《超宽带雷达物联网呼吸心跳体征提取》由会员分享，可在线阅读，更多相关《超宽带雷达物联网呼吸心跳体征提取（34页珍藏版）》请在金锄头文库上搜索。
1、超宽带雷达物联网呼吸心跳体征提取摘要超宽带雷达具有发射功率低，穿透性强，灵敏度高，目标识别能力好等优势。该雷达在生命体征获取，目标数量识别，目标定位，目标追踪等方面有着广泛应用。在可见度低的环境，如云雾，雨雪，烟雾等天气情况下仍能保持良好性能，同时可以避免图像识别引发的个人隐私侵犯的问题。基于超宽带雷达的呼吸心跳生命体征提取是超宽带雷达的重要应用场景之一。物联网（Internet of Things，IoT）是以互联网、传统电信网等作为载体，将各个能行使独立功能的终端设备联系起来，通过远程控制等方法实现互联互通的网络。构建超宽带雷达物联网可以有效提高生命体征提取的精确度，同时获取目标不同运动状
2、态的数据。本文结合国内外研究进展，深入研究了超宽带雷达的特性，在实测之前对雷达脉冲的发射和接收过程进行仿真；仿真后搭建了超宽带雷达物联网，并在车内环境下对对驾驶员的生命体征进行检测和提取。针对车内复杂的多径反射现象，对实测数据使用经验模态分解和变分模态分解两种算法进行处理，提取生命体征，并进行了比较。对于影响提取精度的驾驶员相关行为，先采用深度学习的方法识别运动模式，在运动情况下采用运动干扰消除算法，保证提取的精确度。结果表明，静止状态识别的准确度可以达到93.3%，运动状态准确度为88.5%。本文的工作主要有：对脉冲超宽带雷达生命体征检测过程进行仿真；搭建超宽带雷达物联网进行数据采集并提取生
3、命体征；运用深度学习方法识别运动模式，对运动干扰消除方法展开讨论；以上工作内容为超宽带雷达物联网的进一步推广和应用打下了基础。关键词超宽带雷达物联网呼吸心跳体征信号处理仿真卷积神经网络深度学习Vital Sign detection with Internet of UWB RadarsABSTRACTUltra-wideband radar has the advantages of low transmission power, strong penetrability, high sensitivity and good target recognition ability. The r
4、adar has a wide range of applications in terms of vital signs acquisition, target quantity identification, target location, and target tracking. In a low visibility environment, such as clouds, rain, snow, smoke and other weather conditions can still maintain good performance, while avoiding the pro
5、blem of personal privacy violations caused by image recognition. Respiratoryandheartbeat vital sign extraction based on UWB radar is one of the important application scenarios of UWB radar. The Internet of Things (IoT) is based on the Internet, traditional telecommunication networks, etc., and conne
6、cts various terminal devices that can perform independent functions, and realizes interconnection and interconnection through remote control and other methods. The construction of UWB radar Internet of Things can effectively improve the accuracy of vital sign extraction, and at the same time acquire
7、 data of different motion states of the target.Based on the research progress at home and abroad, this paper deeply studies the characteristics of UWB radar, and simulates the transmission and reception process of radar pulse before the actual measurement. After the simulation, the IoUWB is built. T
8、he vital signs of the driver are detected and extracted in the vehicle environment. For the complex multipath reflection phenomenon in the car, the data measured in car is processed by empirical mode decomposition and variational mode decomposition, and the two methods are extracted and compared bas
9、ed on the vital signs. For the driver-related behaviors that affect the extraction accuracy, the deep learning method is used to identify the motion mode, and the motion interference elimination algorithm is used in the motion situation to ensure the accuracy of the extraction. The results show that
10、 the accuracy of the stationary state recognition can reach 93.3%, and the accuracy of the motion state is 88.5%.The main work of this paper is: simulation of the vital sign detection process of pulse UWB radar; construction of IoUWB for data acquisition and extraction of vital signs; use of deep le
11、arning method to identify the motion mode, discuss the method of motion interference elimination; The content lays the foundation for the further promotion and application of the IoUWB.KEY WORDS ultra-wide band radar Internet of Thingsrespiratory heartbeat signal processing convolutional neural netw
12、ork deep learning 目录第一章绪论11.1 研究背景11.1.1 超宽带技术11.1.2 超宽带雷达11.2 超宽带雷达国内外研究现状21.2.1 国际研究21.2.2 国内研究21.3 研究内容及意义31.4 本文的安排31.5 本章小结4第二章超宽带雷达无线传播特性52.1 超宽带信号的发射与接收52.2 人体生理信号的特点与提取52.3 超宽带信号室内传播的信道模型62.4仿真的基本思路及其过程72.4.1 脉冲超宽带信号的生成72.4.2 仿真的参数及过程82.4.3 仿真环境比较92.4.4 仿真结果及分析102.5 本章小结11第三章超宽带雷达物联网的搭建和数据分析
13、123.1 超宽带雷达物联网123.2 车内超宽带雷达物联网数据采集123.2.1 数据采集的过程123.2.2 数据分析133.2.3 数据预处理143.3 生命体征监测算法简介153.3.1 经验模态分解算法；163.3.2 变分模态分解算法；173.3.3 实验结果分析比较193.3.4 小结213.4 本章小结21第四章深度学习与运动干扰消除的讨论224.1 深度学习的背景224.2 卷积神经网络224.2.1 训练集和测试集的生成234.2.2 训练结果234.2.3 评估与展望234.3 运动干扰消除的讨论234.4 本章小结24第五章结束语25参考文献26II北京邮电大学本科毕业
14、设计（论文）第1章 绪论1.1 研究背景1.1.1 超宽带技术超宽带技术的定义是发射纳秒级别的窄脉冲，频谱极宽，美国联邦通信委员会(FCC)的定义是：比中心频率高25%或者是大于1.5 GHz的带宽1。超宽带技术具有高精确度、低功耗、数据传输速率高以及抗干扰能力强等优点。由于只能提供十几米以内的近距离传输，超宽带技术通常被用于室内网络环境中，通过无线通信连接各种设备，这使得物联网的构建变得更加方便，同时可以实现短距离高速数据传输。无线通信技术发展迅速，用户需求也在不断增长，超宽带技术有广阔的应用前景，除了数据传输速率高之外，超宽带技术拥有可以达到毫米级的距离分辨力，这为呼吸心跳体征的提取，精准
15、定位，目标追踪等功能的实现提供了可能性2。1.1.2 超宽带雷达超宽带短距通信与传统的载波通信系统有很大不同，超宽带信号持续的时间短，有着一些其他通信方式所不具备的特性。最大的特点是超宽带技术的宽带特性，超宽带技术通过与雷达技术的结合可以使得所具有的诸多优点最好的得以应用。本文主要讨论基于脉冲超宽带雷达所展开的研究。超宽带雷达的短脉冲达到纳秒级，提供良好的距离分辨率，并具有极其精确的距离测量和分辨率。它可以识别呼吸和心跳产生的轻微的身体运动，并使呼吸心跳标志提取。超宽带雷达还具有很强的穿透能力，能够有效穿透衣物的屏障，也可以应用于墙体探测，也可以起到地震救援场景的作用，如某些低能见度条件下的雾气如雾，在雨，雪，烟等恶劣天气条件下，超宽带雷达在图像处理算法太低而无法工作时仍然可以很好地检测到3。它具有出色的分辨率和穿透力可以检测轻微的运动甚至检测静止的物体，这可以在分析后讨论或消除。值得一提的是，当探测目标涉及人群时，由于不涉及视频监测，不会具体识别目标身份，UWB雷达可以在保证高精度的同时极大地保护目标的隐私。在超宽带雷达中，天线的作用是非常重要的，能够保证雷达具有良好的角度和距离分辨力。在雷达的反射截面范围内，超宽带天线能够代替整个系列的用于覆盖整个频带范围的窄带天线阵列。在超宽带雷达的应
