基于信息熵进行人体目标定位的方法与流程

本发明主要涉及人体目标检测技术领域，具体地说，涉及一种基于信息熵进行人体目标定位的方法。

背景技术：

生物雷达是一种以生命体为探测目标的新型雷达，它以雷达发射的电磁波为载波，通过检测生命体的呼吸、心跳等微弱生命体征引起的回波参数变化实现生命体目标的非接触、远距离探测识别。生物雷达具有非接触、可穿透、目标无需穿戴任何电极和传感器等优点。

生物雷达探测人体目标过程中，电磁波的传播路径上往往存在衰减介质和强反射界面，导致距离雷达天线较远的人体目标的微动信号只有很少一部分被接收天线所接收。这就给远端目标信号的检测和提取带来很大难度。

技术实现要素：

有鉴于此，本发明的目的在于提供一种基于信息熵进行人体目标定位的方法，在抑制杂波的同时，实现目标的精准定位，便于后续的目标信号的检测和提取。

本发明的基于信息熵进行人体目标定位的方法，包括以下步骤：

(1)雷达发送电磁波信号，并接收经人体反射的回波信号；

(2)快速傅里叶变换

对雷达回波矩阵中不同距离点的时间信号分别做快速傅里叶变换，得到每个距离点上时间信号的频谱；

(3)信息熵谱图识别

计算不同距离点信号频谱信号的信息熵值；

(4)得到生命体征目标所在距离单元的回波信号

选取信息熵值最小的距离单元，得到生命体征目标所在距离单元的回波信号。

进一步地，步骤(3)中不同距离点信号频谱信号的信息熵值，以e为底求对数，其计算公式如下：

其中，m表示距离维上单元位置下标，k表示不同频率信号的下标，ωm表示m距离单元上频率的随机变量，其取值为{fm，1，fm，2…，fm，k}，fm，k表示表示m距离单元上，信号频率为fk，p(fm，k)表示不同频率信号的概率密度，计算公式如下：

其中，f表示信号频率。

进一步地，步骤(4)中信息熵值最小的距离单元计算公式如下：

其中，m表示距离维上单元位置下标，ωm表示m距离单元上频率随机变量，其取值为{fm，1，fm，2…，fm，k}，h(ωm)为不同距离点信号频谱信号的信息熵值。

进一步地，所述雷达回波中微弱生命体征信号的预提取方法还包括步骤(5)利用加速度阈值判定人体随机运动过程，进而抑制人体随机运动产生的回波信号，用于减小后期生命体征信号参数估计的误差。

进一步地，所述步骤(5)具体为求取步骤(4)中回波信号的时域二阶导结果，得到随机运动的加速度值，当加速度幅度超过设定阈值一定程度时，判定为人体的移动或者手臂的晃动。

进一步地，所述雷达回波中微弱生命体征信号的预提取方法还包括步骤(6)采用自适应的小波尺度选择算法，用于实现生命体征呼吸信号和心跳信号的有效分离。

进一步地，步骤(6)具体包括如下步骤：

a、选择合适的母小波；

b、根据回波的采样率设定合理的小波系数，通过比对呼吸和心跳的频率范围与小波尺度之间的对应关系，减小重构信号的个数；

c、基于信噪比设定阈值，得到小波尺度与呼吸心跳信号的直接对应关系。

进一步地，所述雷达回波中微弱生命体征信号的预提取方法还包括步骤(7)时域寻峰和降采样，具体为：

在步骤(6)中生命体征呼吸信号和心跳信号有效分离后，直接在时域进行寻峰操作，同时对呼吸信号和心跳信号进行一定比例的降采样，在满足奈奎斯特采样要求的条件下，对呼吸和心跳的时间间隔进行计算，最终得到呼吸频率和心跳频率。

本发明基于信息熵进行人体目标定位的方法，通过对雷达回波矩阵中不同距离点的时间信号分别做快速傅里叶变换，得到每个距离点上时间信号的频谱，再采用信息熵谱图识别方法，以e为底求对数，计算不同距离点信号频谱信号的信息熵值，再通过选取信息熵值最小的距离单元，定位目标精确位置，得到生命体征目标所在距离单元的回波信号，相比现有技术，对噪声滤波能力更强，且成分提取精度更高，具有便于操作，稳定性好且可靠性高的优点。

附图说明

构成本发明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：

图1是本发明一实施例的基于信息熵进行人体目标定位的方法的流程图；

图2是杂波抑制处理结果后的呼吸状态图；

图3是目标距离提取后原始回波的波形图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

图1所示是本发明一实施例的基于信息熵进行人体目标定位的方法的流程图。如图1所示，该实施例的基于信息熵进行人体目标定位的方法至少包括以下四个步骤：

(1)雷达发送电磁波信号，并接收经人体反射的回波信号；

(2)快速傅里叶变换

对雷达回波矩阵中不同距离点的时间信号分别做快速傅里叶变换，得到每个距离点上时间信号的频谱；

(3)信息熵谱图识别

计算不同距离点信号频谱信号的信息熵值；

具体地：

步骤(3)中不同距离点信号频谱信号的信息熵值，以e为底求对数，单位为奈特(nat)，其计算公式如下：

其中，m为距离维上单元位置下标；

k为不同频率信号的下标；

ωm为距离单元上频率的随机变量，频率随机变量的取值为{fm，1，fm，2…，fm，k}；

fm，k表示m距离单元上，信号频率为fk；

p(fm，k)表示不同频率信号的概率密度，计算公式如下：

其中，f表示信号频率。

(4)得到生命体征目标所在距离单元的回波信号

依据信息熵的定义可知，熵值小的区域信号成分简单，有目标的可能性较大，而熵值大的地方信号无规律，有目标可能性较小。因此，选取信息熵值最小的距离单元即为所求的目标所在距离单元，得到生命体征目标所在距离单元的回波信号。

具体地，为了定位目标精确位置，步骤(4)中信息熵值最小的距离单元计算公式如下：

其中，m表示距离维上单元位置下标，ωm表示m距离单元上频率随机变量，其取值为{fm，1，fm，2…，fm，k}，h(ωm)为不同距离点信号频谱信号的信息熵值。

单个人体目标静止站立在大约0.5m处，保持均匀呼吸，如图2所示的两幅图对比可知：杂波抑制后能有效分辨静止目标呼吸起伏状态。再根据公式(3)选取信息熵值最小的距离单元即为目标所在距离单元值，得到包含有目标运动信息的回波，具体如图3所示。

同时，为进一步地在人体目标定位后提取到人体相关的生命体征信息，本发明中还包括步骤(5)利用加速度阈值判定人体随机运动过程，进而抑制人体随机运动产生的回波信号。为了满足实时监测的要求，上述步骤(5)具体为求取步骤(4)中回波信号的时域二阶导结果，得到随机运动的加速度值，当加速度幅度超过设定阈值一定程度时，判定为人体的移动或者手臂的晃动。因为一般情况下随机运动较为剧烈，其瞬时加速度将大于正常呼吸和心跳的瞬时加速度，故此，当加速度值超过设定阈值一定程度时，系统可判定为随机运动。且能根据不同运动形式的加速度的标准方差可以用于区分不同种类的运动。

在进一步的技术方案中，上述基于信息熵进行人体目标定位的方法还包括步骤(6)采用自适应的小波尺度选择算法，用于实现生命体征呼吸信号和心跳信号的有效分离。首先选择合适的母小波，然后根据回波的采样率设定合理的小波系数，通过比对呼吸和心跳的频率范围与小波尺度之间的对应关系，减小重构信号的个数。基于信噪比来设定阈值，得到小波尺度与呼吸心跳信号的直接对应关系，此过程可以自适应的完成。

在生命体征信号的实时提取中，算法仅依赖当前时刻时间窗内的数据，这对系统的实时性提出了挑战。在实现生命体征呼吸信号和心跳信号分离后，需要对分离成分进行检测，从而得到呼吸频率和心跳频率，传统的方法采用快速傅里叶变换变换到频域，然后提取频域峰值，即为频率估计值，但是这一方法存在以下两个问题：一是没能检测得到每一次呼吸或每一次心跳之间的时间间隔，是对一段时间内所有呼吸心跳频率值进行平均；二是对回波信号进行点数较大的傅里叶变换会影响系统的实时性。本方法通过步骤(7)时域寻峰和降采样，即采用了时域的寻峰操作，直接在时域进行寻峰操作，对呼吸成分和心跳成分直接搜寻信号峰值，不同时刻的峰值点之差即为呼吸时间间隔和心跳时间间隔，对其求取倒数，即为实时更新的频率值，较好的克服了上述两个缺点。并同时对信号进行一定比例的降采样，在满足奈奎斯特采样的条件下，对呼吸和心跳的时间间隔进行计算，最终确定呼吸和心跳频率。

综上所述，本发明通过对不同距离点的时间信号分别做快速傅里叶变换，得到每个距离点上时间信号的频谱，再采用信息熵谱图识别方法，以e为底求对数，计算不同距离点信号频谱信号的信息熵值，再通过选取信息熵值最小的距离单元，定位目标精确位置，得到生命体征目标所在距离单元的回波信号，相比现有技术，对噪声滤波能力更强，且成分提取精度更高，具有便于操作，稳定性好且可靠性高的优点。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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。