CN119395679A 基于毫米波雷达的电梯人员存在检测方法及系统 （苏州多美适家用电梯有限公司）

基于毫米波雷达的电梯人员存在检测方法本发明提供一种基于毫米波雷达的电梯人括在电梯轿厢顶部正交布置定位雷达和运动检过动态门限消除法和自适应谐波抑制算法分别用自适应空间谱分解定位算法获取目标三维坐儿童和宠物单独进入轿厢预警和长时间滞留轿2在电梯轿厢顶部正交布置毫米波雷达阵列，所述毫米波雷达阵对所述第一增强信号进行距离维度快速傅里叶变换，得到距离谱根据所述目标融合特征提取人体特征参数，所述人体特征参数包括将所述定位基带信号划分为多个相邻的距离窗口信号，对每个所采用恒虚警率检测方法，计算每个所述距离窗口信号的背景噪声功对每个噪声方差进行归一化处理得到权重系数，将所述权重系数与恒将每个所述距离窗口信号中幅值大于对应自适应门限值的信号，标记为有效目标回对运动检测基带信号进行小波分解，得到多尺度小波系数；基于对所述运动检测基带信号进行自相关分析，得到时域自相关序列，从3根据所述信号周期计算谐波基频，根据所述谐波基频确定谐波频基于所述干扰特征模板构建自适应陷波器组，所述将所述运动检测基带信号通过所述自适应陷波器组进行滤波，得到基于预设的距离谱窗口数，将距离谱划分为对应数量的重叠滑动基于信号子空间维度，从所述特征向量矩阵中提取维度数量将所述空间位置信息通过所述投影矩阵进行正交投影，得到投影计算速度谱的实部和虚部，分别作为正交分量和同根据相邻采样点的相位差，计算目标的瞬时频率；利用所述瞬根据重采样信号的幅值变化率，计算瞬时加速度；计算所述瞬时加采用所述加权系数对重采样信号进行加权，得到加权重采样信号将所述状态预测方程的预测结果与当前三维速度初值进行加权平均，4维速度，在时间间隔的中点计算所述优化后的三维速度和所述瞬时加速度的中间估计值，将所述位置变化量叠加到目标初始位置得到运动轨迹，并将所述将所述三维坐标数据按照点云格式转换为体素网格，对所述体素网格执行密度聚类，将所述运动轨迹数据投影到球谐函数空间得到球谐系数，提取所构建所述空间域特征与所述时域运动特征的亲和力矩阵基于所述特征分组矩阵，对投影特征执行层次化分组得到特征组对所述解耦特征执行图傅里叶变换，得到频域特征，基于所述7.根据权利要求1所述的方法，其特征在于，根据所述目标融合特征提取人体特征参从所述目标融合特征中提取频谱分布特征得到人体散射截面积参数基于所述第一匹配系数和所述第二匹配系数，构建二维特征向量，量输入预设的支持向量分类器判定目标类别；当所述支持向量分类器输出人体目标类别构建递归状态估计模型，所述递归状态估计模型包括：基5将连续时序的目标状态估计值组成目标状态序列，对所述目标状态8.基于毫米波雷达的电梯人员存在检测系统，用于实现前述权利要求1_7中任一项所第一单元，用于在电梯轿厢顶部正交布置毫米波雷达阵第三单元，用于根据所述目标融合特征提取人体特征参数，其中，所述处理器被配置为调用所述存储器存储的指令，以执行程序指令被处理器执行时实现权利要求1至7中任意6得到第一目标回波信号，通过自适应谐波抑制算法消除运动检测基带信号中的杂波分量，7数和运动特征参数；将所述散射截面积参数与预设的人体散射截面积模板进行匹配度计[0023]将所述运动检测基带信号通过所述自适应陷波器组进行8[0028]基于信号子空间维度，从所述特征向量矩阵中提取维度数量对应列数的特征向[0029]将所述空间位置信息通过所述投影矩阵进行正交投影，阵与所述位置矩阵的幅值乘积作为峰值检测函数；在峰值检测函数中搜索局部最大值点，9数和运动特征参数；将所述散射截面积参数与预设的人体散射截面积模板进行匹配度计[0070]图1为本发明实施例基于毫米波雷达的电梯人员存在检测方法的流程示意图，如[0071]S101.在电梯轿厢顶部正交的空间位置信息，采用自适应空间谱分解定位算法对所述空间位置信息进行精确定位处度矢量的运动轨迹数据；将所述三维坐标数据和所述运动轨迹数据输入双流特征融合网[0073]S103.根据所述目标融合特征提取人提取的散射截面积参数与预设的人体散射截面积模板进行匹配度计算，得到第一匹配系[0093]首先，将接收到的定位基带信号按照距离维度划分成多个连续的距离窗口信滑动窗口长度设置为5个采样点，则对前5个幅度包络值的平均值作为第一个功率估计值，[0099]将每个距离窗口信号中幅值大于对应自适应门限值的信号标记为有效目标回[0107]将所述运动检测基带信号通过所述自适应陷波器组进行[0114]接下来对运动检测基带信号进行自相关分析。对原始基为1999的自相关序列。[0127]基于信号子空间维度，从所述特征向量矩阵中提取维度数量对应列数的特征向[0128]将所述空间位置信息通过所述投影矩阵进行正交投影，阵与所述位置矩阵的幅值乘积作为峰值检测函数；在峰值检测函数中搜索局部最大值点，[0155]利用瞬时频率的倒数构建新的采样间隔序列。这意味着当目标运动状态变化剧[0163]利用目标当前位置与雷达的相对方位角和俯仰角，例如方位角为30°,俯仰角为10000个点的点云数据转换为一个10×10×10的体素网格。然后，对体素网格执行密度聚类，将相邻且密度较高的体素划分为一个空间点簇。假设通过密度聚类得到了5个空间点对一段采样频率为10kHz的雷达回波信号进行快速傅里叶变换，得到目标在不同频率上的[0195]同时，将提取的人体运动特征参数与预设的人体运动特征模板进行匹配度计将该二维特征向量输入到预设的支持向量分类器中进行目标类别判定。假设预设阈值为[0199]利用状态预测模型对粒子群进行状态预测，并基于观测方程计算每个粒子的权[0200]将连续时序的目标状态估计值组成目标状态序列，对目标状态序列进行轨迹预[0204]首先在电梯轿厢顶部安装60GHz毫米波雷达传感器，其发射天线阵列由16个发射