一种浴室跌倒检测雷达的水雾杂波滤除方法与流程

1.本发明属于跌倒检测技术领域，尤其涉及一种浴室跌倒检测雷达的水雾杂波滤除方法。


背景技术：

2.随着中国人口逐渐老龄化，对于老人看护可能存在疏忽或者存在不可预见的危险，如老人在浴室内异常跌倒。因此市场上出现很多种类的室内人员检测与跟踪相关的传感器，有超声、红外、激光雷达和光学摄像头等等，这些传感器不同程度的受外部环境的光照温度等影响，造成虚警的出现。而毫米波雷达则具备全天候的特性，在环境适应性上比其他传感器强，特别在涉及到保护个人隐私生活等方面，毫米波雷达更有不可替代的天然优势。但是浴室内空间狭小中静态物体杂波和不同型号淋浴头喷出水雾带来的虚假目标干扰，这严重影响了雷达在浴室环境中的正常工作。


技术实现要素：

3.针对上述问题，本发明提出一种浴室跌倒检测雷达的水雾杂波滤除方法，基于多元特征偏差迭代反演，对浴室跌倒雷达的水雾杂波进行滤除，在毫米波雷达工作中有效抑制水雾和其他静止杂波，可准确实现室内环境下人体目标跟踪和检测跌倒的功能。
4.本发明公开的浴室跌倒检测雷达的水雾杂波滤除方法，包括以下步骤：
5.雷达配置初始化参数，多发多收毫米波雷达发射电磁波采集原始回波数据；
6.所述原始回波数据经过傅里叶变换后获得每个虚拟阵元的距离多普勒数据；
7.对所述距离多普勒数据进行高精度超分辨测角,得到监测场景内动态目标的三维空间数据；
8.使用cfar恒虚警检测对输入的信号进行处理后确定一个门限，输出三维目标点云数据；
9.获取所述三维目标点云数据和距离多普勒数据信息中的能量谱，三维坐标信息，速度，信噪比，并组成多元特征，采用滑动时间窗口的方法计算每一个帧与当前n帧平均值的总偏差系数α，通过所述总偏差系数作为影响因子对原始回波信号进行迭代反演，得到收敛的回波数据。
10.进一步的，对所述处理后的回波数据使用卡尔曼滤波算法对目标跟踪滤波，得到稳定的运动目标航迹，再根据轨迹信息识别人体目标的运动姿态，判断人体目标是否在浴室内跌倒。
11.进一步的，多元特征值复合后的加权系数为：
[0012][0013]
其中α为多元特征值复合后的总偏差系数；ε0为根据实测数据统计结果预设的距离多普勒能量谱的权重因子；α0为距离多普勒能量的偏差系数；ε1、ε2、ε3为预设的三维坐标
信息，速度，信噪比的权重因子；α1、α2、α3为三维坐标信息，速度，信噪比的偏差系数；n为3。
[0014]
进一步的，多元特征的偏差系数的计算公式表达如下：
[0015][0016][0017]
其中，σ0为距离多普勒能量偏差量；为距离多普勒能量的当前n帧滑窗平均值；σ1、σ2、σ3为三维坐标信息，速度，信噪比的偏差量；ai为三维坐标信息，速度，信噪比的当前n帧滑窗平均值；
[0018]
多元特征的当前n帧滑窗平均值表示如下：
[0019]
n＝[power
max
*δ]
[0020][0021][0022]
其中power
max
是当前帧中距离多普勒能量谱的最大值，δ是滑窗数调节系数，n为滑窗大小，其中a0(j)为第j帧的距离多普勒能量谱；i＝1时，ai(j)为第j帧的三维坐标值；i＝2时，ai(j)为第j帧的速度值；i＝3时，ai(j)为第j帧的信噪比值。
[0023]
进一步的，能量谱和其他多元特征的偏差量计算公式如下：
[0024][0025][0026]
进一步的，所述通过所述总偏差系数作为影响因子对原始回波信号进行迭代反演，得到收敛的回波数据，包括：
[0027]
毫米波原始雷达多发多收阵列中第k个虚拟阵元的发射回波复信号公式模型e(t,z)表达如下：
[0028][0029]
其中a为发射信号幅度；f为雷达发射信号频率；t表示以每个调频为时间起点的快时间；tc为调频周期；k为调频斜率；为雷达发射信号初相；z为发射天线的调频索引；
[0030]
其中，所有收发虚拟阵元的原始回波信号的总和叠加信号为e(t,z)，其中j表示为第j个虚拟阵元的接收：
[0031][0032]
通过多元特征值复合后的总偏差系数α构造新的回波复数信号模型e(t,z)：
[0033][0034]
反复多次循环构造新的回波复数信号模型，直至满足α＜α
t
或者m＞m
t
，
[0035]
其中，α
t
为预设的训练误差门限值，m为迭代的次数，m
t
为允许执行迭代的最大次数。
[0036]
与现有技术相比，本发明的有益效果如下：
[0037]
采用毫米波雷达处理算法来探测人体跌倒姿态，有着不受光照，水雾影响的性能，相比传统的摄像头具有保护个人隐私生活的优势。
[0038]
采用多元化特征提取与回波迭代反演方法有效抑制静态物体杂波和各种淋浴头喷出水雾带来的虚假目标干扰，已通过实验验证了跌倒雷达有着良好的检测效果。
[0039]
使用基于多元特征偏差迭代反演算法，具有自适应能力，可覆盖多种复杂浴室场景。
附图说明
[0040]
图1本发明的水雾杂波滤除方法流程图。
具体实施方式
[0041]
下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。
[0042]
参考图1，本发明的水雾杂波滤除方法步骤如下：
[0043]
雷达原始回波信号：雷达配置初始化参数，多发多收毫米波雷达发射电磁波采集原始回波数据；
[0044]
距离多普勒数据：原始回波数据经过傅里叶变换后获得每个虚拟阵元的距离多普勒数据；
[0045]
毫米波雷达测角：对原始的多普勒数据进行高精度超分辨测角,得到监测场景内动态目标的三维空间数据；
[0046]
cfar恒虚警检测：cfar恒虚警检测首先对输入的信号进行处理后确定一个门限，输出三维目标点云数据；
[0047]
多元特征偏差迭代反演算法：以目标点云和多普勒数据信息中能量谱，三维坐标信息，速度，信噪比等多元特征为依据，滑动时间窗口计算每一个帧与当前n帧平均值的总偏差系数α。本发明通过这个总偏差系数作为影响因子对原始回波信号进行迭代反演，得到新的回波数据，反复多次循环后直至满足α＜α
t
或者m＞m
t
，其中，α
t
为预设的训练误差门限值，m为迭代的次数，m
t
为允许执行迭代最大次数。
[0048]
人体目标跟踪和跌倒检测：通过多元特征偏差迭代反演算法后利用卡尔曼滤波算法对目标跟踪滤波，最后得到稳定的运动目标航迹，根据航迹信息中目标高度与展宽识别人体目标的姿态，准确的判断人体目标是否在浴室内跌倒。
[0049]
上述步骤5基于多元特征偏差迭代反演算法详细介绍如下：步骤2，步骤3和步骤4
形成的距离多普勒数据和目标点云数据具有目标的能量谱，三维坐标信息，速度，信噪比等多元特征量。采集多组实测数据后，目标特征变化统计结果如下：
[0050]
人体目标的雷达数据特征分布特点为：
[0051]
1)三维坐标信息的方位向和距离向是探测范围内活动变化的，高度向均匀在0到1.8m左右；
[0052]
2)速度分布在0到5m/s变化，取决于人的运动状态，静止时趋近于0；
[0053]
3)人静止时能量偏小接近于0，运动时能量出现波动；
[0054]
4)信噪比人体目标偏高。
[0055]
各种淋浴头水雾杂波的雷达数据特征分布特点为：
[0056]
1)三维坐标信息的方位向，距离向和高度向都是固定位置不变的；
[0057]
2)速度相对恒定匀速，与水流喷速有关；
[0058]
3)能量分布均匀，长时间无明显波动；
[0059]
4)信噪比偏低。
[0060]
本发明的多元特征偏差迭代反演算法具有自适应能力，通过大量样本分析的特征量，对多元化特征赋值权重因子ε。接着采用滑动时间窗口计算每一个帧与当前n帧平均值的各特征的偏差量，结合各特征权重因子得到最终的总偏差系数α。
[0061]
具体推算公式表示如下，多元特征值复合后的加权系数为：
[0062][0063]
其中α为多元特征值复合后的总偏差系数；ε0为根据实测数据统计结果预设的距离多普勒能量谱的权重因子；α0为距离多普勒能量的偏差系数；εi为其他多元特征(三维坐标信息，速度，信噪比)预设的权重因子；αi为其他多元特征(三维坐标信息，速度，信噪比)的偏差系数；n为其他多元特征量的个数。
[0064]
各种多元特征偏差量的推导公式表达如下：
[0065][0066][0067]
其中，σ0为距离多普勒能量偏差量；为距离多普勒能量滑窗平均值；σi为其他多元特征(三维坐标信息，速度，信噪比)的偏差量；为其他多元特征(三维坐标信息，速度，信噪比)的当前n帧滑窗平均值；
[0068]
当前n帧滑窗平均的状态值表示如下，滑窗大小n受目标点云能量最大值影响，目标点云能量最大值偏大说明目标探测稳定，杂波相对较弱可适当减少滑窗数；反之说明目标能量微弱，杂波相对较强可适当增加滑窗数：
[0069]
n＝[power
max
*δ]
[0070][0071][0072]
其中power
max
是当前帧中距离多普勒能量谱的最大值，δ是滑窗数调节系数，杂波相对较强时，δ值设置较大，杂波相对较弱时，δ值设置较小；n为滑窗大小，其中a0(j)为第j帧的距离多普勒能量谱；i＝1时，ai(j)为第j帧的三维坐标值；i＝2时，ai(j)为第j帧的速度值；i＝3时，ai(j)为第j帧的信噪比值。
[0073]
能量谱和其他多元特征值偏差量推导如下：
[0074][0075][0076]
求出总偏差系数后需要迭代反演，由原始回波数据与总偏差系数重新构造新的回波数据。
[0077]
具体推到步骤如下：
[0078]
毫米波原始雷达多发多收阵列中第k个虚拟阵元的发射回波复信号公式模型e(t,z)表达如下：
[0079][0080]
其中a为发射信号幅度；f为雷达发射信号频率；t表示以每个调频为时间起点的快时间；tc为调频周期；k为调频斜率；为雷达发射信号初相；z为发射天线的调频索引。
[0081]
其中，所有收发虚拟阵元的原始回波信号的总和叠加信号e(t,z)为，其中j表示为第j个虚拟阵元的接收：
[0082][0083]
通过多元特征值复合后的加权系数α构造新的回波复数信号模型e'(t,z)：
[0084][0085]
反复多次循环构造新的回波复数信号模型，直至满足α＜α
t
或者m＞m
t
(其中，α
t
为预设的训练误差门限值，m为迭代的次数，m
t
为允许执行迭代最大次数)，迭代反演得到收敛的回波数据，继续执行傅里叶变换，测角和cfar检测雷达信号处理，最后通过卡尔曼滤波算法对目标跟踪滤波，最后得到稳定的运动目标航迹，根据轨迹信息识别人体目标的运动姿态，准确的判断人目标是否在浴室内跌倒。
[0086]
与现有技术相比，本发明的有益效果如下：
[0087]
采用毫米波雷达处理算法来探测人体跌倒姿态，有着不受光照，水雾影响的性能，
相比传统的摄像头具有保护个人隐私生活的优势。
[0088]
采用多元化特征提取与回波迭代反演方法有效抑制静态物体杂波和各种淋浴头喷出水雾带来的虚假目标干扰，已通过实验验证了跌倒雷达有着良好的检测效果。
[0089]
使用基于多元特征偏差迭代反演算法，具有自适应能力，可覆盖多种复杂浴室场景。
[0090]
本文所使用的词语“优选的”意指用作实例、示例或例证。本文描述为“优选的”任意方面或设计不必被解释为比其他方面或设计更有利。相反，词语“优选的”的使用旨在以具体方式提出概念。如本技术中所使用的术语“或”旨在意指包含的“或”而非排除的“或”。即，除非另外指定或从上下文中清楚，“x使用a或b”意指自然包括排列的任意一个。即，如果x使用a；x使用b；或x使用a和b二者，则“x使用a或b”在前述任一示例中得到满足。
[0091]
而且，尽管已经相对于一个或实现方式示出并描述了本公开，但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件等)执行的各种功能，用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示)，即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外，尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开，但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或其他特征组合。而且，就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言，这样的术语旨在以与术语“包含”相似的方式包括。
[0092]
本发明实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以多个或多个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。上述的各装置或系统，可以执行相应方法实施例中的存储方法。
[0093]
综上所述，上述实施例为本发明的一种实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何背离本发明的精神实质与原理下所做的改变、修饰、代替、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。