史 城 葉盛波 潘 俊 倪志康 鄭之杰 方廣有*

①(中國(guó)科學(xué)院空天信息創(chuàng)新研究院 北京 100094)

②(中國(guó)科學(xué)院電磁輻射與探測(cè)技術(shù)重點(diǎn)實(shí)驗(yàn)室 北京 100094)

③(中國(guó)科學(xué)院大學(xué)電子電氣與通信工程學(xué)院 北京 100049)

1 引言

超寬帶(Ultra-WideBand, UWB)雷達(dá)具有穿透性強(qiáng)、距離分辨率高和抗干擾性強(qiáng)等特點(diǎn)，被廣泛應(yīng)用于探地、穿墻成像和災(zāi)后救援中[1–3]。UWB雷達(dá)可分為不同體制，包括無(wú)載頻脈沖雷達(dá)[4]、偽隨機(jī)編碼雷達(dá)[5]、調(diào)頻連續(xù)波雷達(dá)[6]和頻率步進(jìn)雷達(dá)[7]。無(wú)載頻脈沖雷達(dá)因結(jié)構(gòu)簡(jiǎn)單、成本低、功率損耗低等優(yōu)勢(shì)得到了廣泛發(fā)展。UWB雷達(dá)通過(guò)識(shí)別人體呼吸等微動(dòng)在雷達(dá)回波信號(hào)中產(chǎn)生的多普勒效應(yīng)對(duì)人體目標(biāo)進(jìn)行檢測(cè)和定位。通過(guò)選擇合適的頻段，UWB雷達(dá)可以穿透障礙物，在非可視條件下，對(duì)人體進(jìn)行檢測(cè)。

然而，在實(shí)際的生命探測(cè)過(guò)程中，人體目標(biāo)雷達(dá)散射截面積小、障礙物能量衰減大等因素都容易使得UWB雷達(dá)接收的信號(hào)信噪比(Signal-to-Noise Ratio, SNR)較低。低SNR條件下的呼吸信號(hào)提取是一個(gè)巨大的挑戰(zhàn)。許多研究人員提出了不同的低SNR條件下的呼吸檢測(cè)方法。Li等人[8]設(shè)計(jì)了一款雙頻的UWB脈沖雷達(dá)，利用低頻對(duì)胸腔微弱移動(dòng)的不敏感性來(lái)抑制類呼吸雜波。Xu等人[9]基于高階累積量對(duì)高斯噪聲的不敏感特性，提出了一種利用高階累積量抑制噪聲的呼吸檢測(cè)方法。Nezirovic等人[10]對(duì)呼吸檢測(cè)算法進(jìn)行了完善，通過(guò)引入奇異值分解(Singular Value Decomposition, SVD)，一方面可以減弱高斯白噪聲，另一方面可以抑制動(dòng)態(tài)雜波。上述方法都是基于單節(jié)點(diǎn)雷達(dá)實(shí)施的，在實(shí)際探測(cè)中，存在探測(cè)張角小、探測(cè)距離近等問(wèn)題，探測(cè)性能受限。多輸入多輸出(Multiple-Input Multiple-Output, MIMO)體制的線陣或面陣?yán)走_(dá)可實(shí)現(xiàn)目標(biāo)成像和多維定位，但是其系統(tǒng)復(fù)雜度高，體積大，質(zhì)量重，限制了在廢墟救援領(lǐng)域中的實(shí)際應(yīng)用。分布式雷達(dá)系統(tǒng)利用多臺(tái)雷達(dá)進(jìn)行協(xié)同操作，一方面單臺(tái)雷達(dá)體積小，質(zhì)量輕，提升了在救援過(guò)程中的便攜性；另一方面，可以靈活改變定位基線長(zhǎng)度，實(shí)現(xiàn)目標(biāo)的高精度定位。Kocur等人[11]基于兩臺(tái)一發(fā)兩收的穿墻雷達(dá)實(shí)現(xiàn)了復(fù)雜環(huán)境下的高精度運(yùn)動(dòng)人體跟蹤。Narayanan等人[12]利用分布式穿墻雷達(dá)實(shí)現(xiàn)了多目標(biāo)的穿墻成像，降低了鬼影的產(chǎn)生。Jia等人[13]基于雙站頻率步進(jìn)雷達(dá)，利用相關(guān)系數(shù)矩陣，實(shí)現(xiàn)了多個(gè)靜止人體目標(biāo)的檢測(cè)，但是，在遠(yuǎn)距離探測(cè)時(shí)，由于路徑傳播過(guò)程中能量的衰減，目標(biāo)SNR較低，僅僅依靠相關(guān)系數(shù)矩陣難以檢測(cè)到目標(biāo)。

本文基于分布式穿墻雷達(dá)系統(tǒng)，即采用兩臺(tái)雷達(dá)對(duì)同一探測(cè)區(qū)域進(jìn)行探測(cè)，提出一種低SNR條件下的人體目標(biāo)自動(dòng)檢測(cè)方法。首先，兩臺(tái)雷達(dá)按照提前設(shè)定的時(shí)間片方案，分時(shí)交替工作，從而避免雷達(dá)間的互相干擾。在雷達(dá)回波經(jīng)過(guò)相應(yīng)的預(yù)處理后，對(duì)兩臺(tái)雷達(dá)回波數(shù)據(jù)進(jìn)行慢時(shí)間維度上的互相關(guān)操作，使人體呼吸信號(hào)得到增強(qiáng)，噪聲信號(hào)得到抑制，同時(shí)利用快速傅里葉變換(Fast Fourier Transform, FFT)對(duì)慢時(shí)間維度的呼吸能量進(jìn)行積累，進(jìn)一步提高回波數(shù)據(jù)的SNR。其次，本文對(duì)常用于單臺(tái)雷達(dá)的恒虛警率(Constant False Alarm Rate, CFAR)檢測(cè)進(jìn)行了修改，使其適配于分布式穿墻雷達(dá)，從而實(shí)現(xiàn)人體呼吸信號(hào)的快速、自動(dòng)檢測(cè)。最后，利用三角定位方法實(shí)現(xiàn)被困人員的2維定位。在多個(gè)低SNR環(huán)境下進(jìn)行了實(shí)驗(yàn)，包括空氣中的遠(yuǎn)距離探測(cè)實(shí)驗(yàn)、穿透多層介質(zhì)探測(cè)實(shí)驗(yàn)、模擬廢墟探測(cè)實(shí)驗(yàn)和穿墻多目標(biāo)探測(cè)實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，本文所提方法可以在低SNR條件下實(shí)現(xiàn)人體的檢測(cè)，其探測(cè)性能優(yōu)于單臺(tái)雷達(dá)。

2 時(shí)域呼吸信號(hào)模型

3 分布式穿墻雷達(dá)系統(tǒng)

分布式穿墻雷達(dá)系統(tǒng)由兩臺(tái)雷達(dá)主機(jī)和數(shù)據(jù)融合平臺(tái)組成。雷達(dá)主機(jī)對(duì)區(qū)域進(jìn)行探測(cè)，并將回波數(shù)據(jù)上傳給數(shù)據(jù)融合平臺(tái)。數(shù)據(jù)融合平臺(tái)對(duì)兩臺(tái)雷達(dá)測(cè)得的數(shù)據(jù)進(jìn)行解析，并將探測(cè)結(jié)果輸出。單臺(tái)雷達(dá)主機(jī)結(jié)構(gòu)框圖如圖2所示。發(fā)射機(jī)為基于階躍恢復(fù)二極管的脈沖源，其可產(chǎn)生中心頻率為500 MHz的高斯脈沖信號(hào)。接收機(jī)采用等效采樣技術(shù)，實(shí)現(xiàn)了16 GHz的等效采樣率。來(lái)自接收天線的信號(hào)依次經(jīng)過(guò)低噪聲放大器(Low Noise Amplifier, LNA)和低通濾波器(Low-Pass Filter, LPF)處理后，被16位的模數(shù)轉(zhuǎn)換器(Analog to Digital Converter,ADC)采集記錄。ADC具有最大160 Mbps的采樣率和1.4 GHz的全功率帶寬?？删幊萄訒r(shí)線芯片為ADC的采樣時(shí)鐘提供精確的延時(shí)，其能實(shí)現(xiàn)最大5 ns，增量為5 ps的延時(shí)。現(xiàn)場(chǎng)可編程邏輯門陣列(Field Programmable Gate Array, FPGA)用于控制整臺(tái)雷達(dá)主機(jī)，并且為發(fā)射機(jī)提供觸發(fā)信號(hào)。時(shí)鐘模塊為整個(gè)系統(tǒng)提供同步的時(shí)鐘信號(hào)。一對(duì)領(lǐng)結(jié)天線用于電磁波的發(fā)射和接收。

為了防止兩臺(tái)雷達(dá)同時(shí)工作產(chǎn)生電磁干擾，我們利用時(shí)分復(fù)用(Time Division Multiplexing, TDM)技術(shù)，即任意時(shí)刻只有單臺(tái)雷達(dá)進(jìn)行探測(cè)工作，不同雷達(dá)按照提前劃分的時(shí)間片交替工作。分布式穿墻雷達(dá)系統(tǒng)的時(shí)序圖如圖3所示。首先，每臺(tái)雷達(dá)通過(guò)自組網(wǎng)設(shè)備與數(shù)據(jù)融合平臺(tái)建立無(wú)線鏈路連接；當(dāng)下達(dá)“開(kāi)始探測(cè)”命令后，數(shù)據(jù)融合平臺(tái)下發(fā)同步指令和時(shí)間片分配方案，每臺(tái)雷達(dá)收到同步指令后，進(jìn)行本地時(shí)鐘同步，并按照時(shí)間片依次工作；每個(gè)雷達(dá)節(jié)點(diǎn)完成一次探測(cè)后將回波數(shù)據(jù)實(shí)時(shí)上傳到數(shù)據(jù)融合平臺(tái)，并等待下次探測(cè)；最后，數(shù)據(jù)融合平臺(tái)依據(jù)兩臺(tái)雷達(dá)回波數(shù)據(jù)，提取目標(biāo)位置信息并輸出。分布式穿墻雷達(dá)參數(shù)見(jiàn)表1。

表1 分布式穿墻雷達(dá)參數(shù)

圖3 分布式穿墻雷達(dá)系統(tǒng)時(shí)序圖

4 所提出的人體目標(biāo)檢測(cè)方法

本文提出的復(fù)雜環(huán)境下的人體目標(biāo)檢測(cè)方法流程圖如圖4所示。此方法主要包括4部分：(1)預(yù)處理， (2)目標(biāo)增強(qiáng)， (3)目標(biāo)提取， (4)目標(biāo)定位。首先，在步驟(1)中，對(duì)兩臺(tái)雷達(dá)接收的回波數(shù)據(jù)進(jìn)行預(yù)處理，包括背景移除、濾波、自動(dòng)歸一化等操作；然后，在步驟(2)中，對(duì)不同雷達(dá)接收的回波進(jìn)行慢時(shí)間互相關(guān)操作，使得周期性的呼吸信號(hào)得到增強(qiáng)，非周期的噪聲信號(hào)得到抑制，同時(shí)，利用FFT對(duì)多個(gè)周期的呼吸信號(hào)進(jìn)行能量積累，進(jìn)一步增加信噪比。為了降低運(yùn)算量，我們用頻域相乘代替時(shí)域互相關(guān)；其次，在步驟(3)中，通過(guò)適配于分布式穿墻雷達(dá)的CFAR檢測(cè)和聚類的方法，對(duì)感興趣的呼吸信號(hào)進(jìn)行提取；最后，在步驟(4)中，利用三角定位方法對(duì)人體進(jìn)行2維定位。

圖4 所提出的人體目標(biāo)檢測(cè)方法流程圖

4.1 步驟(1)：預(yù)處理

由圖1(b)可以發(fā)現(xiàn)，人體呼吸信號(hào)通常湮沒(méi)在能量很強(qiáng)的墻體等背景回波中，因此，首先需要將背景信息從接收數(shù)據(jù)中去除。當(dāng)依賴呼吸引起的胸腔位移進(jìn)行人體檢測(cè)時(shí)，人體回波信號(hào)有著近似的時(shí)延，容易被誤認(rèn)為背景信息。為了克服上述缺點(diǎn)，我們采用基于指數(shù)平均的自適應(yīng)背景減法(Adaptive Background Subtraction, ABS)， 其中，權(quán)重因子α用權(quán)重矢量λ來(lái)代替。

圖1 時(shí)域呼吸信號(hào)模型

其中，pn[m]表示當(dāng)前的背景估計(jì)，qn[m]表示接收的雷達(dá)回波。當(dāng)前幀的背景估計(jì)由前一幀的背景估計(jì)和當(dāng)前幀的回波數(shù)據(jù)組成。權(quán)重矢量λ的大小為M×1，由兩種設(shè)定的閾值決定[15]。

為了進(jìn)一步提高SNR，一個(gè)帶通濾波器作用于雷達(dá)回波的距離(等同于快時(shí)間)維度，來(lái)濾除掉過(guò)采樣引入的高頻噪聲。帶通濾波器的帶寬與發(fā)射信號(hào)的帶寬保持一致。

由于目標(biāo)所處位置越遠(yuǎn)，散射回的能量越弱，因此引入自動(dòng)歸一化算法對(duì)遠(yuǎn)距離處的目標(biāo)進(jìn)行增強(qiáng)[16]。其基本思想是在時(shí)間段[t1,te]內(nèi)尋找信號(hào)幅度最大值對(duì)應(yīng)的采樣時(shí)刻tm，并依次改變時(shí)間段，往后順序?qū)ふ易畲笾?。其中，t1表示快時(shí)間的第1個(gè)采樣時(shí)刻，te表示快時(shí)間的最后一個(gè)采樣時(shí)刻。

4.2 步驟(2)：目標(biāo)增強(qiáng)

4.3 步驟(3)：目標(biāo)提取

呼吸信號(hào)檢測(cè)中常用的基于CFAR和聚類的自動(dòng)提取方法[17]并不能直接應(yīng)用于分布式穿墻雷達(dá)系統(tǒng)的3維矩陣?yán)走_(dá)回波，本文對(duì)其進(jìn)行了修改，使其適配于分布式雷達(dá)系統(tǒng)。

首先對(duì)步驟(2)獲得的結(jié)果矩陣Y?AB(mA,mB,nf)進(jìn)行頻率維度的壓縮，得到M×M的2維矩陣R?，其兩個(gè)維度的信息分別表示目標(biāo)與兩臺(tái)雷達(dá)的距離。然后根據(jù)呼吸信號(hào)在距離-距離矩陣R?中的表現(xiàn)特征，通過(guò)計(jì)算R?中各數(shù)據(jù)的局部對(duì)比度，實(shí)現(xiàn)恒定虛警率處理[17]。本文所提出的CFAR能量窗如圖5(a)所示，由3個(gè)窗體組成：內(nèi)窗、警戒窗和外窗。其中內(nèi)窗為對(duì)稱的十字窗體，警戒窗和外窗為方形窗。Il為內(nèi)窗的十字長(zhǎng)度，設(shè)置為Il= 11。Iw為內(nèi)窗的十字寬度，設(shè)置為Iw= 5。警戒窗稍大于內(nèi)窗，外窗設(shè)計(jì)大于警戒窗，一般將警戒窗邊長(zhǎng)Gl設(shè)置為Gl=Il+4，外窗邊長(zhǎng)Ol設(shè)置為Ol=Gl+6。

一個(gè)典型的包含呼吸信號(hào)的距離-距離矩陣R?如圖5(b)所示，CFAR內(nèi)窗完全覆蓋了呼吸信號(hào)特征數(shù)據(jù)，而CFAR外窗包括了局部背景信息。用EI，EG和E分別表示內(nèi)窗、警戒窗和外窗的能量，局部能量比定義為

在距離-距離矩陣R? 上，依次滑動(dòng)CFAR窗，計(jì)算每個(gè)位置的局部能量比值。圖5(b)所示的情況下，局部能量比達(dá)到最大。當(dāng)局部能量比大于檢測(cè)閾值Tr時(shí)，此位置被標(biāo)記為呼吸特征點(diǎn)。矩陣R?被全部掃描后，采用聚類的方法精簡(jiǎn)所有的呼吸特征點(diǎn)，提取呼吸信號(hào)的兩個(gè)距離信息。

圖5 適配于分布式穿墻雷達(dá)的CFAR能量窗

4.4 步驟(4)：目標(biāo)定位

經(jīng)過(guò)步驟(3)處理后，可得到目標(biāo)與雷達(dá)A的距離dA和目標(biāo)與雷達(dá)B的距離dB。由于兩臺(tái)雷達(dá)自身位置已知，通過(guò)三角定位算法，可實(shí)現(xiàn)目標(biāo)的2維定位。假設(shè)雷達(dá)A坐標(biāo)為(xA,yA)，雷達(dá)B坐標(biāo)為(xB,yB)，那么，目標(biāo)的坐標(biāo)(x,y)可通過(guò)求解式(9)方程組得到

5 實(shí)驗(yàn)結(jié)果

為了驗(yàn)證所提方法的有效性，我們利用研制的分布式穿墻雷達(dá)，于中國(guó)科學(xué)院空天信息創(chuàng)新研究院和國(guó)家地震緊急救援訓(xùn)練基地進(jìn)行了一系列低SNR條件下的人體探測(cè)實(shí)驗(yàn)，包括空氣中遠(yuǎn)距離探測(cè)實(shí)驗(yàn)、穿透多層介質(zhì)探測(cè)實(shí)驗(yàn)、穿透廢墟探測(cè)實(shí)驗(yàn)和穿墻多目標(biāo)探測(cè)實(shí)驗(yàn)。

空氣中遠(yuǎn)距離探測(cè)實(shí)驗(yàn)場(chǎng)景如圖6(a)所示，兩臺(tái)雷達(dá)分別置于高度為1 m，間隔為1.5 m的架子上，取兩臺(tái)雷達(dá)中心為坐標(biāo)原點(diǎn)，被測(cè)人員靜止站立于(0 m, 40 m)處平穩(wěn)呼吸。圖6(b)和圖6(c)分別表示每臺(tái)雷達(dá)單獨(dú)利用文獻(xiàn)[17]方法進(jìn)行目標(biāo)檢測(cè)時(shí)的處理結(jié)果，其中紅點(diǎn)表示算法提取的呼吸信息。可以發(fā)現(xiàn)由于人體離雷達(dá)位置較遠(yuǎn)，散射的電磁波能量較弱，無(wú)法在40 m處看到呼吸信號(hào)特征，并且輸出了虛假目標(biāo)。圖6(d)表示本文方法得到的距離-距離矩陣R?。圖6(e)表示經(jīng)過(guò)步驟(3)處理后得到的結(jié)果，呼吸特征點(diǎn)數(shù)值為1，紅點(diǎn)表示算法提取的呼吸信息。圖6(f)表示輸出的目標(biāo)定位結(jié)果，輸出坐標(biāo)為(0.5 m, 39.9 m)?？梢钥吹?，所提方法正確提取了目標(biāo)的位置信息，并輸出了目標(biāo)的2維定位結(jié)果，距離向誤差為10 cm，方位向誤差為50 cm。

圖6 空氣中遠(yuǎn)距離探測(cè)實(shí)驗(yàn)結(jié)果

另外，本文與文獻(xiàn)[13]方法進(jìn)行了對(duì)比。文獻(xiàn)[13]采用相關(guān)系數(shù)矩陣的方法，提取兩臺(tái)雷達(dá)采集數(shù)據(jù)中高度相關(guān)的呼吸信號(hào)。圖7(a)表示其生成的相關(guān)系數(shù)矩陣，圖7(b)表示CFAR提取結(jié)果。由圖7可以看到，當(dāng)目標(biāo)處于遠(yuǎn)距離時(shí)，目標(biāo)散射回的能量較低，僅僅依靠相關(guān)系數(shù)矩陣，數(shù)據(jù)中仍然包含大量的噪聲信號(hào)，無(wú)法正確檢測(cè)到目標(biāo)。我們所提出的方法不僅利用了目標(biāo)的呼吸信號(hào)在不同雷達(dá)數(shù)據(jù)中的高度相關(guān)性，還利用FFT對(duì)多個(gè)周期的呼吸信號(hào)進(jìn)行了能量積累，使得雷達(dá)數(shù)據(jù)的信噪比得到提高。

圖7 文獻(xiàn)[13]的方法處理結(jié)果

穿透多層介質(zhì)探測(cè)實(shí)驗(yàn)場(chǎng)景如圖8(a)所示。墻體總厚度為90 cm，由3種厚度為30 cm的標(biāo)準(zhǔn)介質(zhì)(松木板、預(yù)制板、紅磚)組成。兩臺(tái)雷達(dá)分別置于高度為1 m，間隔為1.5 m的架子上，同樣取兩臺(tái)雷達(dá)中心為坐標(biāo)原點(diǎn)，被測(cè)人員靜止站立于(0 m, 20 m)處平穩(wěn)呼吸。從圖8(b)—(f)表示的處理結(jié)果可以看到，由于多層介質(zhì)對(duì)電磁波能量的衰減，雷達(dá)回波SNR同樣很低，只依靠單臺(tái)雷達(dá)不能準(zhǔn)確識(shí)別出目標(biāo)位置。經(jīng)過(guò)我們所提方法處理后，SNR得到提高，輸出目標(biāo)坐標(biāo)為(–0.3 m, 20.1 m)。

圖8 穿透多層介質(zhì)探測(cè)實(shí)驗(yàn)結(jié)果

穿透廢墟探測(cè)實(shí)驗(yàn)場(chǎng)景如圖9(a)所示，其為一幢模擬震后的倒塌建筑，內(nèi)部存有大量鋼筋、石塊和木材等障礙物。兩臺(tái)雷達(dá)置于廢墟頂層，間隔2 m放置。被測(cè)人員藏于廢墟內(nèi)(–1.1 m, 3.9 m)處平穩(wěn)呼吸。從圖9(b)—(f)表示的處理結(jié)果可以看到，在多種障礙物的衰減和散射作用下，雷達(dá)接收回波的SNR進(jìn)一步降低，單臺(tái)雷達(dá)無(wú)法準(zhǔn)確輸出位置。而我們所提出的方法仍表現(xiàn)出了良好的探測(cè)性能，得到目標(biāo)坐標(biāo)為(–1.6 m, 4.1 m)，誤差在可接受范圍內(nèi)。

圖9 穿透廢墟探測(cè)實(shí)驗(yàn)結(jié)果

穿墻多目標(biāo)探測(cè)實(shí)驗(yàn)場(chǎng)景如圖10(a)所示。墻體為標(biāo)準(zhǔn)“三七”墻。兩臺(tái)雷達(dá)分別置于高度為1 m，間隔為2 m的架子上，同樣取兩臺(tái)雷達(dá)中心為坐標(biāo)原點(diǎn)，3名待測(cè)人員分別靜止站立于(1 m, 5 m)，(–1 m, 7 m)和(0 m, 9 m)處平穩(wěn)呼吸。從圖10(b)—(f)表示的處理結(jié)果可以看到，由于不同目標(biāo)在距離和呼吸幅度等方面存在差異，不同目標(biāo)散射回的信號(hào)能量強(qiáng)度也有所不同，每臺(tái)雷達(dá)單獨(dú)利用文獻(xiàn)[17]方法進(jìn)行處理后，存在虛警、漏警的情況。而本文方法檢測(cè)出了全部的人體目標(biāo)，這是因?yàn)椴煌走_(dá)對(duì)同一呼吸目標(biāo)采集的數(shù)據(jù)具有高度相關(guān)性，使得每個(gè)目標(biāo)信號(hào)的信噪比得到增強(qiáng)。目標(biāo)輸出坐標(biāo)分別為(0.95 m,4.99 m)，(–1.07 m, 7.03 m)和(0.03 m, 9.10 m)，平均定位誤差為0.08 m。

圖10 穿墻多目標(biāo)探測(cè)實(shí)驗(yàn)結(jié)果

上述所有實(shí)驗(yàn)的數(shù)據(jù)均是在計(jì)算機(jī)上利用MATLAB軟件進(jìn)行處理。計(jì)算機(jī)配置AMD Ryzen 5處理器和32 GB內(nèi)存。在探測(cè)距離為20 m的情況下，不同算法的運(yùn)行時(shí)間對(duì)比如表2所示。其中算法A表示直接在慢時(shí)間域進(jìn)行互相關(guān)操作，然后進(jìn)行FFT處理。從表2可以得到，文獻(xiàn)[13]中基于相關(guān)系數(shù)的算法運(yùn)行時(shí)間為1.01 s。由于需要對(duì)所有距離單元遍歷進(jìn)行互相關(guān)處理，算法A的運(yùn)算時(shí)間最長(zhǎng)，為112.19 s。而本文方法先進(jìn)行FFT處理，用頻域相乘代替時(shí)域的互相關(guān)操作，相比于算法A大大減小了運(yùn)算量，運(yùn)算時(shí)間為3.27 s，雖然用時(shí)略高于文獻(xiàn)[13]算法，但是滿足數(shù)據(jù)實(shí)時(shí)處理的要求。

表2 不同算法的運(yùn)行時(shí)間對(duì)比(s)

6 結(jié)束語(yǔ)

本文基于分布式穿墻雷達(dá)，提出了一種適用于復(fù)雜環(huán)境下的人體目標(biāo)檢測(cè)算法。通過(guò)兩臺(tái)雷達(dá)回波數(shù)據(jù)的慢時(shí)間互相關(guān)操作，可使得微弱的呼吸信號(hào)得到增強(qiáng)；基于修改后的CFAR檢測(cè)，可實(shí)現(xiàn)人體目標(biāo)的自動(dòng)提取。一系列低SNR條件下的實(shí)驗(yàn)驗(yàn)證了我們所提方法的有效性，相比于單臺(tái)雷達(dá)，探測(cè)性能得到了提升。下一步將進(jìn)行更多數(shù)量的雷達(dá)融合和墻體參數(shù)估計(jì)方法的研究，以實(shí)現(xiàn)人體目標(biāo)的3維定位和更高的定位精度。