[00641567]穿墙雷达人体目标自动识别方法研究

课题来源与背景：超宽带雷达穿墙探测技术有效克服了音频、视频、红外等生命探测存在的一些固有技术缺陷，具有探测距离远、探测精度高、探测速度快以及受环境影响小等优点，在巷战、反恐、防暴、救灾等领域具有广阔的应用前景，使它成为国内外研究的热点。雷达目标电磁散射特征分析与目标识别技术一直备受学术界的广泛关注和研究，现代雷达目标识别领域中，为了满足在复杂环境中对目标自动识别的迫切需要，研究雷达目标散射特征机理，探索自动目标识别的新原理、新技术和新方法，成为必然的研究课题。 该课题基于该背景申请了广西自然科学基金面上项目，并获得资助。研究目的与意义：雷达在隐藏人体目标识别中有显著优势。在超宽带雷达体制下，由于人体目标具有特殊的微动特征，一般利用人体目标微多普勒特征识别出人体生命特征，或者利用人体运动时产生的不同微动特征识别出人体目标的运动状态。然而在灾难救援中，伤员可能生命垂危，人体心跳，呼吸等微动特征都十分微弱，这会导致人体微多普勒提取困难。与此同时，了解被困人员所处姿态有利于避免救援对人体造成二次伤害。通过分析人体目标静态特征来实现人体目标识别和人体目标姿态识别就显得十分必要。 主要论点与论据：针对直达波的去除，提出一种基于PCA 的预处理方法以有效去除杂波，提高回波数据的信噪比。 针对雷达回波信号谐波与噪声干扰严重的特点，提出一种基于HOC的人体目标检测算法，该算法可以有效抑制呼吸信号的谐波分量，提高信噪比，使人体的呼吸信号频谱变得更加明显，检测效果优于传统的傅里叶变换方法。 针对人体呼吸谐波对心跳信号干扰严重的特点，提出一种基于EEMD和HOC 的人体呼吸和心跳信号提取算法，该算法可以有效避免呼吸的谐波信号对心跳信号的干扰，因而能够准确估计人体的呼吸和心跳频率。 研究人体运动状态识别的方法，根据人体在不同的运动状态下EEMD 分解的IMF 能量百分比不同，提出一种基于EEMD 分解的人体运动状态识别方法。创见与创新：该课题在超宽带人体目标雷达回波建模、超宽带人体目标极化特征提取技术研究、超宽带人体目标微动特征提取技术研究方面取得创新新成果。通过仿真对超宽带人体目标雷达回波特征的理论进行分析，基于精确的三维实体模型，利用时域有限差分算法，分别在超宽带和超宽带极化雷达体制下，建立了待测目标的电磁散射回波模型，作为研究人体目标电磁散射特征和人体目标识别的基础；在时频联合域上研究人体目标超宽带回波的特性，提取稳健性特征用于目标识别，并研究在极化域结合微动信息提取可用于人体目标识别的稳定特征。在分类器研究环节，将支持矢量机算法应用于识别器设计；在进一步挖掘人体目标精细特征的基础上，研究通过多特征的融合识别，以提高识别的效率。社会经济效益，存在的问题：该课题已按计划完成超宽带人体目标雷达回波建模、超宽带人体目标微动特征提取及目标识别、超宽带人体目标极化特征提取及目标识别等方面的研究，取得一定数量的研究成果，并基于自主研制的实验平台上验证了算法的可行性，达到了预期的研究目标。项目的研究成果可以应用于巷战、反恐、防暴、救灾等领域，具有很好的社会和经济效益。