信号检测基于matlab MVDR算法多个人体生命体征检测含Matlab源码 2417期

Posted 2023-03-10 海神之光

⛄一、微弱信号检测

空间信号环境复杂，在强信号背景下，微弱信号很难被检测到。若能从接收信号中消除强信号，则该问题便可迎刃而解。

1 问题分析
空间谱估计技术具有分辨率高、抗噪声能力强的优点，但是也具有一定不足。当入射信号中存在强信号时，微弱入射信号很容易被“淹没”，难以检测。主要表现在两个方面：一是由于微弱信号对应特征值较小，在式（13）中被误认为是小特征值，造成信号源数目J估计不准确，微弱信号被当作噪声处理；二是在强信号背景下，微弱信号在式（14）中对应的谱峰不明显、不准确，难以辨识。

在强信号背景下有效检测微弱信号，是本文的研究目的。

2 检测方法
本文方法的思想是从阵列信号中消除强信号，保留微弱信号，然后再进行谱估计检测微弱信号。具体分析如下：

假设s V(t)是强入射信号，入射方向为φV，则其对应的导向矢量为

阵元m接收信号为

为消除强信号，本文构建新的阵列信号

其中


3 方法步骤
根据2.2小节分析，本文提出的检测方法步具体骤如下：

(1）计算阵列信号的协方差矩阵，并进行特征分解；

(3）依次按式（18）构建新的阵列输出信号，分别消除强信号s1(t),s2(t),…,s v(t);

(4）按步骤（1)-(2）再次进行空间谱估计，检测微弱信号及其入射方向。

⛄二、部分源代码

close all;clc;clear all;
%
% %% 雷达参数
% %参数设定
% f0=77e8;%起始频率
% numADCSamples = 200;%采样点数
% Doppler_Number = 200;%多普勒通道数
% freqSlopeRate = 70.006e12;%调斜率，单位：MHz/us
% adcSampleRate = 4e6;%快时间ADC采样率，单位：Ksps
% numChirps = 128;%一个frame的chirp数
% Ts = 50e-3;%每个frame之间的时间
% vc = 3e8;%光速，单位：m/s
% lambda = vc/f0;%波长，以77GHz计算，单位：m
% % dmax = (adcSampleRate * 1e3) * vc / (2 * freqSlopeRate * 1e12);%最大不模糊距离（这里将参数转成国际制计算）
% d = lambda / 2;%阵元间距
% NofPules = 1;
% xunni_annate=2*4;
% Q=180;
% Tc=64e-6; %chirp总周期
% %% 算法参数
% rangeFFTNum = 256;%距离维FFT点数
% useFramesNum = 1200;%useFramesNum个frame计算一次

load channel_data %1200x200x8 （每帧取一个chirp）帧采样点
%% 数据处理
loop_cnt = floor(length(channel_data(:,1,1)) / useFramesNum);
% loop_cnt = 1;
for k = 1:loop_cnt
use_channel_data = channel_data((k - 1) * useFramesNum + 1 : k * useFramesNum,:😅;
%-----------------均值对消和脉冲压缩
rangeProfile = MTI_PulseCompression(use_channel_data,0,rangeFFTNum); % 1024x256x8 complex double
sum_rangProfile = sum(abs(rangeProfile(:,:,1)),1);
[~,targetIndex] = max(sum_rangProfile);
%-----------------计算角度谱
searchAngleRange = 60;%角度谱搜索范围为±searchAngleRange度
% data=rangeProfile;
% save targetIndex.mat targetIndex ;
[~,azimuSpectrogram,Rxv] = IWR1642ODS_DOA(rangeProfile,2,useFramesNum,searchAngleRange);
%------------------寻找不同角度的目标
maxAzimu = max(azimuSpectrogram,[],2);% 121x1 max(A,[],2)返回包含每行最大值的列向量
[values,peaks_index] = findpeaks(maxAzimu,‘minpeakheight’,3000000);%findpeaks(maxAzimu);
% [peaks_values,peaks_index] = findpeaks(maxAzimu);
figure(9); hold on; box on;
plot(1:length(maxAzimu),maxAzimu);
plot(peaks_index,maxAzimu(peaks_index),‘bd’)

% -------------------加权得到不同的目标心跳呼吸
target_rangeProfile = zeros(useFramesNum,length(peaks_index));%存放目标经过角度滤波后的距离像数据，后续呼吸心跳针对这个数据来处理，一列是一个目标的距离像数据
% xt = [rangeProfile(:,targetIndex,2),rangeProfile(:,targetIndex,3),rangeProfile(:,targetIndex,6),rangeProfile(:,targetIndex,7)];%1024x4 complex double,rangeProfile(:,targetIndex,2),rangeProfile(:,targetIndex,3),rangeProfile(:,targetIndex,6),rangeProfile(:,targetIndex,7)
xt = squeeze(rangeProfile(:,targetIndex,:));%提取8通道里面每个targetIndex=49的1024x8 complex double,rangeProfile(:,targetIndex,2),rangeProfile(:,targetIndex,3),rangeProfile(:,targetIndex,6),rangeProfile(:,targetIndex,7)

for m = 1:length(peaks_index)
    detAngle = -searchAngleRange + peaks_index(m) * (searchAngleRange * 2 / length(azimuSpectrogram(:,1)));
    fai = 2 * pi * sin(detAngle / 180 * pi) * d / lambda;
    aTheta = [1,exp(-1j*1*fai),exp(-1j*2*fai),exp(-1j*3*fai),exp(-1j*4*fai),exp(-1j*5*fai),exp(-1j*6*fai),exp(-1j*7*fai)].';%
    Wopt = (Rxv  * aTheta) / (aTheta' * Rxv  * aTheta);
    target_rangeProfile(:,m) = xt * Wopt;%target_rangeProfile 1024x2 循环两次
end

[breathRate,heartRate] = get_heartBreath_rate(target_rangeProfile,1/Ts);

figure(22);
imagesc([0 , rangeFFTNum],[-searchAngleRange +searchAngleRange],abs(azimuSpectrogram));xlabel(' Distance(m) ');ylabel(' Angle(°)');
pause(0.1);

end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]张兴良,方晓飞,王天一.一种基于空间谱估计的微弱信号检测方法[J].通信与信息技术. 2020(01)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除