基于扩展贝塞尔模型的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CN111157987A(43)申请公布日2020.05.15(21)申请号202010005940.5(22)申请日2020.01.03(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)发明人丁一鹏高山流水孙印花柳润金厍彦龙黄国伟李正敏郭学斌(74)专利代理机构长沙永星专利商标事务所(普通合伙)43001代理人何方(51)Int.Cl.G01S13/88(2006.01)G01S7/41(2006.01)权利要求书2页说明书6页附图4页(54)发明名称基于扩展贝塞尔模型的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基于扩展贝塞尔模型的人体目标微多普勒频率估计方法，属于微多普勒频率估计技术领域，本发明提供一种基于扩展贝塞尔模型的人体目标微多普勒频率估计方法，通过提取小腿微多普勒频率，然后进行分段拟合，先使用贝塞尔模型确定最优控制点，在不改变并且不增加控制点的基础上引入参数，通过基于扩展贝塞尔模型的霍夫变换频率估计算法完成对雷达回波信号的目标分量分离和小腿多普勒频率特征的精确估计；本发明提出一种精确估计特定目标散射部分微多普勒频率的新方法，在实时人体传感应用中具有很好的应用前景。CN111157987ACN111157987A权利要求书1/2页1.一种基于扩展贝塞尔模型的人体目标微多普勒频率估计方法，其特征在于，包括以下步骤：S1.基于贝塞尔模型的霍夫变换频率估计算法，完成对解调后回波信号的分量分离与人体目标微多普勒频率的估计，选定单段贝塞尔曲线的控制顶点；S2.引入参数，将单段贝塞尔曲线表示成已经选定的控制顶点和含参数的调配函数的线性组合，构造扩展贝塞尔模型，通过动态调整参数，完成对解调后回波信号的分量分离与人体目标微多普勒频率的估计，以提高人体目标微多普勒频率的估计精度。2.根据权利要求1所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法，其特征在于，从人体目标散射部分的多个分量及其微多普勒轨迹可知，小腿微多普勒频率轨迹是整个人体目标多普勒频率轨迹的包络线，即小腿微多普勒频率为最外层包络。3.根据权利要求1或2所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法，其特征在于，步骤S1中，所述基于贝塞尔模型的霍夫变换频率估计算法，具体包括：S101.贝塞尔模型的端点确定：根据短时傅里叶变换，对发射机接收回波调解后的信号进行时频分析，小腿微多普勒频率轨迹是整个人体目标多普勒频率轨迹的包络线，具有非线性的特点，采用分段拟合的方法对小腿多普勒频率曲线进行拟合，在时频图上进行自上而下搜索到的第一个点为上峰值点P0，同理，在时频图上自下而上搜索到的第一个点为下峰值点P2，取小腿多普勒频率曲线的上峰值点P0、下峰值点P2作为贝塞尔模型的端点；S102.贝塞尔模型的控制顶点确定：基于贝塞尔模型对霍夫变换频率进行拟合，根据霍夫变换的原理，确定最近似于小腿微多普勒频率曲线的贝塞尔模型，选定贝塞尔模型的控制顶点P1，完成对小腿微多普勒频率的估计。4.根据权利要求3所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法，其特征在于，步骤S101中，所述发射机接收回波调解后的信号表示为：式(1)中，ak为第k个信号的幅度，fdi,k(t)是对应于载波频率fi的第k个目标分量的多普勒频率，φk＝4πfiRk0/C是第k个信号回波初始相位，Rk0是初始目标范围，c是光速，j为虚数单位。5.根据权利要求3所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法，其特征在于，步骤S102中，由于信号经反射物反射后，被反射物吸收一部分能量，产生了具有衰减延迟的原信号，叠加上原信号形成回波信号，所得霍夫变换的模型如下：式(2)中，F(X,t)是小腿微多普勒频率的拟合模型，X是拟合参数，调整拟合参数，当信2CN111157987A权利要求书2/2页号能量能最大程度的集中时，所得拟合模型可近似代替小腿微多普勒频率；所述贝塞尔模型如下：式(3)中，P0和P2是贝塞尔模型的端点，P1是其控制点，u是参数；小腿微多普勒频率的拟合如下：22FP(X,t)＝(1-t)·ystart+2t(1-t)Y1+t·yend(4)式(4)中，X＝[x1,y1]，确定最近似于小腿微多普勒频率曲线的贝塞尔模型，调整(X1,Y1)＝(x1,y1)时，选定贝塞尔模型的控制顶点P1。6.根据权利要求1或2所述基于扩展贝塞尔模型的人体目标微多普勒频率估计方法，其特征在于，步骤S2中，所述扩展贝塞尔模型如下：式(5)中，P0和P2是步骤S2中贝塞尔模型确定的端点，P1是其控制点，u是新引入的参数；N2,i(u)(i＝0,1,2)为扩展贝塞尔模型的含参数的调配函数，式(5)中调配函数为：式(