摘要：超寬帶（UWB）雷達(dá)可穿透煤巖等非磁性介質(zhì)，實(shí)現(xiàn)坍塌物后人員生命信息探測(cè)。因礦井環(huán)境復(fù)雜，加載生命體征信號(hào)的UWB 雷達(dá)探測(cè)回波易被環(huán)境噪聲、雜波信號(hào)干擾，且人體目標(biāo)信息識(shí)別困難。介紹了UWB 雷達(dá)生命探測(cè)系統(tǒng)原理及其在礦山救援中的應(yīng)用。從UWB 雷達(dá)生命信息提取、動(dòng)靜態(tài)人體目標(biāo)識(shí)別和生命體量化3 個(gè)方面，對(duì)UWB 雷達(dá)生命信息識(shí)別研究現(xiàn)狀進(jìn)行了歸納。指出目前UWB 雷達(dá)生命探測(cè)技術(shù)在礦山救援領(lǐng)域應(yīng)用存在的問題：① 針對(duì)井下坍塌環(huán)境中非平穩(wěn)信號(hào)與環(huán)境噪聲等的濾除方法研究較少。② 針對(duì)運(yùn)動(dòng)（或微動(dòng)）目標(biāo)姿勢(shì)、行為、生命狀態(tài)等信息的提取與表征方法有待改進(jìn)，人體生命信息識(shí)別模型尚未完善且模型間特征關(guān)聯(lián)性較低。③ 針對(duì)多目標(biāo)產(chǎn)生的“混疊”問題缺乏解決方案。對(duì)面向礦山救援的UWB 雷達(dá)生命信息識(shí)別研究方向作出展望：① 不斷優(yōu)化多類礦山災(zāi)變環(huán)境的噪聲與雜波自適應(yīng)濾除方法。② 構(gòu)建適用于礦山救援領(lǐng)域的人體生命信息識(shí)別模型。③ 進(jìn)一步提高對(duì)礦井遮蔽物后多目標(biāo)的量化能力。④ 深入探究UWB 雷達(dá)最佳探測(cè)頻段確定方法。

關(guān)鍵詞：礦山救援；生命信息識(shí)別；UWB 雷達(dá)；雜波濾除；生命信息提?。荒繕?biāo)識(shí)別；生命體量化

中圖分類號(hào)：TD67 文獻(xiàn)標(biāo)志碼：A

0 引言

隨著國家對(duì)礦山安全重視程度的不斷提高，我國礦山災(zāi)害事故發(fā)生率逐年降低，近10 a 來礦山事故發(fā)生次數(shù)與死亡人數(shù)總體呈下降趨勢(shì)[1]，但安全生產(chǎn)仍面臨諸多挑戰(zhàn)。由于礦山地質(zhì)結(jié)構(gòu)復(fù)雜[2-3]，沖擊地壓、冒頂、透水、煤與瓦斯突出事故比例不斷攀升[4]。一旦發(fā)生此類事故，易造成巷道坍塌堵塞、區(qū)域性火災(zāi)，增大救援難度[5]。研究如何對(duì)被困人員進(jìn)行精準(zhǔn)而高效的營救，是礦山救援的關(guān)鍵所在[6]。

礦山救援方式分為水平巷道救援與垂直鉆孔救援。常規(guī)的水平巷道救援采用直接透巷、新掘繞巷等方式，施工大直徑救援通道[7]穿過坍塌段，存在工程量大[8]、易引起二次坍塌等問題，當(dāng)掘進(jìn)工作受阻時(shí)，無法有效探測(cè)遮蔽物后方的生命跡象。垂直鉆孔救援是通過施工小直徑鉆孔，放入生命信息探測(cè)設(shè)備，確認(rèn)被困人員位置后施工大直徑鉆孔進(jìn)行救援[9]。礦山垂直鉆孔救援技術(shù)在2002 年美國賓夕法尼亞州奎溪煤礦透水、2010 年智利圣何塞銅礦坍塌、2015 年我國山東平邑石膏礦坍塌等事故中成功應(yīng)用?，F(xiàn)階段實(shí)施垂直鉆孔救援過程中，易受煤巖地質(zhì)的影響，導(dǎo)致終孔偏離目標(biāo)或造成二次坍塌形成遮蔽物，隔絕被困人員，使大多數(shù)生命信息探測(cè)設(shè)備出現(xiàn)測(cè)量偏差，甚至無法滿足探測(cè)要求[10]。主要原因是基于音視頻技術(shù)與紅外技術(shù)的生命信息探測(cè)設(shè)備無法實(shí)現(xiàn)穿透探測(cè)[6]，基于聲波技術(shù)的生命信息探測(cè)設(shè)備在遇到非均介質(zhì)時(shí)衰減較大，難以適應(yīng)惡劣的救援環(huán)境。超寬帶（Ultra-Wide Band， UWB）雷達(dá)作為一種新興的探測(cè)技術(shù)，因其穿透性強(qiáng)、分辨率高、抗干擾性好等特點(diǎn)而引起廣泛關(guān)注。目前UWB 雷達(dá)主要應(yīng)用于反恐斗爭(zhēng)、智慧醫(yī)療、自然災(zāi)害等領(lǐng)域，在礦山救援領(lǐng)域鮮有報(bào)道，主要原因是礦山災(zāi)變環(huán)境復(fù)雜，生命體征信號(hào)容易被環(huán)境噪聲、雜波信號(hào)淹沒，且UWB 雷達(dá)難以準(zhǔn)確探測(cè)和識(shí)別遮蔽物后方人體狀態(tài)、被困人員數(shù)量等信息。因此，需要進(jìn)一步開展面向礦山救援的UWB 雷達(dá)生命信息識(shí)別研究。

本文介紹了UWB 雷達(dá)生命探測(cè)系統(tǒng)及其工作原理，從生命信號(hào)提取、人體目標(biāo)識(shí)別和生命體量化3 個(gè)方面梳理UWB 雷達(dá)生命信息識(shí)別現(xiàn)狀，指出當(dāng)前研究存在的問題，并展望其發(fā)展趨勢(shì)。

1 UWB 雷達(dá)生命探測(cè)系統(tǒng)

1.1 UWB 雷達(dá)生命探測(cè)原理

UWB 雷達(dá)生命探測(cè)原理是基于人體目標(biāo)對(duì)雷達(dá)回波產(chǎn)生的多普勒效應(yīng)[11]，當(dāng)UWB 雷達(dá)發(fā)射脈沖信號(hào)穿透磚混、煤巖等非磁性障礙物照射人體目標(biāo)時(shí)，若干個(gè)脈沖重復(fù)間隔形成慢時(shí)間維度，由于人體目標(biāo)來回走動(dòng)或微動(dòng)（包括肢體微動(dòng)、呼吸、心跳等），反射回波信號(hào)將占據(jù)多個(gè)距離向維度單元，使雷達(dá)采集的回波頻率相較于發(fā)射頻率發(fā)生偏移，經(jīng)數(shù)據(jù)處理單元解析出回波的頻率、相位、幅值等偏移量[12]，即可提取心跳、呼吸等信息，實(shí)現(xiàn)對(duì)被困人員的非接觸式探測(cè)。

UWB 雷達(dá)生命探測(cè)系統(tǒng)主要由脈沖信號(hào)發(fā)生模塊、回波采集模塊、數(shù)據(jù)處理模塊、天線模塊組成[13]， 如圖1 所示。救援人員使用上位機(jī)通過WiFi 等方式發(fā)出工作指令，經(jīng)ARM 處理器控制現(xiàn)場(chǎng)FPGA 和低速DSP 發(fā)送指令至納秒脈沖發(fā)生器產(chǎn)生UWB 脈沖信號(hào)，同時(shí)使采樣脈沖發(fā)生電路觸發(fā)采樣門電路開始采集數(shù)據(jù)。UWB 脈沖信號(hào)通過發(fā)射天線進(jìn)行耦合處理，穿透遮蔽物發(fā)射至災(zāi)變區(qū)域，經(jīng)過目標(biāo)反射被接收天線捕捉?；夭ㄐ盘?hào)經(jīng)過變窄和放大處理后，再經(jīng)過高速ADC 處理，由FPGA 與DSP完成采樣，最終將UWB 雷達(dá)回波信號(hào)回傳至上位機(jī)，完成對(duì)井下人體目標(biāo)的探測(cè)。

1.2 UWB 雷達(dá)生命探測(cè)系統(tǒng)在礦山救援中的應(yīng)用

進(jìn)行礦山水平巷道救援時(shí)，若遭遇無法疏通的煤巖遮蔽物，可利用UWB 雷達(dá)搜尋遮蔽物后方的被困人員。進(jìn)行垂直鉆孔救援時(shí)，可在地面施工小直徑鉆孔，向內(nèi)部署UWB 雷達(dá)探測(cè)器，通過有線與無線傳輸方式將探測(cè)信息傳輸至救援人員和應(yīng)急指揮中心。一旦確定被困人員的位置，隨即施工大直徑鉆孔，將被困人員安全提升至地面?，F(xiàn)場(chǎng)應(yīng)用如圖2 所示。

在實(shí)際救援場(chǎng)景中，UWB 雷達(dá)回波除了所需的目標(biāo)回波外，還包含靜態(tài)遮蔽物雜波、直達(dá)波、雷達(dá)設(shè)備間的干擾信息等[14]。由于人體生命體征信號(hào)（尤指呼吸、心跳信號(hào)）具有微弱性，探測(cè)結(jié)果容易受到環(huán)境干擾信息、雷達(dá)性能、探測(cè)距離、探測(cè)目標(biāo)狀態(tài)等多因素的影響[15]，無法有效識(shí)別人體目標(biāo)。為提升遮蔽環(huán)境下識(shí)別并提取生命體征信息的準(zhǔn)確度，需對(duì)UWB 雷達(dá)生命信號(hào)提取、人體目標(biāo)識(shí)別及生命體量化技術(shù)進(jìn)行研究。

2 UWB 雷達(dá)生命信息識(shí)別現(xiàn)狀

礦山災(zāi)害事故發(fā)生后，無法疏通的坍塌環(huán)境阻礙救援行動(dòng)的開展，檢測(cè)遮蔽物后方人體目標(biāo)的生命體征信號(hào)為UWB 雷達(dá)生命信息識(shí)別的主要研究?jī)?nèi)容。通過濾除井下雜波提取生命體征信息，利用UWB 雷達(dá)傳感器對(duì)不同坍塌體介質(zhì)下不同狀態(tài)人體目標(biāo)的生命體征進(jìn)行檢測(cè)、分析與量化，進(jìn)一步獲取生命體的狀態(tài)信息、數(shù)量信息等。

2.1 UWB 雷達(dá)生命信號(hào)提取

2.1.1 回波信號(hào)雜波濾除技術(shù)

UWB 雷達(dá)回波信號(hào)的雜波濾除結(jié)果直接影響生命體征信號(hào)的提取、識(shí)別與量化結(jié)果。若直接分解摻雜遮蔽物雜波、災(zāi)變環(huán)境噪聲的回波信號(hào)，計(jì)算繁雜且不易找到最優(yōu)解，甚至可能導(dǎo)致后續(xù)產(chǎn)生誤判。因此，需對(duì)雷達(dá)回波信號(hào)進(jìn)行雜波濾除，以高效獲取生命體征信息[16]。目前雷達(dá)回波信號(hào)雜波濾除方法主要有濾波器濾除法、統(tǒng)計(jì)分析方法等。

濾波器濾除法是通過調(diào)解特定濾波器的閾值來濾除特定的頻率成分或噪聲等干擾信號(hào)。Y. S. Yoon等[17]通過在雷達(dá)天線陣列上增設(shè)空間濾波器，顯著減少了由實(shí)心墻、混凝土砌塊墻反射引起的雜波分量。R. Solimene 等[18]分析了墻體與人體的回波反射閾值，提出了一種熵值濾波器來濾除墻體等遮蔽物的干擾，模擬仿真顯示基于熵準(zhǔn)則方法重構(gòu)的目標(biāo)輪廓更清晰、更接近現(xiàn)實(shí)，雜波抑制效果明顯優(yōu)于其他方法。濾波器濾除法的關(guān)鍵是快速高效地獲得最優(yōu)閾值，但該方法依賴大量的數(shù)據(jù)分析驗(yàn)證。此外，固定設(shè)計(jì)的濾波器面對(duì)動(dòng)態(tài)變化的信號(hào)環(huán)境時(shí)無法適應(yīng)輸入信號(hào)特性的變化，雜波濾除效果不理想。

隨著統(tǒng)計(jì)分析方法的發(fā)展， 更多學(xué)者選擇采用奇異值分解、經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical ModeDecomposition，EMD）、小波變換等算法對(duì)雜波和噪聲干擾進(jìn)行處理。C. H. Lin[19]利用EMD 將時(shí)域信號(hào)分解為具有特定頻率和幅值的分量，再重構(gòu)生命體征信號(hào)，以達(dá)到濾除雜波的目的?？凳貜?qiáng)等[20]為了避免EMD 算法的模態(tài)混疊現(xiàn)象，采用變分模態(tài)分解（Variational Mode Decomposition，VMD）算法分解回波信號(hào)，并對(duì)得到的模態(tài)函數(shù)矩陣進(jìn)行奇異值分解，求解奇異值及奇異值熵，有效提高了信息獲取精度。王煒[21]提出了一種融合小波變換與濾波器的信號(hào)預(yù)處理方法，通過比較軟閾值與硬閾值的去噪效果，得出軟閾值方法抑制噪聲效果顯著，且去噪后信號(hào)與原始信號(hào)在光滑度上相似，無附加振動(dòng)。在實(shí)際應(yīng)用中，小波閾值去噪適合消除原始信號(hào)中的白噪聲，且白噪聲占比越高，去噪效果越好。

上述基于EMD、小波變換等的統(tǒng)計(jì)分析方法已廣泛應(yīng)用于雜波濾除方面，但存在計(jì)算復(fù)雜度高、依賴大量訓(xùn)練、對(duì)數(shù)據(jù)分布敏感等缺陷，還需進(jìn)一步研究?jī)?yōu)化方法。

2.1.2 生命體征信號(hào)提取技術(shù)

呼吸率、心率是生命健康程度最客觀的體現(xiàn)。呼吸、心跳帶動(dòng)胸腔往復(fù)運(yùn)動(dòng)的信號(hào)可近似為周期性正弦信號(hào)。UWB 雷達(dá)生命探測(cè)技術(shù)通過分析雷達(dá)與胸腔間距離變化的信號(hào)特征，分解出呼吸、心跳信號(hào)，可高效掌握被困人員的生命狀態(tài)信息，如圖3所示。

根據(jù)信號(hào)處理形式，生命體征信號(hào)提取技術(shù)可分為信號(hào)濾波與信號(hào)分解?；趥鹘y(tǒng)信號(hào)濾波的生命體征信號(hào)提取主要是采用不同濾波器，配合優(yōu)化算法來提高UWB 雷達(dá)生命體征信號(hào)提取能力。張楊[22]提出了基于時(shí)域線性累加和自適應(yīng)干擾抵消技術(shù)的干擾抑制算法， 使用單發(fā)收雷達(dá)穿透0.12 m墻體，成功檢測(cè)到墻后3 m 的人體呼吸信號(hào)。F. Khan等[23]采用平均濾波器去除回波信號(hào)中的雜波，利用快速傅里葉變換將信號(hào)轉(zhuǎn)換至頻域后提取人體呼吸信號(hào)，再使用陷波濾波器提取心跳信號(hào)，但當(dāng)呼吸諧波與心跳諧波重疊時(shí)，心跳信號(hào)的提取可能會(huì)完全失效?；谛盘?hào)分解的生命體征信號(hào)提取方法是將預(yù)處理后的信號(hào)分解為不同的子信號(hào)，再提取呼吸信號(hào)。Liang Xiaolin 等[24]提出采用短時(shí)傅里葉變換來獲取信號(hào)，使用基于集合經(jīng)驗(yàn)?zāi)B(tài)分解（EnsembleEmpirical Mode Decomposition，EEMD）的頻率累計(jì)法估計(jì)呼吸頻率，實(shí)驗(yàn)表明該方法能有效提取人體呼吸信號(hào)，解決了基于信號(hào)濾波方法無法處理動(dòng)態(tài)信號(hào)的問題。

目前，基于信號(hào)濾波和信號(hào)分解方法可有效提取呼吸信號(hào)，但對(duì)于心跳信號(hào)的提取精度還有待提高。由于心跳微弱，其信號(hào)通常會(huì)受呼吸諧波與雜波干擾[25]。此外，由于人體呼吸與心跳頻率相近（呼吸頻率為0.15～1 Hz，心跳頻率為0.9～1.6 Hz），很難采用常規(guī)的帶通、高通濾波器分離出心跳信號(hào)。D.R. Morgan 等[26]將直流耦合與塊均值去除相結(jié)合，提出了一種呼吸諧波自適應(yīng)消除算法，有效降低了呼吸諧波對(duì)微弱心跳信號(hào)提取的影響。為消除四肢、軀干等部位活動(dòng)對(duì)心跳信號(hào)提取的影響，F(xiàn). Khan 等[27]提出了一種基于生命信號(hào)的當(dāng)前和先前頻譜統(tǒng)計(jì)算法，并將運(yùn)動(dòng)檢測(cè)與生命信號(hào)檢測(cè)相結(jié)合，提出了一種基于自相關(guān)的人體部位運(yùn)動(dòng)檢測(cè)方法，有效提高了對(duì)運(yùn)動(dòng)狀態(tài)中心跳信號(hào)的提取精度。S. K. Kai 等[28]通過偽二維包絡(luò)經(jīng)驗(yàn)?zāi)B(tài)分解方法去除UWB 雷達(dá)雜波，再利用能量函數(shù)第一谷峰方法確定興趣時(shí)間區(qū)域，并根據(jù)能量函數(shù)的峰谷提取特征時(shí)間指數(shù)（Feature Time Index，F(xiàn)TI），利用EEMD 將FTI 的慢時(shí)間信號(hào)分解為若干個(gè)本征模態(tài)分量（分為高頻雜波、低頻呼吸和心跳信號(hào)）。分別在不同狀態(tài)下探測(cè)呼吸和心跳頻率：在正常呼吸狀態(tài)下，呼吸和心跳的峰值頻率分別為0.25 Hz（1 min 呼吸15 次）和1.15 Hz（1 min 心跳69 次） ；在屏氣狀態(tài)下，呼吸信號(hào)非常弱，頻率為0.17 Hz（1 min 呼吸10 次） ，心跳頻率為1.33 Hz（1 min 心跳80 次） ；在屏氣15 s 和呼吸45 s的狀態(tài)下，呼吸和心跳頻率分別為0.22 Hz（1 min 呼吸13 次）和1.22 Hz（1 min 心跳73 次）。實(shí)驗(yàn)數(shù)據(jù)與人體胸部偽模型數(shù)據(jù)相符。該方法不僅有效濾除了雷達(dá)雜波信號(hào)，還能高效檢測(cè)出易忽略的小能量信號(hào)，且優(yōu)化了正常呼吸與屏氣狀態(tài)下對(duì)呼吸和心跳頻率的提取精度。

2.2 UWB 雷達(dá)人體目標(biāo)識(shí)別

對(duì)遮蔽物后方的人體進(jìn)行靜態(tài)和動(dòng)態(tài)識(shí)別，是礦山救援的關(guān)鍵一環(huán)。全面掌握被困人員狀態(tài)，對(duì)實(shí)現(xiàn)精細(xì)化救援、提高救援效率具有實(shí)際意義。

2.2.1 靜止人體識(shí)別技術(shù)研究現(xiàn)狀

對(duì)于靜止人體目標(biāo)的識(shí)別，重點(diǎn)是獲取雷達(dá)回波中人體胸腔運(yùn)動(dòng)產(chǎn)生的信號(hào)，并分離呼吸和心跳信號(hào)。M. S. Nixon 等[29]、V. C. Chen 等[30]從不同波段進(jìn)行人體目標(biāo)識(shí)別實(shí)驗(yàn)，將天線發(fā)射功率調(diào)制到4.5 mW 時(shí)，可提取30.48 m 外靜止?fàn)顟B(tài)的人體呼吸和心跳信號(hào)，天線發(fā)射功率提高至22 mW 時(shí)，成功穿透30 cm 厚混凝土墻并探測(cè)到靜態(tài)臥姿人體的呼吸和心跳信號(hào)。路國華等[11]研制了基于UWB 的穿墻雷達(dá)探測(cè)儀，成功穿透30 cm 厚墻體檢測(cè)到人體生命信號(hào)。Zhang Zhu 等[31]、Li Zhao 等[32]提出了同時(shí)估計(jì)廢墟瓦礫結(jié)構(gòu)與生命體征信息算法和自適應(yīng)雜波消除算法，使用400，270 MHz 雙頻UWB 雷達(dá)，成功穿透2 m 厚磚和鋼筋混凝土板組成的碎石結(jié)構(gòu)，探測(cè)到距雷達(dá)3 m 處的靜止人體目標(biāo)信號(hào)。

2.2.2 動(dòng)態(tài)人體識(shí)別技術(shù)研究現(xiàn)狀

與靜止人體識(shí)別方法不同的是，動(dòng)態(tài)人體目標(biāo)識(shí)別聚焦于對(duì)四肢擺動(dòng)等較大幅度信號(hào)特征的提取。P. V. Dorp 等[33-34]通過最小二乘法擬合最小化模擬模型和真實(shí)人體運(yùn)動(dòng)參數(shù)，并最小化模擬模型和實(shí)際測(cè)量值間的差異估計(jì)參數(shù)，提出了一種人體運(yùn)動(dòng)模型，可準(zhǔn)確識(shí)別并可視化生成墻體后運(yùn)動(dòng)的人體目標(biāo)。Wang Yazhou 等[35]采用基于載波的收發(fā)器和基于FPGA 的UWB 雷達(dá)處理時(shí)域與頻域信號(hào)，增強(qiáng)了UWB 雷達(dá)穿墻探測(cè)多目標(biāo)的性能。Ren Lingyun等[36]采用狀態(tài)空間法處理步行人體的UWB 雷達(dá)信號(hào)，通過實(shí)驗(yàn)驗(yàn)證了短時(shí)狀態(tài)空間法在低信噪比環(huán)境中能準(zhǔn)確識(shí)別運(yùn)動(dòng)狀態(tài)下的人體軀干與雙腳。M.C. Tang 等[37]提出了一種基于自主和相互注入鎖定雷達(dá)架構(gòu)的生命體征檢測(cè)系統(tǒng)，減少了運(yùn)動(dòng)時(shí)身體偽影對(duì)生命體征信號(hào)檢測(cè)的影響。在此基礎(chǔ)上，Wang Fukang 等[38]增加了雜波效應(yīng)消除電路，提高了對(duì)不同運(yùn)動(dòng)幅度下人體生命體征的檢測(cè)性能，有利于在實(shí)際救援中準(zhǔn)確研判被困人員的生命狀態(tài)。

2.3 UWB 雷達(dá)生命體量化

明確遮蔽物后方人體數(shù)量是礦山救援的主攻方向，對(duì)救援行動(dòng)的開展具有重要意義。本文分別從單目標(biāo)與多目標(biāo)識(shí)別2 個(gè)方面介紹UWB 雷達(dá)生命體量化研究現(xiàn)狀。

2.3.1 單目標(biāo)識(shí)別

人體目標(biāo)具有多散射點(diǎn)的特性，目前針對(duì)單目標(biāo)的探測(cè)方法大致分為2 種：① 通過相似性度量方法，實(shí)現(xiàn)擴(kuò)展目標(biāo)在距離向維度的點(diǎn)目標(biāo)化。② 基于雷達(dá)回波和時(shí)間?距離?多普勒?qǐng)D像，采用人工標(biāo)注或機(jī)器學(xué)習(xí)進(jìn)行目標(biāo)檢測(cè)。

夏林林等[39]采用重現(xiàn)量化分析方法對(duì)回波信號(hào)進(jìn)行分析，通過實(shí)驗(yàn)識(shí)別出12 cm 厚磚墻后方為單目標(biāo)還是非單目標(biāo)。張楊等[40]提出了一種基于波形匹配的UWB 雷達(dá)人體識(shí)別方法，將信號(hào)幅值和離散系數(shù)相結(jié)合，對(duì)探測(cè)區(qū)域內(nèi)有無人體或單雙人體目標(biāo)進(jìn)行識(shí)別，如圖4 所示，并開展了多次穿透30 cm厚磚墻實(shí)驗(yàn)，識(shí)別準(zhǔn)確率為88.9%，但當(dāng)磚墻厚度達(dá)到2 m 時(shí)，回波信號(hào)中的生命體征信息不明顯，影響目標(biāo)識(shí)別準(zhǔn)確率。

羅丁利等[41]通過比較分析雷達(dá)回波的人體數(shù)據(jù)對(duì)應(yīng)的多幀多普勒時(shí)頻圖譜，提取了目標(biāo)頻譜的歸一化幅度和、多普勒譜線數(shù)、多普勒譜寬標(biāo)準(zhǔn)差等典型特征，采用支持向量機(jī)（Support Vector Machine，SVM）分類器，能有效鑒別單人或多人目標(biāo)，且平均識(shí)別率大于90%。

2.3.2 多目標(biāo)識(shí)別

穿透遮蔽物的多目標(biāo)識(shí)別技術(shù)一直是救援的難點(diǎn)，主要原因：① 多目標(biāo)距離向相距較近或方位角有一定重疊時(shí)，近端目標(biāo)由于遮蔽或拖尾等原因，容易對(duì)遠(yuǎn)端目標(biāo)產(chǎn)生“遮蔽效應(yīng)”，使雷達(dá)無法有效分離多目標(biāo)信息[42]。② 當(dāng)距離向多目標(biāo)相距較遠(yuǎn)時(shí)，遠(yuǎn)端目標(biāo)容易被背景噪聲淹沒，造成目標(biāo)漏判，無法準(zhǔn)確識(shí)別全部目標(biāo)[43]。

在多目標(biāo)識(shí)別方面，陳光等[44]搭建了不同種類的24 cm 厚磚墻來模擬廢墟救援環(huán)境，通過頻譜分析、時(shí)域自適應(yīng)濾波及生命體呼吸信號(hào)提取方法，成功使用UWB 雷達(dá)識(shí)別出墻后的多個(gè)目標(biāo)。優(yōu)化識(shí)別算法是提高多目標(biāo)探測(cè)能力的有效手段之一。N.V. Rivera 等[45]提出了聚類算法與多重信號(hào)分類算法，使用UWB 雷達(dá)成功探測(cè)到多個(gè)目標(biāo)的生命體征信息。薛慧君等[46]將小波變換算法與熵算法相結(jié)合，采用小波熵識(shí)別算法分析了不同距離點(diǎn)信號(hào)經(jīng)小波分解后的各尺度能量分布復(fù)雜度，實(shí)驗(yàn)證明該算法顯著提高了遮蔽環(huán)境下對(duì)多目標(biāo)生命體識(shí)別的準(zhǔn)確度。Ren Lingyun 等[47]針對(duì)UWB 雷達(dá)提出了一種基于對(duì)數(shù)方法的相位算法，并成功在室內(nèi)環(huán)境中識(shí)別出不同距離的多目標(biāo)生命特征，將誤差降至2.85%。胡志鵬[48]設(shè)計(jì)了一種基于步進(jìn)頻連續(xù)波信號(hào)模型的UWB 雷達(dá)系統(tǒng)，采用8 發(fā)8 收的多輸入多輸出（Multiple-in Multiple-out， MIMO）形式，成功穿透22.5 cm 厚的實(shí)心混凝土磚墻，探測(cè)到距雷達(dá)1.5，2 m 的2 個(gè)靜止人體目標(biāo)信號(hào)。

隨著UWB 雷達(dá)硬件電路集成化程度的提升，雜波信號(hào)濾波技術(shù)、生命信號(hào)提取方法、人體動(dòng)靜態(tài)識(shí)別與目標(biāo)生命體量化技術(shù)也向著復(fù)雜、高效的方向發(fā)展，為實(shí)現(xiàn)基于UWB 雷達(dá)的生命體精確探測(cè)提供技術(shù)支撐，對(duì)礦山高效救援具有實(shí)際意義。

3 存在的問題

1） 在礦山災(zāi)變環(huán)境下雜波濾除方面，現(xiàn)有雷達(dá)探測(cè)場(chǎng)景大多集中于地面環(huán)境，穿透介質(zhì)以木質(zhì)、磚混結(jié)構(gòu)為主，針對(duì)井下坍塌環(huán)境中非平穩(wěn)信號(hào)與環(huán)境噪聲等的濾除方法研究較少。微弱的生命體征信號(hào)容易淹沒在背景雜波信號(hào)中，且現(xiàn)有算法可能會(huì)引入新的干擾，導(dǎo)致生命體征信息識(shí)別結(jié)果出現(xiàn)偏差，亟需針對(duì)多類礦井災(zāi)變環(huán)境，研究雜波濾除方法并進(jìn)行有效性論證。

2） 在礦山救援領(lǐng)域人體生命體征信息識(shí)別方面，目前關(guān)于靜止人體目標(biāo)的生命體征識(shí)別技術(shù)研究已有一定成果，但針對(duì)運(yùn)動(dòng)（或微動(dòng)）目標(biāo)姿勢(shì)、行為、生命狀態(tài)等信息的提取與表征方法還有待改進(jìn)。由于缺乏穿透大厚度、非均勻、不連續(xù)及多種類煤巖介質(zhì)的人體動(dòng)靜態(tài)識(shí)別實(shí)驗(yàn)研究，人體生命信息雷達(dá)回波關(guān)鍵表征參數(shù)與生命信息識(shí)別模型之間的映射關(guān)系尚不明晰，面向礦山救援領(lǐng)域的雷達(dá)回波數(shù)據(jù)庫與生命信息識(shí)別模型尚未完善，難以滿足不同工況下的救援需求，且模型參數(shù)之間特征關(guān)聯(lián)性較低，直接影響生命體征信息識(shí)別的準(zhǔn)確度與可靠性。

3） 在礦井坍塌環(huán)境下人體數(shù)量識(shí)別方面，目前研究者通過優(yōu)化自適應(yīng)濾波法、改進(jìn)識(shí)別算法等手段，有效提高了對(duì)多目標(biāo)生命體征信息識(shí)別的準(zhǔn)確度。但因缺乏對(duì)大厚度煤巖介質(zhì)后多目標(biāo)識(shí)別實(shí)驗(yàn)的研究，當(dāng)面對(duì)因多個(gè)目標(biāo)距離較近或位于同一徑向距離而可能產(chǎn)生的“混疊”現(xiàn)象時(shí)，可能無法同時(shí)分離并提取多目標(biāo)生命體征信息，有待進(jìn)一步研究。

4 展望

隨著雷達(dá)信號(hào)處理、數(shù)字信號(hào)處理、多傳感器數(shù)據(jù)融合等技術(shù)的發(fā)展，UWB 雷達(dá)探測(cè)技術(shù)在礦山救援領(lǐng)域的應(yīng)用將更加廣泛和深入。由于礦井坍塌環(huán)境復(fù)雜多變，為滿足救援需求，還需不斷完善UWB雷達(dá)生命信息識(shí)別技術(shù)，研究展望如圖5 所示。

1） 不斷優(yōu)化多類礦山災(zāi)變環(huán)境的噪聲與雜波自適應(yīng)濾除方法。通過解析穿透煤巖介質(zhì)的人體生命體征雷達(dá)回波信息特征值，結(jié)合多尺度分析技術(shù)，深入研究面向礦井坍塌環(huán)境的小波變換去噪特性，構(gòu)建基于自適應(yīng)小波變換技術(shù)的非平穩(wěn)信號(hào)與環(huán)境噪聲處理方法。完善UWB 雷達(dá)雜波抑制理論，綜合利用濾波器濾除法、VMD 算法和智能模式分類算法，研究面向礦井坍塌環(huán)境的自適應(yīng)背景雜波消除算法，借助大數(shù)據(jù)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等新一代信息技術(shù)，提升系統(tǒng)對(duì)多種環(huán)境噪聲與背景雜波的濾除能力。

2） 構(gòu)建適用于礦山救援領(lǐng)域的人體生命信息識(shí)別模型。深入分析靜態(tài)與動(dòng)態(tài)人體目標(biāo)信號(hào)特征，通過開展原地踏步、緩慢行走和變速運(yùn)動(dòng)的人體目標(biāo)探測(cè)實(shí)驗(yàn)，大量提取健康、虛弱、瀕危等狀態(tài)下人體的生命體征數(shù)據(jù)集，優(yōu)化靜態(tài)與動(dòng)態(tài)人體生命信號(hào)特征提取方法。通過搭建災(zāi)變環(huán)境、開展仿真模擬實(shí)驗(yàn)等明晰煤巖特性與雷達(dá)波衰減特性，完善生命信息雷達(dá)回波關(guān)鍵表征參數(shù)與生命信息識(shí)別模型間映射關(guān)系的理論研究，構(gòu)建適用于礦山救援的人體生命信息識(shí)別模型。使用融合遺傳算法的貝葉斯正則反向傳播神經(jīng)網(wǎng)絡(luò)（Back Propagation NeuralNetwork，BPNN）建立面向礦山救援環(huán)境的生命信息模型。結(jié)合深度信念網(wǎng)絡(luò)（Deep Belief Networks，DBN）或卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）模型，加強(qiáng)模型各參數(shù)間的特征關(guān)聯(lián)性，降低耦合性，提高模型對(duì)人體生命信息識(shí)別的泛化能力與準(zhǔn)確度。

3） 進(jìn)一步提高對(duì)礦井遮蔽物后多目標(biāo)的量化能力。比較不同間距的多人體目標(biāo)與雷達(dá)回波信號(hào)間的映射關(guān)系，研究多維域算法融合的多人體目標(biāo)識(shí)別方法，為穿透井下遮蔽物提取多目標(biāo)生命信息提供技術(shù)支撐。通過分析雷達(dá)回波的多目標(biāo)“混疊”特性，研究“去混疊”濾波器設(shè)計(jì)方法，并針對(duì)UWB 雷達(dá)信號(hào)和多目標(biāo)分布進(jìn)行優(yōu)化，提升多目標(biāo)生命信號(hào)的分離效果。通過自適應(yīng)算法優(yōu)化調(diào)整UWB 雷達(dá)陣列天線各陣元的相位和幅度，以形成多個(gè)波束指向不同的方向，進(jìn)一步分離“混疊”信號(hào)，提高對(duì)多目標(biāo)的探測(cè)精度與救援效率。

4） 深入探究UWB 雷達(dá)最佳探測(cè)頻段確定方法。目前不同頻段UWB 雷達(dá)波在不同厚度及不同種類煤巖介質(zhì)中的穿透探測(cè)性能尚未明確，不同頻段的人體反射波幅值與煤巖體厚度的對(duì)應(yīng)關(guān)系尚不明晰，導(dǎo)致難以在礦井坍塌環(huán)境中確定最佳的生命探測(cè)頻段。對(duì)此，需通過理論分析與現(xiàn)場(chǎng)試驗(yàn)明晰煤巖特性，利用礦用射頻信號(hào)衰減系統(tǒng)分析雷達(dá)波的穿透性能，確定不同頻段的UWB 雷達(dá)與坍塌體物理屬性（介電常數(shù)、電導(dǎo)率、磁導(dǎo)率等）、坍塌體厚度和探測(cè)距離間的映射關(guān)系；研究不同頻段雷達(dá)對(duì)人體生命信息的響應(yīng)特性，利用GprMax 數(shù)值模擬實(shí)驗(yàn)，研究UWB 雷達(dá)探測(cè)生命信號(hào)最佳中心頻率的確定方法，結(jié)合最優(yōu)的穿透探測(cè)頻段信號(hào)，確定適用于礦井坍塌環(huán)境的最佳生命信息探測(cè)頻段，以提高復(fù)雜環(huán)境下的生命信息識(shí)別性能。

5 結(jié)語

從UWB 雷達(dá)探測(cè)原理和實(shí)際應(yīng)用場(chǎng)景出發(fā)，介紹了UWB 雷達(dá)系統(tǒng)，分別從生命信號(hào)提取、人體目標(biāo)識(shí)別和生命體量化3 個(gè)方面對(duì)UWB 雷達(dá)生命信息識(shí)別技術(shù)研究現(xiàn)狀進(jìn)行了歸納梳理。盡管目前基于UWB 雷達(dá)的非接觸式生命信息探測(cè)技術(shù)迅速發(fā)展，促進(jìn)了礦山救援向多元化發(fā)展，但為了更好地滿足實(shí)際救援需求，還應(yīng)不斷優(yōu)化面對(duì)不同災(zāi)變環(huán)境的噪聲與雜波自適應(yīng)濾除方法，構(gòu)建適用于礦山救援的生命信息識(shí)別模型，提高對(duì)礦井遮蔽物后多目標(biāo)的量化能力，探究UWB 雷達(dá)最佳探測(cè)頻段確定方法，為井下環(huán)境感知、生命信息探測(cè)與救援方案的制定提供幫助。

參考文獻(xiàn)（References）：

[ 1 ]程磊，孫潔. 2016—2022 年我國煤礦事故統(tǒng)計(jì)與規(guī)律分析[J]. 煤炭工程，2023，55（11）：125-129.

CHENG Lei，SUN Jie. Statistics and law analysis of coalmine accidents in China from 2016 to 2022[J]. CoalEngineering，2023，55（11）：125-129.

[ 2 ]王恩元，張國銳，張超林，等. 我國煤與瓦斯突出防治理論技術(shù)研究進(jìn)展與展望[J]. 煤炭學(xué)報(bào)， 2022，47（1）：297-322.

WANG Enyuan， ZHANG Guorui， ZHANG Chaolin，et al. Research progress and prospect on theory andtechnology for coal and gas outburst control andprotection in China[J]. Journal of China Coal Society，2022，47（1）：297-322.

[ 3 ]劉峰，郭林峰，趙路正. 雙碳背景下煤炭安全區(qū)間與綠色低碳技術(shù)路徑[J]. 煤炭學(xué)報(bào)，2022，47（1）：1-15.

LIU Feng，GUO Linfeng，ZHAO Luzheng. Research oncoal safety range and green low-carbon technology pathunder the dual-carbon background[J]. Journal of ChinaCoal Society，2022，47（1）：1-15.

[ 4 ]鄒祖杰，凡東，劉慶修，等. 礦山地面大直徑鉆孔救援提升裝備研制[J]. 煤炭科學(xué)技術(shù)，2017，45（12）：160-165.

ZOU Zujie， FAN Dong， LIU Qingxiu， et al. Researchand development on rescue lifting equipment of largediameter borehole at mine ground[J]. Coal Science andTechnology，2017，45（12）：160-165.

[ 5 ]鄭學(xué)召，王虎，文虎，等. 礦井鉆孔救援通信技術(shù)的研究進(jìn)展及趨勢(shì)[J]. 工礦自動(dòng)化，2017，43（9）：41-45.

ZHENG Xuezhao， WANG Hu， WEN Hu， et al.Research progress and tendency of mine drilling rescuecommunication technology[J]. Industry and MineAutomation，2017，43（9）：41-45.

[ 6 ]鄭學(xué)召，李誠康，文虎，等. 礦井災(zāi)害救援生命信息探測(cè)技術(shù)及裝備綜述[J]. 煤礦安全，2017，48（12）：116-119.

ZHENG Xuezhao， LI Chengkang， WEN Hu， et al.Summary of mine disaster rescue life informationdetection technology and equipment[J]. Safety in CoalMines，2017，48（12）：116-119.

[ 7 ]田宏亮，鄒祖杰，郝世俊，等. 礦山災(zāi)害生命保障救援通道快速安全構(gòu)建關(guān)鍵技術(shù)與裝備[J]. 煤田地質(zhì)與勘探，2022，50（11）：1-13.

TIAN Hongliang， ZOU Zujie， HAO Shijun， et al. Keytechnologies and equipment of quickly and safelybuilding life support and rescue channel in mine disaster[J]. Coal Geology & Exploration， 2022，50（11）：1-13.

[ 8 ]鄭學(xué)召，孫梓峪，張嬿妮，等. 面向鉆孔救援的超寬帶雷達(dá)技術(shù)研究現(xiàn)狀與方向[J]. 工礦自動(dòng)化， 2021，47（8）：20-26.

ZHENG Xuezhao， SUN Ziyu， ZHANG Yanni， et al.Research status and direction of ultra-wide band radartechnology for borehole rescue[J]. Industry and MineAutomation，2021，47（8）：20-26.

[ 9 ]高廣偉， 張祿華. 大直徑鉆孔救援的實(shí)踐與思考——以山東平邑“12·25”石膏礦坍塌事故救援為例[J]. 中國應(yīng)急管理，2016（3）：74-75.

GAO Guangwei，ZHANG Luhua. Practice and reflectionon rescue of large diameter drilling：taking the rescue ofthe "12·25" gypsum mine collapse accident in Pingyi，Shandong as an example[J]. China EmergencyManagement，2016（3）：74-75.

[10]馬宏偉，馬琨，田海波. 礦山鉆孔救援探測(cè)機(jī)器人研究進(jìn)展[J]. 工礦自動(dòng)化，2019，45（2）：24-29.

MA Hongwei， MA Kun， TIAN Haibo. Researchprogress of mine drilling rescue detection robots[J].Industry and Mine Automation，2019，45（2）：24-29.

[11]路國華，楊國勝，王健琪，等. 基于微功率超寬帶雷達(dá)檢測(cè)人體生命信號(hào)的研究[J]. 醫(yī)療衛(wèi)生裝備，2005（2）：15-16，18.

LU Guohua， YANG Guosheng， WANG Jianqi， et al.The study on detection of the life signals of humansubject based on micropower UWB radar[J]. ChineseMedical Equipment Journal，2005（2）：15-16，18.

[12]李欣欣. 遮蔽環(huán)境下基于超寬帶雷達(dá)的生命探測(cè)技術(shù)研究[D]. 蘭州：蘭州理工大學(xué)，2023.

LI Xinxin. Research on life detection technology basedon ultra-wideband radar in shading environment[D].Lanzhou：Lanzhou University of Technology，2023.

[13]YANG Degui， ZHU Zhengliang， ZHANG Junchao，et al. The overview of human localization and vital signsignal measurement using handheld IR-UWB throughwallradar[J]. Sensors，2021，21（2）：402-402.

[14]HUANG Ling， WANG Zhao， TIAN Ming， et al.Influence of parameters on radar localization of humantarget under complex shielding environment[C]. iCatseInternational Conference on Information Science andApplications， Seoul， 2020：3-9.

[15]ZHANG Jingwen， QI Qingjie， CHENG Huifeng， et al.A multi-target localization and vital sign detectionmethod using ultra-wide band radar[J]. Sensors （Basel，Switzerland），2023，23（13）. DOI：10.3390/S23135779.

[16]XUE Huijun， LIU Miao， LYU Hao， et al. A dynamicclutter interference suppression method for multiplestatic human targets detection using ultra‐ widebandradar[J]. Microwave and Optical Technology Letters，2019，61（12）：2854-2865.

[17]YOON Y S， AMIN M G. Spatial filtering for wallcluttermitigation in through-the-wall radar imaging[J].IEEE Transactions on Geoscience and Remote Sensing，2009，47（9）：3192-3208.

[18]SOLIMENE R， CUCCARO A. Front wall clutterrejection methods in TWI[J]. IEEE Geoscience andRemote Sensing Letters，2014，11（6）：1158-1162.

[19]LIN C H. Arteriovenous shunt stenosis assessment basedon empirical mode decomposition and 1D-convolutionalneural network： dlinical trial stage[J]. BiomedicalSignal Processing and Control，2021，66：102461-102468.

[20]康守強(qiáng)，胡明武，王玉靜，等. 基于特征遷移學(xué)習(xí)的變工況下滾動(dòng)軸承故障診斷方法[J]. 中國電機(jī)工程學(xué)報(bào)，2019，39（3）：764-772，955.

KANG Shouqiang， HU Mingwu，WANG Yujing， et al.Fault diagnosis method of a rolling bearing undervariable working conditions based on feature transferlearning[J]. Proceedings of the CSEE， 2019， 39（3） ：764-772，955.

[21]王煒. 小波閾值消噪法在雷達(dá)信號(hào)檢測(cè)中去噪效果的分析[J]. 山東工業(yè)技術(shù)，2020（4）：40-45.

WANG Wei. Analysis of denoising effect of waveletthreshold denoising method in radar signal detection[J].Shandong Industrial Technology，2020（4）：40-45.

[22]張楊. 非接觸生命探測(cè)系統(tǒng)中干擾抑制技術(shù)的研究[D]. 西安：第四軍醫(yī)大學(xué)，2006.

ZHANG Yang. Research for controlling methods ofinterference on non-contact life parameter detectingsystem[D]. Xi'an： Fourth Military Medical University，2006.

[23]KHAN F， CHOI J W，CHO S H. Vital sign monitoringof a non-stationary human through IR-UWB radar[C].The 4th IEEE International Conference on NetworkInfrastructure and Digital Content， Beijing， 2014：511-514.

[24]LIANG Xiaolin， ZHANG Hao， YE Shengbo， et al.Improved denoising method for through-wall vital signdetection using UWB impulse radar[J]. Digital SignalProcessing，2017，74：72-93.

[25]陶啟明. 基于超寬帶雷達(dá)的生命特征信息提取技術(shù)研究[D]. 西安：西安電子科技大學(xué)，2022.

TAO Qiming. Vital sign monitoring using ultra wideband radar[D]. Xi'an： Xi'an University of ElectronicScience and Technology，2022.

[26]MORGAN D R，ZIERDT M G. Novel signal processingtechniques for Doppler radar cardiopulmonarysensing[J]. Signal Processing，2008，89（1）：45-66.

[27]KHAN F，CHO S H. A detailed algorithm for vital signmonitoring of a stationary/non-stationary human throughIR-UWB radar[J]. Sensors，2017，17（2）：290-290.

[28]KAI S K， JIAU C L， LEI L P， et al. Detection ofbreathing and heart rates in UWB radar sensor data usingFVPIEF-based two-layer EEMD[J]. IEEE SensorsJournal，2019，19（2）：774-784.

[29]NIXON M S，CARTER J N，SHUTLER J D，et al. Newadvances in automatic gait recognition[J]. Information Security Technical Report，2002，7（4）：23-35.

[30]CHEN V C. Analysis of radar micro-Doppler with timefrequencytransform[C]. The Tenth IEEE Workshop onStatistical Signal and Array Processing， Pocono Manor，2000. DOI：10.1109/SSAP.2000.870167.

[31]ZHANG Zhu， ZHANG Xiao， LYU Hao， et al. Humantargetdetection and surrounding structure estimationunder a simulated rubble via UWB radar[J]. IEEEGeoscience and Remote Sensing Letters， 2013， 10（2） ：328-331.

[32]LI Zhao， LI Wenzhe， LYU Hao， et al. A novel methodfor respiration-like clutter cancellation in life detectionby dual-frequency IR-UWB radar[J]. IEEE Transactionson Microwave Theory and Techniques， 2013， 61（5） ：2086-2092.

[33]DORP P V，GROEN F C A. Human walking estimationwith radar[J]. IEE Proceedings-Radar， Sonar andNavigation，2003，150（5）：356-365.

[34]DORP P V， GROEN F C A. Feature-based humanmotion parameter estimation with radar[J]. IET RadarSonar & Navigation，2008，2（2）：135-145.

[35]WANG Yazhou， LIU Quanhua， FATHY A E. CW andpulse-Doppler radar processing based on FPGA forhuman sensing applications[J]. IEEE Transactions onGeoscience and Remote Sensing，2012，51（5）：3097-3107.

[36]REN Lingyun， TRAN N， FOROUGHIAN F， et al.Short-time state-space method for micro-Doppleridentification of walking subject using UWB impulseDoppler radar[J]. IEEE Transactions on MicrowaveTheory and Techniques，2018，66（7）：3521-3534.

[37]TANG M C，KUO Chaoyun，WUN D，et al. A self- andmutually injection-locked radar system for monitoringvital signs in real time with random body movementcancellation[J]. IEEE Transactions on MicrowaveTheory and Techniques，2016，64（12）：4812-4822.

[38]WANG Fukang， HORNG T S. Single self-injectionlockedradar with two antennas for monitoring vital signswith large body movement cancellation[J]. IEEETransactions on Microwave Theory and Techniques，2017，65（12）：5324-5333.

[39]夏林林，王健琪，路國華，等. 采用重現(xiàn)量化分析方法識(shí)別生物雷達(dá)回波信號(hào)中人體數(shù)量的研究[J]. 航天醫(yī)學(xué)與醫(yī)學(xué)工程，2008（2）：126-129.

XIA Linlin，WANG Jianqi，LU Guohua，et al. Study onthe method of recurrence quantification analysis（RQA）to recognize the amount of human bodies in bioradarecho signals[J]. Space Medicine & MedicalEngineering，2008（2）：126-129.

[40]張楊，李巖峰，焦騰，等. 超寬譜雷達(dá)人體目標(biāo)識(shí)別的新方法[J]. 信息化研究，2010，36（8）：22-24.

ZHANG Yang， LI Yanfeng， JIAO Teng， et al. A new method of human target recognition based on UWBradar[J]. Informatization Research，2010，36（8）：22-24.

[41]羅丁利，王勇，楊磊，等. 基于微多普勒特征的單人與小分隊(duì)分類技術(shù)[J]. 電訊技術(shù)，2016，56（9）：969-975.

LUO Dingli， WANG Yong， YANG Lei， et al.Technology for classifying an individual soldier and asmall group based on micro-doppler features[J].Telecommunication Engineering，2016，56（9）：969-975.

[42]張自啟，呂昊，陳扶明，等. UWB 生物雷達(dá)多靜止人體目標(biāo)呼吸檢測(cè)中“遮蔽效應(yīng)”的實(shí)驗(yàn)研究[J]. 醫(yī)療衛(wèi)生裝備，2017，38（4）：1-5.

ZHANG Ziqi， LYU Hao， CHEN Fuming， et al.Experimental study on shadowing effect of multi statichuman targets respiration detection with UWB bioradar[J]. Chinese Medical Equipment Journal， 2017，38（4）：1-5.

[43]張楊，呂昊，于霄，等. 基于超寬譜雷達(dá)多目標(biāo)穿墻探測(cè)定位技術(shù)的研究[J]. 醫(yī)療衛(wèi)生裝備，2016，37（8）：10-13.

ZHANG Yang，LYU Hao，YU Xiao， et al. Research ofthrough-wall detection and location technique formultihuman targets using ultra wideband radar[J].Chinese Medical Equipment Journal，2016，37（8）：10-13.

[44]陳光，費(fèi)翔宇，馮溫雅，等. 超寬帶廢墟搜救雷達(dá)的多生命體目標(biāo)識(shí)別[J]. 現(xiàn)代電子技術(shù)，2015，38（19）：76-78.

CHEN Guang， FEI Xiangyu， FENG Wenya， et al.Multi-life group recognition based on UWB ruin-rescueradar[J]. Modern Electronics Technique， 2015，38（19）：76-78.

[45]RIVERA N V，VENKATESH S，ANDERSON C，et al.Multi- target estimation of heart and respiration ratesusing ultra wideband sensors[C]. The 14th EuropeanSignal Processing Conference， Florence， 2006. DOI：10.5281/ZENODO.40184.

[46]薛慧君，劉淼，祁富貴，等. 遮蔽情況下多人體目標(biāo)的探測(cè)和識(shí)別研究[J]. 中國醫(yī)療設(shè)備，2018，33（10）：32-35.

XUE Huijun，LIU Miao，QI Fugui，et al. Detection andidentification for multiple human targets undershadowing condition[J]. China Medical Devices， 2018，33（10）：32-35.

[47]REN Lingyun， SEO K Y， WANG Haofei， et al.Noncontact multiple heartbeats detection and subjectlocalization using UWB impulse doppler radar[J]. IEEEMicrowave and Wireless Components Letters， 2015，25（10）：690-692.

[48]胡志鵬. 超寬帶MIMO 雷達(dá)系統(tǒng)設(shè)計(jì)與穿墻成像方法研究[D]. 長(zhǎng)春：吉林大學(xué)，2020.

HU Zhipeng. Design of UWB MIMO radar system andresearch on the method of through-wall imaging[D].Changchun：Jilin University，2020.

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目（52174197）；陜西省重點(diǎn)研發(fā)計(jì)劃資助項(xiàng)目（2023-YBSF-101）；陜西省科協(xié)青年人才托舉計(jì)劃項(xiàng)目（20240205）。