基于多通道连续波多普勒雷达的物体运动模式识别方法与流程

文档序号:11132250阅读:1319来源:国知局
基于多通道连续波多普勒雷达的物体运动模式识别方法与制造工艺

本发明涉及非接触式对物体运动模式识别的方法,尤其是涉及一种基于多通道连续波多普勒雷达的物体运动模式识别方法。



背景技术:

使用连续波多普勒雷达或雷达传感器技术进行运动检测近年来取得了很大的进展。连续波雷达传感器采用单一频率工作,具有结构简单、成本低、可集成性好、抗干扰能力强等突出优点。此前其所用的基带解调算法一般采用小角近似原理或反正切运算,无法实现低采样率场景下的大动态范围运动的测量。另外,此前的连续波多普勒雷达或雷达传感器多用于测量一维运动,并且很少用于运动模式识别方面的应用。



技术实现要素:

为了解决背景技术中存在的问题,本发明的目的在于提供一种基于多通道连续波多普勒雷达的物体运动模式识别方法。上述方法针对解调得到的基带信号,因此适用于所有采用零中频、副载波调制、低中频、超外差或数字中频架构的雷达或雷达传感器。

本发明采用的技术方案是:

本发明通过一个天线发射电磁波,照射待测运动物体表面,被反射的信号经2-3个接收天线接收并下变频到基带,再应用反正弦算法,即Arcsine算法,分别解调出不受相位模糊度限制的相位信息,得到每个接收天线与待测物体间的距离变化信息,再通过提出的追踪公式得到物体的运动轨迹,在运动轨迹的基础上进行模式识别。

所述Arcsine算法是:

对于每个接收天线的任意正交下变频接收机,其输出的正交I、Q信号经采样后,待测物体不受相位模糊度限制的运动相位信息Φ[n]表示为:

式中n表示对I、Q信号的采样点数,当采样率足够高时,即采样率大于20v/λ,其中v为待测物体的最大运动速度,λ为发射电磁波的波长,上式可以近似等于下式:

Arcsine算法避免了反正切类函数的相位模糊问题,同时在高采样率即采样率大于20v/λ和低采样率即采样率小于20v/λ但大于4v/λ的条件下保持准确。

当待测物体运动在三维空间中时,使用所述的1个发射天线和3个接收天线,使用如下追踪公式对待测物体在三维空间中的运动轨迹进行记录

其中(xT,yT,zT)为发射天线坐标,(x(t),y(t),z(t))为目标物体的实时坐标,(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)分别为3个接收天线的坐标,d1、d2、d3分别是电磁波从发射天线发射经待测物体反射后再到各个接收天线走过的距离。

当待测物体运动在二维平面上时,使用所述的1个发射天线和2个接收天线对待测物体的运动轨迹进行记录;以物体运动平面作为xoy平面,将1个发射天线放置于坐标(0,0,zT),2个接收天线分别放置于坐标(x1,0,zT)、(x2,0,zT),则上面公式简化为:

其另一表达方式为:

本发明具有的有益效果是:

本发明的反正弦(Arcsine)算法避免了反正切类函数的相位模糊问题,同时适用于高采样率和低采样率的工作条件,并在低采样率的条件下保持准确。综合来说,本发明实现了在对待测物体定位和跟踪的基础上进行模式识别。具有识别准确率高,抗干扰能力强,架构简单、成本低的优点,解调出来的运动大多为线性关系,无需复杂数据处理过程,节省硬件资源。

附图说明

图1是本发明Arcsine算法的图解。

图2是1个发射天线和3个接收天线追踪物体运动轨迹的立体图。

图3是实施例Arcsine算法和直接反正切算法以及反正切加相位解模糊算法的对比结果。

图4是实施例使用Arcsine解调待测物体单击和移动两种运动模式下的距离变化信息的实验结果。

图5是实施例在轨迹追踪基础上识别待测物体单击和移动两种运动模式的实验结果。

具体实施方式

下面结合附图和实施例对本发明做进一步的说明。

本发明的工作原理和实施方式:

射频前端通过1个发射天线发射电磁波,照射待测运动物体表面,反射的信号经两个接收天线接收并下变频到基带。对于任意正交下变频接收机,其输出的正交I、Q信号经采样后,待测物体的距离变化信息x(t)可以表示为:

其中DCI(t)和DCQ(t)是直流偏移,AI(t)和AQ(t)是I、Q信号的幅度(正交解调时可认为两者相等),λ、θ0分别表示电磁波的波长、收发机的残余相位噪声(在相关解调中可认为等于0)和收发信号的额外相差。所以x(t)可由下式得到

由于反三角函数具有(-π/2,π/2)的值域限制,得到的x(t)会包含不连续点,极大地影响测量精度和范围。为提高系统的鲁棒性,将接收到的I、Q信号在去掉直流偏移后,在I-Q星座图上表示,如图1所示,记向量和分别表示第k次和第k-1次I、Q信号采样结果。所以两个向量夹角可以写为下式,其中是两个向量所构成平面的法向量。

对ΔΦk累积求和,得:

上式即为无相位模糊度的解调结果,其中n表示对I、Q信号的采样点数。当和足够接近,即采样率足够高时,上式可以近似等于下式:

通过反正弦(Arcsine)算法得到的相位信息再乘以系数得到物体的运动引起的d1、d2的变化量,结合初始时刻d1、d2的值d01、d02,即可得到每个时刻d1、d2的值。测量d01、d02的技术方案为:发射双频副载波到待测物体,接收机分别对两个频率的信号进行解调。以d01为例,双频副载波两个频率的信号经过反正弦(Arcsine)算法解调后各自的相位分别为Φ1、Φ2,并满足以下关系:

当将上面两式的相位之差控制在一个模糊度范围内时,即k1=k2,将上两式相减得到:

对于空间中任意放置的1个发射天线和3个接收天线,如图2所示,使用如下公式(或其扩展、化简或等效的公式)对目标在三维空间中的运动模式进行记录。

其中(xT,yT,zT)为发射天线坐标,(x(t),y(t),z(t))为目标物体的实时坐标,(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)分别为3个接收天线的坐标,d1、d2、d3分别是电磁波从发射天线发射经目标反射后再到各个接收天线走过的距离。

当待测物体运动在二维平面上时,使用1个发射天线和2个接收天线对物体的运动模式进行记录和进行运动模式识别。以物体运动平面作为xoy平面,将1个发射天线和2个接收天线放置在一个平行于xoy平面的直线上,例如发射天线坐标为(0,0,zT),2个接收天线坐标分别为(x1,0,zT)、(x2,0,zT),则上面的公式简化为:

其另一表达方式为:

得到轨迹后将其与已构建的模型进行特征匹配来进行识别。特征匹配方法有直接匹配法、动态时间规整法、隐性马尔科夫模型(HHM)法、神经网络模型法等。本发明实施例选用的是基于概率统计的隐性马尔科夫模型(HHM)法,它尤其适用时间序列的建模,对复杂度高的动作也具有很高的识别精度,易于添加或修改手势库。使用此种方法首先根据运动轨迹进行模式分类,然后开始训练,为每一种模式建立一个HHM模型,识别时取概率最大的一个HHM即可。

图3是反正弦(Arcsine)算法和直接反正切算法以及反正切加相位解模糊算法在有噪声情况下的解调效果对比图,可以看出,Arcsine算法相位连续性最好,其余两种算法均出现了不同程度的相位跳变。

图4是使用Arcsine解调待测物体单击和移动两种运动模式下的距离变化信息的实验结果。

图5是在轨迹追踪基础上识别待测物体单击和移动两种运动模式的实验结果,从图4和图5中可以清楚地分辨待测物体的两种运动模式。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1