非接触生命参数检测系统动静目标的识别技术

1、    非接触生命参数检测系统动/静目标的识别技术            作者：李杰，王健琪，荆西京时间：2007-11-22 11:26:00                     【关键词】  快速傅里叶变换 &#

2、160;  Technology for motional/motionless object recognition in noncontact lifeparameter detecting system【Abstract】 AIM: To offer more object information to the rescue team by recognizing the motional/motionless state of an object in the detecting range of a noncontact lifeparameter detecting sy

3、stem. METHODS:  After extracting the respiration signals and the body signals, we compared the frequency domain energy of the signals with the threshold by a method based on Fast Fourier Transform (FFT). RESULTS:  In human detecting experiment of 20 cm and 30 cm thick wall, the motional/mo

4、tionless state of an object was found to be well related to the energy ratio between the respiration signals and body signals within the detecting range of the system. CONCLUSION:  This method can be used by noncontact lifeparameter detecting system in different detecting conditions and can rap

5、idly recognize the motional/motionless state of an object, thus enhancing the function of the system.【Keywords】 object recognition; fast fourier transform; energy ratio; threshold; Delphi【摘要】 目的： 识别非接触生命参数检测系统探测范围内目标的运动/静止状态，为探测人员提供更加丰富的目标信息. 方法：提取系统检测到的呼吸路信号和体动路信号，选取最优的数据长度分别进行快速傅里叶变换（FFT），对变换后两路信号

6、的频域能量分析比较，参照设定的阈值进行识别. 结果：20 cm和30 cm穿墙探人实验表明，在系统的探测范围内，目标的运动/静止壮态与呼吸路信号和体动路信号的频域能量比有着良好的相关性. 结论： 本方法适用于不同的探测环境中的非接触生命参数检测系统，能够迅速对目标的运动/静止状态进行识别，增强了此系统的使用功能. 【关键词】 目标识别；快速傅里叶变换；能量比；阈值；Delphi0引言非接触生命参数检测系统是利用非接触检测技术1-3，通过对雷达技术、电子技术及计算机技术综合运用,从携有微弱人体生命体征(呼吸、体动等)的雷达回波信号中检测出人体生命参数4. 利用这种技术，可以实现对人体呼吸、体动进

7、行非接触的探测，而且还可以穿透一定的介质（砖墙或废墟），间隔一定的距离探测人体的生命特征5. 目前，非接触生命参数检测系统只能探测有/无生命体信息，在实际应用中，为进一步了解生命体的状态，（静止或移动），本研究提出了动（躯体运动）/静（平静呼吸）目标识别技术，通过对检测到的信号频域能量分析比较，以判定目标的运动/静止. 1设计思路非接触生命参数检测系统的信号经预处理6，输出分：呼吸路和体动路两路信号. 通过对目标处于运动和静止两种状态时的体动路信号进行时域和频域分析，当人体目标处于运动状态时，反射回来的雷达波所携带的体动路信息能量大于目标处于静止状态时的体动路信息能量(Fig 1). 如果我们

8、设置了适当的能量阈值，那么当能量大于该阈值时，就可以判断此时的目标处于运动状态；反之，则处于静止状态. 由于探测环境复杂，目标的不同距离，穿透介质的不同类型和厚度，都将影响雷达的回波能量，因此阈值的设置就成关键，为此我们拟采用能量比的方法，结合大量试验结果，设置适宜的阈值. 2算法设计2.1关键算法实现通过实际频率的计算得出有效频率范围所对应的频点范围（k1, k2）. 呼吸路信号进行FFT变换后，把有效频率范围中频率分量的模累加，所得到的值即为呼吸路能量E. 用呼吸路能量除以体动路能量，得出的值为能量比. 能量比越大，则体动能量越小，目标即处于静止状态；能量比越小，则体动能量越大，目标即处于

9、运动状态. =EE2.2软件流程软件的编写是采用面向对象的程序设计Delphi作为开发平台的. 动/静目标识别要求对数据进行实时运算处理，软件流程设计关系到系统性能的优劣，Fig 3为软件的流程图. 3结果分别进行20 cm和30 cm砖墙隔墙探人实验，实验结果如Tab 1和Tab 2所示. 表120 cm砖墙隔墙探人实验结果（略）表230 cm砖墙隔墙探人实验结果（略）通过实验得出结论，设定阈值为0.9，穿透20 cm单砖墙，目标距天线6.4 m以内，可以准确识别目标的运动静止状态，反应时间约34 s；穿透30 cm单砖墙，目标距天线5.4 m以内，可以准确识别目标的运动静止状态，反应时间约

10、34 s，符合设计要求. 4讨论非接触生命参数检测系统穿透砖墙或废墟等介质，能够检测到有无生命体的存在，但却无法向使用人员提供更多的目标信息. 目标是否走动，躯体是否有动作，是对目标进行分类的重要参数，使用人员可以借助此类信息对探测区域的人员状况进一步分析，为救援、反恐等行动提供必要的参考. 动/静目标识别技术的开发，能够迅速准确地对目标地运动或静止状态进行识别，并给出确定结果. 动/静目标识别算法避免了单纯采用时域能量判别的弊端. 从Fig 1中我们可以看出，当目标处于运动状态时，时域信号的波形起伏远远大于目标处于静止状态波形起伏，对时域信号进行方差计算，得到时域信号的能量. 通过对能量大小

11、的分析，我们也可以判断目标是否处于运动状态. 但这种方法只能在目标距离一定的情况下进行判断，因为固定频率的连续波雷达无法提供距离信息，而雷达回波的能量与目标距离的平方成反比，目标距离的变化也会引起能量的变化. 若仅以能量的变化作为判别动静目标的标准，目标距离的远近对能量的影响使我们无法找到固定的阈值，因此采用频域的方法，并借助呼吸路能量作为参考能量,能够有效的消除距离对识别带来的影响.目前阈值的设定是通过实验积累的方法，在不同的环境，穿透不同的介质，对不同的目标进行识别，获得适宜的阈值. 由于影响阈值的因素很多(如环境、介质等)，所以目前还不能给出经验公式来确定阈值，有待进一步研究. 【参考文

12、献】1  Kwok MC, Pepper MG.  Noninvasive detection of ventricular wall motion by electromagnetic coupling  J. Med Biol Eng Comput, 1991;29(2)：136-140.2  倪安胜，王健琪，杨国胜，等. 基于FFT频域积累的非接触生命参数信号检测J. 第四军医大学学报，2003;24(2)：172-175.   Ni AS, Wang JQ, Yang GS, et al. Noncontact lifepar

13、ameters signal detecting of frequency domain signal integration based on FFT  J. J Fourth Mil Med Univ, 2003,24(2)：172-175.3  杨冬，王健琪，荆西京，等. 基于BP神经网络的非接触生命参数信号检测J. 第四军医大学学报，2004；25(14):1249-1251.Yang D, Wang JQ, Jing XJ, et al. Detection of noncontact lifeparameter signals by BP neural network J. J Fourth Mil Med Univ, 2004;25(14):1249-1251.4  Wang JQ, Zheng CX, Jing XJ, et al. Study on a noncontact life parameter detection system using millimeter wave J. Space Med Med Eng, 2004;17(3)：157-161.5  路国华，王健琪，杨国胜，等. 非接触生命体征检测系统中噪声的非线性压缩J. 中国医疗器械杂志，2001;25(6)：316-317.Lu GH,