提供了一种机载雷达的微弱生命体征信号的检测方法及系统，用以解决无人机悬停探测时由于气象和无人机本身颠簸的影响，从而虚假目标多，输出结果差的技术问题。
[0006] 为解决上述技术问题，本发明提出的技术方案为：
[0007] 一种机载雷达的微弱生命体征信号的检测方法，包括以下步骤：
[0008] 控制机载雷达对目标区域进行扫描，获取目标区域的多通道回波信号；
[0009] 对回波信号进行预处理，得到多通道相干
叠加的图像域数据；
[0010] 对图像域数据进行运动补偿、迭代旁瓣抑制以及强反射检测中的任一项或者任意几项的处理，得到校正后的目标；
[0011] 对目标的
位置进行检测跟踪，输出目标的数量和实时位置。
[0012] 优选地，运动补偿，为对每个通道的回波数据进行运动补偿，包括以下步骤：
[0013] 在每个通道的回波数据中找到独立存在的强散射点，以强散射点的运动轨迹作为参考轨迹曲线，将参考轨迹曲线随时间变化得到的运动误差作为机载平台与目标点的相对位置的变化；
[0014] 计算每个通道的回波数据中的每一
帧数据的运动误差，根据运动误差逐次对参考轨迹曲线上的强散射点进行对齐处理。
[0015] 优选地，计算每个通道的回波数据中的每一帧数据的运动误差，采用以下公式：
[0016] dR＝RAO-RBO (公式1)
[0017] φ(t)＝4πdR(t)/λ (公式2)
[0018] 其中，λ为雷达
电磁波波长；RAO为载机悬停的理想位置时的斜距；RBO为载机悬停的实际位置时的斜距；其中，O为场景中中心点，B为载机悬停的实际位置，A为载机悬停的理想位置；dR为当前时刻的斜距差；φ(t)为当前时刻的相位误差。
[0019] 优选地，迭代旁瓣抑制，包括：通过不同的天线收发通道的回波信号组生成SAR(Synthetic Aperture Radar，合成孔径雷达)图像进行比较，执行多次最小化迭代操作。
[0020] 优选地，强反射检测，包括：对多通道回波信号进行多通道相干BP(Back Projection，后向投影算法)成像和图像域CFAR(Constant False-Alarm Rate，恒虚警率)检测处理，分别得到墙体结构特征信号和目标特征信号，将得到的目标特征信号与区域内的墙体特征信号进行匹配，获得滤波匹配后的特征信号。
[0021] 优选地，墙体结构特征信号通过提取强反射体的特征信号得到，目标特征信号通过提取人体目标特征信号得到。
[0022] 优选地，强反射检测还包括：提取强反射体的特征二值图，并在成像图中标注强反射体所处的位置，强反射体为墙体、地面或大障碍物。
[0023] 优选地，对回波信号进行预处理包括：
脉冲压缩，杂波抑制和通道校正。
[0024] 本发明还提供一种机载雷达的微弱生命体征信号的检测系统，包括：
[0025] 机载雷达，用于对目标区域进行扫描，获取目标区域的多通道回波信号；
[0026] 预处理模
块，用于对回波信号进行预处理，得到多通道相干叠加的图像域数据；
[0027] 校正处理模块，用于对图像域数据进行运动补偿、迭代旁瓣抑制以及强反射检测中的任一项或者任意几项的处理，得到校正后的目标；
[0028] 输出模块，用于对目标的位置进行检测跟踪，输出目标的数量和实时位置。
[0029] 本发明还提供一种
计算机系统，包括
存储器、处理器以及存储在存储器上并可在处理器上运行的
计算机程序，处理器执行计算机程序时实现上述任一方法的步骤。
[0030] 本发明具有以下有益效果：
[0031] 1、本发明的机载雷达的微弱生命体征信号的检测方法及系统，通过基于雷达回波数据的运动补偿算法、迭代旁瓣抑制和\或强反射检测(墙体检测算法)，解决了机载平台抖动和杂波干扰等问题，在无人机悬停状态下可实现高分辨、高
精度、二维定位和多目标探测。并且输出结果稳定，无虚警，运算速度快且实时性好。
[0032] 2、在优选方案中，本发明的机载雷达的微弱生命体征信号的检测方法，采用基于雷达回波数据的运动补偿算法，在数据中提取强散射点为参考，对雷达每一帧数据补偿其运动误差，不依赖外界惯导设备，直接对雷达回波进行处理和分析，可对运动误差实现自适应补偿。
[0033] 3、在优选方案中，本发明的机载雷达的微弱生命体征信号的检测方法，采用迭代旁瓣抑制技术，对回波信号做迭代旁瓣抑制处理，以不同的天线收发通道数据组生成的SAR图像进行叠加，执行多次最小化迭代操作后，在目标的幅度信息不变的情况下降低旁瓣。
[0034] 4、在优选方案中，本发明的机载雷达的微弱生命体征信号的检测方法，采用基于强反射体的墙体检测算法，可克服由于无人悬停抖动的原因，墙角，地面和大障碍物等引起的“鬼影”现象和多径效应，避免造成静止虚警。并且，将区域内检测到的强反射体特征与人体目标信号进行匹配，可有效的去除墙体和地面等造成的虚警。
[0035] 除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照
附图，对本发明作进一步详细的说明。
附图说明
[0036] 构成本
申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性
实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0037] 图1是本发明优选实施例的机载雷达的微弱生命体征信号的检测方法的流程示意图；
[0038] 图2是本发明优选实施例1的运动补偿的模型示意图；
[0039] 图3是本发明优选实施例1的迭代旁瓣抑制的
流程图；
[0040] 图4是本发明优选实施例1的墙体检测的流程图
[0041] 图5是本发明优选实施例2的实验场景示意图；
[0042] 图6是本发明优选实施例2的脉冲压缩校正后的二维结果示意图；
[0043] 图7是本发明优选实施例2的雷达SAR成像结果示意图；
[0044] 图8是本发明优选实施例2的雷达界面的显示效果示意图。
具体实施方式
[0045] 以下结合附图对本发明的实施例进行详细说明，但是本发明可以由
权利要求限定和
覆盖的多种不同方式实施。
[0046] 参见图1，本发明的机载雷达的微弱生命体征信号的检测方法，包括以下步骤：
[0047] S1：控制机载雷达对目标区域进行扫描，获取目标区域的多通道回波信号；
[0048] S2：对回波信号进行预处理，得到多通道相干叠加的图像域数据；
[0049] S3：对图像域数据进行运动补偿、迭代旁瓣抑制以及强反射检测中的任一项或者任意几项的处理，得到校正后的目标；
[0050] S4：对目标的位置进行检测跟踪，输出目标的数量和实时位置。
[0051] 上述步骤中，基于雷达回波数据的运动补偿算法、迭代旁瓣抑制和\或强反射检测(墙体检测算法)，解决了机载平台抖动和杂波干扰等问题，在无人机悬停状态下可实现高分辨、高精度、二维定位和多目标探测。并且输出结果稳定，无虚警，运算速度快且实时性好。
[0052] 本发明还提供一种机载雷达的微弱生命体征信号的检测系统，包括：
[0053] 机载雷达，用于对目标区域进行扫描，获取目标区域的多通道回波信号；
[0054] 预处理模块，用于对回波信号进行预处理，得到多通道相干叠加的图像域数据；
[0055] 校正处理模块，用于对图像域数据进行运动补偿、迭代旁瓣抑制以及强反射检测中的任一项或者任意几项的处理，得到校正后的目标；
[0056] 输出模块，用于对目标的位置进行检测跟踪，输出目标的数量和实时位置。
[0057] 实际实施时，以上的方法还可进行以下优化，以下举例说明(实施例仅为示例，不作为技术特征的组合限制，不同的实施例之间的技术特征可进行合理的组合)：
[0058] 实施例1：
[0059] 参见图1，本发明的机载雷达的微弱生命体征信号的检测方法，包括以下步骤：
[0060] S1：控制机载雷达对目标区域进行扫描，获取目标区域的多通道回波信号；
[0061] S2：对回波信号进行预处理(如：脉冲压缩，杂波抑制和通道校正等)，(可进行多通道相干BP成像)得到多通道相干叠加的图像域数据。
[0062] S3：对图像域数据进行运动补偿、迭代旁瓣抑制以及强反射检测中的任一项或者任意几项的处理，得到校正后的目标。
[0063] 本实施例中，运动补偿，为对每个通道的回波数据进行运动补偿，包括：
[0064] (1)在每个通道的回波数据中找到独立存在的强散射点，以强散射点的运动轨迹作为参考轨迹曲线，将参考轨迹曲线随时间变化得到的运动误差作为机载平台与目标点的相对位置的变化；
[0065] (2)(通过公式1和公式2)计算每个通道的回波数据中的每一帧数据的运动误差，根据运动误差逐次对参考轨迹曲线上的强散射点进行对齐处理，最终达到运动补偿的效果。
[0066] 上述的运动补偿是以强散射点的回波信号作为研究对象，提取其运动误差信息，并且结合实验飞行运动误差曲线找到其中的规律。
[0067] 参见图2，可得：
[0068] dR＝RAO-RBO (公式1)
[0069] φ(t)＝4πdR(t)/λ (公式2)
[0070] 其中，λ为雷达电磁波波长；RAO为载机悬停的理想位置时的斜距；RBO为载机悬停的实际位置时的斜距；dR为当前时刻的斜距差；φ(t)为当前时刻的相位误差。
[0071] 由于载机飞行抖动引起了三维位置误差。悬停状态下，载机的理想位置为图2中A点位置，实线为载机的实际航迹曲线。O为场景中中心点，B是载机悬停的实际位置。A是载机悬停的理想位置。图2中也可知系统运动误差和成像场景中目标回波的一一对应的关系。由公式1和公式2可知，运动误差与成像场景中目标回波相位误差的对应关系，可算出每一时刻载机的运动误差和相位误差。
[0072] 在实际测试中，无人机悬停在空中垂直探测地面上的目标时，最强的散射点都来自地表。根据数据的特征及规律，可选取强点散射也就是地表散射作为参考物进行处理，对雷达每一帧数据补偿其运动误差。而且散射点在数据中可以是任意的，只需要其
信噪比大和
能量强，不受约束。通过运动补偿处理后校正了距离弯曲，每帧数据对齐。不仅消除了动平台运动误差对系统带来的干扰，而且优化了雷达结果和提高了雷达定位精度。
[0073] 目前
现有技术通常以读取
硬件得到的惯导数据作为输入对原始回波的距离向压缩数据进行补偿，将惯导输出的数据与回波数据融合，然后将数据传输到系统的信号处理模块，从而实现运动补偿来消除动平台位移偏差对系统带来的干扰。而本发明的运动补偿方法可以不依赖外界惯导设备，直接对雷达回波进行处理和分析，对运动误差实现自适应补偿。在实际应用中可大大减少系统成本，在研究上具有十分重要的应用价值和理论意义。
[0074] 本实施例中，参见图3，迭代旁瓣抑制包括：通过不同的天线收发通道的回波信号组生成SAR图像进行比较，执行多次最小化迭代操作。由于在机载雷达图像形成过程中，目标的主要响应是连贯的，并且被标准化，由不同通道数据组生成的SAR图像中目标的位置和峰值是相同的。并且，在不同稀疏数组中，由于缺失的数据是不同的，因此旁瓣的位置和峰值与谷值的幅度也不一样。基于这两个重要的特征，通过不同通道数组生成的SAR图像进行比较，执行最小化操作后，目标的幅度信息仍然不变，但旁瓣将被压制或完全消除，对雷达信号实现了旁瓣抑制的效果。通过从所有通道数据中随机选择部分通道数据作为稀疏数组进行成像，经过多次的迭代对比找出最小值，最大程度地消除旁瓣，可达到最佳的成像效果。
[0075] 本实施例中，参见图4，强反射检测(即墙体检测)，包括：通过机载雷达探测系统对目标区域进行探测，对得到的多通道回波信号进行多通道相干BP成像和图像域CFAR检测处理，分别得到墙体结构特征信号和目标特征信号，将得到的目标特征信号与区域内的墙体特征信号进行匹配，获得滤波匹配后的特征信号。其中，墙体结构特征信号通过提取强反射体的特征信号得到，目标特征信号通过提取人体目标特征信号得到。强反射检测还包括：提取强反射体的特征二值图，并在成像图中标注强反射体所处的位置，强反射体通常为墙体、地面或大障碍物。
[0076] 机载雷达悬停在空中对目标区域进行探测过程中，墙角，地面和大障碍物等容易引起“鬼影”现象和多径效应，对检测结果造成较大影响，会产生大量虚警。墙体检测算法可检测出墙体和地面等强反射体的特征信号，可有效对目标区域内强反射体位置进行反演。这种方法不仅可以准确的反演出墙体的结构，并且，将区域内检测到的强反射体特征与人体目标信号进行匹配，可有效的去除墙体和地面等造成的虚警。
[0077] S4：对目标的位置进行检测跟踪，输出目标的数量和实时位置，可在显示界面中实时展示。
[0078] 实施例2：
[0079] 本实施例是实施例1的应
用例，本实施例是图5所示的实验场景中，机载雷达悬停10m探测距离雷达中心9m的人体微动目标的实测数据示例，本实施例中机载雷达采用2发4收的天线阵列。
[0080] 通过实施例1的机载雷达的微弱生命体征信号的检测方法，过程中所获取的数据如下：
[0081] 图6为步骤S2中，回波信号经脉冲压缩校正预处理后的二维结果示意图；
[0082] 图7为步骤S3中，经迭代旁瓣抑制后的SAR成像结果示意图；
[0083] 图8为步骤S4中，输出目标的数量和实时位置的雷达界面的显示效果图。
[0084] 由上可知，机载雷达成功实时检测到了目标的运动轨迹和强反射体位置(
天花板和地面等也属于类似墙体的强反射体，墙体检测算法也能奏效)，进一步验证了本发明的可行性和有效性。
[0085] 实施例3：
[0086] 本发明还提供一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一实施例的步骤。
[0087] 综上可知，本发明通过对图像域数据进行运动补偿、迭代旁瓣抑制以及强反射检测，使得无人机平台和雷达实现一体化，可精确探测并且定位目标区域的微动人体目标，雷达探测速度快，效率高，可对墙角，地面和大障碍物位置进行反演，可滤除墙体和地面造成的静止虚警。本发明进行了多种降噪滤波处理，而且耗时短，实时性好，算法稳定且完善。
[0088] 以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何
修改、等同替换、改进等，均应包含在本发明的保护范围之内。
