首页 > 论文范文 > 医药卫生论文 > 特种医学论文 > 航空航天医学论文 > 基于FMCW毫米波雷达的舱内活体检测及干扰抑制方法

基于FMCW毫米波雷达的舱内活体检测及干扰抑制方法

2024-12-04 101 上传者：管理员

摘要：针对儿童被遗留在车内导致的事故频发问题，毫米波雷达由于隐私性好、成本低的优势成为舱内活体检测的主流选择。目前活体检测雷达把呼吸信号作为检测依据，但舱内密闭金属空间的强杂波干扰问题是主要的技术挑战。为解决此问题，提出一种时频域与幅度相位相结合的干扰抑制方法。首先，对时域信号提取的幅度和相位分别作傅里叶变换到频域；然后，将幅度频谱、相位频谱及去除帧间干扰后的时域幅度信号取模相乘生成干扰抑制图；最后，对干扰抑制图进行后处理得到活体检测结果。实测数据表明，该算法可以有效地抑制强杂波干扰，降低漏报和虚警的概率，完成舱内活体检测。

关键词：
干扰抑制
毫米波雷达
活体检测
舱内活体检测
车载雷达
加入收藏

据公安部统计，截至2022年9月底，全国机动车保有量4.12亿辆，其中汽车3.15亿辆。随着汽车数量的激增，因成人疏忽将儿童遗忘车内导致的悲剧也时有发生，据不完全统计，在2011～2021年，全国各地共发生一百余起儿童被遗忘车内事故，造成儿童死亡达60余名，而舱内活体检测技术或有望避免此类悲剧的发生。在法规方面，欧洲新车评估规程、美国国家公路交通安全管理局、中国新车评价规程都已经或正在把儿童遗留检测项目加入新规程中。

目前舱内活体检测较为成熟的是摄像头方案，但其隐私保护性较差。基于隐私保护性好、微多普勒特征敏感及成本低等优势[1],毫米波雷达成为国内外生命体征探测技术的主流选择[2,3]。人体呼吸会对雷达回波进行调制，通过解调回波信号可以提取人体的呼吸信息[4],以此作为活体检测的依据。但人体特别是儿童的呼吸信号是十分微弱的，文献[5]表明健康的成年受试者由呼吸引起的体表振动幅度为4～12 mm,导致活体检测容易受到舱内其他杂波信号的干扰。目前雷达舱内活体检测技术大多只能针对静态固定杂波进行抑制，但车舱内往往存在如晃动水杯、风扇、摆件、振动手机等的非静态杂波干扰，且车舱等效为金属密闭空间，导致活体检测十分复杂。如何有效地抑制杂波干扰、降低检测漏报率和虚警率成为重要的研究内容。

针对上述问题，本文提出了一种时频域结合及幅度相位结合的干扰抑制算法。该算法可以对舱内非静态杂波干扰进行抑制，避免舱内活体检测的漏报和虚警问题。并且在实车场景内验证了该算法的可行性，可以有效抑制上述多种杂波干扰。

1、调频连续波雷达生命体征信号模型

调频连续波(frequency modulated continuous wave, FMCW)体制有三角波和锯齿波调频两种调频方式，本文选择信号频率随时间呈锯齿波形状的锯齿波调频，时频图如图1所示。一个周期的线性调频信号(即一个Chirp)的载频为fc,发射信号带宽为B,发射脉冲周期为Tc,接收信号与发射信号的时延为τ,锯齿波调频斜率为K=B/Tc。

图1锯齿波调频信号时频图

FMCW体制雷达以周期Tc重复发射N个Chirp信号，则帧周期Tf=N*Tc。单个Chirp发射信号可以表示为

st=(tc)=exp[j(2πfctc+πKt2c+ϕ0)] (1)

其中，tc∈[0,Tc],ϕ0为FMCW信号的初始相位，tc∈[0,T]是以单个Chirp发射时刻为起点的时间，称为快时间[6]。若目标静止且与雷达的径向距离为R,则回波时延τ=2R/c,其中，c为真空中光速。若不考虑电磁波的路径衰减，单个Chirp回波信号可以表示为

sr(tc)=st(tc-τ)=exp{j[2πfc(tc-τ)+πK(tc-τ)2+φ0]} (2)

其中，tc∈[0,Tc],φ0为回波信号的附加相位。将sr(tc)与st(tc)进行混频解调，得到中频信号为

sI(tc)=st(tc)·s*r(tc)=exp{j[2π(fcτ+Kτtc)-πKτ2-φ0]} (3)

其中，tc∈[0,Tc],()*为复共轭操作。人体静止时呼吸引起的胸腔振动可以等效为简谐运动(由于心跳引起的胸腔振动幅度与呼吸相比极小[7],予以忽略),那么胸腔到雷达的瞬时距离x(tf)=R0+Arsin(2πfrtf),其中，R0为雷达到人体胸腔的起始径向距离，Ar和fr分别为胸腔振动信号的幅度和频率，tf=nTc(n=0,1,…,N)为Chirp发射起始时刻，称为慢时间。则回波时延τ=2x(tf)/c,代入式(3)中可得其中，tc∈[0,Tc],-4πKx2(tf)/c2项非常小可以忽略不计，得到中频信号角频率和相位为

由此可知，可从中频信号的相位获取胸腔微动信号的频率和幅度。本文中脉冲周期为微秒(μs)级，单Chirp周期中呼吸引起的胸腔位移几乎为零，中频信号的相位φI(tf)近似为常数，为了测量到中频信号的相位变化，需要在足够长的帧周期间隔连续发射FMCW波形，以此作为活体检测的依据。

2信号处理

基于FMCW毫米波雷达的舱内活体检测及干扰抑制算法流程如图2所示，包括3个步骤：距离项生成、干扰抑制图构建、目标检测及结果处理。

图2舱内活体检测干扰抑制算法流程

2.1距离项生成

本文中每帧配置一个脉冲，每帧的采样数据为A[m],其中，m=0,1,…,M-1;M为快时间采样点数。距离项生成步骤如下：

Step1对每一帧的快时间采样数据A[m]作M点快速傅里叶变换(fast Fourier transform, FFT),得到每帧的一维距离项数组A′[m],其中m=0,1,…;M-1;M为距离项的距离门数。

Step2将A′[m]积累N帧后按列堆叠得到M×N维距离—慢时间矩阵M[m,n],其中n=0,1,…,N-1;N为慢时间采样点数。

2.2干扰抑制图构建

为获取不同距离的活体目标本文保留距离维信息进行干扰抑制图构建，即牺牲部分运算时间直接在二维矩阵上处理。步骤如下：

图3相位频率矩阵生成示意

Step1处理过程如图3所示，对距离—慢时间矩阵M[m,n]沿慢时间维度采用ATD方法进行相位提取，由于提取到的相位是不连续的，需沿相位维度(图中深色部分所示)做解缠绕操作[8],得到距离—相位矩阵Mp[m,n],然后沿相位维度作N点FFT得到相位频率矩阵M′p[m,n],其中，n=0,1,…,N-1;N为相位频率点数。

Step2处理步骤如图4,对距离—慢时间矩阵M[m,n]取模获取幅度矩阵Ma[m,n],然后沿慢时间维度(图中深色部分所示)作N点FFT得到幅度频率矩阵M′a[m,n],其中，n=0,1,…,N-1;N为频率点数。为了消除帧间脉冲影响，对Ma[m,n]沿慢时间维度取均值，得到幅度数据Am[m],其中，m=0,1,…,M-1;M为距离门数目。然后将其按列重复N次得到无脉冲影响幅度矩阵M″a[m,n]。

图4幅度频率矩阵生成及脉冲间影响去除

Step3用上述相位频率矩阵M′p[m,n]、幅度频率矩阵M′a[m,n]和无脉冲影响幅度矩阵M″a[m,n]进行取模点乘，构建干扰抑制图即M×N维实矩阵M′[m,n],其中距离维m=0,1,…,M-1;历程维n=0,1,…,N-1。

2.3目标检测及结果处理

本文采用经典的均值类检测算法—单元平均恒虚警检测(CA-CFAR)[9],并改进为十字形边界平移拓展算法，其原理如图5。

图5十字形CA-CFAR算法原理示意

十字形滑动窗的参考单元数目为2(L+K),L和K为2个维度的参考单元宽度，如图5深色部分。检测单元D周围设置4组保护单元，不参与平均干扰功率的计算。则检测单元的平均干扰功率为

其中，X为参考单元采样值，Dx和Dy分别为检测单元在2个维度上的坐标。检测门限T=K u⌒,门限因子K由恒虚警率Pfa计算

由于存在参考单元和保护单元，滑窗在遍历目标矩阵时会有长度为W1+W2的边缘检测盲区[10],W1和W2为参考单元和保护单元数目。本文采用基于边界平移拓展的检测盲区消除方法，步骤为：将检测矩阵复制后沿4个方向平移至与原矩阵首尾相接，保留图6中虚线框内数据为拓展矩阵，大小为(M+2(W1+W2))×(N+2(W1+W2));利用十字形滑窗对拓展矩阵沿中间矩阵遍历M×N次得到门限矩阵；将原检测矩阵与门限矩阵相比较，得到大小为M×N的检测结果矩阵。

图6十字形边界平移拓展算法检测示意

基于幅度和频率的检测结果处理步骤为：

Step1遍历所有检测目标对应的干扰抑制图幅值获取最大值Amax并寻找大于Amax/2的点集T={(m,n)|A(m,n)>Amax/2},其中m和n分别为目标的行坐标和列坐标。

Step2对目标集合做距离和频率换算

r=mRs,f=nFa/N(8)

式中Rs为距离项分辨率，Fa=1/Tf为帧采样率，Tf为帧周期。得到集合T′={(r,f)}。

Step3在T′中寻找频率在呼吸频率范围[11]内的目标，得到T′的子集Tfinal={(r,f)},若Tfinal不为空，则有活体存在，且与雷达的距离为r,反之则无活体存在。

3、实验及结果

3.1实验准备

实验中采用自制WRS311G雷达，该雷达采用加特兰生产的天线内置60 GHz CMOS毫米波雷达片上系统(system on chip, SoC)芯片，具有4个接收通道和3个发射通道，实验采用单发单收配置通道。雷达FMCW波形配置参数如表1所示。

表1波形配置参数

实验中，雷达安装于舱内后排顶部，使用仿真娃娃代替活体，其胸腔以15次/min的频率振动，以模拟呼吸信号。

实验共设置如下18项测试用例：

1)仿真娃娃在座椅和脚垫左右侧、中间；

2)风扇和摆件在座椅左右侧、中间；

3)后排车窗风扇、前排座椅风扇；

4)未装满水的水杯、振动手机。

为评估算法性能，实验采用漏报率问题TrueFNR和误报率TrueFAR这2个指标，为

式中N为实验结果总数，Nm和Nf为漏报和虚警结果数。实验测试时长为90 s,结果刷新周期与帧周期保持一致，即N=450,并使用上位机完成数据保存和指标计算。

3.2实验数据

由于测试用例较多，本文仅分析检测难度较大的场景，活体项和干扰项分别以仿真娃娃位于左侧脚垫(距雷达约1 m)和风扇位于左侧座椅(距雷达约0.5 m)为例，实验场景如图7所示。

图7实验场景

实验中设置距离维FFT点数为512,距离项分辨率Rs=0.037 5 m,设置探测距离为1.5 m,距离门总数M=40,积累帧数N=128,对中频信号矩阵作快时间FFT获得距离项矩阵，如图8所示。

图8距离项矩阵

构建干扰抑制图如图9(a)、(b),其中，取相位FFT、幅度FFT点数及脉冲重复次数为128。由于实信号频谱关于零频对称，实验只分析半边频谱，即N=64。

图9数据处理结果

对干扰抑制图进行目标检测，设置虚警率Pfa=5×10-3,距离维参考单元数和保护单元数分别为3和2,历程维参考单元数和保护单元数均为10。检测结果如图9(c)、(d)所示，图9(c)检测到28和37距离门的2个目标，距离为1.05 m和1.39 m;图9(d)检测到18～40距离门之间的多个点，即在距离0.68～1.5 m分布了4～5个目标。

对检测结果做幅度检测可将图9(c)中1.39 m的目标排除，通过频率检测可将图9(d)中的所有目标排除。实验结果为：图9(c)场景存在距雷达1.05 m的活体；图9(d)场景无活体存在。实验结果与实验场景完全符合，验证了本文提出算法的有效性。

3.3测试用例

将实验时长设置至90 s,使用上位机得到上述实验中活体项的漏报率TrueFNR=0.00 %,干扰项的误报率TrueFAR=0.00 %。并以相同实验条件测试了其他用例，结果如表2所示。

表2测试用例及结果

从表2中看出，实验中共计18项测试用例的漏报率和干扰项的误报率均为0。验证了算法用于干扰抑制和活体检测的准确性。

4、结论

本文将时频域相结合及幅度相位相结合的干扰抑制方法应用于舱内活体检测及干扰抑制。首先，对时域信号取其相位和幅度并分别作傅里叶变换，变换到频域；然后，将得到的幅度频谱、相位频谱以及去除帧间影响的时域幅度信号进行取模相乘生成干扰抑制图，对干扰抑制图进行检测并处理得到活体检测结果。实测结果表明，该算法可以有效地检测舱内活体和抑制干扰，降低了漏报和虚警的概率，具有较高的研究价值和十分广泛的应用前景。

参考文献:

[1]袁新芳,陈平,关泱序.基于毫米波MIMO雷达的人体生命体征检测方法[J].传感器与微系统,2023,42(9):109-112.

[5]胡巍.基于多普勒雷达的非接触式生命体征检测技术研究[D].北京:中国科学技术大学,2014.

[6]屈乐乐,刘淑杰,杨天虹,等.基于VMD的调频连续波雷达生命信号提取[J].电讯技术,2022,62(5):612-618.

[7]张桂源.毫米波雷达非接触式生命体征探测方法研究[D].哈尔滨:哈尔滨工业大学,2021.

[9]黄壮.77GHz毫米波汽车防撞雷达系统研究与设计[D].南京:南京航空航天大学,2020:28-31.

[10]贺乐厅,孙利生,翟羽健.汽车防撞雷达的目标识别[J].传感器技术,2003,22(1):44-46.

文章来源:郭栋财,夏伟杰,蔡炜锋,等.基于FMCW毫米波雷达的舱内活体检测及干扰抑制方法[J].传感器与微系统,2024,43(12):160-164.