买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京盛博蓝自动化技术有限公司申请的专利一种基于雷达信号的多目标生命探测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119861368B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510345681.3，技术领域涉及：G01S13/88；该发明授权一种基于雷达信号的多目标生命探测方法及系统是由赵丽丽;王远洋设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本一种基于雷达信号的多目标生命探测方法及系统在说明书摘要公布了：本申请涉及生命探测技术领域，公开了一种基于雷达信号的多目标生命探测方法，包括以下步骤：步骤一、采集雷达接收的多目标混合信号，并对信号进行预处理；步骤二、对预处理后的信号进行相空间重构，得到高维相空间轨迹；步骤三、构建自适应字典，并对信号进行稀疏表示；步骤四、通过稀疏优化算法从混合信号中分离出各目标的初步生命体征信号。本发明采用多频段雷达信号与深度学习融合的技术方案，达到了复杂电磁环境下多目标生命体征信号高精度分离的技术效果。相较于现有技术中依赖单一频段或固定阈值分类的技术方案，解决了其在密集障碍物或多目标混合场景下信号混叠严重、分离精度低的不足。

本发明授权一种基于雷达信号的多目标生命探测方法及系统在权利要求书中公布了：1.一种基于雷达信号的多目标生命探测方法，其特征在于，包括以下步骤： 步骤一、采集雷达接收的多目标混合信号，并对信号进行预处理； 所述预处理包括：对信号进行滤波以去除高频噪声和基线漂移，并对信号进行归一化处理；具体实现方式如下： 采用多频段复合雷达系统进行信号采集，其中X波段8-12GHz用于高分辨率表面目标探测，L波段1-2GHz用于穿透障碍物探测；雷达发射端采用多输入多输出MIMO技术，发射时-频-空三维编码的脉冲信号，其脉宽可调范围为10ns至1μs，脉冲重复频率PRF自适应范围为1kHz至10MHz，以满足不同场景下的探测需求；接收端配置16通道MIMO阵列，噪声系数小于2dB，动态范围大于80dB，确保在强干扰环境下仍能捕获微弱生命体征信号； 针对高频噪声抑制，采用通带范围为0.1Hz至5Hz的带通滤波器，以保留呼吸及心跳信号的有效频段；基线漂移的消除通过小波变换实现，即选用db4小波基函数进行5层分解，去除信号中的低频漂移分量；归一化处理通过以下公式实现： 其中，xt为原始信号；μ为信号均值；σ为信号标准差，为归一化后信号；该处理使得不同通道及频段的信号幅值统一至同一量级，避免后续处理中的幅值偏差问题； 为适应复杂电磁环境，进一步引入自适应噪声抵消技术；即通过参考通道采集环境噪声信号，利用最小均方算法实时更新滤波器系数，从主信号中减去噪声分量；其更新公式为： wn+1＝wn+μenxn； 其中，wn+1为滤波器权值向量，μ为步长因子，en为误差信号，xn为参考噪声信号；通过此类方法，显著提升信噪比，为后续处理提供更纯净的输入信号； 雷达系统参数根据实际场景动态调整；即在穿透混凝土墙体时优先使用L波段，而在需要高分辨率定位时切换至X波段；此外，信号采样率设置为2GSPS每秒千兆采样，以确保高频信号的完整捕获；预处理后的信号通过高速光纤接口传输至处理单元，避免传输过程中的信号衰减与干扰； 针对多目标场景的特殊需求，在预处理阶段引入盲源分离技术的初步筛选；即通过独立成分分析对混合信号进行粗分离，筛选出潜在的生命体征信号分量，再交由后续模块进行精细化处理； 步骤二、对预处理后的信号进行相空间重构，得到高维相空间轨迹； 所述相空间重构通过Takens嵌入定理实现，具体包括：根据自相关函数法确定延迟时间，并通过虚假最近邻法确定嵌入维数；具体实现方式如下： 首先通过自相关函数法确定延迟时间τ；自相关函数Rτ的计算公式为： 其中，xt为预处理后的信号，N为信号长度，τ为延迟时间；选择自相关函数第一次过零点对应的τ作为最优延迟时间，以确保重构相空间的轨迹能够充分展开； 嵌入维数m的确定通过虚假最近邻法实现；具体步骤包括：逐步增加嵌入维数，计算虚假最近邻比例，当比例小于预设阈值时停止增加； 根据Takens嵌入定理，对预处理后的信号进行相空间重构，得到高维相空间轨迹Xt： 其中，m为嵌入维数，τ为延迟时间；通过相空间重构，信号的动态特性被映射到高维空间中，为后续的信号分离提供了更直观的几何结构； 为进一步提升重构效果，引入局部投影法对相空间轨迹进行平滑处理；即通过局部线性嵌入LLE算法将高维轨迹投影到低维空间，保留信号的主要动态特征，同时去除噪声引起的轨迹抖动；其目标函数为： 其中，yi为低维空间中的投影点；wij为局部权重系数；k为近邻点数； 针对复杂电磁环境下的多目标场景，进一步引入多尺度相空间重构技术；即通过小波变换将信号分解为多个尺度分量，分别进行相空间重构，最后将各尺度的重构结果融合；该方法能够有效捕捉信号的多尺度特性，提升后续信号分离的精度； 为验证相空间重构的效果，通过计算最大Lyapunov指数评估信号的混沌特性；通过Wolf算法计算Lyapunov指数： 其中，di为相空间轨迹上两点间的距离，d0为初始距离；若Lyapunov指数为正，则表明信号具有混沌特性，适合采用非线性动力学方法进行处理； 相空间重构的结果通过可视化技术进行展示；即将高维轨迹投影到三维空间中，观察其几何结构与动态演化规律； 步骤三、构建自适应字典，并对信号进行稀疏表示； 所述自适应字典通过K-SVD算法构建，具体包括：通过最小化信号与字典原子线性组合的重构误差，优化字典原子和稀疏系数；具体实现方式如下： 采用K-SVD算法构建自适应字典D；该算法通过交替优化字典原子与稀疏系数，最小化信号重构误差；其目标函数为： 其中，Xt为相空间重构后的高维轨迹，D为待优化的字典矩阵，αi为稀疏系数向量，K为稀疏度约束，控制系数中非零元素的最大数量，N为信号样本总数； 步骤四、通过稀疏优化算法从混合信号中分离出各目标的初步生命体征信号； 所述稀疏优化算法为正交匹配追踪算法，具体包括：通过迭代选择字典原子，逐步逼近信号的最优稀疏表示；具体实现方式如下： 字典初始化采用随机矩阵或预定义基函数；初始字典D0的原子由随机高斯分布生成，并通过迭代更新逐步优化；每次迭代包含稀疏编码与字典更新两个阶段： 稀疏编码阶段：固定字典D，利用正交匹配追踪OMP算法求解稀疏系数αi； 字典更新阶段：固定稀疏系数αi，逐列更新字典原子dk，通过奇异值分解SVD优化原子及其对应系数的组合； 字典原子更新公式为： 其中，Ek表示去除当前原子dk后的残差矩阵，‖·‖F为Frobenius范数，αk为对应稀疏系数的行向量；通过SVD分解Ek＝U∑VT，更新后的原子取U的第一列，稀疏系数更新为∑1,1×V:,1T； 为提升字典对生命体征信号的适应性，引入生理特征先验知识，将呼吸与心跳信号的典型波形作为初始字典原子，再通过K-SVD算法进行微调；加速算法收敛，并提高稀疏表示的可解释性； 针对多目标场景的复杂性，采用分块字典构建策略；即将相空间轨迹划分为多个子块，分别构建子字典，并通过联合稀疏约束实现全局优化；其目标函数扩展为： 其中，Xbt为个子块信号，Db为对应子字典，Ktotal为全局稀疏度约束； 稀疏表示的结果通过残差分析进行评估；计算重构信号与原始信号Xt的均方误差： 当MSE低于预设阈值时，判定稀疏表示达到收敛标准； 步骤五、利用非线性动力学模型对初步分离信号进行修正，消除残余混叠，得到最终分离信号； 所述非线性动力学模型用于描述信号间的耦合关系，具体包括：通过修正函数消除初步分离信号中的残余混叠；具体实现方式如下： 首先构建非线性动力学模型，描述信号间的耦合关系；即采用非线性耦合函数描述目标信号间的相互作用，其形式包括线性项、二次项和三次项，通过最小二乘法拟合确定耦合系数； 利用非线性动力学模型对初步分离信号进行修正；具体步骤如下： 计算耦合信号：根据非线性耦合函数，计算各目标信号对其他信号的耦合影响； 消除残余混叠：从初步分离信号中减去耦合信号，得到修正后的信号；该方法能够有效消除信号间的残余混叠，提升分离精度； 为提高修正精度，引入自适应耦合系数更新机制；即通过梯度下降法动态调整耦合系数，最小化修正误差；该方法能够根据信号特性实时优化修正效果； 针对多目标场景的复杂性，采用分阶段修正策略；即将信号划分为多个频段，分别进行非线性动力学修正，最后将各频段的修正结果融合； 为进一步增强鲁棒性，引入噪声抑制的修正模型；即在修正过程中增加噪声项的范数约束，平衡修正误差与噪声抑制； 为验证非线性动力学修正的效果，通过频谱分析评估信号分离精度；即计算修正前后信号的频谱差异，确保主要生命体征频率成分得到保留，同时消除混叠引入的伪频率成分； 步骤六、基于最终分离信号，计算目标位置并提取生命体征信息； 所述目标位置计算通过时反定位算法实现，具体包括：通过构建时反信道响应函数，计算目标的空间位置；具体实现方式如下： 采用时反定位算法TIMLE计算目标位置；该算法通过构建时反信道响应函数，结合多径信号的时间反转特性，精确计算目标的空间坐标；通过接收信号与参考信号的相关性估计信道冲激响应，对其进行时间反转处理，最终确定目标位置； 为提高定位精度，引入多传感器融合技术；即将多个雷达节点的定位结果进行加权融合，根据信噪比或距离动态调整权重系数，获得最优目标位置； 生命体征信号的提取通过频谱分析实现；即对修正后的分离信号进行快速傅里叶变换，检测频谱中的峰值频率，确定呼吸频率与心跳频率；通过设置频段阈值，排除噪声干扰，确保提取结果的有效性； 引入自适应滤波技术对频谱进行平滑处理；即采用卡尔曼滤波器动态更新状态估计，去除噪声引起的伪频率成分，保留真实的生命体征频率； 针对多目标场景的复杂性，采用分频段提取策略；即将信号划分为不同频段，分别提取呼吸与心跳特征，并通过联合优化确定最终生命体征信息； 步骤七、输出目标位置信息和生命体征信号。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京盛博蓝自动化技术有限公司，其通讯地址为：100043 北京市石景山区八大处高科技园区西井路3号3号楼9027房间；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。