论文部分内容阅读
随着生物雷达技术的快速发展,各领域对该技术的需求也越来越高,目前应用较为广泛的是超宽带生物雷达技术,超宽带生物雷达技术具有精度高、抗干扰能力强、能耗小等优点。由于回波信号中包含大量的环境噪声,并且人体心跳、呼吸信号的强度相对较弱,雷达设备接收到的回波信号中的噪声会将生命体征信号淹没。为了能够更加准确地采集到人体的生命信息,回波信号的去噪处理以及对回波信号中心跳、呼吸的分离处理工作十分重要,本文将重点研究回波信号中心跳呼吸的提取技术。本文分析了超宽带生物雷达的工作原理,通过对雷达系统相关参数以及指标的计算,选取了合适的天线、功率放大器、低噪声放大器、模数转换器等器件,并设计电路和PCB版图,建立了生物雷达硬件系统;深入研究了生物雷达回波信号的处理算法,运用MATLAB对回波信号进行建模,仿真结果验证了算法可有效处理回波信号。通过重点研究回波信号的去噪处理和分离处理,利用经验模态分解法将回波信号分解为有限个固有模态函数,进而使信号的高频部分和低频部分初步分离,运用能量法则和自相关函数判断固有模态函数中噪声或有用信号的占比,分析固有模态函数的性质,利用类似小波软阈值法对噪声占比较大的固有模态函数进行了去噪处理,并利用处理后的固有模态函数进行信号重构,最终得到去噪后的回波信号。MATLAB仿真表明:经验模态分解算法将信号的信噪比由-10dB提高到了13.23dB,相对于建模回波信号的均方误差为0.0012,证明该算法在有效提高信号信噪比的同时,保证了信号较低的失真度。本文利用最小均方算法对去噪后的回波信号进行了分离处理。首先利用生物雷达系统采集屏住呼吸的人体的心跳信号,运用经验模态分解算法对该心跳信号进行去噪处理,将其作为最小均方算法的期望信号;将经验模态分解算法处理好的混合信号(包含心跳和呼吸)作为最小均方算法的输入信号;经过多次迭代后成功的将心跳、呼吸信号分离,分离后的心跳、呼吸信号的信噪比分别为12.37dB、11.59dB,频率分别为1.247Hz、0.252Hz,相对于建模信号的频率误差分别为0.3%、0.2%,均方误差分别为0.0031、0.0026。最后,通过实验采集健康成人的呼吸、心跳回波信号,并采用本文研究的算法处理回波信号,为了验证实验效果,本文进行了多组实验,将分离出的呼吸信号和设定频率进行了对比,并将探测到的心跳信号和心电图信号对比,得出七组心跳信号与心电图信号之间均有较高的相关系数,相对心电图信号的频率误差均在校准误差范围内。