王昭昳，王健琪，張 楊，史 剛，張自啟，于 霄，馬洋洋，許兆坤，白思源，薛慧君*

（1.空軍軍醫(yī)大學(xué)軍事生物醫(yī)學(xué)工程學(xué)系，西安710032；2.聯(lián)勤保障部隊(duì)第942醫(yī)院衛(wèi)勤處，銀川750001）

0 引言

超寬帶(ultra-wideband，UWB)生物雷達(dá)發(fā)射的電磁波能穿透倒塌的建筑廢墟檢測人體呼吸引起的體表微動，從而快速識別和定位壓埋人員[1-3]。UWB生物雷達(dá)技術(shù)不需要任何電極或傳感器接觸生命體，可遠(yuǎn)距離獲取生命信息，與激光、紅外、聲波探測技術(shù)相比，UWB生物雷達(dá)不受溫度、噪聲、廢墟孔徑等影響，因其良好的抗干擾能力和穿透性被廣泛應(yīng)用于地震、塌方等災(zāi)后救援[4-7]?，F(xiàn)代災(zāi)后救援現(xiàn)場，大型工程機(jī)械(如裝載機(jī)、挖掘機(jī)等)進(jìn)行挖掘、破拆等作業(yè)已是常態(tài)，工程機(jī)械作業(yè)會引起強(qiáng)振動，如果該振動被生物雷達(dá)探測到，必將對壓埋人體搜救造成影響。

目前，針對探測環(huán)境中振動干擾的問題，國內(nèi)外學(xué)者已做了相關(guān)研究。Nezirovic等[8]使用UWB生物雷達(dá)探測壓埋人體，利用奇異值分解技術(shù)抑制環(huán)境中的振動干擾，結(jié)果表明若雷達(dá)回波信噪比過低，則該方法去噪效果不理想。Zhang等[9]使用雙天線、雙點(diǎn)頻連續(xù)波雷達(dá)系統(tǒng)采集操作人員呼吸信號作為干擾源，采用自適應(yīng)濾波結(jié)合互相關(guān)算法有效抑制了操作人員的呼吸干擾，結(jié)果指出若被測目標(biāo)和操作人員呼吸頻率差值小于0．04 Hz，則該方法失效。Li等[10]使用連續(xù)波雷達(dá)遠(yuǎn)程探測人體生命信號，采用自相關(guān)和自適應(yīng)譜線增強(qiáng)算法消除人體不規(guī)律振動干擾。Schires等[11]采用生命體征反向測量的相位檢測技術(shù)、基于信號頻率差異的頻率估計(jì)法降低信號干擾，使用生物雷達(dá)探測系統(tǒng)對靜止人體和汽車駕駛員進(jìn)行探測實(shí)驗(yàn)，結(jié)果顯示該方法可有效去除因汽車行駛振動引起的駕駛員身體慣性振動干擾，能準(zhǔn)確探測人體呼吸和心跳信號。Castro等[12]針對駕駛員身體振動干擾，采用加速度傳感器采集汽車座椅振動信號，假設(shè)人體振動與其方向相同，在已知運(yùn)動方向和加速度的情況下，采用基于獨(dú)立成分分析的方法分離人體振動干擾和生理信號。

本課題組前期研究發(fā)現(xiàn)機(jī)械振動幅度遠(yuǎn)大于人體呼吸引起的體表微動幅度，且部分振動信號頻率處于人體呼吸信號頻段內(nèi)[13-14]，無法采用傳統(tǒng)的時(shí)域或頻域?yàn)V波方法抑制機(jī)械振動干擾。根據(jù)文獻(xiàn)[15]，靜止人體的呼吸信號在探測范圍內(nèi)與UWB生物雷達(dá)保持恒定距離，由于被測人體具有一定厚度，呼吸信號也出現(xiàn)在目標(biāo)位置區(qū)域的相鄰單元，當(dāng)雷達(dá)接收人體呼吸信號時(shí)，采用小波熵算法可以識別人體目標(biāo)。本研究中機(jī)械作業(yè)模式具有多樣性和隨機(jī)性，單個(gè)小波基函數(shù)難以抑制多種振動干擾。經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition，EMD)具有很強(qiáng)的頻率分選性能，可根據(jù)振動信號自身的局部時(shí)間特性，將信號分解為由高頻到低頻的多個(gè)固有模態(tài)函數(shù)(intrinsic mode function，IMF)，但鑒于EMD可能造成信號模式混疊的弱點(diǎn)，集合經(jīng)驗(yàn)?zāi)B(tài)分解(ensemble empirical mode decomposition，EEMD)被提出作為EMD的升級算法[16]。因此，本文采用添加白噪聲輔助數(shù)據(jù)分析的EEMD算法對UWB生物雷達(dá)回波數(shù)據(jù)進(jìn)行自適應(yīng)分解，借鑒熵的定義，計(jì)算不同模態(tài)能量復(fù)雜度，根據(jù)作業(yè)機(jī)械和人體目標(biāo)熵值的凹口寬度差異識別人體目標(biāo)。

1 機(jī)械振動干擾下人體目標(biāo)探測識別的研究分析

課題組前期開展了機(jī)械振動干擾下的人體目標(biāo)探測實(shí)驗(yàn)研究。以中心頻率為500 MHz的UWB生物雷達(dá)為探測平臺，柳工856號裝載機(jī)的3種常規(guī)作業(yè)方式包括怠速(發(fā)動機(jī)振動引起的機(jī)身不規(guī)則抖動)、挖掘揮鏟、移動作業(yè)作為振動干擾源，人體目標(biāo)距離雷達(dá)2．5 m，裝載機(jī)距離雷達(dá)6～9 m，雷達(dá)在裝載機(jī)作業(yè)振動干擾下對人體目標(biāo)進(jìn)行探測，采用能量累積算法[17]對雷達(dá)回波數(shù)據(jù)進(jìn)行處理，結(jié)果如圖1所示。圖1(a)中距離雷達(dá)約2．4 m處有明顯的能量譜峰，根據(jù)先驗(yàn)知識，此處為人體目標(biāo)。圖1(b)中距離雷達(dá)約7．3 m處有機(jī)械振動能量譜峰，未識別出人體目標(biāo)。同理，圖1(c)只顯示距離雷達(dá)約7 m處為機(jī)械移動作業(yè)振動的能量譜峰。以上結(jié)果說明，怠速能量較低，對人體探測未造成干擾，而挖掘揮鏟和移動作業(yè)能量較高，該實(shí)驗(yàn)條件下基于能量累積的方法無法識別人體目標(biāo)。

圖1 機(jī)械作業(yè)振動干擾下的人體目標(biāo)探測結(jié)果

2 機(jī)械作業(yè)振動信號的時(shí)、頻分析

UWB生物雷達(dá)在自由空間中采集裝載機(jī)上述3種常規(guī)作業(yè)的振動信號，時(shí)域和頻域信號處理結(jié)果如圖2所示，可見怠速振動信號頻率成分復(fù)雜、能量相對較低，挖掘揮鏟和移動作業(yè)產(chǎn)生的振動信號主頻率處于人體呼吸頻段(0．2～0．7 Hz)內(nèi)，且振幅較強(qiáng)。

圖2 裝載機(jī)常規(guī)作業(yè)振動信號時(shí)、頻分析圖

使用自相關(guān)算法驗(yàn)證3種機(jī)械振動信號的平穩(wěn)性，結(jié)果如圖3所示。從圖3可以看出怠速振動信號相關(guān)性較差，挖掘揮鏟作業(yè)振動信號平穩(wěn)、相關(guān)性較好，移動作業(yè)振動信號相關(guān)性雖低于挖掘揮鏟振動信號，但仍較為規(guī)律。

圖3 機(jī)械作業(yè)振動信號的自相關(guān)結(jié)果

3 UWB生物雷達(dá)探測平臺及算法研究

由于機(jī)械挖掘揮鏟和移動作業(yè)振動信號在時(shí)、頻域方面與人體呼吸信號相似，且可能存在同頻問題，傳統(tǒng)的時(shí)頻處理方法難以抑制機(jī)械振動干擾。由于挖掘揮鏟和移動作業(yè)振動信號具有較強(qiáng)的規(guī)律性，根據(jù)文獻(xiàn)[15]，振動信號熵會低于探測環(huán)境噪聲，且裝載機(jī)尺寸較大，機(jī)械振動信號熵譜圖凹口較寬，因此，本文擬利用機(jī)械挖掘揮鏟和移動作業(yè)振動信號的平穩(wěn)性以及人體目標(biāo)和裝載機(jī)的外形差異，借鑒熵的理論知識，研究機(jī)械挖掘揮鏟和移動作業(yè)振動干擾下的人體目標(biāo)識別方法。

圖4為UWB生物雷達(dá)回波的二維數(shù)據(jù)矩陣。探測距離上每個(gè)距離點(diǎn)信號為慢時(shí)間信號，對不同距離的慢時(shí)間信號進(jìn)行EEMD分解后可獲得每個(gè)慢時(shí)間信號在不同特征尺度下的IMF分量。令雷達(dá)回波某個(gè)距離點(diǎn)對應(yīng)的慢時(shí)間信號為x(t)，則

圖4 UWB生物雷達(dá)回波的二維數(shù)據(jù)矩陣

式中，ci(t)為各IMF分量(i=1，…，k)，為本征模態(tài)函數(shù)；rk(t)為殘余分量。

設(shè)Ei(j)為函數(shù)ci(t)第j(j=1，2，…，L)個(gè)采樣點(diǎn)對應(yīng)的指標(biāo)能量值，該慢時(shí)間信號EEMD后第i個(gè)本征模態(tài)函數(shù)的能量值為

式中，k為不同慢時(shí)間信號分解后IMF的個(gè)數(shù)；L為ci(t)的采樣點(diǎn)。

由公式(2)可計(jì)算得出ci(t)不同尺度下IMF能量分布的指標(biāo)能量概率(其為一個(gè)慢時(shí)間信號的總能量)，從而求出不同距離點(diǎn)信號的EEMD熵：中

4 實(shí)驗(yàn)場景與結(jié)果

4.1 實(shí)驗(yàn)場景

為了驗(yàn)證EEMD熵識別方法的可行性，分別進(jìn)行了2組自由空間和2組穿墻探測實(shí)驗(yàn)，4組實(shí)驗(yàn)中裝載機(jī)作業(yè)狀態(tài)均為挖掘揮鏟和移動作業(yè)，場景如圖5所示。圖5(a)中40歲成年健康男性正對UWB生物雷達(dá)站立，距離雷達(dá)約2.5 m，身體保持靜止，正常呼吸，裝載機(jī)機(jī)身與雷達(dá)最近距離約為5 m；圖5(b)中目標(biāo)A為40歲成年健康男性，目標(biāo)B為27歲成年健康男性，與雷達(dá)距離分別為2和4 m，均正對雷達(dá)靜止站立，正常呼吸。圖5(c)、(d)為穿墻探測實(shí)驗(yàn)，受場地空間限制，作業(yè)機(jī)械在雷達(dá)側(cè)后方8 m，圖5(c)中目標(biāo)為27歲成年健康男性，與雷達(dá)分別位于磚墻兩側(cè)，目標(biāo)距離雷達(dá)約3 m，靜止站立，正常呼吸；圖5(d)中目標(biāo)B為24歲成年健康男性，目標(biāo)A為27歲成年健康男性，兩目標(biāo)與雷達(dá)距離分別約3和5 m，面對雷達(dá)靜止站立，正常呼吸。自由空間中雷達(dá)探測距離為0~9 m，穿墻探測距離為0~12 m。以上4組實(shí)驗(yàn)每組重復(fù)10次。

圖5 不同場景下的探測實(shí)驗(yàn)

4.2 實(shí)驗(yàn)結(jié)果

采用EEMD熵方法處理上述4組實(shí)驗(yàn)數(shù)據(jù)，結(jié)果如圖6所示。圖6(a)中距離雷達(dá)天線2.5 m處的EEMD熵值較低，根據(jù)文獻(xiàn)[15]可知此處為人體目標(biāo)，而5~9 m的EEMD熵值也低于其他區(qū)域，且凹口較寬，可知此處為機(jī)械振動區(qū)域。同理，圖6(b)中2和4 m處為人體目標(biāo)，5~9 m處為作業(yè)機(jī)械活動區(qū)域。圖6(c)中3 m處EEMD熵值較低，此處為人體目標(biāo)。圖6(d)中3和5 m處EEMD熵值較低，分別對應(yīng)2個(gè)人體位置。由于探測當(dāng)天有微風(fēng)，墻體發(fā)生微晃，墻體的周期振動信號在相鄰距離點(diǎn)擴(kuò)散，使得穿墻探測結(jié)果中人體目標(biāo)熵譜圖凹口寬度大于自由空間中人體目標(biāo)的熵譜圖凹口寬度。從后2組實(shí)驗(yàn)結(jié)果分析，因?yàn)樽鳂I(yè)機(jī)械處于雷達(dá)天線側(cè)后方8 m處，位于雷達(dá)主波束探測區(qū)域以外，并未對人體目標(biāo)的探測造成干擾。

圖6 裝載機(jī)振動干擾下人體目標(biāo)的EEMD熵識別結(jié)果

5 結(jié)語

本研究使用中心頻率為500 MHz的UWB生物雷達(dá)采集裝載機(jī)怠速、挖掘揮鏟和移動3種常規(guī)作業(yè)的振動信號，并分析振動信號的時(shí)頻特性，發(fā)現(xiàn)挖掘揮鏟和移動作業(yè)振動信號的時(shí)頻特性與人體呼吸信號相似，且自相關(guān)處理結(jié)果顯示這2種振動信號較為平穩(wěn)，推測機(jī)械振動信號熵低于環(huán)境噪聲。根據(jù)機(jī)械振動信號的平穩(wěn)特性及機(jī)械與人體目標(biāo)的體積差異，提出了基于EEMD熵的人體目標(biāo)識別算法，在自由空間和穿墻條件下進(jìn)行機(jī)械振動干擾下的人體目標(biāo)探測實(shí)驗(yàn)，結(jié)果顯示該方法在一定程度上提升了機(jī)械作業(yè)振動干擾下人體目標(biāo)的識別效率，為復(fù)雜條件下UWB生物雷達(dá)探測人體目標(biāo)提供了有意義的借鑒。此外，在穿墻探測實(shí)驗(yàn)中，由于作業(yè)機(jī)械處于雷達(dá)側(cè)后方8 m，雷達(dá)旁瓣電磁波能量較低，此實(shí)驗(yàn)條件下，作業(yè)機(jī)械振動并未對人體探測造成影響，后期會進(jìn)一步完善實(shí)驗(yàn)方案，深入探討穿墻條件下機(jī)械振動干擾的人體目標(biāo)識別問題。