[发明专利]超宽带连续波生物雷达数据处理方法及系统

说明书

本发明提出了一种超宽带连续波生物雷达数据处理方法及系统。该方法为：持续接收超宽带连续波生物雷达回波信号；对N个周期的雷达回波信号进行混频、滤波和快速傅里叶变换，得到N×M维的距离时间矩阵RT；在距离时间矩阵RT的列方向进行动目标显示处理,得到动目标显示处理后的距离时间矩阵RT_MTI；根据距离时间矩阵RT或动目标显示处理后的距离时间矩阵RT_MTI得到距离多普勒谱矩阵；选取距离多普勒谱矩阵中的最优距离单元，对其对应的时序信号进行时频分析，得到时间多普勒谱；将该时间多普勒谱用于人体行为识别。该方法能够在保证较高识别率的前提下大大减小深度学习网络模型参数，能获得更优秀的行为识别性能。

技术领域

本发明涉及信号处理领域，具体涉及一种超宽带连续波生物雷达数据处理方法及系统。

背景技术

人体姿态识别技术对于描述人体姿态、预测人体行为至关重要，近年来广泛应用于智能控制、医疗康复、辅助教练、体感游戏、安防监控等领域。相比于可穿戴式惯性传感器，视频、压力、射频类等非入侵式环境传感器不需要用户佩戴，也不存在电池供电受限等问题；相比于视频、音频等感知设备，以雷达为代表的射频类传感器能够更好地保护用户隐私，能更好地适应各种光照、噪音环境，有些频段甚至可以穿墙探测。

目前用于人体姿态识别的雷达多采用连续波多普勒体制，为窄带雷达，不具备高的距离分辨率。针对这种体制雷达的数据分析方法主要是时频分析方法，如短时傅里叶变换，分析雷达回波信号中各种频率成分随时间的变化规律，从中提取特征指标后输入机器学习模型，或将时频分析方法得到的时间多普勒谱直接送入深度学习网络，以区分不同人体姿态动作类型。

随着微电子和芯片技术的发展，近年来国外涌现出多款超宽带连续波生物芯片雷达，这种体制的雷达同时具备高的距离分辨率和速度分辨率，能够为人体姿态识别提供更加多维的信息，从而提升识别效率。在得到雷达回波数据多维度的信息后，可从中提取特征指标后输入机器学习模型，或直接将多维度图谱送入深度学习网络，以区分不同人体姿态动作类型。

在雷达数据分析方法上不同于窄带连续波生物雷达，超宽带连续波生物雷达的主要区别在于具有随时间变化的多个距离分辨单元。在提取特征时，多采用滑窗重叠取样分析特征指标。由于采用滑窗重叠取样计算，时频分析方法的计算量相对傅里叶变换较大，因此通常情况下(即线上实时处理计算资源有限的情况下)，不可能对每个距离单元的时序信号做时频分析。因此，如何挑选合适的距离单元对应的时序信号进一步时频分析，是超宽带连续波生物雷达数据处理需要解决的关键技术问题。

发明内容

为了克服上述现有技术中存在的缺陷，本发明的目的是提供一种超宽带连续波生物雷达数据处理方法及系统。

为了实现本发明的上述目的，本发明提供了一种超宽带连续波生物雷达数据处理方法,包括以下步骤：

持续接收超宽带连续波生物雷达回波信号；

对N个周期的雷达回波信号进行混频、滤波和快速傅里叶变换，得到N×M维的距离时间矩阵RT，M为超宽带连续波生物雷达的距离分辨单元数量；

在距离时间矩阵RT的慢时间方向进行动目标显示处理,得到动目标显示处理后的距离时间矩阵RT_MTI；

根据距离时间矩阵RT或动目标显示处理后的距离时间矩阵RT_MTI得到距离多普勒谱矩阵；

选取距离多普勒谱矩阵中的最优距离单元，对其对应的时序信号进行时频分析，得到时间多普勒谱；

将该时间多普勒谱用于分类识别任务。