Research on ultra wideband radar life detection technology
-
摘要: 超宽带(UWB)雷达生命探测技术具有功耗低、穿透性好、保密性高等优点,有利于提高灾后受困人员的生存率。系统总结了UWB雷达生命探测技术的国内外研究进展及现状。根据发射信号形式不同,将UWB雷达生命探测技术分为连续波雷达生命探测技术和脉冲波雷达生命探测技术,分别介绍了2种探测技术的原理与应用优势。基于连续波雷达生命探测技术和脉冲波雷达生命探测技术的各自特点,从探测信号发射、回波信号预处理、生命信号提取与分析3个角度,分析了UWB雷达生命探测关键技术,总结了3种关键技术的研究现状。对UWB雷达生命探测技术的研究进行展望:突破生命探测仪收发机硬件性能,提升发射信号带宽,优化射频功率放大技术,以增大穿墙探测距离;综合利用多种特征提取方法和智能模式分类方法,以及人工智能、大数据、云计算等新一代信息技术,提高目标识别的精确度;研制基于多输入多输出雷达的人体目标辨识与定位装备和高精度分布式组网全极化UWB雷达生命探测仪,提升探测结果维度。Abstract: Ultra wideband (UWB) radar life detection technology has the advantages of low power consumption, good penetration, and high confidentiality. It is beneficial for improving the survival rate of trapped personnel after disasters. This paper systematically summarizes the research progress and current status of UWB radar life detection technology both domestically and internationally. According to the different forms of transmitted signals, UWB radar life detection technology is divided into continuous wave radar life detection technology and pulse wave radar life detection technology. The principles and application advantages of the two detection technologies are introduced respectively. Based on the respective features of continuous wave radar life detection technology and pulse wave radar life detection technology, this paper analyzes the key technologies of UWB radar life detection from three perspectives: detection signal transmission, echo signal preprocessing, and life signal extraction and analysis, and summarizes the research status of the three key technologies. The paper proposes prospects for the research on UWB radar life detection technology. The technology breaks through the hardware performance of life detector transceivers, improves the transmission signal bandwidth, and optimizes RF power amplification technology to increase the detection distance through walls. The technology comprehensively utilizes multiple feature extraction methods and intelligent pattern classification methods, as well as new generation information technologies such as artificial intelligence, big data, and cloud computing, to improve the precision of target recognition. The technology develops a human target recognition and positioning equipment based on multi input multi output radar and a high-precision distributed networked fully polarized UWB radar life detector to enhance the dimension of detection results.
-
0. 引言
地震、塌方、矿难等灾害会导致人员被困伤亡。灾后72 h是受困幸存者的黄金救援时间,但受困幸存者多被岩石、砖块等掩埋较深,且活动空间狭小,导致搜救人员难以准确、及时地对其展开救援,因此,对生命探测技术的研究意义重大[1]。生命探测方法众多,根据红外温度特征、声音探测等原理可设计生命探测装置,但大多存在探测精度低、穿透能力差、抗干扰能力弱等问题,无法达到预期目标。雷达生命探测技术具有穿透力强、定位迅速准确等特点,特别是UWB(Ultra Wide Band,超宽带)雷达生命探测技术具有功耗低、穿透性好、保密性高等优点,为生命探测技术的研究提供了新思路,对灾后快速展开人员搜救、提高生存率具有重大意义。
本文首先对UWB雷达生命探测技术的国内外研究现状进行总结,然后对该技术原理及其关键技术进行分析,最后对UWB雷达生命探测技术的未来发展趋势进行展望。
1. UWB雷达生命探测技术研究现状
1.1 国外研究现状
自1994年美国斯坦福尼亚大学将UWB雷达技术应用于生命探测领域以来,UWB雷达生命探测相关技术逐渐成为研究热点[2]。2000年,美国TDC公司成功研制了RV2000 UWB穿墙雷达[3],可实时探测动目标,为灾后救援提供了新方法。
目前国际上已推入市场使用的部分雷达生命探测设备见表1。可看出目前已有设备的发射信号中心频率基本处于400 MHz,穿墙后的检测距离均为10 m左右,可基本完成生命探测功能,但分辨率、探测精度等与实际需求存在一定差距,穿墙后探测距离仍有待提高。
针对目前雷达生命探测设备存在的不足,研究人员进一步开展研究与改进工作,特别是2010年后,UWB雷达生命探测技术取得了长足进展。
表 1 部分雷达生命探测设备Table 1. Part of radar life detectors型号 产地 性能指标 Lifelocator 3+ 美国 频率范围100~700 MHz,探测角度±60°,可探测6 m内的呼吸活动及10 m内的移动目标 SRI UWB−SAR 美国 中心频率450 MHz,距离分辨率1 m,带宽250 MHz,最大探测距离25 m Xaver−400 以色列 频率范围3~10 GHz,检测张角80°,穿墙范围4,8,20 m,分辨率≤1 m,最大探测距离100 m Po−400 GPR− Detector 俄罗斯 中心频率400 MHz,穿墙后可检测7 m以外的移动人体,最大探测距离20 m GPR−Detector 英国 中心频率400 MHz,探测深度5 m,穿墙后可测20 m内移动目标,最大探测深度5 m LEADERSCAN 法国 中心频率400 MHz,穿墙后最大探测距离10 m,最大探测距离30 m 在整体探测系统研发方面,法国THALES集团成功研制了功耗低、穿墙检测距离达30 m的UWB雷达生命探测仪[4],其可对多个目标进行定位及运动跟踪成像,对掩埋生命体救援十分有利。在信号发射/接收机方面,N. Hafner等[5]设计了一种脉宽可调的UWB单周期脉冲源,其最大带宽达3.8 GHz,发射信号穿透性更强,更符合UWB雷达生命探测要求,可有效提高生命探测仪的检测能力。在系统回波信号提取方面,F. M. Shikhsarmast等[6]提出了一种奇异值分解信号方法,该方法采用FFT(Fast Fourier Transform,快速傅里叶变换)和Hilbert−Huang变换提取生命体征,可在低信噪比情况下准确估计奇异参数,从而有效消除生命信号中的噪声。F. Soldovieri 等[7]提出了基于连续波UWB雷达在46 GHz左右检测生命体征的方法,并设计了2种数据处理方法,可有效提取被测人员的生命体征信号,促进了生命探测系统的发展。
1.2 国内研究现状
2001年,第四军医大学王健琪团队利用低功耗毫米波雷达成功研制了我国第1台生命探测仪[8]。该设备根据多普勒效应分解出较高质量的人体呼吸及心跳信号,在实验室阶段取得了成功。此后,国内众多学者针对生命探测技术的各个环节开展研究和应用。
目前,国内研发了一些UWB生命探测仪,如华诺星空系列的雷达生命探测仪。以DN−IV型生命探测仪(图1)为例,该仪器发射中心频率为400 MHz,与国际上类似产品指标相近,具有二维定位搜索功能,可穿透10 m的干扰墙进行搜救,基本满足各类生命搜救现场的救援辅助工作。但其具有一定的局限性,如分辨率为1 m,而在很多救援环境中被掩人员之间的距离远小于1 m,因此在实际使用中可能发生定位不准的问题。
针对检测设备专业性不强的问题,研究人员设计开发了专业化的UWB雷达生命探测仪,用于特定救援场景,如YSR25矿用防爆型雷达生命探测仪。该仪器模拟现场应用如图2所示。该设备较DN−IV型生命探测仪的探测精度有一定提升,分辨率最大可达0.5 m,但其穿透性有所下降,穿透距离仅为5 m,一般应用于矿井灾后救援。
与国外UWB雷达生命探测仪相比,我国UWB雷达生命探测仪虽能基本满足搜救要求,但仍存在探测深度不足、探测精度较低、续航能力较差的问题。针对上述问题,国内学者进一步开展了改进优化工作。为提高探测距离,王保生[9]对信号传递的信道模型进行分析,结合井下实际情况,建立了UWB井下复合衰减信道模型,提出利用矩阵束算法来获得矿井UWB多径衰落信道模型参数,具有功耗低、探测精度高等优点,但存在传输距离短、短时间无法商用等问题。为降低消防救援中火场人员搜救的危险性,提高救援成功率,陈绍黔等[10]研制了警用UWB雷达生命探测仪,可对建筑废墟、地震现场、火场等灾害现场进行快速有效的人员定位,对提高救援效率有积极作用。为提高雷达发射机信号的穿透力,李秀贵等[11]对脉冲发生器展开研究,改进了雪崩三极管型UWB脉冲发生器,形成皮秒级双极性脉冲,有效提高了频带宽度与发射信号穿透能力。胡巍[12]提出了基于连续小波变换与EMD(Empirical Mode Decomposition,经验模态分解)相结合的生命信号提取算法,并利用该算法搭建了相应的样机,经测试验证了该算法可提高生命信号提取能力。陈瑞鼎等[13]提出了一种基于卡尔曼滤波的移动目标信号分离方法,并对样机的处理器进行改进,测试结果表明,其可有效解决UWB回波信号穿墙后难以有效提取的问题,从而获取被掩生命体的生命特征。周小龙[14]提出了基于PCA(Principal Component Analysis,主成分分析)−DCT(Discrete Cosine Transformation,离散余弦变换)的无载波UWB雷达人体动作识别算法与二维VMD(Varational Mode Decomposition,变分模态分解)回波信号重构算法,有效提高了检测准确性与快速性。
虽然目前UWB雷达生命探测技术发展较快,取得了一定的应用成果,但在生命信号的处理上仍存在特征提取精度不足、探测深度有限、信号处理速度较慢等问题,成为学科研究热点。
2. UWB雷达生命探测原理
呼吸与心跳频率是生命体征最可靠的体现,UWB雷达生命探测技术通过快速提取分析回波信号中的信号特征,可高效辅助生命搜救工作的开展。根据发射信号形式,UWB雷达生命探测技术可分为连续波雷达生命探测和脉冲波雷达生命探测,二者对生命信号的探测原理不同,可根据具体情况选择应用。
2.1 连续波雷达生命探测技术
连续波雷达生命探测技术的发射信号一般为单频、多频或调制连续波信号,采用多普勒雷达,其探测原理为信号的多普勒效应,如图3所示。当采用连续波雷达生命探测技术进行生命搜救时,多普勒雷达信号发生系统向外发射满足要求的连续波。生命体存在生命信号时,胸腔因呼吸与心跳作用前后做周期性运动,连续波雷达信号遇到生命体胸腔后发生反射,信号被调制,使得回波信号中存在人体生命特征信号。回波信号经接收天线回到多普勒雷达信号发生系统。由于环境干扰等问题,回波信号中除生命信号外,也存在部分直流信号与干扰信号,采取I,Q 2路滤波器进行校正,利用频率特征对信号进行滤波,以去除噪声。之后对信号进行放大和AD转换,经处理器处理后进一步提取、分析人体生命信号,获取呼吸与心跳频率,最终将结果显示在人机显示模块。
连续波雷达生命探测技术具有雷达功耗低、射频电路结构简单、集成实现容易等特点,采用不同的发射波类型可满足不同场合的测距、测速等要求。但受限于发射信号形式,其极易受到其他静态与动态信号的干扰,从而降低检测精度,不宜用于高精度检测领域。另外,受制于连续波的形式,该技术的发射信号穿透力较弱,不适用于被掩生命体搜救工作,更适用于干扰较弱的日常或医疗领域非接触生命检测系统中[12]。
2.2 脉冲波雷达生命探测技术
脉冲波雷达的发射波为高频脉冲波,带宽可达GHz级别,使高精度探测微弱信号成为可能,有利于探测心跳、呼吸等生命信号。此外,因其高频特性,脉冲波雷达生命探测技术的穿透能力与抗干扰能力较连续波雷达生命探测技术明显提高,更符合搜救掩埋生命体要求。脉冲波雷达生命探测系统结构与连续波雷达生命探测系统类似,均包括信号发射、接收、处理、显示4个部分。但由于脉冲信号带宽很大,从频域角度对回波信号分析困难较大,所以连续波回波信号处理方法与脉冲波回波信号处理方法不通用。
脉冲波雷达生命探测技术原理如图4所示。雷达发射系统以周期T发射连续脉冲信号(常见为一阶高斯脉冲),当脉冲遇被测物体后产生回波,通过一段时延Δt被接收雷达接收,该时延受信号发射装置与被测物体之间距离的影响而不同。分析可知,任意时刻t下探测仪和被测物体间的距离d(t)基本由基础距离d0、心跳影响距离dh、呼吸影响距离dr组成,即
$$ d(t) \,=\, {d_0} + {d_{\rm{r}}} \,+\, {d_{\rm{h}}} \,=\, {d_0} \,+\, {A_{\rm{r}}}\sin\; (2\text{π} {f_{\rm{r}}}t) \,+\, {A_{\rm{h}}}\sin \;(2\text{π} {f_{\rm{h}}}t) $$ (1) 式中:Ar,Ah分别为人体胸腔因呼吸、心跳引起的幅度变化;fr为人体呼吸频率;fh为人体心跳频率。
由式(1)可知:若被测物体为静止状态,则Ar和Ah均为0,起作用的仅为基础距离d0,因此回波时延Δt为一固定数值;若被测物体为运动状态,则Ar和Ah均不为0,时延根据运动状态周期性变化。
非理想条件下,脉冲波回波信号为
$$ \begin{split} r =& {a_{\rm{v}}}\sum\limits_{i = 0}^{ + \infty } {s(t' - i{T} - {\tau_v })} + \sum\limits_{i = 0}^{ + \infty } {\sum\limits_{j = 1}^N {{a_j}s(t' - i{T} - {\tau_{ j}})} } + \\ & \sum\limits_{i = 0}^{ + \infty } {\sum\limits_{k = 1}^M {{b_k}} } s(t' - i{T} - {\tau _k}) + n \end{split} $$ (2) 式中:av 为微动目标的衰减系数;i为脉冲序号;s(·)为不同运动状态目标的回波信号函数;t' 为微动信号快时间;τv为微动信号慢时间;N 为除人体外动目标总数;aj 为第j个动目标回波的衰减系数;τj为第 j 个动目标回波的慢时间;M 为静目标总数;bk 为第 k 个静目标回波的衰减系数;τk 为第 k 个静目标回波的慢时间;n为高斯噪声。
式(2)中,第1项为人体微动信号的回波,第2项为动目标的回波,第3项为静目标的回波,第4项为高斯噪声。根据式(2)可知,回波信号为一串脉冲信号,所以通过对比连续不断接收到的回波脉冲所探测出的距离之间的相对差值,即可获得包含生命信息的回波信号。之后对信号进行去噪、分离、提取等操作,即可获得实际生命体状态信息。
与连续波雷达生命探测技术相比,脉冲波雷达生命探测技术对硬件要求低,有助于简化生命探测仪结构,实现系统微型化,且算法精准,可有效提高生命信号定位精度,更适合在抢险救灾等复杂环境中应用。
3. UWB雷达生命探测关键技术
3.1 探测信号发射技术
无论连续波雷达生命探测技术还是脉冲波雷达生命探测技术,合理选择载波信号的种类及信号产生技术十分关键。
连续波雷达生命探测信号一般为正弦信号,为准确进行生命体定位,大多选用调频连续波或步进频率的连续波作为发射波,一般均通过多普勒雷达发射模块产生。该模块结构如图5所示。振荡器起振后经定向耦合器、相位调整电路、幅值调整电路对原始信号进行整形与功率放大,生成预期信号波形,并通过发射天线发出进行生命探测。发射的关键技术在于波形整形与频率调整,其直接决定了发射信号的带宽与幅值。目前该技术相对成熟,基本可保证检测水平与效果。
脉冲波雷达生命探测信号为脉冲波,包括矩形脉冲、升余弦脉冲、高斯脉冲等。其中一阶高斯脉冲直流分量极其微弱,且基本保证能量无损,成为当前研究热点。脉冲波发射机可分为窄脉冲发生器、功率放大器、发射天线3个部分。窄脉冲发生器用于生成基本的高斯脉冲原始信号;功率放大器用于放大原始发射信号,使其符合实际的穿透特性与衰减要求;发射天线用于提高信号传播范围。
脉冲产生方式众多。早期有基于隧道二极管与基于俘越二极管等方法,但存在脉冲产生不稳定、需要较大的激励电压等问题,并不适用于现场生命搜救。目前,用于生命搜救场景的脉冲发生电路多采用雪崩三极管或阶跃恢复二极管(Step Recovery Diode,SRD),其具有高速、稳定、价格便宜等优点。
雪崩三极管脉冲发生电路利用雪崩三极管极易进入雪崩击穿区,从而诱发雪崩效应的特点产生信号脉冲。最常见的诱发雪崩效应的方法:① 在基极和发射极之间增加1个正向触发脉冲。② 当三极管处于雪崩区且集电极与发射极电压位于2个临界点之间时,立即增大基极与发射极之间的电压,使其超过临界电压[15]。为了提高脉冲带宽,饶俊峰等[16]采用二极管代替传统多管串联Marx电路的限流电阻,降低了雪崩三极管电路的能量损耗,提高了充电速度与重复效率;何兴坤等[17]提出了一种新型的基于雪崩三极管两级Marx脉冲产生电路,其具有波形完整无失真、电路结构简单且易调节、脉冲可达纳秒级的特点;M. Rongen等[18]对雪崩三极管的驱动电路进行了改进,通过控制偏置触发信号提高了脉冲发生的准确度和灵活性。
与雪崩三极管脉冲发生电路相比,SRD脉冲发生电路更易实现且稳定。SRD产生脉冲的原因是其在进行快速关断时释放能量,使得负载端产生陡前沿脉冲,其等效电路如图6所示。
为进一步提高SRD脉冲发生电路的发射信号带宽与稳定性,张岩松等[19]提出了一种基于MOS管和SRD的脉冲发生源,解决了脉冲源难以兼顾脉冲宽度与幅值的问题,使发射脉冲可达皮秒级;王蕾等[20]设计了基于双SRD的高幅度双极性窄脉冲发生电路,通过仿真获得了短脉冲前沿高幅度的脉冲信号;王亚杰等[21]利用类似SRD的漂移阶跃恢复二极管(Drift Step Recovery Diodes,DSRD)构建了新型脉冲发生器,并给出了电路中各参数的计算方法,实现了纳秒级的脉冲产生。
功率放大器是重要的发射信号处理单元。发射信号高频虽保证了穿透性,但同时也加快了信号衰减,所以对原始脉冲信号进行功率放大至关重要。UWB信号为功率放大带来了新的挑战,以典型的NVA6100芯片为例,其带宽可达9 GHz,现有的射频放大芯片很少能满足其信号放大需求。为解决这一问题,研发了射频毫米波放大法[22]、功率合成放大法[2]、智能算法功率放大法[23]等。上述方法在解决UWB信号功率放大问题方面各有优势,但大多处于理论研究阶段,实际应用不够充分。
目前用于UWB雷达生命探测的天线种类有对数周期天线、螺旋天线、渐变槽天线、蝶形天线、非共面扇形天线、双锥天线、锥形槽天线、陷波可重构天线、单极子天线等。针对生命探测仪发射信号带宽为固定区间的特点,单极子天线结构因其效果好、结构简单、成本较低,近年来受到了国内外学者的青睐。张彦婷等[24]针对0.54~10 GHz频段研制出一种新型UWB单极子天线并进行实验验证,结果表明该天线可较好地用于生命救援、探地、损伤检测等领域。郑艳[25]研制了一款基于CPW(Cost Per Wear,共面波导)馈电的UWB平面单极子天线,有效扩大了传统单极子天线的测量范围,更适用于生命搜救场景。P. P. Shome等[26]基于传统单极子天线引入可调的陷波功能,通过在开环槽间引入3个变容二极管实现电子控制,将其工作频带稳定在1.98~10.54 GHz,提高了天线应用的灵活性。
3.2 回波信号预处理技术
UWB雷达生命探测技术中的回波信号接收与预处理直接决定了后续能否提取出被测生命体的生命体征信息。受环境等外在因素的干扰,回波信号中除含有用信号外,还混杂了噪声,若直接对回波信号进行分解,计算量大且不易找到最优解,因此需对接收的回波信号进行预处理。
因发射信号不同,连续波雷达生命探测与脉冲波雷达生命探测的回波不同,回波信号预处理方法也不同。连续波雷达生命探测回波信号预处理技术较成熟。针对由10 Hz以内微弱呼吸与心跳信号组成的生命探测信号[27],一般采用I,Q 2路信号校正,之后采用低通滤波器对校正信号进行初步滤波,完成信号预处理,如图3所示。
脉冲波雷达生命探测的发射波为脉冲波,回波预处理的目的是最大可能地降低环境杂波、静止物体、非人体生命体的信号干扰。脉冲波回波具有频带宽、频率高的特点,采用传统的低通滤波器处理效果不佳,大多采用VMD或VMD与其他智能算法结合的预处理方法。VMD通过将原始信号分解成多个模态函数,根据各模态函数的能量分布进行信号重构,从而抽离出有用信号,达到一定的滤波效果,凸显回波中生命信号的峰值特征。该算法简单快速,对非平稳、非线性信号有很好的处理效果,符合脉冲波雷达生命探测回波信号预处理要求。
VMD中分解参数与模态数的确定一直是研究重点。在参数优化方面,唐贵基等[28]采用粒子群优化算法对VMD最佳影响参数进行优化,设定了惩罚参数与分量个数,更有利于对给定信号的处理;刘长良等[29]采用改进奇异值分解算法提取VMD中各模态特征,并通过FCM(Fuzzy C-Means,模糊C均值)算法形成标准聚类中心,采用计算分类系数和平均模糊熵对分类性能进行评价,对雷达回波信号的处理具有一定的借鉴意义;A. Kumar等[30]突破性地提出了基于适应度函数的VMD参数优化方法,可快速利用遗传算法得到VMD最优参数;黄沁元等[31]提出了一种基于天牛须搜索的VMD参数优化方法,有效解决了VMD参数范围广及参数统一预设产生的问题。在模态数确定方面,Wang Ran等[32]提出了一种改进VMD方法,其可根据瞬态曲线自适应确定模态函数的频率平均值,进而确定模态数;康守强等[33]、马增强等[34]分别采用奇异值分解构建多特征集的方法和通过峭度准则选取其中峭度最大分量进行Teager能量算子解调方法解决VMD固定模态数的问题,均取得了较好效果。另外,研究人员将VMD与深层双向长短记忆神经网络[35]、蝗虫优化算法[36]、自适应算法[37]等进行融合,有效提高了信号分解性能。
VMD在理论上能较好地完成雷达探测回波信号预处理,但目前专门结合VMD对雷达探测回波处理的应用较为鲜见,仍有很大的研究空间。
3.3 生命信号提取与分析技术
UWB雷达生命探测的最终目的是获取被测生命体的生命体征信息。对于连续波雷达生命探测技术,回波经预处理后一般采用傅里叶变换即可获得所需信号。但对于脉冲波雷达生命探测技术,若直接对预处理后的回波信号进行分解很难获取生命信号,因此可将预处理后的回波信号由慢时间轴转换到快时间轴上进行分析,从而将获得的时间信号转变为距离信号,大大降低信号处理难度,提高信号提取的快速性与准确性。
针对脉冲波雷达生命探测的生命信号提取技术,Li Jing等[38]受连续波雷达探测信号处理方法的启发,提出了基于FFT和S变换的生命信号检测与识别方法,实现了生命体精准定位;戴舜等[39]提出了基于PCA−EMD的生命信号检测方法,根据生命信号与环境杂波的特征,较好地重构了平滑的生命特征曲线,并在高信噪比下将心跳与呼吸信号分离,有利于在实际救援中判断被测对象状态;Li Jing等[40]提出了基于HHT(Hilbert-Huang Transform,希尔伯特−黄变换)变换与2−D FFT的生命信号提取算法,并利用Curvelet变化消除环境干扰,实现了生命信号有效提取。
近年来,研究人员对基于EMD及其改进算法的生命信号分离与提取技术给予较大关注。王亮[41]针对心跳与呼吸信号频率相近、难以区分的问题,采用EEMD(Ensemble EMD,集合经验模态分解)重构回波信号,并进行自相关运算,得到了呼吸与心跳频谱,为提取生命信号提供了依据。唐良勇等[42]在EMD基础上为信号加窗,提出了WA−EMD(Window Average EMD,窗平均经验模态分解)算法,其较传统EMD算法具有更好的抗模态混叠和噪声性能。崔丽辉[43]在EEMD基础上引入BP神经网络,改善了重构信号的信噪比。在实际井下塌方救援中,利用EMD对回波信号进行处理可较好地重构目标生命体的呼吸与心跳波形[44],具有较高应用价值。
此外,研究人员尝试利用参数估计算法[45]等智能算法提取脉冲波雷达探测回波中的生命信号特征,目前在实验室阶段取得了较好效果。
4. 展望
目前,UWB雷达生命探测技术在塌方、矿井爆炸、火灾等灾害救援领域得到广泛研究[46-47],但大多处于实验室研究阶段,实际应用效果有待验证和提高。因此,对UWB雷达生命探测技术进行以下展望。
1) 生命探测仪收发机硬件性能继续突破,发射信号带宽进一步提升,射频功率放大技术继续优化,从而使发射信号的穿透力更强,提高穿墙探测距离。随着硬件技术进一步发展,生命探测仪逐步微型化,续航能力大幅提高,满足长时间搜救要求。
2) 目前UWB雷达生命探测的目标识别仍存在困难,如:回波中除噪声外,还存在大量电磁干扰和背景杂波,导致有效信息难以提取;现有分类识别算法的识别精度不理想。对此,需综合利用多种特征提取方法和智能模式分类方法,更好地实现信号识别。借助人工智能、大数据、云计算等新一代信息技术,提高生命微动信号的提取精确度和生命体征特征的区分度,为建立人体生命体征数据库提供技术支撑。
3) 探测结果维度进一步提高。研制基于 MIMO(Multiple-Input Multiple-Output,多输入多输出)雷达的人体目标辨识与定位装备,实现一维测距到三维定位的跨越,提高生命探测仪的抗干扰能力和在复杂环境下的适用性和实用性;研制高精度分布式组网全极化UWB雷达生命探测仪,实现同一区域多台雷达协同探测,提高探测精度和准确率。
-
表 1 部分雷达生命探测设备
Table 1 Part of radar life detectors
型号 产地 性能指标 Lifelocator 3+ 美国 频率范围100~700 MHz,探测角度±60°,可探测6 m内的呼吸活动及10 m内的移动目标 SRI UWB−SAR 美国 中心频率450 MHz,距离分辨率1 m,带宽250 MHz,最大探测距离25 m Xaver−400 以色列 频率范围3~10 GHz,检测张角80°,穿墙范围4,8,20 m,分辨率≤1 m,最大探测距离100 m Po−400 GPR− Detector 俄罗斯 中心频率400 MHz,穿墙后可检测7 m以外的移动人体,最大探测距离20 m GPR−Detector 英国 中心频率400 MHz,探测深度5 m,穿墙后可测20 m内移动目标,最大探测深度5 m LEADERSCAN 法国 中心频率400 MHz,穿墙后最大探测距离10 m,最大探测距离30 m -
[1] 李斌,傅唯威,王勇. 基于周期抽样的超宽带生命探测雷达信号处理方法[J]. 仪器仪表学报,2010,31(9):1979-1985. LI Bin,FU Weiwei,WANG Yong. Signal processing for ultra-wideband life detection radar based on periodic sampling[J]. Chinese Journal of Scientific Instrument,2010,31(9):1979-1985.
[2] 费元春. 超宽带雷达与理论技术[M]. 北京:国防工业出版社,2010. FEI Yuanchun. Ultra wideband radar and theoretical technology[M]. Beijing:National Defense Industry Press,2010.
[3] 何昊. 雷达目标模拟器快速测频模块设计[D]. 成都:电子科技大学,2020. HE Hao. Design of fast frequency measurement module in radar target simulator[D]. Chengdu:University of Electronic Science and Technology of China,2020.
[4] SEKI T,SAITO K,TAKAHASHI M,et al. Proposition of UWB antenna wearing arm for WBAN[J]. ITE Technical Report,2009,33(10):1-4.
[5] HAFNER N,MOSTAFANEZHAD I,LUBECKE V M,et al. Non-contact cardiopulmonary sensing with a baby monitor[C]. The 29th Annual International Conference of the IEEE Engineering in Medicine and Biology Society,Lyon,2007:2300-2302.
[6] SHIKHSARMAST F M,LYU Tinging,LIANG Xiaolin,et al. Random-noise denoising and clutter elimination of human respiration movements based on an improved time window selection algorithm using wavelet transform[J]. Sensors,2018. DOI: 10.3390/s19010095.
[7] SOLDOVIERI F,CATAPANO I,CROCCO L,et al. A feasibility study for life signs monitoring via a continuous-wave radar[J]. International Journal of Antennas & Propagation,2014,12(6):1072-1075.
[8] 王健琪,董秀珍,王海滨,等. 基于毫米波的呼吸、心率非接触检测实验[J]. 第四军医大学学报,2001(2):180-182. WANG Jianqi,DONG Xiuzhen,WANG Haibin,et al. Experimental study on non-contact detection of breathing and heartbeat based on millimeter wave[J]. Journal of the Fourth Military Medical University,2001(2):180-182.
[9] 王保生. 超宽带信号穿透塌方体衰减特性及生命特征检测方法研究[D]. 哈尔滨:黑龙江科技大学,2017. WANG Baosheng. Research on attenuation characteristics and vital feature detection method of ultra wide band signal penetrating landslides [D]. Harbin:Heilongjiang University of Science and Technology,2017.
[10] 陈绍黔,王湘新,韩明华. 警用超宽带雷达式生命探测仪的研制[J]. 警察技术,2013(2):74-77. CHEN Shaoqian,WANG Xiangxin,HAN Minghua. Development of a police ultra wideband radar type life detector[J]. Police Technology,2013(2):74-77.
[11] 李秀贵,倪原. 一种UWB雷达脉冲信号发生器的设计[J]. 电子科技,2011,24(11):6-8. LI Xiugui,NI Yuan. Design of an ultra wide band radar pulse generator[J]. Electronic Science and Technology,2011,24(11):6-8.
[12] 胡巍. 基于多普勒雷达的非接触式生命体征检测技术研究[D]. 合肥:中国科学技术大学,2014. HU Wei. Research on non-contact vital signs detection technology based on doppler radar [D]. Hefei:University of Science and Technology of China,2014.
[13] 陈瑞鼎,鹿琪,单子涵,等. 基于卡尔曼滤波的超宽带穿墙雷达移动目标探测[J]. 地球物理学进展,2017,32(4):1758-1763. CHEN Ruiding,LU Qi,SHAN Zihan,et al. Moving target detection with the UWB through-wall radar based on Kalman filter[J]. Progress in Geophysics,2017,32(4):1758-1763.
[14] 周小龙. 无载波超宽带雷达人体动作识别理论方法研究[D]. 桂林:桂林电子科技大学,2019. ZHOU Xiaolong. Research on the theoretical method of human motion recognition with carrier-free UWB radar[D]. Guilin:Guilin University of Electronic Science and Technology,2019.
[15] VITEBSKIY S,CARIN L,RESSLER M A,et al. Ultra-wideband,short-pulse ground-penetrating radar:simulation and measurement[J]. IEEE Transaction on Geosci & Remote Sensing,1997,35(3):762-772.
[16] 饶俊峰,章薇,李孜,等. 雪崩三极管串联的纳秒脉冲发生器[J]. 强激光与粒子束,2018,30(9):77-83. RAO Junfeng,ZHANG Wei,LI Zi,et al. Nanosecond pulse generator with avalanche transistors in series[J]. High Power Laser and Particle Beams,2018,30(9):77-83.
[17] 何兴坤,钱鹏程. 基于雪崩三极管的脉冲发生器设计[J]. 电子测量技术,2019,42(21):65-69. HE Xingkun,QIAN Pengcheng. Pulse generator design based on avalanche transistor[J]. Electronic Measurement Technology,2019,42(21):65-69.
[18] RONGEN M,SCHAUFEL M. Design and evaluation of a versatile picosecond light pulser[J]. Journal of Instrumentation,2018,13(6). DOI: 10.1088/1748-0221/13/06/P06002.
[19] 张岩松,张亚东,梁步阁,等. 基于场效应管与阶跃恢复二极管的皮秒级脉冲源设计[J]. 强激光与粒子束,2017,29(4):81-85. ZHANG Yansong,ZHANG Yadong,LIANG Buge,et al. Design of picosecond pulse source based on MOSFET and step recovery diode[J]. High Power Laser and Particle Beams,2017,29(4):81-85.
[20] 王蕾,冯谞浩,孟庆鹤. 采用双阶跃恢复二极管的高幅度双极性窄脉冲探地雷达脉冲源的设计[J]. 电子技术与软件工程,2016(22):124-125,162. WANG Lei,FENG Xuhao,MENG Qinghe. Design of high amplitude bi-polar narrow pulse ground penetrating radar pulse source using double step recovery diode[J]. Electronic Technology & Software Engineering,2016(22):124-125,162.
[21] 王亚杰,何鹏军,荆晓鹏,等. 基于漂移阶跃恢复二极管开关的脉冲源仿真计算[J]. 强激光与粒子束,2018,30(9):92-97. WANG Yajie,HE Pengjun,JING Xiaopeng,et al. Simulation and calculation of pulsed power source based on drift step recovery diode switching[J]. High Power Laser and Particle Beams,2018,30(9):92-97.
[22] 周铀. 射频毫米波集成电路中功率放大技术研究[D]. 成都:电子科技大学,2018. ZHOU You. Research on power amplifying technology of RF/milimeter wave integrated circuits[D]. Chengdu:University of Electronic Science and Technology of China,2018.
[23] 孔德钰. 基于人工神经网络的低功耗射频收发系统研究[D]. 成都:电子科技大学,2019. KONG Deyu. Low power radio frequency transceiver system research based on artificial neural network[D]. Chengdu:University of Electronic Science and Technology of China,2019.
[24] 张彦婷,林文斌,唐晋生. 用于探地雷达的超宽带单极子天线设计[J]. 电子测量技术,2019,42(15):65-68. ZHANG Yanting,LIN Wenbin,TANG Jinsheng. Ultra-wideband monopole antenna design for ground penetrating radar[J]. Electronic Measurement Technology,2019,42(15):65-68.
[25] 郑艳. 基于CPW馈电的超宽带平面单极子天线研究[D]. 成都:西南交通大学,2019. ZHENG Yan. Research on ultra wideband planar monopole antenna based on CPW feeding[D]. Chengdu:Southwest Jiaotong University,2019.
[26] SHOME P P, KHAN T, LASKAR R H. CSRR-loaded UWB monopole antenna with electronically tunable triple band-notch characteristics for cognitive radio applications[J]. Microwave and Optical Technology Letters, 2020, 62(9). DOI: 10.1002/mop.32394. SHOME P P,KHAN T,LASKAR R H. CSRR-loaded UWB monopole antenna with electronically tunable triple band-notch characteristics for cognitive radio applications[J]. Microwave and Optical Technology Letters,2020,62(9). DOI: 10.1002/mop.32394.
[27] 高冬冬,徐玉. 基于24 GHz多普勒雷达的非接触呼吸监测系统设计[J]. 自动化应用,2019(2):53-56. GAO Dongdong,XU Yu. Design of non-contact respiratory monitoring system based on 24 GHz doppler radar[J]. Automation Application,2019(2):53-56.
[28] 唐贵基,王晓龙. 参数优化变分模态分解方法在滚动轴承早期故障诊断中的应用[J]. 西安交通大学学报,2015,49(5):73-81. TANG Guiji,WANG Xiaolong. Parameter optimized variational mode decomposition method with application to incipient fault diagnosis of rolling bearing[J]. Journal of Xi'an Jiaotong University,2015,49(5):73-81.
[29] 刘长良,武英杰,甄成刚. 基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J]. 中国电机工程学报,2015,35(13):3358-3365. LIU Changliang,WU Yingjie,ZHEN Chenggang. Rolling bearing fault diagnosis based on variational mode decomposition and fuzzy C means clustering[J]. Proceedings of the CSEE,2015,35(13):3358-3365.
[30] KUMAR A,ZHOU Yuqing,XIANG Jiawei. Optimization of VMD using kernel-based mutual information for the extraction of weak features to detect bearing defects[J]. Measurement,2021,168. DOI: 10.1016/j.measurement.2020.108402.
[31] 黄沁元,谢罗峰,殷国富,等. 基于变分模态分解和天牛须搜索的磁瓦内部缺陷声振检测[J]. 振动与冲击,2020,39(17):124-133. HUANG Qinyuan,XIE Luofeng,YIN Guofu,et al. Acoustic-vibration detection for internal defects of magnetic tile based on VMD and BAS[J]. Journal of Vibration and Shock,2020,39(17):124-133.
[32] WANG Ran,XU Lei,LIU Fengkai. Bearing fault diagnosis based on improved VMD and DCNN[J]. Journal of Vibroengineering,2020,22(5):1055-1068. DOI: 10.21595/jve.2020.21187
[33] 康守强,胡明武,王玉静,等. 基于特征迁移学习的变工况下滚动轴承故障诊断方法[J]. 中国电机工程学报,2019,39(3):764-772,955. KANG Shouqiang,HU Mingwu,WANG Yujing,et al. Fault diagnosis method of a rolling bearing under variable working conditions based on feature transfer learning[J]. Proceedings of the CSEE,2019,39(3):764-772,955.
[34] 马增强,李亚超,刘政,等. 基于变分模态分解和Teager能量算子的滚动轴承故障特征提取[J]. 振动与冲击,2016,35(13):134-139. MA Zengqiang,LI Yachao,LIU Zheng,et al. Rolling bearings' fault feature extraction based on variational mode decomposition and Teager energy operator[J]. Journal of Vibration and Shock,2016,35(13):134-139.
[35] 乔美英,闫书豪,兰建义,等. 基于VMD−TEO窗和DBiLSTM的早期轴承故障诊断[J]. 中山大学学报(自然科学版),2020,59(5):66-77. QIAO Meiying,YAN Shuhao,LAN Jianyi,et al. Early bearing fault diagnosis based on VMD-TEO window function and DBiLSTM[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni,2020,59(5):66-77.
[36] 吴小涛,江敏,孙洪军,等. 蝗虫优化相关向量机模型在径流预测中的应用[J]. 水电能源科学,2020,38(9):24-27,35. WU Xiaotao,JIANG Min,SUN Hongjun,et al. Application of relevant vector machine based grasshopper optimization algorithm in runoff prediction[J]. Water Resources and Power,2020,38(9):24-27,35.
[37] LIU Chongdang,ZHANG Linxuan,NIU Jiahe,et al. Intelligent prognostics of machining tools based on adaptive variational mode decomposition and deep learning method with attention mechanism[J]. Neurocomputing,2020,417:239-254. DOI: 10.1016/j.neucom.2020.06.116
[38] LI Jing , ZENG Zhaofa, SUN Jiguang, et al. Through-wall detection of human being's movement by UWB radar[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(6): 1-5. LI Jing ,ZENG Zhaofa,SUN Jiguang,et al. Through-wall detection of human being's movement by UWB radar[J]. IEEE Geoscience and Remote Sensing Letters,2012,9(6):1-5.
[39] 戴舜,朱方,徐艳云,等. 基于PCA与EMD的超宽带雷达生命信号检测算法[J]. 电子学报,2012,40(2):344-349. DAI Shun,ZHU Fang,XU Yanyun,et al. Vital signal detection method based on principal component analysis and empirical mode decomposition for ultra wideband radar[J]. Acta Electronica Sinica,2012,40(2):344-349.
[40] LI Jing, LIU Lanbo, ZENG Zhaofa, 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, 2014, 7: 783-791. LI Jing,LIU Lanbo,ZENG Zhaofa,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,2014,7:783-791.
[41] 王亮. 基于超宽带雷达生命探测算法研究[D]. 杭州:浙江大学,2017. WANG Liang. Research of life detection for UWB radar[D]. Hangzhou:Zhejiang University,2017.
[42] 唐良勇,赵恒,张亚菊. 基于WA−EMD算法的脉冲式超宽带雷达多目标生命体征检测[J]. 南京理工大学学报,2017,41(2):198-206. TANG Liangyong,ZHAO Heng,ZHANG Yaju. Multiple-subject vital sign detection for impulse-radio ultra-wideband radar based on WA-EMD[J]. Journal of Nanjing University of Science and Technology,2017,41(2):198-206.
[43] 崔丽辉. 基于超宽带雷达的生命体征信息检测研究[D]. 济南:山东建筑大学,2017. CUI Lihui. Research on the detection of vital sign based on UWB radar[D]. Jinan:Shandong Jianzhu University,2017.
[44] 郭继坤,王保生,郝维来,等. 基于超宽带信号的矿井塌方体下生命特征的检测方法[J]. 黑龙江科技大学学报,2017,27(1):73-76,96. GUO Jikun,WANG Baosheng,HAO Weilai,et al. Research on detection method of life under mine based on ultra-wideband signal[J]. Journal of Heilongjiang University of Science and Technology,2017,27(1):73-76,96.
[45] 陈德肯. 基于雷达信号的非接触体征检测技术研究[D]. 北京:北京邮电大学,2019. CHEN Deken. Research on non-contact vital signs detection technology using radar signals[D]. Beijing:Beijing University of Posts and Telecommunications,2019.
[46] 郑学召,杨卓瑞,郭军,等. 灾后救援生命探测仪的现状和发展趋势[J]. 工矿自动化,2023,49(6):104-111. ZHENG Xuezhao,YANG Zhuorui,GUO Jun,et al. The current status and development trend of post-disaster rescue life detectors[J]. Journal of Mine Automation,2023,49(6):104-111.
[47] 文虎,周博,郑学召,等. UWB雷达在矿山钻孔救援中的应用研究[J]. 工矿自动化,2023,49(6):88-94. WEN Hu,ZHOU Bo,ZHENG Xuezhao,et al. Research on the application of UWB radar in mine drilling rescue[J]. Journal of Mine Automation,2023,49(6):88-94.
-
期刊类型引用(4)
1. 郑学召,丁文,黄渊,蔡国斌,马扬,刘盛铠,周博. 不同领域下超宽带雷达探测呼吸心跳信号研究综述. 雷达学报(中英文). 2025(01): 204-228 . 百度学术
2. 李宁. 雷达生命探测技术在消防救援中的应用分析. 湖北应急管理. 2024(01): 56-58 . 百度学术
3. 张新朝. 具有多频极点特征的高频雷达目标识别算法研究. 舰船科学技术. 2024(10): 178-181 . 百度学术
4. 陈曦,文虎,黄渊. 面向矿山钻孔救援的超宽带雷达生命探测仪研制及性能测试. 煤矿安全. 2024(11): 234-240 . 百度学术
其他类型引用(2)