基于超寬帶信號的礦井塌方體下生命特征的檢測方法

郭繼坤， 王保生， 郝維來， 張宏煒

(黑龍江科技大學(xué) 電子與信息工程學(xué)院， 哈爾濱 150022)

基于超寬帶信號的礦井塌方體下生命特征的檢測方法

郭繼坤， 王保生， 郝維來， 張宏煒

(黑龍江科技大學(xué) 電子與信息工程學(xué)院， 哈爾濱 150022)

針對礦井環(huán)境下超寬帶(UWB)信號雜波有較大起伏的問題，采用經(jīng)驗?zāi)B(tài)分解(EMD)與參考獨立分量分析(ICA-R)混合算法，建立礦井下超寬帶(UWB)信號的傳播過程模型。用ICA-R方法濾除雜波分量，檢測塌方體下生命信號，應(yīng)用EMD算法將回波信號分解為若干IMF分量，并在時域上分析生命特性曲線，在高信干比的情況下提取呼吸和心跳信號。實驗仿真結(jié)果表明:該算法可以估計塌方體后生命體的距離信息，同時重構(gòu)目標(biāo)生命體呼吸、心跳的波形信息，適用于塌方體下的非接觸式生命檢測。

礦井; 超寬帶; 塌方體; EMD; 生命特征; 濾波

0 引 言

超寬帶(UWB)信號穿透能力強(qiáng)，距離分辨能力高，且發(fā)射功率低，特別適用于礦井下救援。超寬帶穿墻雷達(dá)生命信號檢測算法是研究者普遍關(guān)注的問題。生命信號檢測方法眾多，有依據(jù)小波變換的心跳、呼吸檢測算法，依據(jù)近似函數(shù)提取心跳、呼吸波形數(shù)據(jù)，通過估計時域函數(shù)來分析呼吸信號的方法，還有自適應(yīng)生命信號檢測算法等。以上三種方法都是利用平均法濾除雜波信號，缺點是產(chǎn)生的諧波干擾嚴(yán)重影響回波信號波形。

針對上述信號檢測方法的不足之處，結(jié)合礦井下的特殊環(huán)境，筆者采用ICA-R算法，把數(shù)據(jù)分離為統(tǒng)計不相關(guān)分量，并且增加了約束條件來限制算法的收斂方向，基于EMD與ICA-R聯(lián)合算法抑制礦井下雜波，提高信干比并分離出感興趣的回波信號。最后，再次應(yīng)用EMD算法，依據(jù)生命信號時變、不平穩(wěn)的特性，把處理過的回波信號分解成若干IMF分量，從中挑選出特征分量重構(gòu)生命信號曲線。

1 超寬帶信號模型的建立

假設(shè)超寬帶雷達(dá)距離塌方體下目標(biāo)生命體胸腔的距離為d0，用c(t)代表因為呼吸而造成的腹部及胸腔起伏，還有心臟跳動造成的人身體微動。出于方便研究的考慮，身體微動可理想化為簡諧振動，于是，人身體表面因微動而引起的距離變化表達(dá)為：

d(t)=d0+c(t)，

(1)

c(t)=Arsin(2πfrt)+Ahbsin(2πfhbt+Δ)+res(t)，

(2)

式中：Ar——呼吸微動；fr——身體呼吸引起微動的頻率；Ahb——心跳引起的身體微動；fhb——身體心跳的微動頻率；Δ——呼吸相對心跳起點的相位差； res(t)——人身體其他微動造成的距離差。

假設(shè)人身體與天線兩者之間近似為自由空間，那么超寬帶雷達(dá)信號的沖擊響應(yīng)為

(3)

(4)

τv(t)=τ0+τrsin(2πfhbt+Δ)+τres(t)，

(5)

在式(4)(5)中，v指的是信號傳播速度，τ0=d0/v，τr=Ar/v，τr=Ahb/v，除心跳、呼吸之外，人身體其他微動引起的時延變化用τres表示。假設(shè)超寬帶脈沖穿墻雷達(dá)用來探測礦井下塌方體之后的生命體，其發(fā)射信號p(τ)，超寬帶雷達(dá)接收天線得到的信號是

R(t,τ)=p(τ)·h(t,τ)，

(6)

(7)

離散化τ和t之后，有

(8)

式(8)中，Ts和δT分別指的是慢時間與快時間采樣間隔，那么可以從雷達(dá)回波矩陣R(m,n)中提取人身體目標(biāo)相關(guān)信息。

2 EMD與ICA-R的雜波抑制與信號檢測

針對礦井下雜波起伏大，對目標(biāo)體回波產(chǎn)生串?dāng)_的問題，在信號檢測之前，先進(jìn)行雜波抑制，需利用生命體信號的先驗信息。塌方體對生命體回波具有低通特性，因此，要對生命體回波信號作時頻分析，把混合著雜波的生命體回波信號的低頻分量當(dāng)做生命體信號的特性信息，當(dāng)做參考信號，利用帶參考信號的ICA算法達(dá)到塌方體雜波與生命體信號的分離。從雷達(dá)回波中提取與參考信號特征匹配的分量，完成接收信號的雜波抑制?；贓MD與ICA-R算法的雜波抑制與信號重構(gòu)原理如圖1所示。

圖1 雜波抑制與信號重構(gòu)原理

在上述系統(tǒng)得到的目標(biāo)回波信號中，存在濾除峰值的非線性采樣，于是，基于時頻分析的方法能導(dǎo)致高頻的微小振蕩。針對這個問題，可以采用EMD算法，分解含有生命體信號的回波數(shù)據(jù)。應(yīng)用EMD算法進(jìn)行時頻分析，可以把非平穩(wěn)、非線性的回波數(shù)據(jù)自適應(yīng)的分解成零均值調(diào)頻和調(diào)幅信號，實驗證明這是一種快捷、有效的實驗數(shù)據(jù)處理算法。

對回波信號進(jìn)行EMD分解，首先要提取回波信號的局部極值，由此得到包絡(luò)均值；將原始信號幅值減掉對應(yīng)時刻的包絡(luò)均值；之后，從得到的信號中提取包絡(luò)均值，重復(fù)上述過程，就可以對信號繼續(xù)作EMD分解。計算各IMF分量對應(yīng)特征向量，得到的能量分布表明，在目標(biāo)生命體回波處呈現(xiàn)能量尖峰，憑借搜索獲得目標(biāo)生命體回波的特征分量，判斷各個能量尖峰在時間軸上的分布位置，可以估計微動生命體距離信息，提取含有生命微動信號的一維時域波形。

通過上述過程，實現(xiàn)回波信號的預(yù)處理，達(dá)到濾除礦井下雜波的效果，減少雜波、直達(dá)波帶來的噪聲影響。對經(jīng)過預(yù)處理之后的信號矩陣進(jìn)行SVD分解，分析獲得各個主元分量對應(yīng)的特征向量，綜合考慮各主元分量相應(yīng)的快時間能量分布以及特征值，能夠確定生命信號回波時延，可以確定目標(biāo)體的大致位置。由生命信號回波時延位置，把混雜有噪聲的目標(biāo)生命體回波信號作EMD分解，得到一系列IMF分量。通過分析各分量的頻率和振幅，選擇合適的IMF分量，構(gòu)造了心跳和呼吸時域波形。作傅里葉變換，于是，通過信號頻譜判定目標(biāo)生命體信號是否存在。

3 生命信號處理與重構(gòu)

對接收信號r(t)作EMD分解是一個篩選的操作，可以濾除疊加波并且使接收信號更具有對稱性。

找出接收信號r(t)全部極大值，用三次樣條函數(shù)作出r(t)的上包絡(luò)線。同樣，找到接收信號r(t)的全部極小值點，作出r(t)的下包絡(luò)線。計算出上下包絡(luò)線的均值用m1(t)表示，于是，接收信號的第一個IMF可由式(9)得出：

h1(t)=r(t)-m1(t)，

(9)

在這里，h1(t)作為第一個IMF，卻一般不具有IMF分量所具有的條件。因此，可以將h1(t)往復(fù)進(jìn)行以上操作k次，當(dāng)它符合IMF定義的要求之后，這時候得到了趨近于零的均值。通過上述操作獲得了首個IMF分量，記作IMF1(t)，接收信號的最高頻率成分包含在這個分量中，

h1(k-1)(t)-m1k(t)=h1k(t)，

IMF1(t)=h1k(t)。

將IMF1(t)從接收信號r(t)中剝離出來，就可以獲得一個濾除掉高頻分量之后的差值接收信號r1(t)，有

r1(t)=r(t)-IMF1(t)，

把r1(t)當(dāng)做原始的波形數(shù)據(jù)，重復(fù)得到第一個分量的操作可以得到第二個IMF分量IMF2(t)，如此反復(fù)n次，便可以得出n個IMF分量了。那么

在rn(t)成為單調(diào)函數(shù)時結(jié)束循環(huán)，于是，有

(10)

式(10)中，rn(t)是剩余函數(shù)，用來表示接收波形數(shù)據(jù)的均勢。不同的分量含有接收回波信號，時域上不同特性尺度的組分，不同頻率段的信號組分存在于各IMF分量中，不同頻率段的頻率組分跟著波形數(shù)據(jù)本身起伏變化，且是各不相同的。

超寬帶(UWB)穿墻雷達(dá)應(yīng)用于礦難救援時，人身體的微動對生命信號回波時延有調(diào)制的作用，其中微動是因為心跳、呼吸而發(fā)生的，于是，塌方體下目標(biāo)生命體回波中可以提取出相應(yīng)的生命信息。將EMD分解得到按頻率降序排列的IMF分量，其中，高階分量是慢振動的情況，低階分量指的是快振動的情況。把最先得到的高頻IMF分量(代表噪聲分量)置零，把帶有人生命體特征的分量提取出來，處理得到呼吸、心跳波形數(shù)據(jù)。假若，用EMD算法把塌方體下目標(biāo)生命體回波時延序列分解為N個IMFj(t)，其中，j=1,2,…,N，那么，有模式索引n1,n2,n3,n4，呼吸波形數(shù)據(jù)srp(t)以(n4-n3+1)個IMF構(gòu)建得到，心跳波形數(shù)據(jù)shb(t)以(n2-n1+1)個IMF來構(gòu)建得到，于是有

(11)

(12)

式(11)、(12)表示的就是時域尺度濾波，是一種新型濾除雜波的方式。這種新方法的優(yōu)點是，濾波處理后得到的波形數(shù)據(jù)，可以盡可能保存了原始信號既有的不平穩(wěn)又不線性這一特性。

4 仿真結(jié)果分析

基于回波信號，作具體仿真驗證。超寬帶(UWB)穿墻雷達(dá)接收得到如下帶有生命體信息的回波r(t)之后，要對r(t)進(jìn)行基于EMD與ICR-R算法的雜波濾除操作，提取含有目標(biāo)生命體信息的波形數(shù)據(jù)。之后，再次應(yīng)用經(jīng)驗?zāi)B(tài)分解(EMD)算法，構(gòu)建生命特性曲線，并實現(xiàn)呼吸、心跳生命信息的分離。

根據(jù)實測數(shù)據(jù)，仿真生成含有起伏雜波超寬帶雷達(dá)回波信號r(t)的波形。采用EMD與ICA-R聯(lián)合算法抑制礦井下的起伏雜波信號，分離出目標(biāo)回波中感興趣的信息，如圖2和圖3所示。

現(xiàn)在應(yīng)用EMD算法，分解經(jīng)過雜波濾除操作之后的回波信號，得到各個IMF分量，用來構(gòu)建呼吸、心跳信號，進(jìn)而實現(xiàn)塌方體下生命檢測，經(jīng)驗?zāi)B(tài)分解得到各IMF分量，分別如圖4所示。

圖2 含有起伏雜波超寬帶雷達(dá)回波信號

圖3 回波信號與分離出的感興趣信息

Fig. 3 Echo signal and separation of interested information

分析經(jīng)驗?zāi)B(tài)分解獲得的各分量可知，接近呼吸頻率的是IMF3分量，且此分量能量略高。為了避免經(jīng)驗?zāi)B(tài)分解中出現(xiàn)的偽模態(tài)問題，為了得到呼吸波形數(shù)據(jù)，把IMF3與其他IMF6、IMF7這兩個更大尺度的分量相加，即可得到呼吸波形數(shù)據(jù)圖，如圖5所示。

再分析其他IMF分量，由于超寬帶穿墻雷達(dá)本身具有較高的噪聲能級，而且礦井特殊的環(huán)境下有較強(qiáng)的起伏雜波以及直達(dá)波的干擾，雖然經(jīng)過了基于EMD與ICA-R聯(lián)合算法的濾波處理，可見IMF1分量的頻率仍然較高，屬于高頻噪聲部分。心跳頻率所在部分集中體現(xiàn)在IMF2分量上。其中，具有最大時間尺度的RES分量，代表了塌方體下目標(biāo)生命體的身體移動信息。根據(jù)上述分析，重構(gòu)得到了目標(biāo)生命體的心跳波形。

圖4 經(jīng)驗?zāi)B(tài)分解得到各IMF分量

Fig. 4 Empirical mode decomposition obtained for each IMF component

a 重構(gòu)呼吸信號

b 重構(gòu)心跳回波信號

由以上分析表明，ICA-R算法與EMD算法結(jié)合，可以有效抑制塌方體下目標(biāo)生命體回波信號中的雜波，極大提高進(jìn)一步提取呼吸、心跳生命信號的可行性。應(yīng)用EMD算法可以有效分離呼吸、心跳信號，且簡便易行，為礦井塌方體下生命檢測與救援提供理論支持。在回波分量中，呼吸信號諧波分量較多，這是由于發(fā)射信號帶寬不夠大造成的。通過進(jìn)一步分析信號在塌方體中的傳播時延，應(yīng)用SVD分解算法還可以得到塌方體下目標(biāo)生命體距離超寬帶雷達(dá)天線的距離信息。

5 結(jié)束語

脈沖超寬帶穿墻雷達(dá)因其具有的優(yōu)良特性，在

礦難生命搜救、非接觸生命探測中有顯著的優(yōu)勢。研究基于超寬帶信號檢測礦井塌方體下生命體的方法，首先構(gòu)建了脈沖超寬帶信號檢測模型，基于ICA-R與EMD聯(lián)合算法，抑制礦井下起伏雜波，之后提取超寬帶天線感興趣回波信號，并重構(gòu)目標(biāo)生命體信號波形。仿真結(jié)果表明算法易于實現(xiàn)，可以有效提取非平穩(wěn)呼吸、心跳信號。通過對課題項目進(jìn)一步的研究，升級現(xiàn)有的軟硬件系統(tǒng)，可以實現(xiàn)在礦井復(fù)雜環(huán)境下，檢測目標(biāo)生命體的距離及活動信息。

[1] Lagunas M. High performance SVD-like proced-ure for spectral estimation using rayleigh function esti-mates[J]. Progress In Electromagnetics Research, 1998(1): 29-48.

[2] 曾昭發(fā), 劉四新, 王者江, 等. 探地雷達(dá)方法原理及應(yīng)用[M]. 北京: 科學(xué)出版社, 2006.

[3] Deadana F S, Gutierrez O. Efficient time-domainray t-racing technique for the analysis of ultra-wide band ind-oor environments including lossy materials and multiple effects[J].International Journal of Antennas and Propag-ation, 2009, 23(1): 78-83.

[4] 閆 述, 陳明生. 瞬變電磁場資料的聯(lián)合時-頻分析解釋[J]. 地球物理學(xué)報, 2005, 48(1): 203-208.

[5] 陳 潔, 方廣有, 李 芳. 時域波束形成在超寬帶穿墻成像雷達(dá)中的應(yīng)用[J]. 電子與信息學(xué)報, 2008, 30(6): 1341-1344.

[6] Verma P, Gaikwad A. Analysis of clutter reduct-ion techniques for through wall imaging in UWB Range[J]. Progress In Electromagnetics Research, 2009(7): 229-248.

[7] 王 艷, 馬弘舸, 曹學(xué)軍, 等. 墻體對微波脈沖的衰減特性[J]. 強(qiáng)激光與粒子束, 2005, 17(8): 1277-1280.

[8] 王 宏, 周正歐. 基于改進(jìn)EEMD的穿墻雷達(dá)動目標(biāo)微多普勒特性分析[J]. 電子與信息學(xué)報, 2010, 32(6): 1355-1360.

[9] Lin Qiuhua, Zheng Yongrui, Yin Fullan G, et al. A fast algo-rithm for one-unit ICA-R [J]. Inform-ation Sciences, 2007, 177(5): 1265-1275.

(編輯 晁曉筠 校對 李德根)

Research on detection method of life under mine based on ultra-wideband signal

GuoJikun,WangBaosheng，HaoWeilai,ZhangHongwei

(School of Electronics & Information Engineering, Heilongjiang University of Science & Technology, Harbin 150022, China)

This paper introduces the propagation process model for ultra wideband(UWB) signal in underground mine developed by using an algorithm combining reference independent component analysis(ICA-R) with empirical mode decomposition(EMD), as a way to address the greater fluctuation in the signal clutter of ultra wide band(UWB) in underground mine.The algorithm works by filtering the clutter component with ICA-R method to detect the body signal under the landslides, decomposing the echo signal into several IMF components using the EMD algorithm; and analyzing the characteristic curve of life in the time domain to realize the separation of respiration and heartbeat signal in the case of high signal- to-noise ratio. The study demonstrates that the algorithm able to estimate the distance information of the body under the landslide while reconstructing the time and frequency waveform information of breath and heartbeat of the target life works better for the non-contact life detection under the landslide body.

mine; UWB; landslide; mine EMD; life characteristics; wave filtering

2016-12-06

國家自然科學(xué)基金項目(51474100)；黑龍江省青年科學(xué)基金項目 (QC2016093)

郭繼坤( 1968-)，男，黑龍江省肇源人，教授，博士，研究方向: 礦井監(jiān)控與無線通信，E-mail：guojikun@usth.edu.cn。

10.3969/j.issn.2095-7262.2017.01.016

TD326； TN925

2095-7262(2017)01-0073-04

A