基于无人机搭载的雷达式生命探测方法、系统及介质

1.本发明实施例涉及伤员搜寻技术领域，尤其涉及一种基于无人机搭载的雷达式生命探测方法、系统及介质。


背景技术：

2.我国是自然灾害(地震、泥石流、塌方等)多发国家。以地震为例，在地震所造成的人员伤亡中，由于发现伤员不及时而造成“二次死亡”所占的比例极高。如果在地震发生后的72小时内通过先进有效的搜寻技术及装备，能够提高搜寻的准确率、节省搜寻时间，大大降低伤亡人数。
3.当前，雷达式生命探测技术(比如生物雷达)已成为灾后搜救的重要技术方法，该技术通过探测呼吸、心跳所导致的人体表面微动来发现存活伤员。无人机具有操作简单、起降灵活、无人员伤亡等特点，并开始逐步应用于伤员的搜救。对于无人机运动平台搭载雷达式生命探测技术进行伤员搜寻，不仅可以提高现场伤员的搜救效率，还可以减少救援人员的伤亡；但是，由于雷达式生命探测技术的检测对象大多为微小信号，而无人机运动平台自身存在的振动及多普勒信号将会淹没检测到的微小信号，导致微小信号无法准确被检测到，从而影响搜救。


技术实现要素：

4.有鉴于此，本发明实施例期望提供一种基于无人机搭载的雷达式生命探测方法、系统及介质；能够消除和抑制检测过程中的干扰，提高检测准确度。
5.本发明实施例的技术方案是这样实现的：
6.第一方面，本发明实施例提供了一种基于无人机搭载的雷达式生命探测方法，所述方法包括：
7.由搭载于无人机平台的生物雷达接收关于探测区域内的雷达回波信号；其中，所述雷达回波信号中包括多个通道信号；
8.利用搭载于所述无人机平台的传感器所感测到的平台运动信息消除所述雷达回波信号中关于平台的运动干扰，获得初步干扰抑制后的第一雷达信号；
9.将所述第一雷达信号中的所有通道信号经过互相关处理后，采用自适应谱线增强方式抑制关于所述探测区域内的环境运动干扰，获得已完成干扰抑制处理的第二雷达信号；
10.从所述第二雷达信号中提取人体目标呼吸细节特征；
11.基于二维单元平均恒虚警ca-cfar的人体体动识别策略和所述人体目标呼吸细节特征确定所述探测区域内是否有人体目标。
12.第二方面，本发明实施例提供了一种基于无人机搭载的雷达式生命探测系统，所述系统包括：无人机平台、以及搭载于所述无人机平台的生命雷达、振动传感器集群和处理装置，其中：
semiconductor)芯片上，天线则可选为小尺寸的微带天线。在进行人员搜救过程中，搜救系统1可以悬停于探测区域空间的上方；生物雷达12向探测区域发射雷达电磁波，并且接收从探测区域反馈的雷达回波信号；随后，在一些示例中，可以通过无人机平台搭载的通信设备13将雷达回波信号通过无线传输链路2传回后方的处理设备3进行雷达信号处理，以获知探测区域内是否有伤员等人体目标；此外，在一些示例中，无人机平台11上还可以搭载能够对雷达信号进行处理的处理装置14，如虚线框所示，该处理装置14能够直接对雷达回波信号进行信号处理，从而无需回传后方就能够获知探测区域内是否有伤员等人体目标，只需要将是否有伤员等人体目标的结果通过通信设备13向后方回传。
31.对于图1所示系统，需要说明的是，生物雷达12的雷达回波信号中，包括由人体的呼吸、心跳引起的微多普勒信号部分；但是雷达12所搭载的无人机平台11无论处于悬停或行进状态，平台11自身总是会存在振动，从而产生运动多普勒信号。因此，雷达回波信号将会包括平台11振动产生的运动多普勒信号以及存在由人体的呼吸、心跳引起的微多普勒信号(后可称为人体微多普勒信号、胸腔微多普勒信号等)，并且微多普勒信号将会淹没于运动多普勒信号中而加大被检测的难度，从而影响检测准确度。
32.此外，人体呼吸和心跳引起的胸腔微多普勒信号本身非常微弱，极易受到人体自身其他部位运动干扰(如四肢运动、躯干晃动等)以及探测环境干扰(如风吹草动)等影响，而且微多普勒信号与运动多普勒信号以及干扰之间的合成关系复杂(如卷积、相乘等)，从而在实际实施过程中更增大了微多普勒信号被检测的难度。
33.基于以上阐述，本发明实施例期望能够提供一种基于无人机搭载的雷达式生命探测方案，能够消除和抑制检测过程中的干扰以提取出微弱的人体生命体征信号，增加人体目标识别的检测准确度。基于此，参见图2，其示出了本发明实施例提供的一种基于无人机搭载的雷达式生命探测方法，该方法可以包括：
34.s201：由搭载于无人机平台的生物雷达接收关于探测区域内的雷达回波信号；其中，所述雷达回波信号中包括多个通道信号；
35.s202：利用搭载于所述无人机平台的传感器所感测到的平台运动信息消除所述雷达回波信号中关于平台的运动干扰，获得初步干扰抑制后的第一雷达信号；
36.s203：将所述第一雷达信号中的所有通道信号经过互相关处理后，采用自适应谱线增强方式抑制关于所述探测区域内的环境运动干扰，获得已完成干扰抑制处理的第二雷达信号；
37.s204：从所述第二雷达信号中提取人体目标呼吸细节特征；
38.s205：基于二维单元平均恒虚警(ca-cfar，cell averaging-constant falsealarm rate)的人体体动识别策略和所述人体目标呼吸细节特征确定所述探测区域内是否有人体目标。
39.通过图2所示的技术方案，本发明实施例通过平台运动信息消除平台的运动干扰，随后通过多通道信号互相关处理消除环境运动干扰，最终抑制完成的雷达信号中提取人体呼吸细节特征进行人体目标识别，消除和抑制检测过程中可能存在的外界干扰，提高了人体目标的检测准确度。
40.结合图1所示的系统以及图2所示的技术方案，需要说明的是，如图3所示，无人机平台11上可以搭载有外源性高灵敏度、高精度的振动传感器集群 15，包括但不限于9轴姿
态传感器、6轴陀螺仪、高精度位移传感器等，这些振动传感器可以实时感测到无人机平台11的平台运动信息，比如振动、转动等运动信息，而这些信息对于雷达回波信号中的人体微多普勒信号来说，均属于平台运动干扰，由此，在一些可能的实现方式中，所述利用搭载于所述无人机平台的传感器所感测到的平台运动信息消除所述雷达回波信号中关于平台的运动干扰，获得初步干扰抑制后的第一雷达信号，包括：
41.预先获取关于平台运动信号中能够产生干扰的特征信息先验知识；
42.根据所述特征信息先验知识从所述传感器所感测到的平台运动信息中提取特征信息；
43.利用所述特征信息以及所述雷达回波信号中的各通道信号通过自适应噪声抵消策略消除关于平台的运动干扰，获得所述中间信号；
44.将所述各通道对应的中间第一信号进行盲源信号处理，获得所述第一雷达信号。
45.对于上述实现方式，需要说明的是，振动传感器集群15所检测到的平台运动信号中，包括有能够对微多普勒信号进行干扰的运动干扰信号，所以，需要预先通过仿真或实验分析运动干扰信号的时域或频域特征，比如幅值、频带、能量、周期性等，为进行平台运动干扰的抑制提供先验知识；此外，还可以通过预先的仿真和实验分析平台运动信号中的多普勒信息与人体呼吸和心跳引起的胸腔微多普勒信号之间的空间合成关系，比如线性叠加、卷积、相乘等，从而为进行平台运动干扰的抑制所采用的方法和策略提供先验知识。
46.基于上述两个先验知识，为了能够最大程度降低平台的运动干扰对人体微多普勒信号的影响，本发明实施例优选采用自适应噪声抵消策略结合盲源信号处理方式对多通道的雷达回波信号进行关于平台的运动干扰抑制，消除平台的运动干扰的影响。详细来说，自适应噪声抵消策略所采用的原理框图如图4所示，对于图4中虚线框所示的自适应噪声抵消模型，信号源与噪声源合成信号经第一放大器41放大后，得到雷达回波信号y(k)＝s(k) n0(k)；噪声源，即传感器所感测到的平台运动信息通过第二放大器42放大后，得到平台的运动干扰信号x(k)＝n1(k)；也就是说，将将生物雷达12所输出的雷达回波信号y(k)以及传感器集群15检测到的平台运动信号x(k)作为图4中自适应噪声抵消模型的主要输入。对于x(k)，可以通过fir滤波器获取平台运动信号中能够产生干扰的特征信息z(k)，对于fir滤波器，在具体实施过程中，可以利用自适应算法，比如图4中所示出的最小均方(lms，least mean square)算法对fir滤波器的参数进行调整；最终，通过加法器将雷达回波信号y(k)中关于平台运动信号的特征信息z(k)进行剔除，从而实现对雷达回波信号中关于搭载平台的运动干扰抑制。可以理解地，图4中，y(k)与z(k)之间的差值可以认为是误差信号e(k)，而该误差信号又可以作为自适应算法的输入以对自适应算法的相关参数进行调整，本发明实施例对此不做赘述。此外，在具体实施过程中，自适应噪声抵消策略并不能完全抑制平台的运动干扰，因此，本发明实施例将多路(各通道) 自适应噪声抵消处理后的信号再采用盲源信号处理，从而将混合信号中的运动干扰进行进一步的抑制，以便后续能够提取出人体的微多普勒信号(比如呼吸、体动等)。
47.对于图2所示的技术方案，需要说明的是，不同于前述实现方式及示例所阐述的平台自身的运动干扰，人体自身其他部位运动干扰(如四肢运动、躯干晃动等)以及如风吹草动)等探测环境运动干扰具有随机性强，不易分析等特性，但其强度仍然大于人体微多普勒信号，并且人体的微动多普勒信号属于窄带、准周期信号，而环境运动干扰属于宽带、随机
信号，使得检测信噪比大大降低。由此，在一些可能的实现方式中，本发明实施例所选用的生物雷达12为如图5所示的四通道全向生物雷达，在图5中，四通道分别标识为a、b、c、d，那么人体目标的微多普勒信号可以被a通道探测到，即处于a通道的探测区间radara中，环境运动干扰被其他通道，比如b、c、d通道检测到，也就是探测区间radarb、radarc、radard、radarab、radarad、radarbc和radarcd均只存在环境运动干扰。在此基础上，可以采用互相关技术对四个通道的生物雷达回波信号进行处理，从而初步抑制探测环境中的环境运动干扰；接着，采用自适应谱线增强方式进一步抑制这类干扰，从而提升人体微多普勒信号的信噪比以便更加准确的被检测到。在一些示例中，自适应谱线增强原理框图如图6所示，对于图6中虚线框所示的自适应噪声抵消模型，互相关后的信号作为信号源成为自适应噪声抵消模型的主要输入信号，而信号源信号通过延迟器delay的延迟信号作为参考信号输入至自适应噪声抵消模型；通过雷达传感器捕获信号源信号能够得到第一信号y(k)＝s(k) n0(k)，与此同时，通过另一个雷达传感器捕获延迟信号能够得到第二信号x(k)＝s1(k) n1(k)；对于x(k)，可以通过fir滤波器获取延迟信号中的环境运动干扰特征z(k)，对于fir滤波器，在具体实施过程中，可以利用自适应算法，比如图6中所示出的lms算法对fir滤波器的参数进行调整；最终，通过加法器将y(k)中关于环境运动干扰特征z(k)进行剔除，从而实现对环境运动干扰抑制。可以理解地，图6中，y(k)与z(k)之间的差值可以认为是误差信号e(k)，而该误差信号又可以作为自适应算法的输入以对自适应算法的相关参数进行调整，本发明实施例对此不做赘述。
48.对于前述实现方式及示例，在对雷达回波信号中存在的平台运动干扰以及环境运动干扰抑制完成之后，人体的微多普勒信号就不再被这些干扰信号所淹没，也就是说已完成干扰抑制处理的第二雷达信号更有利于检测到人体目标。对于第二雷达信号，本发明实施例首先可以对信号中的人体目标呼吸细节特征进行提取，随后再利用提取到人体目标呼吸细节特征进行人体目标识别和检测。因此，对于人体目标呼吸细节特征的提取过程，本发明实施例优选基于希尔伯特-黄(hilbert-huang)变换、经验模态分析和小波处理提取人体目标呼吸细节，在一些可能的实现方式中，如图7所示，所述从所述第二雷达信号中提取人体目标呼吸细节特征，包括：
49.s71：对所述第二雷达信号进行hilbert-huang变换；
50.s72：将变换后的信号进行经验模态分解(emd，empiricalmodedecomposition)，以获得所述第二雷达信号中具有不同频率振荡特性的本证模函数(imf，intrinsicmodefunction)；
51.s73：基于imf进行能量分析，获得信号部分和噪声部分；
52.s74：通过小波软阈值处理和小波重构策略，从噪声部分中提取有用信号成分以完成对人体呼吸信号的细节特征重构。
53.基于上述实现方式所得到的人体目标呼吸细节特征，接着是对探测区域内是否有人体目标进行检测和判断，在检测和判断过程中，不仅需要考虑人体生命体征与动物生命体征信号的差异性，还需要识别生命体的特性(比如是否是人体、有几个人等)。因此，本发明实施例的基本思路包括：初步判断探测区域内是否存在动目标或生命体；如果存在，则根据人体目标呼吸细节特征，再继续判断探测区域内有无生命体以及该生命体是否为人体。在上述判断过程中，由于在雷达回波中有体动时，回波的短时方差会比较大，因此，可以通
过比较方差的变化初步判断某一时刻的雷达信号中是否有体动或者动目标干扰。基于此，在一些可能的实现方式中，所述基于二维ca-cfar的人体体动识别策略和所述人体目标呼吸细节特征确定所述探测区域内是否有人体目标，包括：
54.基于所述第二雷达信号的所有通道信号以及所述二维ca-cfar的人体体动识别策略确定所述探测区域内是否具有生命体；
55.在确定所述探测区域内具有生命体之后，结合所述人体目标呼吸细节特征以及所述第二雷达信号的所有通道信号确定所述探测区域内的生命体为所述人体目标。
56.对于上述实现方式，在一些示例中，所述基于所述第二雷达信号的所有通道信号以及所述二维ca-cfar的人体体动识别策略确定所述探测区域内是否具有生命体，包括：
57.针对所有通道信号中的第a个通道信号，根据测量点m前后共n个采样点的方差均值作为通道背景z
1a
(m)；
58.根据所述测量点在其他通道信号中对应位置采样点的滑动方差确定所述测量点的环境背景z
2a
(m)；
59.基于所述测量点的方差δ
a2
(m)、所述通道背景z
1a
(m)和所述环境背景z
2a
(m)，以及下式确定所述测量点处是否存在生命体：
[0060][0061]
其中，indexa(m)＝1表示第a个通道信号第m个测量点存在有生命体； indexa(m)＝0表示第a个通道信号第m个测量点不存在有生命体；k1是单通道环境背景阈值，k2是识别时刻的整个环境背景阈值，k3是绝对阈值；∩表示并运算符。
[0062]
可以理解地，上述示例用于判定探测区域内是否存在生命体或动目标，也就是说，当全向雷达回波中有体动时，其短时方差会比较大，所以，上述示例采用比较方差的变化就可以初步判断某一个时刻雷达回波中是否存在生命体。结合前述图5所示的全向生物雷达示例，可以对每个通道信号均按照上述思路进行判定。以第a个通道信号为例，如图8所示，设定测量采样点m前后不包括保护单元共n个采样点的方差平均值作为如下式所示的通道背景z
1a
(m)：
[0063][0064]
其中，lguard表示保护单元长度，即保护单元内的采样点数量；δ
a2
(i)表示第a个通道信号的第i个采样点的方差。
[0065]
对于其他通道信号，即第b、c、d个通道信号，其分别与测量采样点m 所对应的采样点的滑动方差分别为：δ
2b
(m)，δ
2c
(m)，δ
2d
(m)；并以此基于下式获得所述测量点的环境背景z
2a
(m)：
[0066]z2a
(m)＝((δ
b2
(m) δ
c2
(m) δ
d2
(m))-max(δ
b2
(m),δ
c2
(m),δ
d2
(m)))/2
[0067]
需要说明的是，a、b、c、d通道信号之间并没有特殊性，对某一通道识别时，其它三通道就用来计算环境背景。计算环境背景时去除了三个中的最大值，是因为人体目标有可能处于两个雷达的共同覆盖范围。去除最大值相当于设定了第二维度ca-cfar的保护单元。
[0068]
在获取到上述两种背景之后，就可以通过设定两个ca-cfar的阈值用来判断是否
有生命体，即：
[0069][0070]
对于上式来说，当识别点的方差分别满足这三个阈值条件时，判定为识别单元有探测目标的随机体动，定义为存在生命体。
[0071]
在判定获知存在生命体之后，在一些示例中，所述结合所述人体目标呼吸细节特征以及所述第二雷达信号的所有通道信号确定所述探测区域内的生命体为所述人体目标，包括：
[0072]
针对所述第二雷达信号的每个通道信号均采集3600个采样点；
[0073]
将单个通道信号的3600个采样点划分为3段信号，每段1024个采样点，段和段之间重叠512个采样点；其中，人体呼吸率为0.2-0.3hz，每段1024个采样点包含了10-15个呼吸波形；
[0074]
对每段信号分别使用低通滤波器进行处理；优选地，低通滤波器采用长度为150、截止频率为1hz、加汉明窗的fir滤波器；
[0075]
通过对每段滤波后的信号进行功率谱估计以获得频率峰值，当所述频率峰值在呼吸频带范围内，则按照下式计算呼吸信号占总体信号的比值str：
[0076][0077]
其中，p
x
(f)是呼吸信号在f频率点的功率值，b＝0.05是带宽，f
max
为频率峰值对应的频率值；且str的取值范围是(0，1)，用以表征信号能量占总体能量的比重；
[0078]
当str且大于预先设定的阈值，则判定该段信号内有生命体征信号；
[0079]
将单个通道信号的所有段信号的str中的最大str对应的频率峰值点作为所述目标生命的呼吸频率；
[0080]
对于上述示例，结合前述图5所示出的全向雷达，当四个通道中某一个通道信号的某一段信号的str超过设定的阈值，就判定可以为雷达回波中有生命体征信号。
[0081]
基于前述技术方案相同的发明构思，本发明实施例还提供了一种能够用于实施前述技术方案的基于无人机搭载的雷达式生命探测系统1，该系统1的结构参见图3，可以包括：无人机平台11、以及搭载于所述无人机平台11的生命雷达12、振动传感器集群15和处理装置14；需要说明的是，处理装置14所被配置的功能在具体实施过程中可以通过设置在远端的处理设备3实现，在一些示例中，所述处理装置14为远端后方的处理设备3的情况下，通过无人机平台搭载的通信设备13将雷达回波信号通过无线传输链路2传回后方的处理设备3。基于上述系统，其中：
[0082]
所述生物雷达12，经配置为接收关于探测区域内的雷达回波信号；其中，所述雷达回波信号中包括多个通道信号；
[0083]
所述振动传感器集群15，经配置为感测所述无人机平台的平台运动信息；
[0084]
所述处理装置14，经配置为：利用所述平台运动信息消除所述雷达回波信号中关
于平台的运动干扰，获得初步干扰抑制后的第一雷达信号；
[0085]
将所述第一雷达信号中的所有通道信号经过互相关处理后，采用自适应谱线增强方式抑制关于所述探测区域内的环境运动干扰，获得已完成干扰抑制处理的第二雷达信号；
[0086]
从所述第二雷达信号中提取人体目标呼吸细节特征；
[0087]
基于二维单元平均恒虚警ca-cfar的人体体动识别策略和所述人体目标呼吸细节特征确定所述探测区域内是否有人体目标。
[0088]
此外，如果上述系统中的至少部分组件以软件功能模块的形式实现并非作为独立的产品进行销售或使用时，可以存储在一个计算机可读取存储介质中，基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或processor(处理器)执行本实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read only memory)、随机存取存储器(ram，random accessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0089]
因此，本实施例提供了一种计算机存储介质，所述计算机存储介质存储有基于无人机搭载的雷达式生命探测程序，所述基于无人机搭载的雷达式生命探测程序被至少一个处理器执行时实现上述技术方案中所述基于无人机搭载的雷达式生命探测方法步骤。
[0090]
可以理解地，上述基于无人机搭载的雷达式生命探测系统1的示例性技术方案，与前述基于无人机搭载的雷达式生命探测方法的技术方案属于同一构思，因此，上述对于基于无人机搭载的雷达式生命探测系统1的技术方案未详细描述的细节内容，均可以参见前述基于无人机搭载的雷达式生命探测方法方法的技术方案的描述。本发明实施例对此不做赘述。
[0091]
需要说明的是：本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
[0092]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。