超宽带生命探测雷达研制及应用

超宽带信号有着较强的穿透能力,可用于对障碍物后生命体的探测。介绍了一套单发单收冲激脉冲体制超宽带生命探测雷达的原理和具体实现方法。雷达收发机结构简单,极大地降低了系统功耗和成本。采用FPGA实现能重复配置的时序控制器,可方便对雷达发射和接收时序进行控制。采用Wi-Fi技术在一个PDA和雷达之间传送工作参数和采样数据,可降低操作人员对雷达数据的干扰,也可容易实现雷达组网。实验结果表明,超宽带信号可以有效地应用于生命探测雷达,单台雷达可以实现对障碍物后生命体检测,多台雷达组网可以实现对障碍物后生命体定位。     

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。     

EEMD在激光测云仪后向散射信号处理中的应用

激光测云仪后向散射信号是典型的非线性、非稳态信号,容易受噪声污染。针对该问题采用集成经验模态分解(EEMD)去噪算法进行处理,首先对含噪信号进行经验模态分解(EMD),将分解后的IMF分量进行自相关性分析,找出含噪占有量较大的IMF分量,对其进行SG(savitzky-golay)滤波,最后将滤波后的IMF分量和剩余分量进行信号的重构。经仿真实验结果表明,与传统的EMD方法相比,EEMD方法处理含噪信号后的输出信噪比提高了1.695 dB,均方误差平均降低了30%以上,说明该方法可以适用于非线性、非稳态的后向散射回波信号去噪处理,能为激光测云仪下一级的云底高度反演提供高信噪比的初始数据。     

基于EEMD的HHT在电能质量多扰动分类识别中的应用

现有的电能质量扰动分类识别方法对电能质量多扰动的分类准确性和识别能力较低,本文提出了将基于聚类经验模态分解(EEMD)的希尔伯特—黄变换(HHT)应用于电能质量多扰动的分类识别方法。它依据电能质量多扰动信号就是在电能基波上叠加不同频率和不同幅值波形的特性,首先利用EEMD对含扰动信号分解得到信号的固有模态函数(IMF),滤除残余噪声后,将得到的IMF分量作为特征值对扰动进行分类,再对IMF进行Hilbert变换得到其瞬时频率和瞬时幅值,瞬时频率的突变点反映电能质量扰动的起止时刻,瞬时幅值反映电能质量扰动的幅度,根据对突变点的观测实现对各个扰动的准确识别。Matlab仿真分析结果表明,该方法能够准确的对电能质量多扰动的扰动类型进行分类,并确定电能质量各个扰动信号的时间、幅值和频率。     

基于改进的模糊聚类的雷达信号分选

基于模糊聚类的改进信号分选方法可使用雷达脉冲信号特征参数分选信号。本文简要介绍雷达信号的分选方法,并着重阐释以改进的模糊聚类为基础的雷达信号分析方法。     

EEMD在电能质量扰动检测中的应用

提出了一种基于聚类经验模态分解(EEMD)的希尔伯特-黄变换(HHT)电能质量扰动检测新方法.首先采用EEMD对电能质量扰动信号进行分解,获得固有模态函数后,再进行HHT,可以定量、准确地刻画相应时刻的瞬时特征量.该方法可以确定非平稳的电能质量扰动信号的时间、频率和幅值等信息.仿真试验结果表明,该方法可以有效克服经验模...     

基于呼吸样本空间的超宽带雷达身份识别

为了解决传统雷达呼吸身份识别依赖人工预定义特征的问题,提出了一种基于呼吸样本空间(BSS)的超宽带(UWB)雷达身份识别算法。算法首先通过奇异值分解(SVD)对UWB雷达人体呼吸回波中杂波进行滤除,然后根据回波将目标跨距离单元的呼吸信号构建为包含时距信息的BSS序列,最后利用卷积神经网络(CNN)对BSS进行建模以获取目标分类结果。在室内场景实验中,对4人的身份识别准确率为84.64%。对比结果表明,所提出的算法对不同个体所具有的独特呼吸特征具有不错的区分能力。     

改进EEMD算法在高压并联电抗器声信号去噪中的应用

高压并联电抗器运行过程中产生的声信号是准确判定电抗器运行状态的重要依据,在对电抗器声信号现场采集时易受到多种外界噪声的干扰,测量仪器无法有效进行预处理,导致对电抗器运行状态的评估发生误判。提出了一种基于多传感器融合及最小下限频率截止的改进集合经验模态分解(ensembleempiricalmodedecomposition,EEMD)高压并联电抗器声信号去噪方法。首先,利用一致性数据融合算法对各声纹传感器进行关联和甄别,剔除失效传感器,确定有效传感器组。其次,选取有效传感器组中的最小下限频率作为固有模态函数(intrinsicmodefunction,IMF)的筛选截止条件并进行集合经验模态分解。然后利用相关系数法提取有效的IMF分量。最后对有效IMF分量叠加重构,得到去噪声信号。模拟实验和实测结果表明,该方法具有较好的去噪效果。通过与传统经验模态分解法(empiricalmodedecomposition,EMD)、标准EEMD去噪技术的比较,验证了该方法在实际应用过程中的有效性和实用性。     

一种基于超宽带雷达的多观测点人体呼吸信号检测方法

基于超宽带生命探测雷达的障碍物穿透检测技术在灾难救援和反恐作战等非入侵式探测领域有着广泛的应用前景.目前国内外进行的研究大多采用单观测点放置雷达对目标进行检测,在低信噪比的条件下难以检测出生命体的位置.针对以上方法的局限性,采用多观测点放置雷达,将回波信号进行关联检测,得到生命体的空间位置,并进一步与已有的算法进行对比.仿真结果证明了该方法在低信噪比条件下的优越性,实验结果证明了该文提出的方法具有可行性,能够较为准确地检测出生命体位置.     

Joint signal detection algorithm of cognitive radio in UWB

With the progress of research on cognitive radio in ultra-wideband (UWB) open frequency-band, a joint detection algorithm integrating the energy and bi-spectrum detection is proposed in detail for non-Gaussian signal detection from Gaussian noise. The performance of the algorithm was evaluated by simulation, the result of which indicates that the joint detection not only solves the problem of the signal detection in low signal-to-noise ratio (SNR) but also improves the operational speed and the detection probability. Thus, the joint detection algorithm has definite prospect in practice.     

改进的EEMD去噪方法及其在谐波检测中的应用研究

针对低信噪比条件下集合经验模态分解(EEMD)在分解过程中产生的模态混叠问题,本文提出改进的EEMD阈值去噪方法。首先利用白噪声经EEMD分解后其固有模态函数(IMF)分量中能量密度与平均周期乘积为常量的特性确定有用信号与含噪信号的分界点,对含噪信号进行"粗筛";进而对粗筛出的含噪模态进行"细筛",在此过程中采用"3σ法则"对第一层噪声信号进行细节处理,从而更好地保留有用信号的细节特征,继而通过能量估算方式对其他各个含噪模态进行阈值处理;最后进行信号重构。选取信噪比与均方误差作为去噪效果评价标准,经与实验对比分析,结果表明本文方法达到了最佳的去噪效果,尤其在低信噪比时优势更加明显。基于以上去噪方法,本文又进一步提出了基于二次EEMD分解的谐波检测方法,结果表明该方法可实现在低信噪比下的谐波检测,进一步证明了所提去噪方法的有效性。     

LPI雷达信号检测系统设计研究

随着电子对抗技术的不断发展,雷达的生存正经受着越来越严峻的威胁,为了雷达自身生存的需要,发展了低截获概率雷达。本文针对低截获概率雷达在雷达系统中的重要地位和作用,运用Laguerre变换等技术对典型的LPI(low probability of interception)雷达信号即线性调频信号和脉冲压缩信号进行分析,并在分析结论的基础上构建了LPI雷达信号检测系统,仿真结果表明,该检测系统能够对LPI雷达信号进行有效检测。     

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%。