薛慧君，張楊，呂昊，焦騰，于霄，王健琪

第四軍醫(yī)大學 生物醫(yī)學工程學院，陜西 西安 710032

基于信息熵估計的生物雷達弱周期信號識別技術研究

薛慧君，張楊，呂昊，焦騰，于霄，王健琪

第四軍醫(yī)大學 生物醫(yī)學工程學院，陜西 西安 710032

超寬帶雷達近程探測人體目標多應用于特殊場合。使用單通道超寬帶生物雷達穿墻探測多個靜態(tài)人體目標，由于電磁波傳輸過程中能量衰減，目標之間和雷達天線相互位置的影響，距離雷達天線較近的人體目標能夠被準確識別，而距離雷達天線較遠的人體目標很難被準確識別。本文提出信息熵識別算法，通過計算不同距離點信號的頻率復雜度，來確定被探測人體目標距離。實測數(shù)據(jù)結果顯示本文所提出的方法有效提高多目標識別的準確率，進而提高了生物雷達的探測效率。

超寬帶生物雷達；多目標；信息熵；信號識別；生命探測

引言

超寬帶（Ultra Wide-Band，UWB）生物雷達具有很好的距離分辨率和穿透能力，可以穿透一定厚度非金屬介質（如磚墻、廢墟等）檢測生命體的生命體征、運動軌跡和運動方式等，因此超寬帶技術被越來越多的應用于民用、軍用、國家安全等領域[1-3]。使用UWB生物雷達近程探測多個人體目標，識別呼吸信號，判斷目標位置，在地震、火災等災害救援中有著非常重要的意義[4-5]。生物雷達探測過程中，傳輸路徑的增加、障礙物的吸收、人體自身的電磁特性以及目標和雷達天線間相互位置，都會造成電磁波能量不同程度的衰減[6-7]，甚至探測不到生命信號，這對UWB生物雷達近距離探測多個人體目標的應用造成了不可忽視的影響[8-11]。

針對提高多目標的探測精度的問題，國內外的研究團隊開展了大量的實驗研究。Ahmad等人在墻體參數(shù)未知的情況下，研究了基于步進頻率UWB雷達的穿墻探測技術。該團隊使用多個帶寬為1 GHz，步進頻率為5 MHz的雷達在不同方位對墻后人體目標進行探測，驗證了該系統(tǒng)探測多個目標的能力[12-13]。Nag等人使用基于超寬帶雷達陣列天線，探測障礙物后多個運動目標的距離和方位分布，在測試過程中提到了目標定位的問題[14]。本課題組基于生物雷達探測過程中目標間的干擾問題，在雷達硬件系統(tǒng)的搭建與信號處理方面也進行了相關研究[15-16]，雖取得了階段性的進展，但在實驗中發(fā)現(xiàn)，使用生物雷達探測多個人體目標時，距離雷達天線較近的人體目標能夠準確識別，而距離雷達天線較遠的人體目標的探測效果并不可靠。針對這個問題，本文使用400 MHz低頻UWB生物雷達穿墻探測兩個靜態(tài)人體目標。由于雷達系統(tǒng)自身和周圍環(huán)境中干擾，雷達回波中會攜帶大量的噪聲信號，使得人體目標的呼吸信號被淹沒在噪聲中。如何抑制噪聲，識別有用信號，尤其是遠端人體目標的呼吸信號是研究的關鍵所在。

本文根據(jù)信息熵[17-19]在通信領域中可用于表征非平穩(wěn)信號復雜度在時域上的動態(tài)變化信息。信號的組成成分越多，熵值越大；信號越規(guī)律，熵值越小；通過計算不同距離點信號的信息熵值，來識別人體目標與雷達天線的徑向距離，為UWB生物雷達探測多個人體目標打下良好的基礎。

1 UWB雷達硬件系統(tǒng)

實驗系統(tǒng)包含3部分（見圖1）：計算機、雷達主機和雷達天線。操作人員通過計算機設置雷達探測參數(shù)、對接收的回波信號進行數(shù)據(jù)處理；雷達主機由6個模塊電路組成，脈沖發(fā)生器產(chǎn)生采樣頻率為128 KHz窄帶周期信號，窄帶信號一部分被送到整流電路通過碟形天線產(chǎn)生極性脈沖，另一部分窄帶信號通過延時單元產(chǎn)生距離門信號，觸發(fā)接收器選擇性的接收回波信號，回波信號經(jīng)過距離門，放大、整流送入計算機等待處理。右側的雙極性碟形天線，分別用來發(fā)射和接收中心頻率為400 MHz的電磁波。

圖1 實驗系統(tǒng)原理框圖

2 雷達回波信號處理算法分析

雷達回波信號以脈沖波的形式存儲起來，每個脈沖包含2048個采樣點，見圖2。沿著脈沖波（縱坐標軸）的方向為“快時間”，表示每一個脈沖自發(fā)射到接收的時間間隔，含有距離信息；橫坐標方向的時間軸定義為“慢時間”，表示某個固定點信號隨著時間變化的波動情況。雷達回波信號在“慢時間”上的采樣間隔t = nTs(n=1, 2, …, N)，“快時間”（距離）上的采樣間隔τ = mTf(m=1, 2, …, M)。這樣每個距離上的點信號組成一個N×M的二維矩陣。在探測過程中，由于系統(tǒng)自身攜帶噪聲和周圍環(huán)境的干擾，造成雷達回波的有用信號被淹沒在背景雜波中。為了有效去除背景噪聲，檢測人體的呼吸信號，本文使用低通濾波、去直流、FIR濾波等預處理算法，去除信號中的隨機噪聲、直流信號以及“慢時間”維度上的高頻信息。得出一個N×M的新矩陣（見圖2），其中N=200，N=3925，分別表示9 m時窗的距離采樣點數(shù)為200，每一個距離點上對應的時間采樣點數(shù)為3925，采樣頻率為64 Hz，對應采樣時長約為61.3 s。

圖2 預處理之后的雷達回波二維信號

雷達回波人體呼吸信號具有隨時間緩慢漂移的特點，很難確定人體呼吸的信號頻率，在一定程度上影響雷達探測的準確性。這就需要一種能夠根據(jù)干擾特點自動調節(jié)參數(shù)的方法來抑制干擾。通過相關性分析可知目標位置與其后面一定區(qū)域內的信息存在相關性，在濾波過程中，可以將目標位置信號看成是干擾信號的參考信號，本文假設干擾信號具有加性，采用自適應相關抵消器來進一步抑制干擾。原理框圖，見圖3。

圖3 自適應相關抵消器原理框圖

其中xi(k)(i=1, 2, …, N，k=1, 2, …, M)為預處理后的雷達回波信號，di(k)為延遲時間Δ后的輸入信號，yi(k)為系統(tǒng)輸出，ei(k)為誤差信號，具體迭代公式如下所示：

自適應控制算法步驟中得出的加權系數(shù)wi(k+1)再與延時后的輸入信號進行自相關，經(jīng)過多次迭代，得出有用信號的最佳估計，從而將窄帶呼吸信號與寬帶噪聲信號有效的分離開來。

生物雷達穿墻探測人體目標過程中，電磁波的傳播路徑上往往存在衰減介質和強反射界面，導致距離雷達天線較遠的人體目標的微動信號只有很少一部分被接收天線所接收。這就給遠端目標信號的檢測和提取帶來很大難度。為了分析自適應濾波后的回波矩陣中每一個距離點上的頻率分布關系，本文對不同距離點的時間信號分別做快速傅里葉變換（Fast Fourier Transform，F(xiàn)FT），得到每個距離點上時間信號的頻譜，再采用信息熵譜圖識別方法，以e為底求對數(shù)，單位為奈特（Nat），計算不同距離點信號頻譜信號的信息熵值，公式如下所示：

其中i =1, 2, …, N(N=200)，P( fk)代表不同頻率信號的

概率密度，計算公式如下：

3 實驗數(shù)據(jù)采集

使用UWB雷達進行穿墻探測實驗,雷達天線和被探測人體目標之間有一堵24 cm厚度的實體墻體，雷達天線緊貼墻體，被探測目標分別位于墻后距離雷達天線2 m和7 m的位置，其中前面人體目標正對天線，后面人體目標位于天線右側，兩個人體目標方位角度約20°。實驗過程中，被探測目標保持靜止站立姿勢，正常平穩(wěn)呼吸，周圍環(huán)境無明顯動態(tài)干擾，見圖4。

圖4 穿墻探測示意圖

4 實驗結果與分析

UWB雷達穿墻探測2個靜態(tài)人體目標，在電磁波傳輸過程中，隨著距離的增加，人體和衣服對電磁波的吸收，能量有一定程度的衰減。再加上距離雷達天線較遠的人體目標的部分信號，被前面目標遮擋，只有很少一部分呼吸信號被雷達天線所接收，造成前面目標的呼吸信號幅度大于后面目標，見圖5。通過計算每個距離點上信號的方差，得出不同距離的能量譜，見圖6a。從能量譜圖可觀察到2 m處的能量幅值明顯高于其他位置，可確定該位置有人體目標存在。由于后面人體目標回波信號幅值較小，摻雜在雜波信號中，無法通過能量幅值準確識別。采用信息熵計算不同距離點信號的頻率復雜度，結果見圖6b。依據(jù)信息熵的定義可知，熵值小的區(qū)域信號成分簡單，有目標的可能性較大，而熵值大的地方信號無規(guī)律，有目標可能性較小，這一結果與探測區(qū)域中有兩個目標的實際情況相符。從圖6b中可以看出后面人體目標所在區(qū)域的信號特征比圖6a明顯，這也說明信息熵對于微弱周期信號的識別效果好于能量譜識別方法。根據(jù)圖6b兩個峰值的位置來估計兩人體目標的雷達天線徑向距離：前面人體目標的位置為2 m，后面人體目標的位置為7 m。

5 結論

使用UWB生物雷達穿墻探測多個靜態(tài)人體目標，回波信號中會攜帶大量噪聲信號，考慮到有用信號與噪聲共存問題，采用自適應濾波算法去除干擾信號，增強人體呼吸信號的周期性。對于距離雷達天線較遠的人體目標信號微弱問題，采用信息熵識別算法，通過計算不同距離點上回波信號的頻率復雜度，通過信息熵譜圖對多個人體目標呼吸信號進行識別，結果顯示，信息熵譜圖可有效識別微弱周期信號，提高了UWB生物雷達對多個人體目標的識別效率。

圖5 自適應濾波后兩個人體目標的呼吸信號

圖6 回波數(shù)據(jù)處理結果

[1] DebesC,Amin MG,Zoubir AM.Target Detection in Single- and Multiple-View Through-the-Wall Radar Imaging[J].IEEE Trans Geosci Remote Sensing,2009,47(5):1349-1361.

[2] Li J,Zeng Z,Sun J,et al.Through-Wall Detection of Human Being’s Movement by UWB Radar[J].IEEE Geosci Remote Sensing Lett, 2012,9(6):1079-1083.

[3] Urdzík D,Kocur D,Rovňáková J.Detection of multiple targets with enhancement of weak UWB radar signals for the purposes of through wall surveillance[J].IEEE,2012:137-142.

[4] Lv H,Liu M,Jiao T,et al.Multi-target human sensing via UWB bio-radar based on multiple antennas[J].TENCON 2013 2013 IEEE Region 10 Conf,2013,(31194):1-4.

[5] Borek SE,Costianes PJ.Through-the-wall surveillance forhomeland security and law enforcement[J].Proc SPIE,2005: 175-185.

[6] Zhang Z,Zhang X,Lv H,et al.Human-Target Detection and Surrounding Structure Estimation Under a Simulated Rubble via UWB Radar[J].IEEE Geosci Remote Sensing Lett,2013, 10(2):328-331.

[7] Li Z,Li W,Wang J,et al.A Novel Method for Respiration-Like Clutter Cancellation Life Detection by Dual-Frequecy IR-UWB Radar[J].IEEE Trans Microwave Theory Tech,2013,6:2086-2091.

[8] Lv H,Jiao T,Wang J,et al.An Adaptive-MSSA-Based Algorithm for Detection of Trapped Victims Using UWB Radar[J].IEEE Geosci Remote Sensing Lett,2015,12(9):1808-1812.

[9] Kocur D,Rovňáková J,Urdzík D.Mutual shadowing effect of people tracked by the short-range UWB radar[A].International Conference on Telecommunications and Signal Processing[C]. 2011:302-306.

[10] Xu Y,Dai S,Wu S,et al.Novel detection method and parameters analysis of vital signal for Ultra-Wideband radar[J].IEEE Geosci Remote Sens Symp,2011:1822-1825.

[11] Xu Y,Shao J,Chen J,et al.Automatic Detection of Multiple Trapped Victims by Ultra-Wideband Radar[J].IEEE Geosci Remote Sensing Lett,2013,10(6):1498-1502.

[12] Ahmad F,Amin MG.A noncoherent approach to radar localization through unknown walls[A].2006 IEEE Conference on Radar[C].New Jersy:IEEE Xplore,2006:583-589.

[13] Ahmad F,Amin MG.Noncoherent approach to through-the-wall radar localization[J].IEEE Trans Aerosp Electron Syst,2006, 42(4):1405-1419.

[14] Nag S,Barnes MA,Payment T,et al.Ultrawideband through-wall radar for detecting the motion of people in real time[J].Proc SPIE,2002,4744:48-57.

[15] Zhang Y,Jiao T,Lv H,et al.An Interference Suppression Technique for Life Detection Using 5.75-and 35-GHz Dual-Frequency Continuous-Wave Radar[J].IEEE Geosci Remote Sensing Lett,2015,12(3):482-486.

[16] Li Y,Jing X,Lv H,et al.Analysis of Characteristics of Two Close Stationary Human Targets Detected by Impulse Radio UWB Radar[J].Prog Electromagn Res,2012,126(17):429-447.

[17] Rényi A.On measures of entropy and information[J].Proc Fourth Berkeley Symp Math Statist Prob Univ Calif,2015,1(5073): 547-561.

[18] Ronald R.Coifman and Mladen Victor Wickerhauser.Entropy-Based Algorithms for Best Basis Selection[J].IEEE Trans Inform Theory,1992,38(2):713-718.

[19] Wang Y,Yu X,Zhang Y,et al.Using Wavelet Entropy to Distinguish Between Humans and Dogs Detected by UWB Radar[J].Prog Electromagn Res,2013,139(139):335-352.

本文編輯 張丹妮

Entropy-Based Algorithm for Weak Periodic Signal Recognition Using Bio-radar

XUE Hui-jun, ZHANG Yang, LV Hao, JIAO Teng, YU Xiao, WANG Jian-qi
Faculty of Biomedical Engineering, Fourth Military Medical University, Xi’an Shaanxi 710032, China

Ultra Wide Band (UWB) radar technologies for short-range detecting human targets are widely used in some special situations. Through wall detecting multi-stationary human targets via UWB radar, it is shown that the target located nearby the radar antennas is very often visible. Because of the attenuation of electromagnetic wave energy and mutual positions of the targets and radar antennas, the other targets far from radar antennas could be detected with less reliability. A novel method based on entropy is proposed, calculating the signal frequency complexity of different distances to confirm the range of detecting targets. Experimental data demonstrate that the proposed algorithm can improve the accuracy of multi-target detection effectively, and make further effort to improve the bio-radar detection efficiency.

ultra wide band radar; multi-target; entropy; signal recognition; life detection

TN957.51

A

10.3969/j.issn.1674-1633.2017.01.006

1674-1633(2017)01-0022-04

2016-08-23

2016-09-06

國家科技支撐計劃課題（2014BAK12B02）；國家自然科學基金（61327805）。

王健琪，教授，博士生導師，主要研究方向為生物雷達技術。

通訊作者郵箱：wangjq@fmmu.edu.cn