雷达微多普勒特征

1雷达微多普勒特征目录1引言（1）11课题背景和意义（1）12国内外的研究状况和发展趋势（2）2雷达中的微多普勒效应（3）21雷达的简单介绍（3）22雷达工作的基本原理（3）23雷达中的微多普勒效应（4）3人体步态雷达回波模型（5）31引言（5）32人体的行走（6）33人体行走的轨迹仿真和建模（6）331行走轨迹（6）332行走模型（17）4微动特征提取（20）41人体运动的轨迹模式（20）242行人的雷达后向散射（22）43行人的雷达后向散射（24）431杂波抑制（24）432抑制杂波后的数据时频分析（26）44人体运动引起的雷达微多普勒特征（26）5结束语（27）致谢（28）参考文献（29）31引言11课题背景和意义技术时代的更新，雷达渐渐步入成熟，它通过电磁波承载所需的信息，因此没有任何时间限制，也不受气候等客观因素的影响，在警戒，引导，武器控制，侦查，航行保障，气象观察，敌我识别等方面得到了广泛应用。对人体的步态识别更是当下诸多学者持续研究的经典课题。人类的行走步态是一个包含了身体各部分不同运动组成的复杂运动。行进中的人体同时存在心跳、呼吸以及四肢摆动、躯干摆动等运动形式，但由于心跳及呼吸引起的胸腔微动产生的多普勒信号这个主要用于医学上的非接触测试较四肢摆动而言可以忽略不记，所以在进行实际人体行进特征分析时，可以把躯干部分视为刚体运动，人体在行进或者跑步过程中四肢的摆动即可视为微动。由于人体行进时人的手和腿的摆动会给雷达回波带来多普勒调制信息，利用现代数字信号处理技术对采集到的回波信号进行时频变换，结合人体结构模型和多普勒回波时频图，估计和提取人体微动特征参数，以到达人体微动识别的目的1。而雷达具有在任何天气条件下完成远距离侦测和识别人体的优势。目前雷达步态识别越来越受到国内外学者的关注,研究也日趋深入。它是运动学与雷达信号处理的交叉结合,技术涉及运动建模、时频分析、变采样滤波、雷达成像理论和技术等。当目标或目标上的某些部分存在相对于目标主运动方向的机械振动或旋转,则回波信号的频率将被调制,体现在频谱图上则是频移旁瓣的出现。这种现象就称为微多普勒效应。微多普勒是从频率上描述了目标微动的雷达特征,反映的是多普勒频移的瞬时特性,表征了目标微动的瞬时径向速度2。4这是一种非接触的生物特征识别技术，可以远距离进行，是其他任何生物特性无法比拟的，不容伪装，因此在警察侦破一些特殊案件时会起到至关重要的作用，在一个犯罪过程中，可能由于各种客观原因无法识别其脸型，但走路的样子是无法规避的，通过将犯罪分子的步态进行搜索与比对，确认其本人，甚至犯罪前通过步态的提取与识别，再结合心理可以提前发现一些不良势头，在军事，反恐与安全系统等许多领域有着广泛的应用前景和重要的研究意义。12国内外的研究状况和发展趋势国外方面基于雷达微多普勒特征的人体微动研究开始于上世纪90年代末，之后发展迅速34。英国泰利斯传感器有限公司THALESSENSORSLIMITED和泰利斯研究有限公司THALESRESEARCHLIMITED的研究人员利用基于微多普勒特征的单兵便携式监测跟踪雷达MANPORTABLESURCEINANCEANDTRACKINGRADARMSATR，对行人，轮式车和履带车的进行分类。荷兰海牙TNO物理与电子实验室研制了一种手持式穿墙雷达，应用于城市作战和反恐特种作战。美国佐治亚技术研究所研制出了一种因外形类似手电筒而得名“手电筒式雷达“，可探测到人体由于心跳或呼吸导致的人胸部的微小运动测量精度可达毫米量级，并具有自动识别人体功能。该系统可探测到位于水泥墙、木墙、钢门以及树丛等障碍后面的人员，有效探测距离3050米，穿透23米实体砖墙后探测距离仍有10米，该装置目前只能固定使用，研究人员希望在以后的研究中对其进行完善和便携式设计5。国内方面随着技术的不断更新，关于微动目标特征的识别与提取的研究也是在逐步的深入，西安电子科技大学，国防科学科技大学，电子科技大学等重点科研单位的研究人员尝试各种途径，将此应用更加完善并合5理的运用到各项技术领域中，在一定程度上已经取得了相当的突破。发展趋势步态特征是一个复杂的研究课题，大范围涉及到医学、计算机视觉、图像处理等多个领域的知识，小范围与雷达工作原理、微多普勒效应等有着密不可分的联系，而随着时代慢慢融入了数字化，步态特征的识别技术愈加凸显其价值，因此，对它的研究，包括复杂背景干扰、识别算法6等的要求也是更为严苛，如何进行适当的处理变得尤为重要，其中微动产生的微多普勒效应作为目标的独有特性将变得关键。2雷达中的微多普勒效应21雷达简单介绍雷达，是英文RADAR的音译，源于RADIODETECTIONANDRANGING的缩写，意思为“无线电探测和测距”，即用无线电的方法发现目标并测定它们的空间位置。因此，雷达也被称为“无线电定位”。毕业设计论文代做平台580毕业设计网是专业代做团队也有大量毕业设计成品提供参考WWWBYSJ580COMQQ3139476774QQ3449649974雷达所起的作用与眼睛和耳朵相类似，不过它是人类智慧的杰作，它的信息载体是无线电波，因此其基本的形式是由发射机，发射天线，接收机，接收天线，处理部分及显示器，电源等几个主要部分构成。雷达发射电磁波对目标进行照射并接收其回波，由此获得目标至电磁波发射点的距离，距离变化率（径向速度），方位，高度的信息。事实上，不论是可见光或是无线电波，在本质上是同一种东西，那就是电磁波，传播的速度都是光速C，而雷达的差别在于它们各自占据的频率和波长不同。622雷达工作的基本原理简单概括的分析，雷达工作的基本原理是这样的雷达设备中的发射机通过天线将电磁波能量发射到空间某一方向，而在这个方向上的物体会反射碰到的电磁波；雷达天线再接收这个反射波，然后传送接收设备进行处理，提取该物体的相关信息（目标物体与雷达之间的距离、角度、径向速度、方位、高度等）。测量距离指的是测量发射脉冲与回波脉冲之间的时间差，因电磁波以光速传播，根据这个就能计算出与目标的精确距离。方位测量是利用天线中尖锐方位波束测量。测量仰角通过窄的仰角波束测量。根据仰角与距离就能算出目标的高度。测量速度是雷达根据自身和目标之间存在相对运动而产生的频率，即多普勒效应原理。雷达接收到目标的回波频率与雷达发射的频率有所差异，这两者的差值被称为多普勒频率。将此多普勒频率进行分析，可以提取一个主要信息，就是雷达自身与目标之间的距离变化率（即径向速度）。当目标与干扰杂波并存于雷达的同一空间分辨单元内时，雷达会利用它们之间多普勒频率的差异，从干扰杂波中检测分辨和跟踪目标。23雷达中的微多普勒效应雷达发射电磁信号到物体并接收物体的回波信号。基于接收信号的延迟时间，雷达可以测量目标的距离。如果物体是移动的，接收信号的频率将偏离发射信号的频率，称为多普勒效应。多普勒频移取决于移动物体的径向速度，即在视线方向上的速度分量。基于接收信号的多普勒频移，雷达可以测量动目标的径向速度。如果除了主体移动外，物体或物体的任何结构部件还有摆动，则这种摆动将在回波信号上引起附加的频率调制，并在主体移动而产生发射信号的多普勒偏移频率附近产生了边频。这种附加7的多普勒调制称为微多普勒效应7。在许多情况下，一个物体或者此物体的任何结构部件可能具有振荡运动，称为微运动。微动的源可以是鸟扑动的翅膀，摆动的手臂和腿的行人，旋转的天线，直升机旋转的旋翼叶片，或者其他的原因。人的关节运动时由人体部件的一系列运动来完成的。由于高度的关节联结和灵活性，因而它是一种复杂的微运动。3人体步态雷达回波模型31引言人类肢体的运动是一种关节连接的运动。人体四肢的运动可以被描述成一种重复的周期性运动。人体的步态是大脑、肌肉、神经、关节和骨骼高度协调的周期性运动。行走是人体活动中一种典型的关节性运动，可以被分解为步态循环中的周期性运动。人体的行走循环包括两个阶段站姿阶段和摆动阶段。在站姿阶段中，双脚的一个脚跟落地和另一个脚趾离地。在摆动阶段，脚加速或减速地抬离地面。分析人体步态的方法可以是视觉分析、传感器测量及运用某种运动学系统测量人体的各个部位，位移、速度、加速度以及关节的角度。不同的人体运动，如行走、跑步和跳跃等，有这不同的人体运动模式。相对与视觉图像序列，雷达微多普勒特征对距离、光线条件和背景复杂性并没有要求，因此，可用与估计步态的周期性，以及站姿阶段和摆动阶段各自的周期性。动态方法和运动学方法均可用于产生人体运动。具体如何选择，可以根据各条件因素进行合理考虑，适当应用。其中运动学参数对于人体运动是相当关键的。这些参数有线性位置（位移）、线性速度、线性加速度、8角度、角速度、角加速度。速度是位置相对于时间的变化率，而加速度是速度相对于时间的变化率。这三个动态参数可用于理解任何运动的特性。加速度可以用于加速度计直接测量。相应的速度可以通过对加速度的积分得到，而相应的位置可以通过对速度的积分得到。角度动态参数包括人体各部位的角度，称为部位角。由于人体可以认为是大量由关节连接的部位都成，关节角是非常有用的参数。角速度是角度相对于时间的变化率，而角加速度是角速度相对于时间的变化率。这三个参数可用于描述人体的各部位的角运动。32人体的行走人的行走时通过每只脚从一个支撑点到另一个支撑点的周期性运动，同时还伴随着有周期性的胳膊和腿的摆动及人体重心周期性的上下移动。虽然人体的行走有着共同的通用模式，但对个体的步态而言仍具有各自的特点。这也就是人们可以在一定距离外就根据行走方式认出自己的朋友的原因8。因此，人体的步态分析在基于行走方式识别个体方面也是可用的。而且，在实际中也可以通过步态观察出人的情绪特点。比如，一个情绪高兴的人的步态和情绪沮丧的人的步态会有很大的区别。因此，抓住任何情绪化的步态信息可以帮助发现某人的反常行为。人体行走的一个明显的本质特点就是周期性。图1描述了人体行走的一个运动循环8。其中，站姿阶段占据这整个循环的大概60，其他是摆动阶段。在站姿阶段中，一只脚是和地面接触的。在摆动阶段中，脚的离地与摆动是为下一步做准备。行走就是这样的循环运动重复着。9图1人行走的一个循环站姿阶段包括三个周期（1）第一次双支撑,即双脚着地；（2）单肢站立，即只有一只脚掌接触地面而另一只脚摆动；（3）第二次双支撑，即双脚再次着地。在站姿阶段分为五个事件脚后跟着地、脚平放、中部站立、脚后跟离地和脚趾离地。其中脚后跟着地是整个步态循环的开始，而脚趾离地是站姿阶段的结束，因为脚的离地。在摆动阶段没有双支撑周期，只有单肢摆动。在摆动阶段含有三个相关事件脚前向加速，脚掌直接通过身体下方时的中部摆动，以及腿的减速使脚掌稳定并且为下一次的脚后跟着地做准备。33人体行走的轨迹仿真和建模331行走轨迹其上的行走模型本身是基于大量的实验研究数据的平均参数得到的平均人体行走模型，并不是通过求解运动方程得出，也没有考虑到一些个性化的运动特征，但该模型列出了以时间函数的形式提供的人体行走的各个部件的三维空间位置和方向。如表1列出的，人体行走大致可以通过1210种轨迹，包括3种平移和14种旋转来描述，其中5种旋转需要人体左右两侧共同进行。而这些平移与旋转就描述了整个行走运动的一个循环（从一只脚的后跟着地到另一只脚的后跟着地）。它们均依赖于行走速度。表1人体的轨迹轨迹平移人体旋转左旋转右旋转垂直平移TTV侧面平移L前/后平移TFB前/后旋转TFB左右旋转LR反扭旋转臀部挠曲TH50HT膝盖挠曲KK踝关节挠曲TAAT胸部运动TTH肩部挠曲肘部挠曲TTFBET50ET给定相对的行走速度为，一个行走循环的相对长度经验化的表/RVMS示为。那么一个循环所耗时，相对时1346CR/CRTVS间按归一化为。支撑的耗时是，双支撑/CTTS0752143S的耗时为。身体固定的局部坐标系是以脊柱的原点025143DS为中心的，其中脊柱的原点位于人体高度H（M为单位）的大约58的位置。那么，平移的轨迹是毕业设计论文代做平台580毕业设计网是专业代做团队也有大量毕业设计成品提供参考WWWBYSJ580COMTTOSS11QQ3139476774QQ34496499741垂直平移脊柱的中心炎脊柱高度方向的垂直平移。此平移可以用公式表示为SIN2035VERTICALRTT（1）式中，。垂直单位以（M）为单位，如图2。015RAV图2脊柱中心的垂直偏移2侧面平移脊柱中心的侧面摆动。该平移可用公式表示1SIN201LATERRTT（2）式中21081053RRVA（3）12该侧面平移函数如图3。图3脊柱中心的侧面摆动3前/后向平移腿在迈出新的步伐并稳定时身体的加速和减速。该平移用公式表示为（4）/SIN2FBRFBTRAT式中（5）2108405RRVA且。该平移函数如图4。/625FBST13图4前向和后向平移函数旋转的3个轨迹1前/后向旋转在每次腿向前运动之前人体的后背相对于骨盆的挠曲运动。该旋转运动以度（）为单位，用公式表示（6）/SIN201FBFBRROART式中（7）2/850RRFBVVAR该旋转函数如图5。14图5前向和后向旋转函数2左/右旋转使骨盆落向摆动的腿一侧的挠曲运动。该旋转运动以分段函数的形式表示/COS210/30155/76CS6/LRRRLRLRRRARTTOTTR（8）式中，。旋转函数如图6。/16BAV15图6左/右旋转函数3反扭旋转为了走步，骨盆相对于脊柱的旋转。该旋转运动以度（）为单位，公式表示为（9）COS2TORTRRRAT式中。该旋转函数如图7所示。4TORAV图7反扭旋转函数16上体和下体的6个挠曲和反扭的运动轨迹1臀部挠曲这里需要共有3个控制点。函数如图8。图8臀部挠曲函数2膝盖挠曲这里需要共有4个控制点。函数如图9。图9膝盖挠曲函数3踝关节挠曲这里需要共有5个控制点。函数如图10。17图10踝关节挠曲函数4胸部运动这里需要共有4个控制点。函数如图11。图11胸部运动函数5肩部挠曲肩部分左右旋转，其挠曲函数可以表示为（10）3COS2SHOULDSHULDRRART18式中，。其函数如图12。98SHOULDRARV图12肩部挠曲函数6肘部挠曲实际上肘部挠曲函数的形状和肩部的相类似，但肘部的挠曲角不能为负。函数如图13。图13肘部挠曲函数19332行走模型因人走动时身体各部分以不同速度沿着不同的轨迹运动，所以人体走动是一个复杂的运动目标。在正确地计算出重要的运动轨迹后，可以利用这些轨迹来构造出可用于工作的行走模型。目前，散射点模型作为一个相对简单的应用模型，已被广泛接受并运用在雷达后向散射信号的近似描述上。在此模型当中，复杂目标的散射可近似认为是目标上各个局部散射中心的散射集合。再经过JLGEISHEIMER等人试验并验证，可以用一个简化的方法来代替全部的接收信号，即将人体回波表示成有限多个点目标反射的信号之和，每一个点目标代表身体的一个部分。如图15，本文将人体定义了17个参考点，包括头、颈部、脊柱的基点、左右肩、肘、手、臀部、膝盖、踝关节和脚趾，其中以脊柱原点为参考坐标系的中心，（XYZ）坐标系定义正X方向表示向前，正Y方向表示向右，正Z方向是向上，脊柱的基点则为坐标的原点，如图1411。根据生物机械学实验数据模型描述的关节点挠曲角和平移函数，欧拉角旋转矩阵可以用于计算17个连接点在每一个时刻帧的具体位置。人体行走的这些线性的和角度的动态运动参数可以用于产生仿真人体的雷达回波。20图14人体参考点根据相关数据，通过人的身高归一化表示每个人体部件的长度，即身高为H，头部长度为0130H，颈部长度0052H，肩长为0259H，躯干长度为0288H，上臀长度0188H，小臀长度0145H，臀部长度为0191H，大腿长度为0245H，小腿长度为0246H，足长为0039H。21图15人体部件以脊柱原点（基点）为中心的参考系中的17个关节点为了计算基于轨迹的每个关节点的位置，需要使用欧拉角旋转矩阵，其中横滚角为，俯仰角为，偏航角为。在旋转变换后便可以得到参考点的位置。为了可以从多个角度准确计算参考点的位置，最外层的角度需要首先考虑。如图16。在考虑角度问题之后再处理平移。22图16角度轨迹计算顺序在一段时间内给定一系列的参考点，可以使用这些数据模拟人体的行走，这验证了模型的有效性。该模型可以连续模拟人体的行走，证明了这个模型是合适的人体行走模型。4微动特征提取41人体运动的轨迹模式通过验证其他文献中可取的源程序，得出了相关的仿真结果，行走的人体独立部件轨迹如图17，可以计算出相应的径向速度，如图18，综合径向速度，可以得出人体的径向速度模式，如图18。23图17人体各部件的运动轨迹的例子图18人体向雷达行走时的径向速度24图19人体各部件径向速度的集成对比，与人体向雷达走近时的微多普勒特征一致42行人的雷达后向散射有了有效的人体运动模型，计算人体的雷达后向散射情况会相对容易。物理光学的眼面模型可以用于计算人体部件的RCS（雷达散射截面积）。为了简化模型，本文用椭圆体构建人体部件模型。根据椭圆体的RCS公式（11）22222SINCOSINCOSINCOELIPABRCSA式（11中，A，B和C分别表示椭圆体的三个半轴在X方向,Y方向和Z方向的长度，入射角和方位角表征了椭圆体相对雷达的方位，以上关系如图20。25图20入射角和方位角表征了椭圆体及人体部件相对雷达的方位图21（A）雷达与行人的几何分布（B）雷达的二维脉冲距离像（C）整体行走模型的微多普勒特征26而图21（A）说明了雷达与行人的几何布局，其中波长为002M的雷达位于（X110M，Y10M，Z12M），人体基点的起始点为（X00M，Y00M，Z00M）。假定行人的相对速度是VR10S1，人体高度是H18M，并且人体躯干速度的平均值是133M/S，对应002M波长的多普勒频移是。213/HZ使用人体部件的椭圆体模型，能够计算出行人的雷达后向散射。其二维脉冲距离像如图21（B）所示。从距离像得到的微多普勒特征如图21（C）所示，其中脚、胫骨和锁骨的微多普勒分量则可通过对人体相应部分的仿真来表示。43人体运动数据处理在实际测量雷达数据时，往往会由于一些背景物体及不需要的运动物体的存在，距离像会显示出强杂波。为了获取距离像中的有用数据，必须抑制要杂波。不过，多数的背景物体是静止的，这样的背景杂波可以很容易地通过凹口滤波器抑制。只要无用的运动物体时通过举例和速度可分的，这些无用的物体的后向散射亦是可以滤除。431杂波抑制静止的物体通常具有零多普勒频率以及很小的频谱带宽，杂波抑制技术则正是利用了静止物体雷达回波的这种特性。因为运动中的人体具有径向速度，其回波频率是偏离零多普勒频率的。如图22所示，一个在零多普勒频率处放置凹口的带阻滤波器可以抑制掉大部分的杂波，而且还不会影响人体运动信号，只要人体运动的平均速度所产生的频移大于凹口宽度。图22给出了杂波和人体运动的多普勒谱图。图22的显示是凹口滤波器的频率响应，给出了凹口滤波前和滤波后的雷达距离像的谱图以及杂波滤波后的多普勒谱和滤波后的距离像。杂波抑制方法的效果依赖于滤波器凹口27的深度、相对宽度及杂波本身的性质，而且强杂波的滤波剩余仍会对人体运动的多普勒频率估计产生较大的偏差。所需要的平均杂波抑制应大于40DB。图22一个带有零速凹口的带阻滤波器进行杂波抑制示意图432抑制杂波后数据的时频分析图22中所示的抑制杂波后的各项数据可用来计算行人的时频微多普勒特征，如图23所示。28图23杂波抑制后数据的时频分析44人体运动引起的雷达微多普勒特征如图24所示，人体运动的雷达微多普勒特征是通过对雷达的距离像作时频转换得到的。在微多普勒特征中，每一个前向的腿部摆动都表现出大的峰值，向左和向右的腿部摆动组成了一个完整的行走周期。人体躯干运动也是较强的运动，其信号呈现好出轻微的锯齿状，原因是人体在摆动过程中存在加速与减速的状态。29图24人体运动引起的微多普勒特征图24给出了X波段雷达收集的人体行走、跑步和爬行的微多普勒特征，与中人体行走的微多普勒特征相比，人体跑动的微多普勒特征有相对较高的多普勒频移和较短的步态周期。人体爬行时的多普勒频移比较低，并且最大多普勒频移的幅度也较低。5结束语微多普勒特征实际上是在一定观察时间内各个人体部件组合的多普勒过程，其数据仅仅是携带了径向速度信息，并不像通过运动传感器得到的更为精确且多种的运动数据。因此，从微多普勒特征，并不能重构出动画的人体运动模型。但值得一提的是，雷达微多普勒特征反映了人体运动的特色信息，可实现基于微多普勒特征对人体及其运动进行分类和识别。30由于人体结构的复杂性以及构成人体材质的特殊性，对人体的微动特征准确性的建模来说比较困难，在今后的研究重点将是尽量完善运动模型，同时与虚拟人技术相结合进行，一方面改进模型的结构和各肢体的自由度，另一方面使其尽可能更真实的描述人体的多种而细致的运动形式，例如奔跑、跳跃、手提武器的行动等。增加雷达回波的计算考虑的影响因素，不仅仅只是把人体得各主要部件作为刚体目标，尽可能更为真实地计算和反映雷达回波。致谢本论文是在孙老师的亲切关怀和悉心