非接觸生命參數(shù)檢測系統(tǒng)動靜目標(biāo)的識別技術(shù)

1、    非接觸生命參數(shù)檢測系統(tǒng)動/靜目標(biāo)的識別技術(shù)            作者：李杰，王健琪，荊西京時間：2007-11-22 11:26:00                     【關(guān)鍵詞】  快速傅里葉變換 &#

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： 識別非接觸生命參數(shù)檢測系統(tǒng)探測范圍內(nèi)目標(biāo)的運動/靜止?fàn)顟B(tài)，為探測人員提供更加豐富的目標(biāo)信息. 方法：提取系統(tǒng)檢測到的呼吸路信號和體動路信號，選取最優(yōu)的數(shù)據(jù)長度分別進行快速傅里葉變換（FFT），對變換后兩路信號

6、的頻域能量分析比較，參照設(shè)定的閾值進行識別. 結(jié)果：20 cm和30 cm穿墻探人實驗表明，在系統(tǒng)的探測范圍內(nèi)，目標(biāo)的運動/靜止壯態(tài)與呼吸路信號和體動路信號的頻域能量比有著良好的相關(guān)性. 結(jié)論： 本方法適用于不同的探測環(huán)境中的非接觸生命參數(shù)檢測系統(tǒng)，能夠迅速對目標(biāo)的運動/靜止?fàn)顟B(tài)進行識別，增強了此系統(tǒng)的使用功能. 【關(guān)鍵詞】 目標(biāo)識別；快速傅里葉變換；能量比；閾值；Delphi0引言非接觸生命參數(shù)檢測系統(tǒng)是利用非接觸檢測技術(shù)1-3，通過對雷達技術(shù)、電子技術(shù)及計算機技術(shù)綜合運用,從攜有微弱人體生命體征(呼吸、體動等)的雷達回波信號中檢測出人體生命參數(shù)4. 利用這種技術(shù)，可以實現(xiàn)對人體呼吸、體動進

7、行非接觸的探測，而且還可以穿透一定的介質(zhì)（磚墻或廢墟），間隔一定的距離探測人體的生命特征5. 目前，非接觸生命參數(shù)檢測系統(tǒng)只能探測有/無生命體信息，在實際應(yīng)用中，為進一步了解生命體的狀態(tài)，（靜止或移動），本研究提出了動（軀體運動）/靜（平靜呼吸）目標(biāo)識別技術(shù)，通過對檢測到的信號頻域能量分析比較，以判定目標(biāo)的運動/靜止. 1設(shè)計思路非接觸生命參數(shù)檢測系統(tǒng)的信號經(jīng)預(yù)處理6，輸出分：呼吸路和體動路兩路信號. 通過對目標(biāo)處于運動和靜止兩種狀態(tài)時的體動路信號進行時域和頻域分析，當(dāng)人體目標(biāo)處于運動狀態(tài)時，反射回來的雷達波所攜帶的體動路信息能量大于目標(biāo)處于靜止?fàn)顟B(tài)時的體動路信息能量(Fig 1). 如果我們

8、設(shè)置了適當(dāng)?shù)哪芰块撝?，那么?dāng)能量大于該閾值時，就可以判斷此時的目標(biāo)處于運動狀態(tài)；反之，則處于靜止?fàn)顟B(tài). 由于探測環(huán)境復(fù)雜，目標(biāo)的不同距離，穿透介質(zhì)的不同類型和厚度，都將影響雷達的回波能量，因此閾值的設(shè)置就成關(guān)鍵，為此我們擬采用能量比的方法，結(jié)合大量試驗結(jié)果，設(shè)置適宜的閾值. 2算法設(shè)計2.1關(guān)鍵算法實現(xiàn)通過實際頻率的計算得出有效頻率范圍所對應(yīng)的頻點范圍（k1, k2）. 呼吸路信號進行FFT變換后，把有效頻率范圍中頻率分量的模累加，所得到的值即為呼吸路能量E. 用呼吸路能量除以體動路能量，得出的值為能量比. 能量比越大，則體動能量越小，目標(biāo)即處于靜止?fàn)顟B(tài)；能量比越小，則體動能量越大，目標(biāo)即處于

9、運動狀態(tài). =EE2.2軟件流程軟件的編寫是采用面向?qū)ο蟮某绦蛟O(shè)計Delphi作為開發(fā)平臺的. 動/靜目標(biāo)識別要求對數(shù)據(jù)進行實時運算處理，軟件流程設(shè)計關(guān)系到系統(tǒng)性能的優(yōu)劣，F(xiàn)ig 3為軟件的流程圖. 3結(jié)果分別進行20 cm和30 cm磚墻隔墻探人實驗，實驗結(jié)果如Tab 1和Tab 2所示. 表120 cm磚墻隔墻探人實驗結(jié)果（略）表230 cm磚墻隔墻探人實驗結(jié)果（略）通過實驗得出結(jié)論，設(shè)定閾值為0.9，穿透20 cm單磚墻，目標(biāo)距天線6.4 m以內(nèi)，可以準(zhǔn)確識別目標(biāo)的運動靜止?fàn)顟B(tài)，反應(yīng)時間約34 s；穿透30 cm單磚墻，目標(biāo)距天線5.4 m以內(nèi)，可以準(zhǔn)確識別目標(biāo)的運動靜止?fàn)顟B(tài)，反應(yīng)時間約

10、34 s，符合設(shè)計要求. 4討論非接觸生命參數(shù)檢測系統(tǒng)穿透磚墻或廢墟等介質(zhì)，能夠檢測到有無生命體的存在，但卻無法向使用人員提供更多的目標(biāo)信息. 目標(biāo)是否走動，軀體是否有動作，是對目標(biāo)進行分類的重要參數(shù)，使用人員可以借助此類信息對探測區(qū)域的人員狀況進一步分析，為救援、反恐等行動提供必要的參考. 動/靜目標(biāo)識別技術(shù)的開發(fā)，能夠迅速準(zhǔn)確地對目標(biāo)地運動或靜止?fàn)顟B(tài)進行識別，并給出確定結(jié)果. 動/靜目標(biāo)識別算法避免了單純采用時域能量判別的弊端. 從Fig 1中我們可以看出，當(dāng)目標(biāo)處于運動狀態(tài)時，時域信號的波形起伏遠遠大于目標(biāo)處于靜止?fàn)顟B(tài)波形起伏，對時域信號進行方差計算，得到時域信號的能量. 通過對能量大小

11、的分析，我們也可以判斷目標(biāo)是否處于運動狀態(tài). 但這種方法只能在目標(biāo)距離一定的情況下進行判斷，因為固定頻率的連續(xù)波雷達無法提供距離信息，而雷達回波的能量與目標(biāo)距離的平方成反比，目標(biāo)距離的變化也會引起能量的變化. 若僅以能量的變化作為判別動靜目標(biāo)的標(biāo)準(zhǔn)，目標(biāo)距離的遠近對能量的影響使我們無法找到固定的閾值，因此采用頻域的方法，并借助呼吸路能量作為參考能量,能夠有效的消除距離對識別帶來的影響.目前閾值的設(shè)定是通過實驗積累的方法，在不同的環(huán)境，穿透不同的介質(zhì)，對不同的目標(biāo)進行識別，獲得適宜的閾值. 由于影響閾值的因素很多(如環(huán)境、介質(zhì)等)，所以目前還不能給出經(jīng)驗公式來確定閾值，有待進一步研究. 【參考文

12、獻】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  倪安勝，王健琪，楊國勝，等. 基于FFT頻域積累的非接觸生命參數(shù)信號檢測J. 第四軍醫(yī)大學(xué)學(xué)報，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  楊冬，王健琪，荊西京，等. 基于BP神經(jīng)網(wǎng)絡(luò)的非接觸生命參數(shù)信號檢測J. 第四軍醫(yī)大學(xué)學(xué)報，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  路國華，王健琪，楊國勝，等. 非接觸生命體征檢測系統(tǒng)中噪聲的非線性壓縮J. 中國醫(yī)療器械雜志，2001;25(6)：316-317.Lu GH,