1.一种基于FMCW雷达的静态人体心跳和呼吸信号提取方法,其特征在于,包含以下步骤:
1)利用调频连续波(frequency modulated continuous wave,FMCW)采集人体目标信息得到雷达中频信号,对单帧中频信号做快速傅里叶变换得到距离向量矩阵RM×1,再通过时间进行多帧累积,将N帧距离向量以列形式构建距离‑时间矩阵RT=[R1,R2,...RM]M×N,从而得到距离‑时间图(Range‑Time‑Map,RTM),并确定距离‑时间图中距离单元平均功率最强的距离向量Rav,max;
2)获取步骤1)中距离向量Rav,max帧数据,构建二维矩阵RM×C,其中,M为采样点数,C为扫频个数,对RM×C矩阵的列进行距离维快速傅里叶变换,并且对RM×C矩阵的行 进行速度维快速傅里叶变换,从而得到距离‑多普勒矩阵RD,绘制出距离‑多普勒图(Range‑Doppler‑Map,RDM);
3)对得到的距离‑多普勒图像进行二维单元有序统计恒虚警(two‑dimensional ordered statistic constant false alarm rate,2D‑OS‑CFAR)目标检测后,保留静态检测目标,具体步骤为:
3a)在距离‑多普勒图像上采用一宽度为Nf×Nr=4×7的二维参考滑窗,其中Nf是多普勒频率维的窗宽,Nr是距离维上的窗宽,其有效参考单元W=27;
3b)对二维参考窗中的训练单元采样值由小到大作排序处理,然后取第 个采样值作为总的背景杂波功率水平估计;
6
3c)由W、k、Pf,其中虚警概率Pf=e ,根据 计算得到自适应归一化门限值T,其中Γ()为伽马函数,接着进行门限判决从而得到检测目标;
3d)在距离‑多普勒分辨单元中保留零多普勒检测目标;
4)使用步骤3)中保留零多普勒检测目标后的帧数据构建向量矩阵S,再利用多信号分类(Multiple Signal Classification,MUSIC)算法进行谱峰搜索得到距离‑ 角度图(Range‑Angle‑Map,RAM),然后,选取距离‑角度图中角度在|θ|≤5°的静态目标帧数据,得到待检测的人体目标信号B(t);
5)将待检测的人体目标信号B(t)进行正交下变换,得到I/Q两路信号BI(t)和BQ(t),采集空环境下的雷达信号得到I/Q两路的直流偏置dcIO和dcQO,用差分放大器进行直流校正操作得到 接着将得到的I(t)和Q(t)两路信号组成复数信号I(t)+j·Q(t);
6)对步骤5)中复数信号进行非线性反正切解调 处理提取待检测的人体目标信号B(t)中的心跳呼吸信号相位值 接着使用扩展的微分交叉乘法(extended differentiate and cross multiply,DACM)算法将反正切三角函数计算变为求导运算然后在离散形式下,通过时间累加,
还原出
7)使用Matlab的滤波器设计与分析方法直接生成两个二阶级联而成的四阶带通滤波器,其通频带分别为[0.1Hz‑0.5Hz]和[0.8Hz‑2.0Hz],接着将提取的心跳和呼吸相位信号相位差分后经过滤波器设计与分析生成的带通滤波器,从而分离出心跳和呼吸信号。