機械振動干擾下人體目標識別技術研究

王昭昳，王健琪，張 楊，史 剛，張自啟，于 霄，馬洋洋，許兆坤，白思源，薛慧君*

（1.空軍軍醫大學軍事生物醫學工程學系，西安710032；2.聯勤保障部隊第942醫院衛勤處，銀川750001）

0 引言

超寬帶(ultra-wideband，UWB)生物雷達發射的電磁波能穿透倒塌的建筑廢墟檢測人體呼吸引起的體表微動，從而快速識別和定位壓埋人員[1-3]。UWB生物雷達技術不需要任何電極或傳感器接觸生命體，可遠距離獲取生命信息，與激光、紅外、聲波探測技術相比，UWB生物雷達不受溫度、噪聲、廢墟孔徑等影響，因其良好的抗干擾能力和穿透性被廣泛應用于地震、塌方等災后救援[4-7]。現代災后救援現場，大型工程機械(如裝載機、挖掘機等)進行挖掘、破拆等作業已是常態，工程機械作業會引起強振動，如果該振動被生物雷達探測到，必將對壓埋人體搜救造成影響。

目前，針對探測環境中振動干擾的問題，國內外學者已做了相關研究。Nezirovic等[8]使用UWB生物雷達探測壓埋人體，利用奇異值分解技術抑制環境中的振動干擾，結果表明若雷達回波信噪比過低，則該方法去噪效果不理想。Zhang等[9]使用雙天線、雙點頻連續波雷達系統采集操作人員呼吸信號作為干擾源，采用自適應濾波結合互相關算法有效抑制了操作人員的呼吸干擾，結果指出若被測目標和操作人員呼吸頻率差值小于0．04 Hz，則該方法失效。Li等[10]使用連續波雷達遠程探測人體生命信號，采用自相關和自適應譜線增強算法消除人體不規律振動干擾。Schires等[11]采用生命體征反向測量的相位檢測技術、基于信號頻率差異的頻率估計法降低信號干擾，使用生物雷達探測系統對靜止人體和汽車駕駛員進行探測實驗，結果顯示該方法可有效去除因汽車行駛振動引起的駕駛員身體慣性振動干擾，能準確探測人體呼吸和心跳信號。Castro等[12]針對駕駛員身體振動干擾，采用加速度傳感器采集汽車座椅振動信號，假設人體振動與其方向相同，在已知運動方向和加速度的情況下，采用基于獨立成分分析的方法分離人體振動干擾和生理信號。

本課題組前期研究發現機械振動幅度遠大于人體呼吸引起的體表微動幅度，且部分振動信號頻率處于人體呼吸信號頻段內[13-14]，無法采用傳統的時域或頻域濾波方法抑制機械振動干擾。根據文獻[15]，靜止人體的呼吸信號在探測范圍內與UWB生物雷達保持恒定距離，由于被測人體具有一定厚度，呼吸信號也出現在目標位置區域的相鄰單元，當雷達接收人體呼吸信號時，采用小波熵算法可以識別人體目標。本研究中機械作業模式具有多樣性和隨機性，單個小波基函數難以抑制多種振動干擾。經驗模態分解(empirical mode decomposition，EMD)具有很強的頻率分選性能，可根據振動信號自身的局部時間特性，將信號分解為由高頻到低頻的多個固有模態函數(intrinsic mode function，IMF)，但鑒于EMD可能造成信號模式混疊的弱點，集合經驗模態分解(ensemble empirical mode decomposition，EEMD)被提出作為EMD的升級算法[16]。因此，本文采用添加白噪聲輔助數據分析的EEMD算法對UWB生物雷達回波數據進行自適應分解，借鑒熵的定義，計算不同模態能量復雜度，根據作業機械和人體目標熵值的凹口寬度差異識別人體目標。

1 機械振動干擾下人體目標探測識別的研究分析

課題組前期開展了機械振動干擾下的人體目標探測實驗研究。以中心頻率為500 MHz的UWB生物雷達為探測平臺，柳工856號裝載機的3種常規作業方式包括怠速(發動機振動引起的機身不規則抖動)、挖掘揮鏟、移動作業作為振動干擾源，人體目標距離雷達2．5 m，裝載機距離雷達6～9 m，雷達在裝載機作業振動干擾下對人體目標進行探測，采用能量累積算法[17]對雷達回波數據進行處理，結果如圖1所示。圖1(a)中距離雷達約2．4 m處有明顯的能量譜峰，根據先驗知識，此處為人體目標。圖1(b)中距離雷達約7．3 m處有機械振動能量譜峰，未識別出人體目標。同理，圖1(c)只顯示距離雷達約7 m處為機械移動作業振動的能量譜峰。以上結果說明，怠速能量較低，對人體探測未造成干擾，而挖掘揮鏟和移動作業能量較高，該實驗條件下基于能量累積的方法無法識別人體目標。

圖1 機械作業振動干擾下的人體目標探測結果

2 機械作業振動信號的時、頻分析

UWB生物雷達在自由空間中采集裝載機上述3種常規作業的振動信號，時域和頻域信號處理結果如圖2所示，可見怠速振動信號頻率成分復雜、能量相對較低，挖掘揮鏟和移動作業產生的振動信號主頻率處于人體呼吸頻段(0．2～0．7 Hz)內，且振幅較強。

圖2 裝載機常規作業振動信號時、頻分析圖

使用自相關算法驗證3種機械振動信號的平穩性，結果如圖3所示。從圖3可以看出怠速振動信號相關性較差，挖掘揮鏟作業振動信號平穩、相關性較好，移動作業振動信號相關性雖低于挖掘揮鏟振動信號，但仍較為規律。

圖3 機械作業振動信號的自相關結果

3 UWB生物雷達探測平臺及算法研究

由于機械挖掘揮鏟和移動作業振動信號在時、頻域方面與人體呼吸信號相似，且可能存在同頻問題，傳統的時頻處理方法難以抑制機械振動干擾。由于挖掘揮鏟和移動作業振動信號具有較強的規律性，根據文獻[15]，振動信號熵會低于探測環境噪聲，且裝載機尺寸較大，機械振動信號熵譜圖凹口較寬，因此，本文擬利用機械挖掘揮鏟和移動作業振動信號的平穩性以及人體目標和裝載機的外形差異，借鑒熵的理論知識，研究機械挖掘揮鏟和移動作業振動干擾下的人體目標識別方法。

圖4為UWB生物雷達回波的二維數據矩陣。探測距離上每個距離點信號為慢時間信號，對不同距離的慢時間信號進行EEMD分解后可獲得每個慢時間信號在不同特征尺度下的IMF分量。令雷達回波某個距離點對應的慢時間信號為x(t)，則

圖4 UWB生物雷達回波的二維數據矩陣

式中，ci(t)為各IMF分量(i=1，…，k)，為本征模態函數；rk(t)為殘余分量。

設Ei(j)為函數ci(t)第j(j=1，2，…，L)個采樣點對應的指標能量值，該慢時間信號EEMD后第i個本征模態函數的能量值為

式中，k為不同慢時間信號分解后IMF的個數；L為ci(t)的采樣點。

由公式(2)可計算得出ci(t)不同尺度下IMF能量分布的指標能量概率(其為一個慢時間信號的總能量)，從而求出不同距離點信號的EEMD熵：中

4 實驗場景與結果

4.1 實驗場景

為了驗證EEMD熵識別方法的可行性，分別進行了2組自由空間和2組穿墻探測實驗，4組實驗中裝載機作業狀態均為挖掘揮鏟和移動作業，場景如圖5所示。圖5(a)中40歲成年健康男性正對UWB生物雷達站立，距離雷達約2.5 m，身體保持靜止，正常呼吸，裝載機機身與雷達最近距離約為5 m；圖5(b)中目標A為40歲成年健康男性，目標B為27歲成年健康男性，與雷達距離分別為2和4 m，均正對雷達靜止站立，正常呼吸。圖5(c)、(d)為穿墻探測實驗，受場地空間限制，作業機械在雷達側后方8 m，圖5(c)中目標為27歲成年健康男性，與雷達分別位于磚墻兩側，目標距離雷達約3 m，靜止站立，正常呼吸；圖5(d)中目標B為24歲成年健康男性，目標A為27歲成年健康男性，兩目標與雷達距離分別約3和5 m，面對雷達靜止站立，正常呼吸。自由空間中雷達探測距離為0~9 m，穿墻探測距離為0~12 m。以上4組實驗每組重復10次。

圖5 不同場景下的探測實驗

4.2 實驗結果

采用EEMD熵方法處理上述4組實驗數據，結果如圖6所示。圖6(a)中距離雷達天線2.5 m處的EEMD熵值較低，根據文獻[15]可知此處為人體目標，而5~9 m的EEMD熵值也低于其他區域，且凹口較寬，可知此處為機械振動區域。同理，圖6(b)中2和4 m處為人體目標，5~9 m處為作業機械活動區域。圖6(c)中3 m處EEMD熵值較低，此處為人體目標。圖6(d)中3和5 m處EEMD熵值較低，分別對應2個人體位置。由于探測當天有微風，墻體發生微晃，墻體的周期振動信號在相鄰距離點擴散，使得穿墻探測結果中人體目標熵譜圖凹口寬度大于自由空間中人體目標的熵譜圖凹口寬度。從后2組實驗結果分析，因為作業機械處于雷達天線側后方8 m處，位于雷達主波束探測區域以外，并未對人體目標的探測造成干擾。

圖6 裝載機振動干擾下人體目標的EEMD熵識別結果

5 結語

本研究使用中心頻率為500 MHz的UWB生物雷達采集裝載機怠速、挖掘揮鏟和移動3種常規作業的振動信號，并分析振動信號的時頻特性，發現挖掘揮鏟和移動作業振動信號的時頻特性與人體呼吸信號相似，且自相關處理結果顯示這2種振動信號較為平穩，推測機械振動信號熵低于環境噪聲。根據機械振動信號的平穩特性及機械與人體目標的體積差異，提出了基于EEMD熵的人體目標識別算法，在自由空間和穿墻條件下進行機械振動干擾下的人體目標探測實驗，結果顯示該方法在一定程度上提升了機械作業振動干擾下人體目標的識別效率，為復雜條件下UWB生物雷達探測人體目標提供了有意義的借鑒。此外，在穿墻探測實驗中，由于作業機械處于雷達側后方8 m，雷達旁瓣電磁波能量較低，此實驗條件下，作業機械振動并未對人體探測造成影響，后期會進一步完善實驗方案，深入探討穿墻條件下機械振動干擾的人體目標識別問題。