梁福來 李浩楠 祁富貴 安 強 王健琪*

①(第四軍醫(yī)大學(xué)生物醫(yī)學(xué)工程學(xué)院 西安 710032)

②(第四軍醫(yī)大學(xué)學(xué)員一旅 西安 710032)

UWB MIMO生物雷達多靜止人體目標(biāo)成像方法研究

梁福來①李浩楠②祁富貴①安 強①王健琪*①

①(第四軍醫(yī)大學(xué)生物醫(yī)學(xué)工程學(xué)院 西安 710032)

②(第四軍醫(yī)大學(xué)學(xué)員一旅 西安 710032)

由于臨近多靜止人體目標(biāo)之間存在較強的相互干擾，僅利用單通道生物雷達的距離像難以區(qū)分多個靜止人體目標(biāo)。為解決上述問題，該文利用超寬帶多輸入多輸出(UWB MIMO)生物雷達獲取多靜止人體目標(biāo)的2維高分辨圖像，從空間上更好地分隔多靜止人體目標(biāo)，然后基于UWB MIMO圖像的慢時間序列對人體生理信號進行增強，有效抑制人體目標(biāo)間的相互干擾。實測數(shù)據(jù)結(jié)果證明該文所提方法能夠獲得相互靠近的多靜止人體目標(biāo)的高分辨圖像，使后續(xù)的多靜止人體目標(biāo)高性能檢測與定位成為可能。

生物雷達；超寬帶；多輸入多輸出；成像

1 引言

生物雷達是以探測生命體為目的的一種新概念雷達，它綜合運用雷達信號處理、生物醫(yī)學(xué)工程、電子工程等技術(shù)，能夠穿透非金屬介質(zhì)對人體目標(biāo)進行遠(yuǎn)距離、非接觸的探測與定位，廣泛應(yīng)用于災(zāi)后搜救[1]、反恐維穩(wěn)等[2]。與傳統(tǒng)的軍事和民用目標(biāo)不同，生命體目標(biāo)具有獨特的生理結(jié)構(gòu)和行為特征。即使處在束縛條件下，生命體仍存在呼吸、心跳等生理活動引起的體表微動，生物雷達便是以此為依據(jù)探測和識別生命體目標(biāo)。

現(xiàn)有的生物雷達可分為單通道和多通道兩種體制。單通道生物雷達主要采用連續(xù)波(Continuous Wave, CW)[3]和超寬帶(Ultra Wideband,UWB)[4–6]兩種體制。文獻[7]基于CW雷達提出了一種廣義最大似然比檢驗方法估計場景中人體目標(biāo)的數(shù)目，但不能估計人體的位置，并且在場景中存在多人體目標(biāo)時，難以克服多人體目標(biāo)間的干擾。

低頻UWB生物雷達具有較強的穿透能力和較高的距離分辨率，是當(dāng)前單通道生物雷達技術(shù)的研究熱點。文獻[8]利用UWB沖激生物雷達成功估計水泥墻后兩個靜止人體目標(biāo)的呼吸頻率。文獻[9]建立了步進頻率UWB雷達模擬實驗系統(tǒng)，驗證了UWB生物雷達在人體目標(biāo)檢測以及對呼吸、心跳信號提取方面的可行性。

由于單通道生物雷達不具備橫向分辨率，其距離像中包含的信息是人體高維生理信息在雷達視線方向的投影，存在信息模糊，為后續(xù)的多靜止人體目標(biāo)檢測與定位帶來很大的難度。因此，部分學(xué)者將目光轉(zhuǎn)向多通道生物雷達系統(tǒng)的研究。Takeuchi T等人探索了2維天線陣列對人體目標(biāo)的探測與定位技術(shù)[10]，Lubecke O B等人證明了利用多通道CW雷達實現(xiàn)多個人體目標(biāo)探測的可行性[11]。第四軍醫(yī)大學(xué)研究小組利用3通道UWB沖激雷達進行多個靜止生命體目標(biāo)的探測與定位[12]。上述多通道生物雷達主要是通過對多通道人體信息的融合處理提高探測性能，采用的陣元數(shù)目少，難以得到高分辨2維圖像。

多輸入多輸出(Multiple-Input Multiple-Output, MIMO)雷達是一種特殊的多通道雷達。MIMO生物雷達利用虛擬陣元技術(shù)擴展原有物理接收陣列的孔徑長度，從而產(chǎn)生更窄的波束方向圖，提高陣列的橫向分辨率[13]。將UWB技術(shù)與MIMO技術(shù)結(jié)合，可得到2維高分辨圖像。Akela公司開發(fā)的隨機陣列穿墻成像系統(tǒng)[14]，其工作頻率范圍為0.5～2.0 GHz, 可以透過混凝土墻檢測到墻后6.5 m處人體的呼吸，并可得到運動人體的軌跡合成圖像。加拿大R&D防衛(wèi)部門的研究小組實現(xiàn)了移動目標(biāo)跟蹤及人體目標(biāo)和房間格局的2維成像(圖4)[15]。Hu J等分析了UWB MIMO雷達應(yīng)用于運動人體目標(biāo)指示時出現(xiàn)的陰影遮蔽效應(yīng)，探討了抑制該效應(yīng)的方法[16]。以上結(jié)果表明，現(xiàn)階段UWB MIMO生物雷達成像主要以運動人體目標(biāo)或建筑物內(nèi)部層次結(jié)構(gòu)等靜態(tài)非生命體目標(biāo)作為探測對象，對多靜止人體目標(biāo)成像缺乏深入的研究。

靜止多人體目標(biāo)雷達成像不但是提高識別和性能的重要手段，還有利于提高人體目標(biāo)之間以及人體目標(biāo)與環(huán)境雜波之間的空間分離性，對于提升生物雷達的探測性能和環(huán)境適應(yīng)性具有重要意義。人體目標(biāo)是一類特殊目標(biāo)，體現(xiàn)在其具有特殊的生理微動信息。本文主要討論靜止多人體目標(biāo)的MIMO成像方法，在此基礎(chǔ)上利用生理微動信息改善成像質(zhì)量，提高生理體征信號的信雜比。

本文的結(jié)構(gòu)如下：第2節(jié)分析了靜止人體目標(biāo)生理體征信號的UWB MIMO回波模型；第3節(jié)提出了多靜止人體目標(biāo)MIMO成像方法；第4節(jié)給出實測數(shù)據(jù)處理結(jié)果，證明了本文所提方法的有效性；第5節(jié)給出了結(jié)論。

2 多靜止人體目標(biāo)生理體征信號UWB MIMO回波模型

若不考慮隨機體動的影響，人體生理體征微動可近似為幾組s簡諧振動，即第m個接收天線、第n個接收天線到第p個人體目標(biāo)胸腔表面的瞬時距離可表示為：

其中，t為快時間，τ為慢時間，bm,n,p為收發(fā)天線到人體胸腔振動中心的距離，Ap表示人體呼吸微動幅度，fp表示人體呼吸頻率，res(t+τ)表示除呼吸心跳外其它人體微動引起的距離變化。人體胸腔表面反射的雷達回波時延可表示為其中c為光速。

UWB MIMO生物雷達第m個接收天線、第n個接收天線的回波模型如下：

其中，sT(t)為發(fā)射信號，P為人體個數(shù)，Q為等效的雜波個數(shù)，為狄利克萊函數(shù)，為卷積算子，hp(t)為生理體征信號的響應(yīng)，為雜波響應(yīng)，dm,n,q為雜波到雷達天線之間的距離。

如圖1所示，當(dāng)多個人體目標(biāo)位置靠近時，距離近端的目標(biāo)很有可能對距離遠(yuǎn)端的目標(biāo)產(chǎn)生遮擋，從而使距離遠(yuǎn)端的人體目標(biāo)反射變?nèi)酢τ趩瓮ǖ览走_而言，由于只有單個觀測視角，多個目標(biāo)間容易發(fā)生遮擋，進而造成漏判。而UWB MIMO生物雷達具有多個虛擬通道，可獲取場景的多視角信息。在圖1中，第m個發(fā)射通道、第n個接收通道難以探測到目標(biāo)2，但由于空間位置的不同，發(fā)射通道m(xù)'、接收通道n'獲取的回波中目標(biāo)1對目標(biāo)2不形成遮擋。因此，UWB MIMO雷達的多視角特性降低了多人體目標(biāo)之間遮擋效應(yīng)的影響。

圖1 多靜止人體目標(biāo)的UWB MIMO回波模型Fig. 1 UWB MIMO model of multiple stationary humans

若在快時間維用采樣間隔δT進行離散采樣，每條距離像包含K個采樣點，慢時間采樣間隔為δT×K，則每個通道的離散信號可表示為一個2維矩陣：

其中k=0,1,...,K-1為距離像采樣點，l=0, 1,...,L-1表示慢時間采樣點。 hm,n[k,l]為生理體征信號, cm,n[k,l]為雜波，wm,n[k,l]為加性噪聲。對具有M個發(fā)射天線、N個接收天線的UWB MIMO雷達而言，其等效雷達通道數(shù)目為M×N。接收數(shù)據(jù)S為3維矩陣，分別為快時間、慢時間和等效通道數(shù)。

3 多靜止人體目標(biāo)UWB MIMO成像

3.1 預(yù)處理

受限于目標(biāo)材質(zhì)和障礙物衰減的影響，人體目標(biāo)散射回波的信號強度遠(yuǎn)小于環(huán)境雜波的強度。直接對接收到的回波進行成像，目標(biāo)常被掩蓋于雜波中，所以必須進行預(yù)處理以提高人體生理體征信號的信雜比。靜止人體目標(biāo)的生理體征信號是微動信號，而環(huán)境雜波通常是靜態(tài)雜波，因此增強人體目標(biāo)生理體征信號的有效方法是變化檢測(Change Detection, CD)。背景消除即是一種簡單的變化檢測方法，其實現(xiàn)過程如式(4)所示，將回波信號在慢時間方向上的平均值作為背景的估計，在回波中減去估計得到的背景回波即可，

其中，L為慢時間幀數(shù)。

人體目標(biāo)的呼吸頻率約為0.2～0.3 Hz，身體微動的頻率為0.3 Hz以內(nèi)，在上述頻率范圍外的頻率成分可視為雜波和噪聲。本文對去除背景雜波的回波進行低通濾波以抑制雜波和噪聲，進一步增強生理體征信號，低通濾波器的截止頻率設(shè)為0.5 Hz。

3.2 UWB MIMO成像

目前應(yīng)用較為廣泛的MIMO成像算法包括后向投影(Back Projection, BP)等時域成像算法[17]，ω-κ等頻域成像[18]，Capon波束形成器和壓縮感知等超分辨成像算法[19]，以及衍射層析成像等方法[20]。生物雷達應(yīng)用場景具有以下特殊性：常處于近場工作條件；受探測場景的限制，天線陣列的分布形式要能夠適當(dāng)做出改變。BP算法的實現(xiàn)過程不存在任何近似，適用于生物雷達成像，因此本文采用BP算法實現(xiàn)靜止人體目標(biāo)UWB MIMO成像。

可以通過式(5)形成BP圖像：

BP算法實現(xiàn)的基本過程是以成像區(qū)域內(nèi)的每一個像素點為遍歷單位，根據(jù)每一個像素點對應(yīng)的積累曲線找出其在回波矩陣中的回波，相干累加后即為該像素的能量值。

一般地，循環(huán)的執(zhí)行效率要比矩陣運算低，而且多層循環(huán)嵌套不利于實現(xiàn)并行優(yōu)化。為便于并行優(yōu)化，本文采用了一種基于成像網(wǎng)格投影的BP實現(xiàn)方式。該實現(xiàn)方式是逐條遍歷回波將其對于整個圖像的“投影”都計算出來，將這一系列投影值相干疊加形成高分辨圖像。其具體實現(xiàn)步驟是：

步驟1 將成像區(qū)域劃分為均勻網(wǎng)格，計算成像網(wǎng)格上每一像素點至收發(fā)天線位置的距離，形成距離矩陣；

步驟2 對距離像回波矩陣進行升采樣和輻射校正；

步驟3 逐條遍歷各虛擬通道接收到的距離像回波，通過插值將該距離像投影至成像網(wǎng)格中，得到該距離線對成像區(qū)域的有貢獻投影矩陣；

步驟4 對得到的有貢獻投影矩陣進行加權(quán)，相干累加得到成像結(jié)果。

3.3 基于變化檢測的人體目標(biāo)增強成像

人體目標(biāo)具有一定空間尺寸和形狀，在UWB MIMO圖像中表現(xiàn)為較大的成像范圍及較強的旁瓣，因此鄰近人體目標(biāo)之間存在嚴(yán)重的相互干擾，這也造成了直接從UWB MIMO圖像中分辨多靜止人體目標(biāo)是非常困難的。UWB MIMO圖像序列反映了場景隨時間的變化，積累一定時間內(nèi)的微動信號可起到提高生理體征信號的強度，抑制人體目標(biāo)之間相互干擾的作用。

利用式(7)積累生理體征信號的能量：

其中，I(i, j, l)為第l幀UWB MIMO圖像的像素點(i, j)的幅值，UWB MIMO圖像序列中共包含L幀UWB MIMO圖像。

式(7)能夠有效增強人體的微動生理信號，但也可能顯著增強環(huán)境中反射較弱的微動干擾，從而形成動態(tài)雜波。根據(jù)式(8)計算圖像慢時間序列的均值能夠抑制上述反射較弱的微動干擾，

將I1(i, j)作為掩模與圖像慢時間序列的均值I2(i, j)相乘，得到最終的多人體目標(biāo)圖像，

4 試驗結(jié)果分析

第四軍醫(yī)大學(xué)生物醫(yī)學(xué)工程學(xué)院自1998年開始生物雷達的相關(guān)研究工作，成功研制了系列生物雷達。自2015年起，開始研制UWB MIMO生物雷達系統(tǒng)(如圖2所示)，本文使用的實測數(shù)據(jù)即由該UWB MIMO生物雷達系統(tǒng)獲取。該雷達系統(tǒng)的參數(shù)如表1所示，為了同時滿足穿透能力和人體探測的需要，該雷達的中心頻率約為2200 MHz，帶寬達到約4400 MHz。利用該UWB MIMO雷達系統(tǒng)進行穿墻探測試驗，磚墻厚度約為30 cm，被測人員站在墻后一定距離處。數(shù)據(jù)采集過程中，人體保持正常平穩(wěn)呼吸狀態(tài)，周圍環(huán)境無明顯動目標(biāo)的干擾。

圖2 UWB MIMO生物雷達系統(tǒng)及探測試驗場景Fig. 2 UWB MIMO bio-radar system and experimental scene

表1 UWB MIMO生物雷達系統(tǒng)參數(shù)Tab. 1 Parameters of the UWB MIMO bio-radar

4.1 單靜止人體目標(biāo)成像結(jié)果

實驗場景如圖2所示，在墻后約3 m處站立一靜止人體目標(biāo)，被測人員保持平靜呼吸。通過BP算法得到的一幀UWB MIMO圖像的結(jié)果如圖3(a)所示，圖中可見明顯的方位旁瓣。經(jīng)過式(7)的處理之后，人體的呼吸生理體征信號得到顯著增強，旁瓣等得到了一定抑制，但旁瓣仍存在一定殘余(圖3(b))。經(jīng)過式(8)處理得到的均值圖像中保留了MIMO圖像序列中隨時間緩變的成分(圖3(c))。人體目標(biāo)的成像結(jié)果如圖3(d)所示，旁瓣得到了很好的抑制，人體的生理體征信號得到顯著增強。

信雜比(SCR)定義為：

其中，Pt為目標(biāo)區(qū)域χt像素點的平均功率，Pc目標(biāo)周圍雜波區(qū)域χc像素點的平均功率，Nt和Nc分別為區(qū)域χt和χc中包含的像素點數(shù)目。分辨率定義為目標(biāo)距離向和方位向剖面的3 dB寬度。文中算法性能的定量分析如表2所示。經(jīng)過本文提出算法的處理之后，分辨率和信噪比等指標(biāo)都有較大程度的提高。

4.2 多靜止人體目標(biāo)成像結(jié)果

多靜止人體目標(biāo)探測的實驗場景如圖4所示。3個被測人員均正對雷達天線陣列，站立在墻后一定距離處。其中，2個被測目標(biāo)在墻后3 m的位置，1個被測目標(biāo)在墻后4 m的位置。數(shù)據(jù)采集過程中，3個被測目標(biāo)均保持平穩(wěn)呼吸狀態(tài)。

圖5為多人體目標(biāo)成像結(jié)果。圖5(a)為一幀UWB MIMO數(shù)據(jù)的BP成像結(jié)果，可見除了存在嚴(yán)重的方位向旁瓣之外，多人體目標(biāo)之間存在嚴(yán)重的干擾(圖中方框部分)，導(dǎo)致人體目標(biāo)的信雜比較低。經(jīng)過本文方法的處理后，人體生理體征信號得到明顯增強，可從圖像中明顯分辨出3個人體目標(biāo)，為后續(xù)的高性能檢測與定位提供了基礎(chǔ)。

圖3 單靜止人體目標(biāo)成像Fig. 3 Results of single stationary person

表2 算法性能定量分析Tab. 2 Performance analysis of the UWB MIMO bio-radar

圖4 多靜止人體目標(biāo)試驗場景Fig. 4 Experimental scene of multiple stationary persons

圖5 多靜止人體目標(biāo)成像Fig. 5 Results of multiple stationary persons

5 結(jié)束語

傳統(tǒng)單通道生物雷達只能獲取場景的單視角信息，難以克服多人體目標(biāo)間相互干擾的影響。本文采用UWB MIMO生物雷達實現(xiàn)了多人體目標(biāo)高分辨成像，然后采用UWB MIMO圖像序列的變化檢測增強生理體征信號，有效抑制了多靜止人體目標(biāo)間的相互干擾。在實測數(shù)據(jù)結(jié)果中，相互靠近的多個人體目標(biāo)能夠清晰分辨，證明本文提出的思路和處理方法是可行的，為進一步提高多靜止人體目標(biāo)的探測性能提供了一條可行的思路。

[1]Li J, Liu L, Zeng Z, et al.. Advanced signal processing for vital sign extraction with applications in UWB radar detection of trapped victims in complex environments[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 7(3): 783–791.

[2]Withington P, Fluhler H, and Nag S. Enhancing homeland security with advanced UWB sensors[J]. IEEE Microwave Magazine, 2003: 51–58.

[3]Chen K, Zhang J, Norman A, et al.. An X-band microwave life-detection systems for searching human subjects under earthquake rubble or behind barrier[J]. IEEE Transactions on Biomedical Engineering, 2000, 47(1): 105–114.

[4]Barnes M A, Nag S, and Payment T. Covert situational awareness with handheld ultra-wideband short pulse radar[C]. Proceedings of SPIE, 2001: 66–77.

[5]Nag S and Barnes M. A moving target detection filter for an ultra-wideband radar[C]. Proceedings of the 2003 IEEE Radar Conference, 2003: 147–153.

[6]Xu Y, Dai S, Wu S, et al.. Vital sign detection method based on multiple higher order cumulant for Ultrawideband radar[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(4): 1254–1265.

[7]Zhou Q, Liu J H, Host-Madsen A, et al.. Detection of multiple heartbeats using Doppler radar[C]. 2006 IEEE International Conference on Acoustics, Speech, and Signal Processing, 2006, 2: 1160–1163.

[8]Wang Y, Liu Q, and Fathy A E. CW and pulse-Doppler radar processing based on FPGA for human sensing applications[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(5): 3097–3107.

[9]Liu L B and Liu S X. Remote detection of human vital sign with stepped-frequency continuous wave radar[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(3): 775–782.

[10]Takeuchi T, Saito H, Aoki Y, et al.. Measurement of survivor location by using GPR with two dimensional array antenna[C]. 2008 SICE Annual Conference, Chofu, Tokyo, Japan, 2008: 2082–2087.

[11]Lubecke O B, Lubecke V M, Madsen A H, et al.. Doppler radar sensing of multiple subjects in single and multiple antenna systems[C]. International Conference of Telecommunications in Modern Satellite, Cable and Broadcasting Services, Nis, Serbia, 2005: 7–11.

[12]Lv H, Lu G H, Jing X J, et al.. A new ultra-wideband radar for detecting survivors buried under earthquake rubbles[J]. Microwave and Optical Technology Letters, 2010, 52(11): 2621–2624.

[13]Jin T, Lou J, and Zhou Z M. Extraction of landmine features using a forward-looking ground penetrating radar with MIMO Array[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(10): 4135–4144.

[14]Hunt A R. Use of a frequency-hopping radar for imaging and motion detection through walls[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(5): 1402–1408.

[15]Hunt A R. A wideband imaging radar for through-the-wall surveillance[J]. Proceedings of the SPIE, 2004, 5403: 590–596.

[16]Hu J, Zhu G, Jin T, et al.. Study on timing Jitter in clutter mitigation of Through-Wall human indication[C]. 2013 IEEE International Conference on Ultra-Wideband (ICUWB), Sydney, Australia, 2013: 211–214.

[17]王懷軍, 黃春琳, 陸珉, 等. MIMO雷達反向投影成像算法[J].系統(tǒng)工程與電子技術(shù), 2010, 32(8): 1567–1573. Wang H J, Huang C L, Lu M, et al.. Back projection imaging algorithm for MIMO radar[J]. Systems Engineering and Electronics, 2010, 32(8): 1567–1573.

[18]Cafforio C, Prati C, and Rocca E. SAR data focusing using seismic migration techniques[J]. IEEE Transactions on Aerospace and Electronic Systems, 1991, 27(2): 194–207.

[19]Donoho D L. Compressed sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4): 1289–1306.

[20]Zhang W and Hoorfar A. Three-dimensional real-time through-the-wall radar imaging with diffraction tomographic algorithm[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(7): 4155–4163.

Imaging of Multiple Stationary Humans Using a UWB MIMO Bio-radar

Liang Fulai①Li Haonan②Qi Fugui①An Qiang①Wang Jianqi①

①(School of Biomedical Engineering, Fourth Military Medical University, Xi’an 710032, China)

②(Cadet Brigade, Fourth Military Medical University, Xi’an 710032, China)

Because of the mutual interference between multiple stationary humans, distinguishing individuals via the range profile of a single-channel bioradar is difficult. To solve this problem, we used an Ultra-WideBand Multiple-Input Multiple-Output (UWB MIMO) bioradar to compose high-resolution two-dimensional images. These images allow multiple stationary humans to be separated from space. Then, vital signs are enhanced on the basis of the UWB MIMO image sequence, thereby leading to effective suppression of interference. The experimental results demonstrate that the proposed method can compose high-resolution images of multiple stationary humans. Thus, high-performance detection and localization of multiple stationary humans can be expected.

Bioradar; Ultra-Wide Band (UWB); Multiple-Input Multiple-Output (MIMO); Imaging

TN95

A

2095-283X(2016)05-0470-07

10.12000/JR16096

梁福來, 李浩楠, 祁富貴, 等. UWB MIMO生物雷達多靜止人體目標(biāo)成像方法研究[J]. 雷達學(xué)報, 2016, 5(5): 470–476.

10.12000/JR16096.

Reference format: Liang Fulai, Li Haonan, Qi Fugui, et al.. Imaging of multiple stationary humans using a UWB MIMO bio-radar[J]. Journal of Radars, 2016, 5(5): 470–476. DOI: 10.12000/JR16096.

梁福來(1985–)，男，博士，講師。研究方向為生物雷達信號處理和穿墻成像等。

李浩楠(1996–)，男，本科生。研究方向為非接觸生理信號檢測。

祁富貴(1992–)，男，碩士生。研究方向為基于生物雷達的人體運動模式分類。

2016-09-13；改回日期：2016-11-14；

2016-11-22

*通信作者：王健琪 wangjq@fmmu.edu.cn

國家自然科學(xué)基金(61327805)，國家科技支撐計劃(2014BAK12B02)，陜西省青年科技新星計劃項目(2016KJXX-03)

Foundation Items: National Natural Science Foundation of China (61327805), National Science & Technology Pillar Program (2014BAK12B02), Shanxi Technology Committee (2016KJXX-03)