Article Info

[摘要]目的探讨遮蔽情况下多个人体目标探测的有效方法。方法提出小波熵识别算法，分析不同距离点信号小波分解后的各尺度能量分布复杂度，区分探测区域中的人体目标和杂波。结果实测数据结果显示传统的自适应谱线增强算法和能量累积算法只能探测出遮蔽情况下距离雷达较近的人体目标，而小波熵识别算法不仅能探测雷达近端人体目标，还能够识别出雷达远端人体目标。结论小波熵识别算法能有效提高多人体目标识别的准确率。

引言

超宽带（Ultra Wide Band，UWB）生物雷达是以生命体为探测目标并对其进行探测、跟踪、定位以及成像的一种新兴特殊雷达[1-4]。该雷达发射电磁波穿透一定厚度的非金属介质，探测生命体呼吸、心跳等生理活动引起的体表微动，从而提取生命体的生理参数、运动轨迹等有用信息[5-6]。超宽带生物雷达因其穿透性强、距离分辨率高等优点，被广泛用于地震、塌方等灾后救援任务[7-8]。

目前，超宽带生物雷达对不同环境中单个人体目标探测和定位的研究已经取得了一些成果[9-12]。然而，实际灾后现场中雷达探测区域往往会存在多个压埋人员，如果压埋人员之间出现相互遮挡，距离雷达较近的人体目标就会遮挡住部分雷达波，在其后方形成遮蔽区域，倘若其他远端人体目标处于遮蔽区域中，由于电磁波的衰减以及前面目标的遮挡，便会造成远端人体目标探测不到，形成漏判。对于多个人体目标的探测研究较少，吉林大学的Li等[7]使用中心频率为2 GHz的超宽带雷达，穿透0.2 m厚墙体探测以不同速度摆臂的无遮挡的两个人体目标，采用快速傅立叶变换和S变换算法分析两人体目标的时频特性，计算出人体目标与雷达的距离。意大利博洛尼亚大学的Sobhani等[13]使用3发1收的超宽带雷达，通过恒虚警率（Contant False Alarm Rate，CFAR）检测器对多目标进行探测，采用基于像素法定位技术对雷达监测区域中的多个人体目标进行定位，还使用中值滤波算法降低CFAR阈值减少误判率。该文章的发表虽为多目标探测提供新思路，但多通道技术尚不成熟，国内外生物雷达探测技术的研究还处于单通道雷达探测阶段，且由于多通道雷达探测系统体积超标，实施起来较为困难，实际生命探测仍采用单通道生物雷达。本课题组也曾使用中心频率为400 MHz超宽带生物雷达对28 cm厚砖墙后面的多个人体目标进行探测，采用自相关系数法处理雷达回波信号，结果显示该算法能够识别墙后三个人体目标，当目标之间出现相互遮挡情况，容易形成漏判[14]。针对多个人体目标的探测问题虽有少部分科研院所进行过相关研究，但遮蔽情况下多人体目标的探测问题依然没有很好的解决。

根据本课题组之前的研究可知[15-17]，生物雷达对静止人体目标进行穿墙探测时，受目标胸腹部收缩的影响，呼吸信号在雷达波传输路径中始终处于固定的位置，由于电磁波在传输过程中(穿墙)产生衰减、目标在雷达传输路径中占据一定厚度以及目标的雷达反射横截面等因素的影响，人体呼吸信号会占据几个固定的距离单元，这几个距离单元的回波信号相关性很高且呈现准周期特性。根据小波变换和熵的理论知识，小波变换具有良好的时频局部化和多尺度分辨特性，可以同时对一组信号进行时域和频域特性分析，熵能够表征系统状态的复杂特性。结合二者优点，小波熵能够精确表征非平稳信号时频变化后不同频段能量分布的复杂程度。由于人体信号为窄带周期信号，小波变换后的人体目标回波信号能量主要集中在某一低频频段，不同尺度能量分布形式简单，小波熵值较低。而噪声和杂波信号经小波变换后，能量在各个尺度分布不均，小波熵值较高。本文将小波变换和熵的算法结合，对遮蔽情况下多人体目标进行识别。

1 遮蔽情况下多人体目标识别算法

1.1 信号预处理

生物雷达探测人体目标时，受探测环境和雷达自身的影响，雷达反射电磁波同时包含目标反射信号、多种噪声以及静态杂波。为了消除干扰保留有用信号，需要对回波信号进行预处理，预处理过程显示于图1中虚线框内。

图1 遮蔽情况下多人体目标识别算法流程图

（1）距离累积。UWB生物雷达回波被接收天线接收，回波数据存储在二维矩阵R(m,n)中。原始回波数据量非常大，严重影响后期的信号处理速度。根据人体微动信号在距离维度上临近目标位置点处多个点信号具有很大的相关性，在不影响有用信息提取的前提下，对雷达原始回波数据R(m,n)进行距离累积，信号采样点从2048减少到200，有效增加了信号处理的运算速度。

（2）归一化。考虑到UWB生物雷达信号在穿透障碍物和自由空间传输过程中存在能量衰减，信噪比降低。在时间维度上对距离累积后的数据进行点信号的归一化处理。可增强距离雷达较远人体目标信号的幅度，提高回波信号的信噪比。

（3）去背景噪声。雷达回波信号中包含了雷达天线直达波和墙体反射回波信号以及探测环境中其它静止物体反射的静态杂波，这些回波信号中形成很强的背景杂波，从而淹没人体微动信号。雷达天线直达波和墙体反射的回波信号很难去除，可通过选择信号起始位置规避天线近处的直达波干扰。静态杂波为静止信号，人体微动信号随时间变化，通过平滑滤波减去不同距离点信号均值达到去除静态杂波的目的。

（4）自相关。为了进一步增强人体信号的规律性，采用自相关算法对不同距离点的雷达回波信号进行处理，可去除UWB生物雷达系统自身在工作过程中产生的高频噪声，提高雷达回波的信噪比。

1.2 小波熵

此部分包含图1遮蔽情况下多人体目标识别算法流程图中小波变换和熵两个步骤。假设L2(χ)为实平方可积函数空间，则对于预处理后雷达回波中不同距离点信号X(t)∈L2(χ)(X(t )(τ=1,2,...,200))的离散小波变换可表示为：ττ

式中Xτ(t)沿时间方向的采样点 X={x0(n),n=1,…,N}，ψj,k(t)为不同尺度上的小波簇。DWT输出值为小波序列系数Cj(k)，小波序列系数不仅能够提供信号的相关信息，还能对不同尺度、不同时刻的小波能量进行估计。这样，所有尺度上对分解后的信号进行小波重构，信号Xτ(t)可表示为：

由于小波簇{ψj,k(t)}为空间L2(χ)的正交基函数，并且其能量概念与基于傅里叶变换能量概念引出方式一致，信号Xτ(t)的小波序列系数可由信号与不同尺度小波簇的内积得出，那么对应每个尺度下的能量为：

为了观察每个参数的瞬时变化，对雷达信号进行加窗分帧处理，设分帧的窗宽为L，每一帧i,(i=1,…,NT,NT=N/L)的采样值为N。在二进制离散小波分解中，子带j下的小波系数的个数应为前子带j-1下的小波系数的一半，因此，加窗分帧的最小窗宽要保证每一子带至少保留一个小波系数。这里每一子带j下小波能量用该子带下各个分帧平均能量的总和表示：

式中N(ji)为(i - 1 子)L+带1j下每一帧i内包含的小波序列系数的个数，代表子带j的帧数。则小波分解后不同尺度信号的总能量为：

显然

=1，根据Shannon提出的概率分布上的熵的概念，熵可以对任意形式分布的信息量进行度量，估计信号的随机性和规律性。因此，小波熵定义如下：

2 实验结果分析

本文使用的实测数据由UWB生物雷达系统获取，雷达系统，见图2，雷达发射参数，见表1。考虑地震、塌方等灾后救援任务的要求，生物雷达需穿透废墟对压埋人员进行探测，为了同时满足雷达穿透性能和灵敏度，UWB生物雷达的中心频率和带宽为500 MHz。

图2 UWB生物雷达实验平台

表1 UWB生物雷达系统的硬件参数

实验场景，见图3。UWB生物雷达进行穿墙探测实验，砖墙厚度为28 cm，人体目标A正对雷达天线，保持正常呼吸，与雷达天线距离为3 m，目标B处于目标A的遮蔽区域，正常呼吸，距离雷达天线6 m。雷达探测区域除了人体目标，无明显动目标干扰。采用小波熵识别算法对雷达回波信号进行处理，传统的能量累积算法和自适应谱线增强算法作为对比研究，实验结果，见图4。

图3 UWB生物雷达穿墙探测遮蔽情况下多人体目标实验场景

图4 遮蔽情况下两个人体目标的探测结果

注：a. 自适应谱线增强算法的探测结果；b. 能量累积算法的探测结果；c. 小波熵算法的探测结果。

图4a为自适应谱线增强算法对实验数据的处理结果，可以看出距离雷达天线3 m处存在规律性的波动信号，为进一步验证3 m处的波动信号是否为人体呼吸回波信号，对此回波数据作快速傅里叶变换，结果显示于图5中，可见3 m位置所对应的频率基本在0.35 Hz左右（红色椭圆内部），符合人体呼吸频率范围，再结合先验知识，可知距离雷达天线3 m处为人体目标A。而由于目标A的遮挡，自适应谱线增强算法无法探测到遮蔽区域的目标B。图4b为能量累计算法的识别结果，同样从实验结果中只能看到距离雷达天线3 m处有一个能量谱峰，此实验条件下能量累积算法只能探测到前面人体目标A，无法探测到遮蔽区域中的目标B。图4c为小波熵算法对实验数据的处理结果，从结果图中可以观察到在距离雷达3 m处的小波熵值很低，可判断此位置为人体目标A，距离雷达6 m处的小波熵值也低于两侧的小波熵值，对应遮蔽区域中人体目标B所在的位置。由此可见，小波熵算法对遮蔽情况下的多个人体目标探测识别的准确度较高。

图5 快速傅立叶分析处理的实验结果

3 结论

本文使用中心频率为500 MHz的UWB生物雷达系统用于废墟下多个压埋人体的探测研究。针对遮蔽干扰下多个人体目标的探测识别问题，首先分析了雷达远端人体目标探测不准确的原因。基于人体呼吸信号在雷达回波距离维度上固定距离单元存在相关性，采用自相关技术在增强人体呼吸信号规律性的同时抑制环境中静态杂波干扰。再根据小波变换和熵的理论知识，采用小波熵识别算法计算不同距离点信号小波分解后的不同尺度能量分布复杂度，通过人体目标和无人体目标点的熵值差异，对遮蔽情况下多人体目标进行识别。实验结果证明该方法能够识别出遮蔽区域中的人体目标，改善雷达生命探测性能。

[1] Faust NL.Ultrawideband through-wall radar for detecting the motion of people in real time[A].Society of Photo-Optical Instrumentation Engineers. Society of Photo-Optical Instrumentation Engineers (SPIE) Conference Series[C].2002:48-57.

[2] Venkatesh S,Anderson CR,Rivera NV,et al.Implementation and analysis of respiration-rate estimation using impulse-based UWB[A].Military Communications Conference, 2005[C].New York:IEEE,2006:3314-3320.

[3] Liang SD.Sense-through-wall human detection based on UWB radar sensors[J].Sig Proc,2016,126:117-124.

[4] Shin YH,Lee S,Seo J.Autonomous safe landing-area determination for rotorcraft UAVs using multiple IR-UWB radars[J].Aer Sci Tech,2017,69.

[5] Lv H,Lu GH,Jing XJ,et al.A new ultra-wideband radar for detecting survivors buried under earthquake rubbles[J].Mic Opt Tech Lett,2010,52(11):2621-2624.

[6] Liu L,Liu Z,Barrowes BE.Through-wall bio-radiolocation with UWB impulse radar: Observation, simulation and signal extraction[J].IEEE J Sel Top Appl Earth Obs Remote Sens,2011,4(4):791-798.

[7] Li J,Zeng Z,Sun J,et al.Through-wall detection of human being’s movement by UWB radar[J].IEEE Geosci Rem Sen Lett,2012,9(6):1079-1083.

[8] Li Y,Jing X,Lv H,et al.Analysis of characteristics of two close stationary human targets detected by impulse radio UWB radar[J].Proc Electr Res,2012,126:429-447.

[9] Chernyak V.Signal processing in multisite UWB radar devices for searching survivors in rubble[A].Radar Conference[C].New York:IEEE,2006:190-193.

[10] Zetik R,Crabbe S,Krajnak J,et al.Detection and localization of persons behind obstacles using M-sequence through-the-wall radar[J].Proc Spie,2006,6201.

[11] Nezirovic A,Yarovoy AG,Ligthart LP.Signal processing for improved detection of trapped victims using UWB radar[J].IEEE Trans Geosci Remote Sens,2010,48(4):2005-2014.

[12] Zhang Z,Zhang X,Lv H,et al.Human-target detection and surrounding structure estimation under a simulated rubble νia UWB radar[J].IEEE Geosci Rem Sens Lett,2013,10(2):328-331.

[13] Sobhani B,Mazzotti M,Paolini E,et al.Multiple target detection and localization in UWB multistatic radars[A].IEEE International Conference on Ultra-Wideband[C].New York:IEEE,2014:135-140.

[14] Zhang Y,Chen F,Xue H,et al.Detection and identification of multiple stationary human targets via bio-radar based on the cross-correlation method[J].Sensors,2016,16(11):1793.

[15] Lv H,Jiao T,Zhang Y,et al.An adaptive-MSSA-based algorithm for detection of trapped victims using UWB radar[J].IEEE Geosci Rem Sens Lett,2015,12(9):1808-1812.

[16] Xue H,Liu M,Zhang Y,et al.An algorithm based wavelet entropy for shadowing effect of human detection using ultrawideband bio-radar[J].Sensors,2017,17(10):2255.

[17] Qi F,Li C,Wang S,et al.Contact-free detection of obstructive sleep apnea based on wavelet information entropy spectrum using bio-radar[J].Entropy,2016,18(8):306.

Detection and Identification for Multiple Human Targets Under Shadowing Condition

XUE Huijun, LIU Miao, QI Fugui, WANG Pengfei, SHI Gang, ZHANG Ziqi, WANG Jianqi
School of Biomedical Engineering, The Air-Force Military Medical University, Xi’an Shaanxi 710032, China

Abstract:Objective To study the effective method for detecting multiple human targets under the shadowing condition. Methods A wavelet entropy recognition algorithm was proposed. The distribution complexity of energy at different scales after wavelet decomposition was analyzed, so that human targets and clutter in the radar detection region could be distinguished. Results The measured data showed that the traditional method as adaptive spectral line enhancement and energy accumulation could only detect the target who was near to radar antenna, and the wavelet entropy could not only detect the target next to radar but also identify the target who was far from radar antenna. Conclusion The wavelet entropy algorithm can effectively improve the recognition accuracy of multiple human targets.

Keywords:ultra-wideband radar; multiple human targets; wavelet entropy; earthquake rescue

通讯作者：王健琪，教授，博士生导师，主要研究方向为生物雷达技术。

遮蔽情况下多人体目标的探测和识别研究

引言

1 遮蔽情况下多人体目标识别算法

1.1 信号预处理

1.2 小波熵

2 实验结果分析

3 结论