专利名称：一种基于改进广义s变换的人体目标运动状态识别方法
技术领域：
本发明涉及一种雷达生命探测技术的人体目标运动状态识别方法，利用改进的广义S变换从人体运动目标雷达回波中提取微多普勒特征，实现对目标不同运动状态的识别。
背景技术：
生命探测和识别技术是近代迅速发展的一项新技术，其技术类型根据传感器的不同可以分为光学探测、声学探测、红外探测和雷达探测四种。光学生命探测技术利用光反射进行生命探测，通过废墟堆积层中的空隙或专用钻机钻孔，深入被困人员附近，确定生命体位置和生存状态。但是光学技术在低照度条件下成像质量低，限制了其应用。声学生命探测技术通过检测和分析生命体的移动、敲击和呼叫等信号，确定生命体的位置。但在嘈杂的环境中，目标发出的声音信号微弱，很难确定探测信号的有效性和有效信号源的位置。红外·探测技术利用人体的红外辐射特性与周围环境的红外辐射特性不同的原理，以成像的方式把生命体目标与周围环境分开，可对黑暗、浓烟环境进行搜索，且其具有夜视功能，不过因为其缺乏穿透障碍物的能力而受到一定的限制。雷达生命探测技术根据生命体活动对雷达回波产生微多普勒调制的原理，利用合适的信号处理技术提取生命体微动参数，实现对生命体的探测和识别。雷达生命探测技术具有穿透力强、作用距离精确、抗干扰能力强、探测灵敏度高等优点，且不易受到温度、湿度、光照、现场地形等因素的影响，因此，利用雷达微多普勒进行生命探测具有广泛的应用前景和巨大的发展潜力。目标或目标的组成部分除质心平动以外的振动、转动和加速运动等微小运动称为微动，微动将会对雷达回波信号产生频率调制，生成关于目标主体的多普勒旁瓣，这种现象称为微多普勒效应。人体各部分肢体的运动不同，产生的微多普勒调制也不同。人体目标雷达回波中的微多普勒特征包含了目标的运动和结构等信息，有效提取微多普勒特征可以反演目标的相关参数，可用于目标的探测、分类和识别。目前对于人体微多普勒特征的提取，大多采用短时傅里叶变换(STFT)和Wigner-Villy分布(WVD)方法。STFT使用一个固定的窗函数，窗函数一旦确定了以后，其形状就不再发生改变，STFT的分辨率也就确定了。如果要改变分辨率，则需要重新选择窗函数。STFT用来分析分段平稳信号或者近似平稳信号犹可，但是对于非平稳信号，当信号变化剧烈时，要求窗函数有较高的时间分辨率；而波形变化比较平缓的时刻，主要是低频信号，则要求窗函数有较高的频率分辨率。STFT不能兼顾频率与时间分辨率的需求。WVD有着非常高的分辨率，但是由于人体各部分的不同运动会对雷达信号产生不同的频率调制，因此其雷达回波存在多个分量，WVD在分析多分量信号时有交叉项干扰的问题。S变换是由Stockwell等人，于1996年提出的一种特殊的加窗傅里叶变换，是对短时傅里叶变换(STFT)和小波变换的扩展
发明内容
为了解决人体目标雷达回波微多普勒提取中，短时傅里叶变换分辨率低，WVD存在交叉项干扰的问题，本发明提出一种以改进广义S变换方法提取微多普勒为基础的人体目标运动状态识别方法。本发明的技术方案是对广义S变换进行改进，在不牺牲高频处分辨率的条件下提升了低频处的分辨能力，并保留更多的信号能量，使之更适用于人体微多普勒提取，利用改进的广义S变换从回波信号中提取目标微多普勒特征，实现对人体目标运动状态的识另U。其具体步骤如下步骤一基于经验数学参数和欧拉旋转矩阵建立人体目标行走的空间模型；步骤二 针对连续波雷达信号建立人体行走目标的雷达回波模型；步骤三对广义S变换进行改进，并利用改进的广义S变换对回波进行时频分析，提取回波信号微多普勒特征；
步骤四由时频谱图判断人体目标运动状态(慢速行走，正常行走，快速行走)。本发明目标状态识别的优点①利用雷达进行人体运动目标探测具有穿透力强、作用距离精确、抗干扰能力强、探测灵敏度高等优点，且不易受到温度、湿度、光照、现场地形等因素的影响。②利用改进的广义S变换进行人体运动目标微多普勒提取具有良好的时频分辨率，并且对噪声有较强的抑制能力。③对广义S变换进行的改进，可以在不牺牲高频处分辨率的条件下提升低频处的分辨能力，并保留更多的信号能量，使之更适用于人体微多普勒提取。
图I是基于改进广义S变换的人体目标运动状态识别的流程图。图2是人体行走时的时空特性示意图。图3是人体、关节与参考坐标系的关系示意图。图3A是在参考坐标系与肩关节坐标系、射关节坐标系的关系不意图。图3B是在参考坐标系与散关节坐标系、膝关节坐标系的关系不意图。图4A是快速行走(相对速度为3)时回波微多普勒时频谱图。图4B是正常行走(相对速度为I. 2)时回波微多普勒时频谱图。图4C是慢速行走(相对速度为O. 4)时回波微多普勒时频谱图。
具体实施例方式下面将结合附图对本发明做进一步的详细说明。参见图I所示，本发明的一种基于改进广义S变换的人体目标运动状态识别方法，该人体目标运动状态识别方法包括有下列处理步骤步骤一基于经验数学参数和欧拉旋转矩阵建立人体目标行走的空间模型；步骤二 针对连续波雷达信号建立人体行走目标的雷达回波模型；步骤三对广义S变换进行改进，并利用改进的广义S变换对回波进行时频分析，提取回波信号微多普勒特征；步骤四由时频谱图判断人体目标运动状态(慢速行走，正常行走，快速行走)。
为了实现本发明的一种基于改进广义S变换的人体目标运动状态识别，下面对各个部分进行详细说明( I)建立人体行走数学模型参见图2所示，行走周期记为DJ即A )，单脚支撑期记为Dss (即Dss =O. 248Dc+0. 143)，双脚支撑期记为 Dds (即 Dds = O. 252DC_0. 143)，则支撑期为 Ds = Dss+2Dds。假设人体行走的速度为V (单位为米/秒)，则相对行走速度为匕=1，其中，H是
髋关节S4到踝关节S6的垂直长度，长度单位为米。在本发明中，将相对行走速度Vk > I. 3定义为快速行走状态；将相对行走速度O. 5 < Vk < I. 3定义为正常行走状态；将相对行走速度Vk < O. 5定义为慢速行走状态。根据Bolic和Thalmann等人提出的经验数学参数(参考文献The micro-DopplerEffect in Radar. Victor C. Chen. Library of Congress Cataloging-in—Publication
Data. 2011)，人体行走的步幅及 行走周期化=，单脚支撑期Dss =
0. 248Dc+0. 143，双脚支撑期Dds = 0. 252Dc-0. 143，行走周期内相对时间G ~~ t为行走时间。参见图3所示，本发明依据人体的构造并以各个关节进行人体模型的表征，则包括有肩关节S1、射关节S2、腕关节s3、fi关节S4、膝关节S5和踩关节s6。肩膀编号记为1，肩膀的宽度记为Lsh ;大臂编号记为2，大臂的长度记为Lua ;小臂编号记为3，小臂的长度记为Lla ;髋骨编号记为4,髋骨的宽度记为Lhip ;躯干编号记为5,躯干的长度记为Lio ;大腿编号记为6,大腿的长度记为Luij ;小腿编号记为7,小腿的长度记为L1115参见图3、图3A、图3B所示，建立人体参考坐标系，以水平面为XOY面，以脊椎底端O为原点，X轴为人体行进方向，Z轴垂直于地面，Y轴垂直于X轴和Z轴，构建右手直角坐标系O-XYZ。以肩关节S1为原点，建立肩关节S1在参考坐标系O-XYZ中的肩关节坐标系
51-X1Y1Zp以肘关节S2为原点，建立肘关节S2在参考坐标系O-XYZ中的肘关节坐标系
52-X2Y2Z2。以髋关节S4为原点，建立髋关节S4在参考坐标系O-XYZ中的髋关节坐标系
54-X4Y4Z4。以膝关节S5为原点，建立膝关节S5在参考坐标系O-XYZ中的膝关节坐标系
55-X5Y5Z5。肩关节坐标系S1-X1Y1Z1到参考坐标系O-XYZ的章动角记为Θ sh (简称为第一章动角 9sh)。肘关节坐标系S2-X2Y2Z2到肩关节坐标系S1-X1Y1Z1的章动角记为Θ el (简称为第二章动角θ ε1)。髋关节坐标系S4-X4Y4Z4到参考坐标系O-XYZ的章动角记为Θ hip(简称为第三章动角 0hip)。膝关节坐标系S5-X5Y5Z5到髋关节坐标系S4-X4Y4Z4的章动角记为Θ kn(简称为第四章动角Qkn)。在本发明中，肩关节坐标系S1-X1Y1Z1是以肩关节S1为原点，X1轴为大臂2绕肩关节S1摆动的切线方向，Z1轴为沿大臂向上方向，Y1轴方向与参考坐标系相同。在本发明中，肘关节坐标系S2-X2Y2Z2是以肘关节S2为原点，X2轴为小臂3绕肘关节S2摆动的切线方向，Z2轴沿小臂向上方向，Y2轴方向与参考坐标系相同。在本发明中，髋关节坐标系S4-X4Y4Z4是以髋关节S4为原点，X4轴为大腿6绕髋关节S4摆动的切线方向，Z4轴沿大腿向上方向，Y4轴方向与参考坐标系相同。在本发明中，膝关节坐标系S5-X5Y5Z5是以膝关节S5为原点，X5轴为小腿7绕膝关节S5摆动的切线方向，Z5轴沿小腿向上方向，Y5轴方向与参考坐标系相同。在基于经验数学参数和欧拉旋转矩阵建立人体目标行走的空间模型的处理步骤中，人体行走关系表不为(A)人体上肢运动为绕肩关节S1和肘关节S2的前后摆动，是指大臂2与躯干5满足章动角第一变化曲线0sh(tR) = 3-9. 88VeXcos(2 π tE)关系，Θ sh(tE)表示行走周期内相对时间&下的第一章动角0sh的变化曲线，Vk表示相对行走速度。依据章动角第一变化曲线Θ sh(tE) = 3-9. 88VeXcos(2 tE)可得肩关节坐标系S1-X1Y1Z1到人体参考坐标系O-XYZ的欧拉旋转矩阵为
权利要求
1.一种基于改进广义S变换的人体目标运动状态识别方法，其特征在于包括有下列步骤 步骤一基于经验数学参数和欧拉旋转矩阵建立人体目标行走的空间模型； 步骤二 针对连续波雷达信号建立人体行走目标的雷达回波模型； 在建立人体目标雷达回波模型过程中，设雷达发射单频连续波为S(t)=exp (j X 2 π Xf0Xt), j 表示 s (t) = exp (j X 2 π Xf0Xt)为复数形式，s (t)为雷达发射信号，f0为载波频率，t为行走时间；则雷达回波信号在经过与发射载频的本振信号混频后的 雷达回波关系为
2.根据权利要求I所述的基于改进广义S变换的人体目标运动状态识别方法，其特征在于相对行走速度Vk > I. 3定义为快速行走状态；将相对行走速度O. 5 < Vk < I. 3定义为正常行走状态；将相对行走速度Vk < O. 5定义为慢速行走状态。
3.根据权利要求I所述的基于改进广义S变换的人体目标运动状态识别方法，其特征在于基于经验数学参数和欧拉旋转矩阵建立人体目标行走的空间模型的处理步骤中，人体行走数学模型中采用了依据人体的构造并以各个关节进行人体模型的表征，则包括有肩关节S1、肘关节S2、腕关节S3、髋关节S4、膝关节S5和踝关节S6。
4.根据权利要求I所述的基于改进广义S变换的人体目标运动状态识别方法，其特征在于基于经验数学参数和欧拉旋转矩阵建立人体目标行走的空间模型的处理步骤中，人体参考坐标系的建立，以水平面为XOY面，以脊椎底端O为原点，X轴为人体行进方向，Z轴垂直于地面，Y轴垂直于X轴和Z轴，构建右手直角坐标系O-XYZ ； 以肩关节S1为原点，建立肩关节S1在参考坐标系O-XYZ中的肩关节坐标系S1-X1Y1Zp 以肘关节S2为原点，建立肘关节S2在参考坐标系O-XYZ中的肘关节坐标系s2-x2Y2z2。
以髋关节S4为原点，建立髋关节S4在参考坐标系O-XYZ中的髋关节坐标系S4-X4Y4Z4。
以膝关节S5为原点，建立膝关节S5在参考坐标系O-XYZ中的膝关节坐标系s5-x5Y5z5。
5.根据权利要求I所述的基于改进广义S变换的人体目标运动状态识别方法，其特征在于在基于经验数学参数和欧拉旋转矩阵建立人体目标行走的空间模型的处理步骤中，人体行走关系表不为 (A)人体上肢运动为绕肩关节S1和肘关节S2的前后摆动，是指大臂2与躯干5满足章动角第一变化曲线Θ sh(tE) = 3-9. 88VeXcos (2 tK)关系，Θ sh(tE)表示行走周期内相对时间&下的第一章动角0sh的变化曲线，Vk表示相对行走速度。依据章动角第一变化曲线Qsh (tE) = 3-9. 88Ve X cos (2 π tE)可得肩关节欧拉旋转矩阵
全文摘要
本发明公开一种基于改进广义S变换的人体目标运动状态识别方法，属于雷达生命探测和识别技术领域。本发明首先基于经验数学参数和欧拉旋转矩阵建立人体目标行走的空间模型，然后建立包含微多普勒调制的雷达回波模型，通过采用改进的广义S变换从回波信号中提取目标微多普勒特征，从而实现对人体目标运动状态的识别。识别出慢速行走、正常行走和快速行走的三种具体目标状态。
文档编号G01S13/52GK102928835SQ20121038084
公开日2013年2月13日 申请日期2012年10月9日 优先权日2012年10月9日
发明者张耀天, 常亮, 刘佳佳, 杨凡 申请人:北京航空航天大学