基于PCA与EMD的超宽带雷达生命信号检测算法

 本文分析了脉冲超宽带(UWB)生命信号模型,提出了基于主元分析(PCA)和经验模态分解(EMD)的非接触生命信号检测方法.根据UWB信号杂波与生命目标回波特点,结合PCA去除杂波.提取适当的主元特征向量序列曲线上峰值所对应的时延,估计目标距离信息.采用EMD分解目标回波序列为有限个固有模态函数(IMF)分量,在时域上重构平滑生命特征曲线,且其在高信噪比下可实现心跳与呼吸信号的分离.实验研究表明该方法简单有效,能同时提供生命信号的频域和时域波形位置信息,且重构得到的生命信号较符合实际信号时变、非平稳特性.     

无载波超宽带雷达时域多普勒处理

从多散射中心目标的回波模型入手，分析了无载波超宽带雷达目标运动引起的多普勒效应，得出了无载波超宽带雷达多普勒效应的时域表现形式-多普勒时移，对一种基于多普勒时移的时域多普勒处理器进行了Matlab仿真。结果表明：利用多普勒时移可有效检测出目标速度，并且不存在盲速。     

无载波超宽带雷达发射信号的波形设计

提出了设计超宽带无载波雷达发射机波形的一般原则。这种波形有利于脉冲有效辐射与保真。首先导出了频域内的传输函数，如果输入信号是δ函数，则传输函数就是输出波形函数。然后，再将频域传输函数变换到时域，得到时域波形函数。最后，按此原则设计了无载波超宽带雷达发射机，获得了满意的电性能。     

基于小波与EMD级联的穿墙雷达动目标检测

超宽带穿墙雷达受墙体对电磁波衰减作用,目标的反射回波很弱,提出一种基于小波与EMD级联的方法检测,用于提高信噪比和信杂比。介绍了穿墙雷达实验系统,对墙后人体运动目标进行探测实验,获得实测数据进行分析。实验结果表明,超宽带穿墙雷达对非金属墙体具有较强的穿透性,对墙后处于径向运动的人体目标具有较好的探测能力,提出的算法可以有效提高信噪比和信杂比。最后利用幅度排序点迹凝聚算法进行目标检测,得到理想的检测结果。     

冲激超宽带雷达生命信号提取的新方法

冲激超宽带生命探测雷达中,传统的平均相消法不能有效去除直达波,从而影响目标回波信号的提取;同时对回波数据中呼吸、心跳信息的提取仍然基于FFT从频域上进行,因而呼吸信号谐波对心跳信号检测的干扰未得到很好解决.针对这两个问题,采用宽带互相关法对回波时延进行估计,然后提取各个回波时延序列的均值与方差作为特征量,采用C-均值聚类算法对回波进行分类,实现直达波与目标回波的分离;采用经验模态分解将目标回波时延序列分解成有限个固有模态函数,从时域上提取呼吸和心跳信号,从而避免呼吸谐波对心跳信号检测的干扰.     

基于区域谷值双层EEMD方法的超宽带雷达生命信息检测

为解决心跳信息在低信噪比环境下难以提取的问题,提出一种基于区域谷值双层EEMD的信号检测方法。首先,对原始数据进行伪二维聚类经验模态分解(Pseudo Bi-Dimensional Ensemble Empirical Mode Decomposition,PBDEEMD)去除系统静态杂波以获得目标矩阵;其次,计算目标矩阵关于快时间轴的能量函数,选择能量函数上目标时间区域的谷值作为特征时间指数;最后,提取时间指数所对应的慢时间信号,并对信号进行聚类经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)获得呼吸和心跳信息。仿真结果表明,在不同信噪比下,基于区域谷值的双层EEMD方法都可以实现呼吸与心跳信号的有效分离。     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解(EMD)的消噪算法.该算法首先对含噪信号进行EMD分解,得到多个固有模态函数(IMF)分量,然后选取高阶IMF重构原信号,达到消噪的目的.针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题.仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪.     

基于无载波超宽带雷达的小样本人体动作识别

随着雷达硬件平台尺寸越来越小、成本越来越低,室内基于雷达的人体动作识别应用已经成为现实,能够在具有简单架构的低成本设备中实现.无载波超宽带雷达具有极高的分辨力,能够捕获人体细微动作变化并且对室内复杂环境具有很强的抗干扰能力.与基于视频人体动作识别研究相比,超宽带雷达还具有穿透家具、墙体以及保护个人隐私等优点.针对雷达回波信号利用传统时频分析方法实现人体动作识别比较耗时、实时性不好的缺陷,引入机器学习方法对不同类型人体动作进行分类识别.引入机器学习方法用于超宽带雷达人体动作识别最大难点是只有少量可用的超宽带雷达实测数据样本,针对该问题提出基于主成分分析法（PCA）和离散余弦变换（DCT）相结合的人体动作特征提取方法,并利用改进网格搜索算法优化的支持向量机在小样本数据下对人体动作进行识别,最后根据实测数据采取三种不同方案进行仿真实验,结果表明即使在训练数据样本只有5组的条件下,基于PCA和DCT相结合特征提取方法在不同类型人体动作的平均识别率均能达到96%以上.     

一种超宽带运动目标检测雷达

阐述了超宽带运动目标检测雷达的工作原理,讨论了把它作为报警器使用时与红外、超声波和微波报警器相比所具有的优点。给出了实验结果和该雷达可能应用的范围,指出了该雷达在人们日常生活中的重要作用。     

基于分形特性改进的EMD目标检测算法

为克服原有检测算法在目标和海杂波混叠时检测性能下降的问题,该文提出一种基于分形特性改进的经验模态分解(EMD)目标检测算法。该算法对原始信号经经验模态分解后得到的固有模态函数进行数据重构,再采用快速傅里叶变换获得去噪后的海杂波单元和目标单元的频谱,计算两者的单一Hurst指数,并将其输入非参量检测器中进行目标检测。研究表明,虽然目标和海杂波在频谱中难以区分,但两者在无标度区间内的单一Hurst指数存在差异,因此所提检测算法相比于原有频域检测算法性能更优。     

基于PCA和DCT的雷达人体动作识别

无载波超宽带雷达人体动作识别系统的关键优势在于无载波超宽带雷达具有极高的分辨率,能够捕获人体的细微动作变化,并且对于室内复杂环境具有很强的抗干扰能力。但是由于无载波超宽带雷达信号不含载波信息,本身能量集中于极窄的波形内,并且发射信号与回波相关性弱,因此传统的提取信号特征的方法不再适用。针对这一问题,首次搭建无载波超宽带雷达人体动作识别系统,并提出一种新颖的基于主成分分析法（PCA）和离散余弦变换（DCT）相结合的无载波超宽带雷达人体动作识别方法,同时利用改进的网格搜索算法优化支持向量机的参数并验证该方法的优越性。最后,基于实测数据在Matlab平台上进行仿真,对实测的10种不同类型的人体动作进行分类识别,实验结果显示,该方法具有很高的识别率,针对不同的方案识别率均能达到99%以上,对小训练样本具有很强的鲁棒性。     

超宽谱雷达人体目标识别的新方法

现有的超宽谱探人雷达的人体目标识别准确率不高,或者不进行识别而直接显示信号处理结果。文中提出了一种可以应用于超宽谱探人雷达的人体识别新方法,采用信号幅值和离散系数相结合的方式对探测区域内的人体目标有无进行识别,并进行了大量的探测实验,给出了结果。所采信号的识别结果表明该方法适用于超宽谱探人雷达的人体目标识别。     

一种自适应的EMD端点延拓方法

由美国国家航空航天局(NASA)的Huang等发明的经验模态分解(EMD)是一种先进的信号处理方法,能够有效地获得非平稳信号的时频特征,但是其利用样条曲线构造信号上下包络线的过程中存在严重的端点问题.在研究了该问题已有方法的基础上,提出了一种基于波形匹配的自适应端点延拓方法,采用信号内部和端点处变化趋势最为相似的子波来对端点处的信号进行延拓.该方法充分考虑了信号的内在特性以及边缘处的变化趋势,使端点处的延拓更加合理,从而使得三次样条曲线在端点处不会发生大的摆动.实验表明该方法能够有效地抑制端点效应.     

基于EMD方法的X波段双偏振雷达衰减订正

针对X波段双偏振雷达信号在降雨路径中的衰减现象,本文提出经验模式分解（Empirical Mode Decomposition,EMD）方法进行X波段双偏振雷达衰减订正,首先对总差分传播相移进行EMD分解得到有限个基本模式分量（Intrinsic Mode Function,IMF）,并基于皮尔逊相关系数准则将IMF分为噪声IMF和信号IMF两类,然后对信号IMF进行有效重构得到差分传播相移,再将差分传播相移通过最小二乘法拟合得到差分传播相移率,最后对求得的差分传播相移与差分传播相移率采用自适应约束方法进行反射率衰减订正。利用EMD方法和其他方法进行对比分析,其结果表明,EMD方法能够有效地消除X波段双偏振雷达回波数据中后向散射的影响,在保留真实的气象信息的同时,有效地抑制差分传播相移的显著波动,进而衰减订正效果更好。     

一种基于随机共振的PD雷达小目标检测方法

当导弹处于低空尾追攻击时,实现强副瓣杂波中弱小雷达目标检测给弹载雷达信号处理提出了一定挑战。为改善信杂比、提高检测性能,引入近年发展起来的随机共振技术。文中在介绍随机共振原理并分析脉冲多普勒雷达回波频谱特性的基础上,提出了基于随机共振原理的脉冲多普勒雷达弱小目标检测方法,并给出了检测算法流程,进而在理论上分析了该算法的检测性能。仿真实验表明,该算法有效提高了信杂比,对于脉冲多普勒体制下的弱小目标信号检测有显著效果。     

EMD Based Infrared Image Target Detection Method

Under the complicated background of infrared image, the small target detection is a vital challenging task in modern military. In order to solve this problem, a novel method based on the empirical mode decomposition (EMD) is proposed in the paper, to detect small targets under complicated sea-sky background. The detection process contains two steps: the first step is to suppress the sea-sky background of the infrared image based on EMD; the second step is to segment the target from the background suppressed image through a threshold. The application of infrared images has shown that the performance of the algorithm can detect infrared small target under sea-sky background exactly. Compared with wavelet transformation, the testing results based on EMD method achieve tantamount results wavelet transformation, and even better in some respects. The simulations show that EMD method presented in this paper appears instructive for both theoretical and practical points of view.