基于毫米波雷达的动态目标生命体征检测研究

毫米波雷达测量生命体征技术具有重大医用价值,然而呼吸谐波和人体随机移动信号作为噪声信号的一种,严重影响了心跳频率的提取。针对上述问题,根据不同呼吸方式的特点提出了一种多检测点信号分离技术与自适应噪声抵消算法相结合的方法测量动态目标心率,完成实验测试。该方法先通过77 GHz调频毫米波雷达同时测量待测者胸部和腹部微动信号,再利用新提出的基于胸部和腹部的多检测点信号分离技术分离胸部和腹部基带信号,之后通过自适应噪声抵消算法消除噪声信号,最后对心跳信号进行频谱分析得到心跳频率。实验表明,在人体随机移动状态下,该方法可以有效消除噪声信号干扰,且单一目标多次测量实验中测量心率的误差率仅为1.19%,较多通道卡尔曼平滑器方法降低了0.97%。     

基于数学形态学和改进Prony算法的谐波与间谐波参数估计

由于传统Prony算法对谐波与间谐波的检测易受噪声影响,为了提高参数估计精度,准确提取谐波和间谐波的频率、幅值和相位,提出了一种基于数学形态学和改进Prony算法的谐波与间谐波参数估计方法.该方法主要思路是先用数学形态学构建形态滤波器去除噪声,可以克服传统Prony算法对噪声敏感的不足;然后再将去噪拟合后的谐波信号进行改进Prony分析.该方法针对原始Prony方法优化了实际阶数和线性参数的求解过程,对比小波消噪求解谐波各参数的方法优化了去噪效果.通过MATLAB对谐波信号进行编程分析,发现该方法在噪声情况下仍能得到较高精度的谐波与间谐波幅值、频率和相位参数估计,验证了该方法的可行性和有效性.     

基于N次峰值捕捉的超宽带雷达生命体征检测

针对心跳信号易被呼吸谐波和其他噪声干扰而难以提取的问题,提出基于N次峰值捕捉的生命体征检测算法。首先对雷达接收信号进行平均相消法处理滤除静止杂波;接着利用距离门选择算法提取出体表振动信号;然后对体表振动信号进行低通滤波和自相关处理去除随机噪声;最后,在提取呼吸频率的基础上抑制其高次谐波,进而在心跳频段捕捉M个峰值频率,并迭代N次统计心跳频段出现最多次数的峰值频率作为心跳频率。仿真结果表明,该算法相对于离散傅里叶变换(discrete Fourier transform, DFT)算法具有更高的测量精度和更好的抗干扰能力,可有效应用于生命体征检测领域。     

基于ELMD-SVD和Prony的谐波间谐波检测方法

为了解决噪声干扰Prony算法提取谐波参数问题,提出了一种集成局部均值分解（ELMD）-奇异值分解（SVD）-Prony的谐波分析方法（ELMD-SVD-Prony）。首先采用ELMD分解含噪信号,对获得的一系列乘积函数（PF）采用K-L散度来确定含噪分量与有效分量之间的分界点,去除噪声分量并保留有效分量,对有效分量通过相空间重构Hankel矩阵,运用奇异值分解进行二次降噪并重构。最后将重构的信号与ELMD余项叠加得到去噪后的谐波信号,结合Prony算法检测谐波的频率、幅值与相位。仿真实验结果表明,该方法能有效降噪并提取谐波特征参数。     

基于实值Root-MUSIC和Prony算法的间谐波参数估计

提出一种实数形式的求根多重信号分类(Root- MUSIC)算法,其无需将实值转换为复频率,从而降低了计算复杂度.由Root-MUSIC多项式的根估计出信号频率,同时由这些根采用普罗尼(Prony)法中的最小二乘法估计出信号的幅值和相位.与传统先估计频率、再由其他算法估计幅值和相位的方法相比,所提方法减少了大量计算步骤.仿真结果表明,用所提方法估计的间谐波参数精度高,在存在噪声的情况下也能准确估计出谐波和间谐波频率、幅值和相位.     

基于多路信号联合去噪的Prony谐波检测法

针对传统Prony算法易受噪声干扰且同一区域内多路电能质量信号存在相关性的特点,文中提出了一种基于多路信号联合去噪的Prony谐波检测算法,实现在较强噪声条件下的谐波准确检测。首先,采用中心频率法和轨迹相似度法改进多元变分模态分解（MVMD）算法;其次,利用改进的MVMD算法联合分解相关联的多路信号,提取出主导模态分量并重组为适宜Prony分析的稳定信号;最后,对稳定信号进行Prony分析得到初步的谐波参数,通过阈值筛选和人工鱼群全局寻优,得到准确的谐波检测参数。仿真实验表明,改进的MVMD去噪算法的输出信噪比为37.3,高于VMD去噪法（33.2）和小波去噪法（32.8）,去噪效果更优;文中算法谐波检测结果的误差总体小于传统Prony算法,具有谐波检测准确度高、同时计算多路信号的特点。     

基于新模态-小波包分解的超宽带雷达生命体征信号去噪算法

超宽带雷达具有高分辨率,穿透能力强,低功耗等优势,工作时人体无需接触任何电极或传感器,可以穿透衣服、废墟等非金属介质在较远的距离内检测人体生命体征信息,在非接触式生命体征检测方面具有很重要的应用价值。由于人类心跳信号容易被呼吸谐波和其他噪声干扰,为了准确提取人体生命体征信号,提出一种基于改进的自适应噪声集合经验模态分解（ICEEMDAN）与小波包分解（WPD）结合的生命体征信号去噪方法。先通过超宽带雷达测量待测者的生命体征,获取人体所在空间位置提取出体表微动信号,对体表振动信号进行补偿与欠采样处理;利用ICEEMDAN-WPD的阈值去噪方法对微动信号进行模态分解,选取合适的模态分量去噪并进行重构,获取人体心跳微动信号的时频特征。实验结果表明,该算法相较于传统的去噪算法将相关系数提高到了0.940 5,信噪比提高到了9.093 8 dB,保留更多的生命体征信息的同时拥有更高的信噪比,可有效应用于生命体征检测领域。     

基于77GHz毫米波雷达感知的生命体征检测方法

本文针对在室内复杂环境中非接触式测量呼吸频率(HR)和心率(BR)时,存在准确度较低的问题,提出一种基于77GHz毫米波雷达感知的生命体征检测方法,通过在距离雷达不同距离进行多次实验,以Mindray心电监测仪测量数据为参考,验证本文方法的准确率。首先,通过脉冲间非相干积累技术处理多脉冲中频信号,提高信号的信噪比（SNR）和信号幅值。接着,采用基于距离维FFT频谱与CA-CFAR自适应门限的目标检测方法,从室内复杂环境中提取出人体目标相位信息,并使用Fir带通滤波器分离出呼吸和心跳信号,通过改进的平滑滤波结合相位二阶差分的方法,去除噪声和减小呼吸谐波对心跳信号的影响。之后,使用Root-MUSIC算法获得HR和BR。实验结果表明：本文方法得到的HR和BR的平均绝对误差率分别小于5.08%和2.61% ,平均绝对误差为0.94bpm和1.97bpm,因此,本文方法能够提高测量准确度。     

基于Root-MUSIC和支持向量机的间谐波参数估计

为准确地检测电力系统中间谐波信号的参数,提出基于求根多重信号分类法(Root-MUSIC)和支持向量机(SVM)的间谐波参数估计方法。首先对采样数据构成的自相关矩阵进行特征分解,利用信号子空间和噪声子空间的正交性求得谐波和间谐波的个数及频率;然后通过支持向量机算法对间谐波信号的幅值和相位进行回归估计。Matlab仿真结果表明:该算法在低信噪比下频率估计准确,利用支持向量机在处理小样本数据上的优势,有效的提高了幅值和相位估计的精度。     

改进小波阈值去噪法在谐波检测中的应用

针对电力系统谐波检测中传统的软、硬阈值去噪方法不能有效的解决噪声干扰的问题,提出了一种新的去噪算法:改进软硬阈值折衷法。对模拟的电力系统信号分别采用传统的硬、软阈值法、软硬阈值折衷法和文中方法进行Matlab仿真,定量对比分析得出结论:改进软硬阈值折衷法能够更好的解决噪声干扰问题,去噪信号的的信噪比得到提高,均方根误差得到减少,重构后信号能更好还原原始信号,去噪效果好,实用价值较高。     

基于多信号分类法和普罗尼法的间谐波参数估计

提出了一种基于多信号分类法(Multiple Signal Classification,MUSIC)和普罗尼法(Prony)的间谐波参数估计方法,首先通过在MUSIC功率谱曲线中设置阈值来估计信号中的谐波和间谐波频率,然后根据估计出的频率利用Prony法中的最小二乘法来估计其幅值和相位.仿真和实测信号分析结果表明,该间谐波参数估计方法在低噪声水平下可检测到整数次谐波附近的间谐波,且估计出的谐波和间谐波参数精度较高,能满足实际电网信号测试精度的要求.     

基于频域子空间平滑的MUSIC时延估计算法

时延估计常被用在无线定位测距中,针对多径环境下定位精度下降和时延估计失真的问题,提出了一种基于正交频分复用（OFDM）频域子空间平滑的超分辨率（MUSIC）时延估计算法。首先使信号源经过OFDM调制,利用子载波形成数据流;随后在频域对数据流的协方差矩阵作双向平滑处理,使其最大程度的利用信号子空间的数据信息;最后利用MUSIC算法下信号/噪声子空间正交性逐一进行谱峰检测,并针对噪声情况对伪谱作归一化处理,从而获得更为准确的时延信息。计算机仿真表明,本文优化算法相对于特征空间MUSIC算法具有更高的谱峰和更窄的旁瓣,且无错误估计干扰。在测距信号间隔较近时能够有效解决估计失真问题,最小时延间隔可达6ns,分辨能力较强。估计性能层面,可在信噪比为-15dB复杂条件下估计精度达到3ns左右,验证了该算法的有效性和优越性。     

基于特征空间求根法的非整数次谐波估计方法

现有傅里叶算法在含有非整数次谐波的情况下存在着频谱泄漏和栅栏效应,AR模型谱估计和多信号分类法(MUSIC)法能提高频率分辨率,但对噪声敏感,容易产生虚假频率。提出基于特征空间求根法进行频率的精确估计,对修正的信号自相关矩阵进行特征值分解,利用信号子空间和噪声子空间的正交性构造多项式,进行多项时求根,得到单位圆上的根进行频率估计,在此基础上通过三角回归法,解一超定方程组得到相应的振幅和相位。并与MUSIC法在无噪声和有噪声情况下进行仿真比较,证明了该方法在提高分辨率、减小估计偏差和提高数据精度的有效性。     

一种改进阈值法小波去噪的信号包络分析方法研究

根据小波域阅值滤波的降噪特性,把改进的阈值函数方法和平移不变小波变换相结合,提出一种改进阈值法的小波去噪方法.所提方法和包络分析相结合,能够较好地解决由于随机噪声干扰而造成提取的包络信号轮廓信息粗糙的问题,改善包络提取精度.实现方法是先将改进阈值法的小波去噪方法作为包络分析的前置处理手段,再对信号进行包络提取和包络细化谱分析,获得突变特征频率.仿真结果表明,该方法可以有效的抑制噪声,能够较准确地提取信号包络和突变特征频率.     

基于优化VMD与噪声估计的间隔阈值局部放电去噪方法

为了抑制局部放电(PD)信号中含有的窄带周期干扰和白噪声,提出一种基于优化的变分模态分解(VMD)阈值去噪方法。首先针对VMD算法可能造成染噪信号欠分解或过分解的问题,提出一种基于频谱分析和四分位数的模态分解数K值优化方法,并结合模态的峭度特征去除窄带周期干扰和高频白噪声;针对PD信号主导模态中残留的白噪声,利用文中研究中发现的VMD分解白噪声所得模态的两个统计特性,提出一种噪声标准差估计方法来确定阈值,最后引入间隔阈值函数对PD信号主导模态进一步去噪。采用该方法对仿真和实测信号进行去噪处理,并将其与传统方法进行对比,结果表明,所提方法不仅可以更有效地抑制噪声,同时也能更好地保留PD信号的特征。     

基于多孔分数阶小波变换的谐波检测新方法

基于分数阶小波变换的电力谐波检测方法是一项新兴的研究成果,其可较好地解决新型电力系统中谐波检测受噪声干扰的问题,提高谐波检测精度。然而传统离散分数阶小波变换均基于Mallat算法完成,其实现过程中的下采样操作将影响谐波信号的检测精度。针对这一问题,文章将非下采样多孔算法与分数阶小波变换相结合得到一种改进的离散分数阶小波变换实现方法,并在此基础上提出一种基于多孔分数阶小波变换的谐波检测新方法。此外,文章采用基于分数阶频谱四阶原点矩的方法确定最佳分数阶变换阶次,有效降低计算复杂度。实验结果表明,新方法对稳态谐波、短时谐波及时变谐波均能有效实现信号降噪和分离,并能对信号分量的幅值、频率及定位信息实现高精度检测。     

Real‐valued MUSIC algorithm for power harmonics and interharmonics estimation

Recently, advanced spectrum estimation methods, including the MUSIC (Multiple Signal Classification) algorithms, are being gradually employed for high‐resolution power harmonics analysis. However, most of them are proposed to detect frequencies of complex‐valued signals, so that any real‐valued signal should be transformed into complex form. This data pre‐treatment may lead to additional computation burden. In addition, the picket‐fence effects also exist as in the FFT algorithm and cause poor frequency resolution. To overcome these drawbacks, a real‐valued MUSIC algorithm is proposed for power harmonics analysis in this paper. The algorithm is based on the subspace decomposition theory and the computation of pseudospectrum is also provided. Additionally, to improve the measuring precision, the Newton–Raphson algorithm is adopted to optimize the harmonic frequencies significantly. Simulation results show that, in the real‐valued MUSIC pseudospectrum, the spectral peaks of actual harmonic components can be more easily distinguished from the false peaks caused by noise, and the computational complexity is notably lower than that of the classic complex MUSIC, as well as the detecting accuracy is close to that of root‐MUSIC algorithm which is quite time consuming. Experimental results prove that the proposed strategy is more suitable for high‐resolution power harmonics estimation. Copyright © 2010 John Wiley & Sons, Ltd.