基于改进SO-CFAR和ACA-VMD算法的雷达生命体征检测

非接触生命体征检测技术难以有效利用胸腔产生的微多普勒效应提取心跳和呼吸信号,针对这一问题,文中提出了一种基于改进最小选择恒虚警(SO-CFAR)和蚁群变分模态分解(ACA-VMD)算法的生命体征检测方法,并通过仿真和实测验证了算法的检测精度。首先对77 GHz毫米波雷达的中频回波信号进行预处理得到干净的雷达I/Q数据,然后调整因子以平衡前后窗的功率水平让单元极小值恒虚警检测能够对噪声下的目标进行精确提取,最后采用蚁群优化后的变分模态对目标信号进行模态混叠的抑制并采用全相位频谱分析,使得呼吸和心跳的信噪比改善了1.765 dB,完成呼吸和心跳有效分离和提取,实现了人体生命体征的准确检测。     

太赫兹频段下基于EMD的人体生命特征检测

非接触式的心跳呼吸信号检测对重症患者心跳呼吸的远程监控、自然灾害中受害者的搜寻等都有重要的应用。本文针对人体心跳呼吸信号相对于复杂环境属于微弱信号的情况,提出了一种太赫兹频段下基于经验模态分解(EMD)的人体生命特征检测方法。首先建立太赫兹雷达人体目标回波模型,对回波信号进行经验模态分解。然后进行时频分析,得到心跳呼吸微多普勒信息,提取其频谱质心曲线。再做第二次时频分析,实现心跳呼吸频率的提取与分离。在高斯杂波环境中进行了仿真实验,检测结果表明,基于EMD的检测方法与直接检测方法相比,取得了更好的检测效果,具有较强抗噪能力,适合于微弱信号处理。      

基于改进的集成经验模态分解的海杂波去噪

针对海杂波信号因混有噪声而难以提取的特点,提出基于改进的集成经验模态分解(MEEMD)的海杂波去噪方法。文中提出的MEEMD 在补充的集成经验模态分解(CEEMD)的基础上,利用排列熵和Savitzky-Golay 滤波对CEEMD 分解后的固有模态函数进行处理,最后在经验模态分解分解重构后得到削噪后的信号。以IPIX 雷达实测得到的海杂波数据进行仿真实验,结合最小二乘支持向量机建立混沌序列的单步预测模型,从预测误差中检测淹没在海杂波背景中的微弱信号,并用均方根误差判断去噪效果。仿真结果表明,文中所提出的MEEMD 算法对模式混淆有很好的抑制效果,去噪后得到的均方根误差为0. 000 847,比去噪前的均方根误差0. 012 2 降低了两个数量级。     

基于VMD的调频连续波雷达生命信号提取

针对生命探测雷达心跳信号能量微弱难于准确提取的问题,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)的调频连续波雷达生命信号提取算法。该算法首先利用距离维快速傅里叶变换(Fast Fourier Transform, FFT)获得距离剖面图,然后通过最大方差法得到目标所在距离门,接着对低通滤波后的相位信号使用VMD进行分离,并采用模态判别准则对生命信号进行重构,最后对重构信号进行FFT得到呼吸和心跳频率。雷达实测结果表明,相比于应用聚类经验模态分解(Ensemble Empirical Mode Decomposition, EEMD),所提生命信号提取算法能够有效抑制雷达回波中的呼吸谐波和噪声,更加准确有效地提取生命体征信号。     

基于FMCW雷达的自适应生命信号提取方法

为了进一步提高调频连续波（FMCW）雷达自适应提取生命信号能力,通过提高距离分辨率提取被测目标位置距离维处的人体生命信号,利用改进的快速互补集合经验模态分解（IFCEEMD）对生命信号分解,从分解得到的若干个固有模态函数（IMFs）中利用筛选准则分离出呼吸、心跳信号。实验结果表明,所提出的方法能够快速、准确地提取出不同呼吸状态下的呼吸频率和心跳频率,并且有效地消除人体身体随机抖动带来的干扰。     

基于FMCW雷达的人体生命体征信号预测算法

将FMCW雷达检测到的人体生命体征信号,用于预测未来一段时间内人体生命体征信号是否异常,具有明显的应用价值。该方向当前研究主要针对如何进一步降低重构误差、提升生命体征信号的预测精度。为此,本文提出一种自适应变分模态分解?长短期记忆神经网络的生命体征信号预测方法。针对静止状态下的人体,通过雷达采集到的生命体征信号,采用粒子群算法优化变分模态分解VMD的模态分量个数K和惩罚系数α的值,实现自适应选取后用于VMD分解,再将分解后的模态分量进行叠加重构。采用粒子群算法优化长短期记忆网络模型中的网络层数、学习率、正则化系数等3个参数,自适应选取合适的参数组合,将重构后的信号通过优化后的LSTM网络进行预测。实验结果显示本文所提预测方法在10位志愿者的预测结果与原始数据的均方根误差平均值为0.017 188 9,平均绝对误差的平均值为0.007 158,相较于当前其他研究,预测精度上有明显提升。     

基于谐波陷波器改进HMLD的呼吸心跳分离算法

针对毫米波雷达生命体征信号检测存在的呼吸谐波及心跳信号提取精度低的问题,本文提出了基于谐波陷波器改进的谐波倍数循环检测(HMLD)的呼吸心跳分离方法。首先,设计了单通道的毫米波雷达信号采集系统,采集人体胸廓雷达回波信号,并进行相位信号提取、相位解缠、滤波等预处理提取胸廓微动信号;其次,通过HMLD方法提取呼吸基波频率、高次谐波频率,并采用陷波器消除呼吸谐波;最后,根据HMLD方法提取心跳基波频率,提取的心跳频率误差率在11.5%以内,并与变分模态分解算法(VMD)提取结果对比,心跳信号信噪比平均提高了2.66 dB。实验结果表明,基于谐波陷波器改进的HMLD方法能够有效的分离呼吸心跳。     

基于毫米波雷达的生命特征信号探测技术研究

生命特征信号探测旨在对人体信号中含有呼吸、心跳等特征参数进行检测和提取,是监测人体生命健康的重要方法之一,在信号处理、医学工程等领域均有广泛的应用。本文对基于毫米波雷达的生命特征信号探测技术进行系统综述,从提取信号的角度出发,综述了将毫米波雷达技术引入生命特征信号探测领域之后的研究成果。首先,从毫米波雷达体制方面对现存雷达技术进行了论述。然后,简要介绍了对称三角波调制方法对生命信号进行检测,考虑到将检测到的生命信号进行特征分离,总结了三种弱信号提取算法并进行对比,重点分析了小波变换和经验模态分解两种方法的研究现状。最后,本文分析了毫米波雷达在生命信号探测领域存在的问题,并对今后可能的研究趋势进行了展望。     

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.     

基于多通道的调频连续波雷达生命信号提取

针对单通道调频连续波(FMCW)雷达不能保证生命信号检测准确度的问题,该文提出一种基于多通道的FMCW雷达生命信号提取方法.所提方法对各等效接收通道进行距离像重构和相位信号提取后,首先采用最大比率融合(MRC)技术对各通道提取的相位信号进行融合,接着对融合后的相位信号进行变分模态分解(VMD)并对生命信号进行重构,最后...     

基于双窗全相位FFT的激光多普勒频率提取与校正方法

针对于激光多普勒信号解算中存在的频谱泄露以及栅栏效应等问题,将性能更优异的汉宁自卷积窗(HSCW)以及全相位频谱分析(apFFT)运用于多普勒信号的短时傅里叶变换(STFT)中,并且通过双谱线法对所获得的频谱进行了校正。理论与仿真表明,双汉宁自卷积窗(HSCW)apFFT比传统apFFT更能抑制旁谱泄露,并且相对于传统FFT,双HSCW窗apFFT所提供的的频谱位置与幅值能够更好的满足双谱线校正法频率校正的要求。通过将该种算法应用于高冲击下加速度传感器的校准系统中,实测结果表明,其解算结果与标准传感器的加速度峰值误差在1 %左右。     

基于变模式分解和频谱特性的自适应降噪算法

机械故障检测过程中,由于反映机械故障的振动信号微弱,很容易被外界噪声干扰信号污染,从而影响机械故障诊断。为提取纯净振动信号,传统EEMD滤波算法虽具有较强的降噪能力,但由于EEMD算法存在缺乏严谨理论基础、运算效率低、容易造成有用信号丢失等缺点,致使降噪效果不理想。为解决以上问题,提出一种基于变模式分解和频谱特性的自适应降噪算法。基于变模式分解优点,通过分析有用信号模态与噪声模态频谱特性,提取有用信号模态从而实现降噪。通过仿真信号与实测信号分析表明,新算法降噪效果优于传统EEMD滤波算法。     

基于胸腔信号样本的FMCW雷达身份验证

针对当前使用体征信号进行身份验证准确率低，且特征提取过程复杂的问题，本文在通过毫米波雷达检测生命体征的基础上，提出了一种将纯净的人体胸腔信号（Chest Cavity Signal, CCS）作为样本进行身份验证的方法。首先，对提取到的雷达原始信号进行预处理，消除与实验无关的冗余干扰并提取相位信号。接着对含有干扰的相位信号进行变分模态分解（VMD），提取纯净的心跳与呼吸信号并制作CCS样本。最后将CCS样本送入二维卷积神经网络（2D CNN）中进行训练并验证身份，识别准确率达到了97.5%，实验证明本文提出的方法对于身份验证具有很好的效果。     

网络被入侵后的信号检测系统设计与优化

针对当前对网络入侵异常检测精度不高的问题,进行网络被入侵后的异常信号检测系统优化设计,提出基于高阶时频谱分析的网络入侵异常信号检测算法,首先对信号检测算法进行改进设计,构建网络入侵信号模型,对入侵后的网络异常信号做非平稳信号经验模态分解和高阶时频谱特征提取;然后进行信号检测系统的开发;最后通过仿真实验进行性能测试。仿真结果表明,采用该信号检测系统能准确检测网络被入侵后的异常信号,且准确检测概率高于传统方法。     

基于CCBP算法的多普勒雷达生命信号检测

多普勒雷达系统利用人体胸腔起伏引起的多普勒效应提取生命特征信号。在建立多普勒雷达人体微动信号模型的基础上,提出一种基于复连续基追踪(CCBP)算法的生命信号检测方法用于提取人体呼吸和心跳微动信号的频率。CCBP算法通过极坐标插值和凸优化问题求解技术来提取生命信号信息,能够实现对能量较弱的心跳信号的频率准确估计。仿真实验结果验证了所提算法的有效性和准确性。     

改进的气体泄漏识别算法研究

为了获得理想压缩气体泄漏信号的识别准确率，进而实现高效检测的目的，提出一种基于经验模态分解、梅尔频率倒谱系数和主成分分析的泄漏超声信号特征提取方法。首先，使用经验模态分解提取泄漏信号的超声频段，通过对固有模态函数的熵值设定阈值，优化频谱混叠；其次，通过构造梅尔变换函数，设计分别针对目标频段中不同分布的梅尔滤波器组；然后，使用主成分分析代替离散余弦变换，提取改进的梅尔频率倒谱系数；最后，在实验室模拟泄漏环境，采集不同泄漏条件的泄漏信号，使用支持向量机实现识别分类，完成泄漏检测。结果表明，使用熵阈值优化的经验模态分解能够提高泄漏信号的识别准确率，改进的梅尔频率倒谱系数是一种更有效的泄漏信号特征，相比改进前识别准确率提高了7.76%。     

基于经验模式分解的人体生命参数检测

人体生命参数检测可用于地震后废墟中的人员搜寻以及反恐行动中人质的营救。由于人体体动的雷达回波信号非常微弱,用传统的时频分析方法无法检测出由体动产生的微多普勒频率。针对这一问题,提出了一种基于经验模式分解的人体生命参数检测方法,首先对人体回波信号进行经验模式分解,接着对分解后得到的内在模函数进行时频分析,可以从时频图中有效提取出由人体体动引起的微多普勒频率。仿真实验表明在信噪比较低时文中所提方法的有效性。     

基于ICEEMDAN的雷达生命信号检测方法

线性调频连续波（FMCW）雷达能够通过非接触的方式采集人体的呼吸和心跳信号,为了去除和减少生命信号中的杂波干扰,本文提出了基于改进的自适应集合经验模态分解（ICEEMDAN）和长数据序列截取的生命信号分解方法,通过延长观察时间,然后截取时间序列,得到既定观察时间的最终固有模态函数（IMF）分量,通过模糊熵对所有IMF信号进行分析来识别含噪信号,并对含有噪声的IMF信号进行去噪处理,综合分析相关性和能量阈值的结果,挑选出合适的IMF 分量重构生命信号。通过仿真和实测表明,所提出的方法能够大幅减少噪声,优于现有的去噪技术,有利于提高提取的呼吸和心跳信号的精准度和真实性。     

基于小波变换人体生命参数探测方法

探讨了使用小波变换对人体生命参数检测。其基本原理是利用电磁波照射人体,其回波信号被人体生命活动引起的体表微动(如呼吸、心跳)调制后,使得回波信号的某些参数(如频率、相位)发生改变,通过小波变换技术检测回波信号参数的变化提取出人体生命参数。重点研究了小波变换方法在人体生命参数检测和识别中的应用。     

基于EMD的声发射管道泄漏检测研究

针对管道泄漏声发射检测信号的非平稳特征,该文提出了基于经验模态分解(EMD)的声发射信号分析方法。该信号分析法将管道泄漏产生的复杂声发射信号分解成有限个固有模态信号(IMF),使Hilbert-Huang变换(HHT)的瞬时频率具有了实际物理意义,提高了管道泄漏检测的定位精度。结果表明,HHT法能准确描述声发射波形信号的非线性、非平稳时变特征,是声发射信号时频分析的有效工具。