基于小波及变分模态分解算法的生命雷达参数提取算法的制作方法

1.本发明涉及生命雷达参数提取算法技术领域，具体为基于小波及变分模态分解算法的生命雷达参数提取算法。


背景技术：

2.生命探测雷达是一种综合微功率超宽带雷达技术与生物医学工程技术研制而成的高科技救生设备，专业用于地震灾害、塌方事故等紧急救援任务中幸存人员的搜索定位，其利用纳秒级电磁波脉冲频谱宽、穿透性强、分辨力高、抗干扰性好、功耗低等特性，可以穿透非金属介质，向远距离发射纳秒级脉冲电磁波，基于人体运动在雷达回波上产生的时域多普勒效应，来分析探测范围中是否有人体目标存在，并获取所述人体目标的具体位置和生命体征信息；
3.但现有生命探测算法抗干扰能力差，当探测环境中存在强电磁干扰或者高强度噪声时，难以将弱生命体征信号从雷达回波信号中分离并提取出来，同时现有算法很难进一步分离出信号，即便能够提取出信号的信噪比也很高，准确性较差，进而影响救援的及时性和准确性，为此，提出基于小波及变分模态分解算法的生命雷达参数提取算法。


技术实现要素：

4.本发明的目的在于提供基于小波及变分模态分解算法的生命雷达参数提取算法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：基于小波及变分模态分解算法的生命雷达参数提取算法，包括以下步骤：
6.s1、发射电磁波：经指令发出电磁波；
7.s2、信号接收：接收电磁波的回波信号；
8.s3、信号传递：接收到的回波信号分路传递至两个路径；
9.s4、数据整合：将两个路径的数据整合；
10.s5、参数提取：通过算法对整合数据进行参数提取。
11.作为本技术方案的进一步优选的：在s3中，路径一的具体步骤为：
12.a1：开始小波对接受到的信息进行分解；
13.a2：将分散的数据离散化；
14.a3：通过算法计算对多尺度小波的变换；
15.a4：再由小波信号重构输入信号。
16.作为本技术方案的进一步优选的：在a3中，算法采用mallat算法。
17.作为本技术方案的进一步优选的：在s3中，路径二的具体步骤为：
18.b1：开始将信号分解成一系列具有不同频率的子信号；
19.b2：通过对每个子信号追加权利得出原始信号；
20.b3：通过对每个子信号进行分板并提取信号的主要特征；
21.b4：结合每个子信号的特征，对原始信号进行综合分板及处理。
22.作为本技术方案的进一步优选的：在s5中，算法的具体步骤为：
23.c1：从数据中选择k个对象作为初始聚类中心；
24.c2：计算每个聚类对象到聚类中心的距离并划分；
25.c3：再次计算每个聚类中心；
26.c4：计算标准测度函数，直到达到最大迭代数次；
27.c5：到达最大迭代数次，数据输出，否则，操作循环运行。
28.与现有技术相比，本发明的有益效果是：本发明采用双重路径对信号进行处理，一个通过小波形式进行降噪处理，该方式对信号处理过程简易，且降噪效果好，从而能够有效的降低信噪比，以此来提高整体的准确性，而另一种借由变分模态分解算法能够对采样和噪声具有更强的鲁棒性，且在分解复杂信号方面效果更好，从而将两种形式结合，来大大提高参数的准确性，以此提高救援时的及时性和准确性。
附图说明
29.图1为本发明基于小波及变分模态分解算法的生命雷达参数提取算法的流程图；
30.图2为本发明基于小波及变分模态分解算法的生命雷达参数提取算法中路径一的流程图；
31.图3为本发明基于小波及变分模态分解算法的生命雷达参数提取算法中路径二的流程图；
32.图4为本发明基于小波及变分模态分解算法的生命雷达参数提取算法中对整合数据进行参数提取的算法流程图。
具体实施方式
33.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
34.实施例
35.请参阅图1-图4，本发明提供一种技术方案：基于小波及变分模态分解算法的生命雷达参数提取算法，包括以下步骤：
36.s1、发射电磁波：经指令发出电磁波；
37.s2、信号接收：接收电磁波的回波信号；
38.s3、信号传递：接收到的回波信号分路传递至两个路径；
39.s4、数据整合：将两个路径的数据整合；
40.s5、参数提取：通过算法对整合数据进行参数提取。
41.本实施例中，具体的：在s3中，路径一的具体步骤为：
42.a1：开始小波对接受到的信息进行分解；
43.a2：将分散的数据离散化；
44.a3：通过算法计算对多尺度小波的变换；
45.a4：再由小波信号重构输入信号。
46.本实施例中，具体的：在a3中，算法采用mallat算法。
47.本实施例中，具体的：在s3中，路径二的具体步骤为：
48.b1：开始将信号分解成一系列具有不同频率的子信号；
49.b2：通过对每个子信号追加权利得出原始信号；
50.b3：通过对每个子信号进行分板并提取信号的主要特征；
51.b4：结合每个子信号的特征，对原始信号进行综合分板及处理。
52.本实施例中，具体的：在s5中，算法的具体步骤为：
53.c1：从数据中选择k个对象作为初始聚类中心；
54.c2：计算每个聚类对象到聚类中心的距离并划分；
55.c3：再次计算每个聚类中心；
56.c4：计算标准测度函数，直到达到最大迭代数次；
57.c5：到达最大迭代数次，数据输出，否则，操作循环运行。
58.工作原理或者结构原理：先经指令发出电磁波，再接收电磁波的回波信号，接收到的回波信号分路传递至两个路径，经路径一时，小波对接受到的信息进行分解，将分散的数据离散化，通过算法计算对多尺度小波的变换，再由小波信号重构输入信号，经路径二时，开始将信号分解成一系列具有不同频率的子信号，通过对每个子信号追加权利得出原始信号，通过对每个子信号进行分板并提取信号的主要特征，结合每个子信号的特征，对原始信号进行综合分板及处理，将两个路径的数据整合，并通过算法对整合数据进行参数提取，从数据中选择k个对象作为初始聚类中心，计算每个聚类对象到聚类中心的距离并划分，再次计算每个聚类中心，计算标准测度函数，直到达到最大迭代数次，到达最大迭代数次，数据输出，否则，操作循环运行。
59.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。


技术特征：
1.基于小波及变分模态分解算法的生命雷达参数提取算法，其特征在于，包括以下步骤：s1、发射电磁波：经指令发出电磁波；s2、信号接收：接收电磁波的回波信号；s3、信号传递：接收到的回波信号分路传递至两个路径；s4、数据整合：将两个路径的数据整合；s5、参数提取：通过算法对整合数据进行参数提取。2.根据权利要求1所述的基于小波及变分模态分解算法的生命雷达参数提取算法，其特征在于：在s3中，路径一的具体步骤为：a1：开始小波对接受到的信息进行分解；a2：将分散的数据离散化；a3：通过算法计算对多尺度小波的变换；a4：再由小波信号重构输入信号。3.根据权利要求2所述的基于小波及变分模态分解算法的生命雷达参数提取算法，其特征在于：在a3中，算法采用mallat算法。4.根据权利要求1所述的基于小波及变分模态分解算法的生命雷达参数提取算法，其特征在于：在s3中，路径二的具体步骤为：b1：开始将信号分解成一系列具有不同频率的子信号；b2：通过对每个子信号追加权利得出原始信号；b3：通过对每个子信号进行分板并提取信号的主要特征；b4：结合每个子信号的特征，对原始信号进行综合分板及处理。5.根据权利要求1所述的基于小波及变分模态分解算法的生命雷达参数提取算法，其特征在于：在s5中，算法的具体步骤为：c1：从数据中选择k个对象作为初始聚类中心；c2：计算每个聚类对象到聚类中心的距离并划分；c3：再次计算每个聚类中心；c4：计算标准测度函数，直到达到最大迭代数次；c5：到达最大迭代数次，数据输出，否则，操作循环运行。

技术总结
本发明公开了基于小波及变分模态分解算法的生命雷达参数提取算法，属于生命雷达参数提取算法技术领域，其包括以下步骤：S1、发射电磁波：经指令发出电磁波，S2、信号接收：接收电磁波的回波信号，S3、信号传递：接收到的回波信号分路传递至两个路径，S4、数据整合：将两个路径的数据整合，S5、参数提取：通过算法对整合数据进行参数提取，本发明采用双重路径对信号进行处理，一个经小波形式进行降噪，该方式对信号处理过程简易且降噪效果好，从而能够降低信噪比，提高整体的准确性，另一种借由变分模态分解算法，且对采样和噪声有更强的鲁棒性，在分解复杂信号方面效果好，从而两种形式结合，提高救援时的及时性和准确性。提高救援时的及时性和准确性。提高救援时的及时性和准确性。


技术研发人员：高军峰
受保护的技术使用者：苏州雷佳达健康科技有限公司
技术研发日：2023.06.19
技术公布日：2023/8/13