人体目标微多普勒频率估计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112051567A(43)申请公布日2020.12.08(21)申请号202010982373.9(22)申请日2020.09.17(71)申请人中南大学地址410083湖南省长沙市岳麓区麓山南路932号(72)发明人丁一鹏柳润金孙印花高山流水(74)专利代理机构长沙永星专利商标事务所(普通合伙)43001代理人周咏米中业(51)Int.Cl.G01S13/50(2006.01)G01S13/88(2006.01)权利要求书3页说明书6页附图3页(54)发明名称人体目标微多普勒频率估计方法(57)摘要本发明公开了一种人体目标微多普勒频率估计方法，包括获取多普勒雷达的回波信号时频分布数据；采用Viterbi算法搜索的初始路径计算一至三阶指数平滑值；计算预测系数；构建Viterbi算法的惩罚函数；构建人体目标微多普勒频率估计模型；完成人体目标微多普勒频率估计。本发明基于三次指数平滑预测得到最优路径的非线性变化趋势，并以此构建新的惩罚函数对Viterbi算法进行改进，提高了传统惩罚函数的路径识别能力；同时动态调整候选路径的搜索范围，不需要在TF平面上进行全局搜索，提高了算法的计算效率；因此本发明方法能够有效抑制频率模糊效应，而且可靠性高、实用性好且精度较高。CN112051567ACN112051567A权利要求书1/3页1.一种人体目标微多普勒频率估计方法，包括如下步骤：S1.获取多普勒雷达的回波信号时频分布数据；S2.根据步骤S1获取的回波信号时频分布数据，采用Viterbi算法搜索的初始路径计算一至三阶指数平滑值；S3.计算基于指数平滑预测的Viterbi算法的预测系数；S4.根据步骤S3计算的预测系数，构建Viterbi算法的惩罚函数；S5.构建基于指数平滑预测的Viterbi算法模型，并作为人体目标微多普勒频率估计模型；S6.根据步骤S5得到的人体目标微多普勒频率估计模型，完成人体目标微多普勒频率估计。2.根据权利要求1所述的人体目标微多普勒频率估计方法，其特征在于步骤S1所述的获取多普勒雷达的回波信号时频分布数据，具体为采用如下算式表示多普勒雷达的回波信号时频分布数据r(t)：式中N为人体散射部位个数；σi为人体目标第i个散射部位的散射幅度；vi(t)为第i个散射部位与人体质心的相对速度且θi为第i散射中心与雷达视线方向之间的角度；c为光速；Ri(0)为第i散射中心与雷达的初始视距；由第i散射部位引起的多普勒频移fdi(t)表示为fc为载波频率。3.根据权利要求1所述的人体目标微多普勒频率估计方法，其特征在于步骤S2所述的根据步骤S1获取的回波信号时频分布数据，采用Viterbi算法搜索的初始路径计算一至三阶指数平滑值，具体为采用如下算式计算一至三阶指数平滑值：式中为一阶指数平滑值；为二阶指数平滑值；为三阶指数平滑值；αml为所讨论区间内的待定平滑系数；为Viterbi算法在解调后的雷达回波信号时频分布的mi时刻搜索的初始路径。4.根据权利要求3所述的人体目标微多普勒频率估计方法，其特征在于步骤S3所述的计算基于指数平滑预测的Viterbi算法的预测系数，具体为采用如下算式计算预测系数：2CN112051567A权利要求书2/3页式中λ、γ和η为计算得到的预测系数；为一阶指数平滑值；为二阶指数平滑值；为三阶指数平滑值；αml为所讨论区间内的待定平滑系数。5.根据权利要求4所述的人体目标微多普勒频率估计方法，其特征在于步骤S4所述的根据步骤S3计算的预测系数，构建Viterbi算法的惩罚函数，具体为采用如下算式作为Viterbi算法的惩罚函数μ(mi,k)：式中ε＝λ+γ+η；c2为惩罚因子，用于反映惩罚函数对总惩罚值的贡献大小；为Viterbi算法在解调后的雷达回波信号时频分布的mi时刻搜索的初始路径；Δ为设定的阈值。6.根据权利要求5所述的人体目标微多普勒频率估计方法，其特征在于步骤S5所述的构建基于指数平滑预测的Viterbi算法模型，并作为人体目标微多普勒频率估计模型，具体为采用如下步骤构建人体目标微多普勒频率估计模型：A.将步骤S1得到的回波信号时频分布数据中每一时刻的时频幅值排列成非递增序列TFR(m,k1)≥...≥TFR(m,kj)≥...≥TFR(m,kN)，j＝1,2,...,N；B.采用如下算式定义f(·)惩罚函数：f(TFR(m,kj))＝j-1；C.采用如下算式定义g(·)惩罚函数：式中c1为惩罚因子，Δ1为两个连续点之间瞬时频率变化的最大期望值；D.采用如下算式表示部分最优路径：p(1,kj)＝f(TFR(1,kj))式中p为总惩罚函数值；E.采用如下算式作为最终的人体目标微多普勒频率估计模型7.根据权利要求6所述的