脉冲超宽带雷达生命探测关键技术研究现状及发展趋势

郑学召 ,  李强 ,  黄渊 ,  丁文 ,  马扬

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (14) :5788-5805

PDF (9656KB)
科学技术与工程 ›› 2026, Vol. 26 ›› Issue (14) :5788-5805 DOI: 10.12404/j.issn.1671-1815.2503034
电子技术、通信技术

脉冲超宽带雷达生命探测关键技术研究现状及发展趋势

作者信息 +

Research Status and Development Trends of Key Technologies for Life Detection Using Pulsed Ultra-wideband Radar

Author information +
文章历史 +

摘要

在灾后坍塌环境中,快速定位被困人员对成功救援至关重要。冲激脉冲超宽带(impulse radio-ultra wide band,IR-UWB)雷达因其可穿透非磁性材料探测微弱生命信号,在灾害环境中的搜救应用潜力巨大。首先介绍了IR-UWB雷达的生命探测原理与系统构成,重点分析脉冲生成、天线辐射、接收采样等硬件关键技术,以及杂波抑制、信号增益和生命信号提取等信号处理方法的现状,指出其在救援应用中的不足,包括低脉冲信号幅度、天线增益带宽受限、高功耗等硬件问题及杂波抑制效果不佳、信号识别单一、信号定位精度低等信号处理局限性。最后,提出IR-UWB雷达在灾害应急救援中的发展方向,通过集成电荷泵、应变硅和反射器等技术提升硬件性能,建立回波灾变介质传播模型、引入深度学习技术增强生命信号识别定位准确率,并应用认知雷达提升复杂环境适应性。

Abstract

In post-disaster collapse environments, the rapid localization of trapped victims is considered crucial to successful rescue operations. IR-UWB (impulse radio ultra-wideband) radar, which is capable of penetrating non-magnetic materials and detecting weak vital signs, is regarded as having significant potential for search-and-rescue applications in disaster scenarios. First, the principles of life detection using IR-UWB radar and its system architecture were introduced. Key hardware technologies, including pulse generation, antenna radiation, and receiver sampling, were analyzed in detail, along with the current status of signal processing methods such as clutter suppression, signal amplification, and vital-sign extraction. Existing shortcomings in rescue applications were then identified, including hardware issues such as low pulse signal amplitude, limited antenna gain bandwidth, and high power consumption, as well as signal processing limitations such as insufficient clutter suppression performance, simplistic signal recognition methods, and low target localization accuracy. Finally, future development directions of IR-UWB radar for disaster emergency rescue were proposed. Hardware performance was expected to be improved through the integration of technologies such as charge pumps, strained silicon, and reflectors, echo propagation models in catastrophic media are to be established, deep learning techniques are to be introduced to enhance the accuracy of vital-sign recognition and localization, and cognitive radar approaches are to be applied to improve adaptability in complex environments.

Graphical abstract

关键词

IR-UWB雷达 / 脉冲产生 / 天线辐射 / 雷达定位 / 杂波噪声抑制 / 生命信号提取

Key words

IR-UWB radar / pulse generation / antenna radiation / radar-based localization / clutter noise suppression / life signal extraction

引用本文

引用格式 ▾
郑学召, 李强, 黄渊, 丁文, 马扬. 脉冲超宽带雷达生命探测关键技术研究现状及发展趋势[J]. 科学技术与工程, 2026, 26(14): 5788-5805 DOI:10.12404/j.issn.1671-1815.2503034
ZHENG Xue-zhao, LI Qiang, HUANG Yuan, DING Wen, MA Yang. Research Status and Development Trends of Key Technologies for Life Detection Using Pulsed Ultra-wideband Radar[J]. Science Technology and Engineering, 2026, 26(14): 5788-5805 DOI:10.12404/j.issn.1671-1815.2503034

登录浏览全文

4963

注册一个新账户 忘记密码

地震、泥石流、建筑物倒塌以及矿山事故等灾害往往造成大量人员被困于废墟或地下深处,人员通常处于危险状态,可能受伤甚至失去意识[1]。被困人员位置不明时,大范围挖掘式救援不仅效率低下,而且可能进一步危及被困人员生命。因此,需要生命探测技术及时确定被困人员位置,确保能够实施针对性和高效的救援行动,最大限度减少对幸存者二次伤害,并提高救援成功率和生还概率[2-3]。
目前应用于灾后生命探测的技术主要有红外成像、声波探测、超宽带(ultra-wide band,UWB)雷达等[4-5]。其中,红外成像依赖于被测目标的热辐射特征,但在有遮挡物或温差不明显情况下效果不佳;声波探测依靠声音传播,容易受到环境噪声干扰[6]。UWB雷达可分为连续波超宽带(continuous wave-ultra wide band,CW-UWB)雷达和冲激脉冲超宽带(impulse radio-ultra wide band,IR-UWB)雷达,CW-UWB雷达通过发射连续的电磁波信号检测目标,但其抗干扰能力和分辨率相对较低,相比之下,IR-UWB雷达因其高分辨率、强穿透力和低功耗等优势[7],逐渐成为生命探测技术研究热点。
近年来,在理论研究与关键技术分析方面,郑学召等[8]基于矿山钻孔救援,分析UWB雷达生命探测中回波信息处理研究现状;赵尤信等[9]基于UWB雷达生命探测的发展历程,分析UWB雷达生命探测中信号产生、天线以及信号处理等关键技术;文虎等[10]分析井下UWB雷达生命探测过程中电磁波信号的传播特性以及回波的杂波噪声去除方法;罗朋等[11]从UWB雷达发射机、接收机和天线分析CMOS工艺下的UWB雷达芯片发展现状;Yang等[12]介绍IR-UWB穿墙雷达生命探测中回波信号预处理与生命信号识别提取研究进展。在工程实践与应用层面,IR-UWB雷达生命探测技术近年来在中国逐步实现工程化,2014年华诺星空技术股份有限公司研制出DN-Ⅲ+与DN-Ⅳ型IR-UWB生命探测雷达,并在“2·26”土耳其地震救援中应用[13];2023年,国家矿山应急救援(西安)研究中心研发了矿用钻孔救援IR-UWB雷达生命探测仪,可穿透0.5 m砖墙,在4.0 m范围内探测人员微小移动[14];同年,中国煤炭科工集团研发出LST-30/120DM-CCTEG-1型UWB雷达生命探测仪,能在30 m范围内以厘米级分辨率探测出被困人员的呼吸心跳信号[15]。
尽管IR-UWB雷达生命探测技术在理论研究和工程应用方面均取得了一定进展,但在灾后复杂救援环境中的实际应用仍面临诸多不足与挑战,且缺乏系统性分析。因此,现介绍IR-UWB雷达生命探测的原理及其系统,并根据生命探测的原理、系统组成以及需求,分析IR-UWB雷达脉冲产生、天线辐射和接收采样等硬件关键技术以及杂波噪声抑制、生命信号增益、生命信号识别提取和生命信号定位等信号处理方法的研究现状;最后,提出现有技术与方法在灾后救援应用中存在的不足与未来发展趋势;为提升灾后救援效率与精度、推动生命探测技术发展提供理论参考与实践方向。

1 基本原理

1.1 IR-UWB雷达生命探测原理

雷达发射机通过发射脉冲电磁波,穿透非磁性介质照射到目标,并接收目标反射回波,如果目标有位移情况,接收到的回波信号频率与发射信号频率将会产生偏移,称为多普勒效应[16]。IR-UWB生命探测雷达正是基于此原理,利用人体微动(肢体运动、呼吸心跳引起的胸腔起伏)对雷达发射电磁波的微多普勒调制[17],在回波中提取该特征,计算时延确定设备与人体之间的距离,通过天线阵列接收并比较各通道回波的到达时差以估算方位角[18],实现生命探测定位。

在理论分析中,将人体微动由冲激响应函数来反映,在除人体外其他物体都静止的前提下,IR-UWB雷达时变信道冲激响应为

h(τ,t)=avδ[τ-τv(t)]+$\sum _{i=1}^{N}$aiδ(τ-τi)+n(τ,t)

式(1)中:avδ[τ-τv(t)]为人体微动产生的冲激响应;$\sum _{i=1}^{N}$aiδ(τ-τi)为静态遮蔽物产生的冲激响应;n(τ,t)为噪声产生的冲激响应;τv(t)为人体微动回波信号的时延;τi为第i个路径下静态遮蔽物回波信号的时延;av和ai分别为人体微动回波信号和第i个路径下静态遮蔽物回波信号幅度;τ和t分别为回波信号的快时和慢时采样时间。

接收天线接收到的回波信号为

r(τ,t)=s(τ)*h(τ,t)=avs[τ-τv(t)]+$\sum _{i=1}^{N}$ais(τ-τi)+s(τ)*n(τ,t)

式(2)中:s(τ)为发射信号;*为卷积。

接收天线接收到的回波信号,会在接收机中经过采样处理存储为离散数据的形式,因此最终回波信号为

R(m,n)=r(τ=mTf,t=nTs)=avs[mTf-τv(nTs)]+$\sum _{i=1}^{N}$ais(mTf-τi)+s(mTf)*n(mTf,nTs)=h(m,n)+c(m)+w(m)

式(3)中:m和Tf分别为快时间的采样点数和采样周期;n和Ts分别为慢时间的采样点数和脉冲重复周期;h(m,n)为人体微动回波信号;c(m)为静态杂波;w(m)为噪声。

1.2 IR-UWB雷达生命探测系统

IR-UWB雷达生命探测系统的组成架构如图1所示,该系统主要由IR-UWB雷达硬件感知系统与终端生命信号识别系统组成。IR-UWB雷达硬件感知板块中发射机产生电磁波经过发射天线向探测区域发射,由探测范围内的物体反射后,被接收天线传输至接收机中,接收机会对信号进行初步滤波、放大、采样与模数转换等,并由信号传输模块将信号传输至终端生命信号识别系统,进行回波信号预处理与生命信号的识别提取[19]。灾变环境中,受大量坍塌影响,被困人员可能出现受伤或昏迷,而缺乏食物、水源与氧气使生命体征更加微弱,对IR-UWB雷达生命探测系统性能有极高要求,硬件系统必须具备在穿透一定厚度坍塌物后,依然能探测到微弱生命信号的能力。当硬件系统性能达到基本要求时,整个IR-UWB雷达生命探测系统的性能主要受终端生命识别系统中算法的影响,其优劣决定着系统的准确性、灵敏度和鲁棒性。因此下文将对生命探测系统中硬件关键技术与生命信号处理方法进行综合梳理与论述。

2 IR-UWB雷达生命探测硬件关键技术

在IR-UWB雷达的硬件关键技术研究中,有通信与目标感知两个方向,各有不同的侧重点。在通信领域中研究偏向于通过信号调制技术、编码技术、译码技术等,实现高速率、低延迟和高可靠性的无线数据传输。目标感知又可分为步态识别、手势识别、目标物体检测识别[20],生命探测属于目标物体检测识别中的一种。生命探测需要穿透介质实现探测,所以该领域中研究偏向于通过发射机脉冲产生技术、天线辐射技术、接收机高速采样技术等,并基于多普勒效应,实现高穿透性和高分辨率生命信号识别。对发射机、天线、接收机3个部件中的关键技术研究现状的分析与总结如下。

2.1 发射机

发射机是IR-UWB雷达发射信号的关键模块,通常由脉冲产生电路与功率放大器构成,IR-UWB雷达发射机中脉冲宽度影响雷达系统的时间空间分辨率与障碍穿透能力,脉冲幅度影响探测距离[21-22]。研究主要集中在低功耗前提下产生窄脉冲宽度、大幅度的脉冲信号。从当前研究现状来看,用于IR-UWB脉冲信号产生方法主要有两类。

一类是对各种高速器件进行等效处理,将其视为开关,通过储能元件的充放电过程产生短暂的脉冲信号,这些器件涵盖隧道二极管、阶跃恢复二极管(step recovery diode,SRD)、雪崩三极管(avalanche transistor,AT)和俘越二极管等[23]。其中阶跃恢复二极管与雪崩晶体三极管因发射脉冲稳定在救援中运用较多。Zhou等[24]将SRD与非线性传输线(nonlinear transmission line,NLTL)相结合形成一种窄脉冲发生电路,mp4023型SRD产生220 ps脉冲信号,再利用NLTL进一步窄化脉冲宽度,最终得到宽度130 ps,幅度为3.3 V的窄脉冲信号。李宇等[25]采用了双三极管并联电路加速雪崩效应,相比于单三极管降低了工作电压,提升了脉冲幅度,经过实验证明表面该电路在12 V工作电压下,可产生脉冲峰-峰值12.88 V,宽度1.6 ns的脉冲信号。陈淅澄等[26]提出了一种雪崩三极管和阶跃恢复二极管结合的皮秒级脉冲电路,该电路中,先由雪崩三极管产生正负对称的脉冲,再传输至阶跃恢复二极管整形电路中调整脉冲宽度。经过测试可产生幅度±26.5 V、宽度253 ps、重复频率200 kHz的脉冲信号,可用于IR-UWB雷达发射机中。

另一类是利用数字逻辑器件产生脉冲信号,这类器件具有便于集成和系列化生产、成本低廉、使用方便等优点,通常采用互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)实现。CMOS工艺下,IR-UWB雷达发射机发射功率受到低电源电压的限制,为了解决该问题,Gao等[27]采用65 nm CMOS工艺制造,以两个连续的梯形波作为输入信号,在通过输出网络之前,输出谱是预先形状的,只需要负载电感和直流块电容以外的简单带阻滤波器,使用1 V电源电压实现了2.12 V峰-峰值幅度。为了进一步提升脉冲幅度Gao等[28]将无源放大技术应用于发射机中,通过匹配网络产生的阻抗变换来增加输出幅度,产生的脉冲信号峰峰值为2.49 V,脉冲宽度为500 ps,仿真情况下实现了接近三倍电源电压的峰-峰值,功耗0.577 mW,但无源阻抗变换对宽带匹配要求极高,一旦天线负载或环境变化稍有偏离,匹配效率就会显著下降,输出幅度和辐射效率均会受损。基于0.18 μm CMOS工艺,Radic等[29]提出了一种低功率IR-UWB脉冲发射机,由可控脉冲发生器、开关可调谐振荡器、驱动器和脉冲整形滤波器组成,在低功耗小尺寸的前提下,提高了信号的占空比能力,实验结果表明最小功耗为3 pJ/pulse。

上述IR-UWB发射机脉冲产生技术的总结如表1所示。阶跃恢复二极管与雪崩晶体三极管高速器件,利用器件过压或过载状态下的快速跃迁来产生极短脉冲,具有产生的脉冲峰值大的优点,有利于提高探测穿透能力,但通常需要较高偏置电压与精密调谐,带宽与频谱控制上也比较依赖外部匹配与整形网络,适用于需要更强穿透能力、更远距离、允许较高供电的大体积雷达系统。数字逻辑器件产生的脉冲信号幅度普遍较低,穿透探测性能不足,但波形与频谱可控度高,现场可靠性与维护性更强,功耗低尺寸小,适用于穿透性要求低的救援场景或医疗健康监护。

2.2 天线

雷达系统中天线用于发射与接收信号,天线的性能会影响雷达系统的探测精度与探测范围,其中主要的性能指标包括带宽、增益、S参数、辐射效率等[30-31]。IR-UWB雷达系统中天线带宽要求在超宽带频率范围内;天线增益能扩大雷达波在特定方向的传播距离;天线S参数(散射参数),反映传输过程中信号的反射与损耗等;辐射效率,反映天线将输入的射频功率转换为辐射功率的能力。

Kundu[32]提出了一种具有改进阻抗带宽的紧凑型共面波导馈电的圆形单极子天线,如图2所示,在设计A中,在基板底部放置一个矩形接地板,B在A基础上采用共面接地板,最终为设计C,在B的基础上通过弯曲共面地板上边缘达到多共振目的,实现了3.11~20 GHz的频段提高,该频段辐射效率达到80%,增益为2~5 dBi。靳松桦等[33]提出了一种共面波导馈电圆形天线,该结构在单极子天线的辐射贴片和接地面上垂直加金属翼,如图3(b)所示,金属翼可以降低天线低边缘频率。为了实现更好的阻抗匹配与小型化,进一步在接地面开两个槽并加一块贴片,如图3(c)所示,槽1改善带宽,槽2改善电流分布,贴片3改善天线高频段辐射性能。与Kundu[32]提出的天线相比,该结构在2.39~10.76 GHz频段内辐射性能更佳,辐射效率大于80%,峰值增益为1.3~4.6 dBi。Shome等[34]首先设计了部分接地的矩形单极子天线,然后在辐射表面采用3个互补的裂环谐振器来引入陷波特性,通过在分裂环槽之间引入3个变容二极管,以电子控制方式实现了电子可调陷波,工作频带范围为1.98~10.54 GHz,陷波频率分别为2.37、3.03、4.18 GHz。Saleh等[35]设计了圆形/圆形微带线到槽线(microstrip-to-slotline,M/S)过渡小型Vivaldi渐变槽天线,分析不同过渡形状对天线的紧凑性和性能的影响;随着天线面积减小天线增益逐渐减小,带宽增加,圆形/圆形过渡方式相比于矩形/矩形尺寸减小了19.25%,S11(<-11.15 dB)和带宽(10.48 GHz)分别提高了10.31%和24.56%,峰值增益(6.51 dBi)仅降低了12.26%。除上述天线类型外可用IR-UWB雷达的天线还有蝶形天线[36]、双锥天线[37]、螺旋天线[38]等。

上述IR-UWB雷达天线参数如表2所示。共面波导馈电天线,一般通过几何优化(如倒梯形、金属翼、阶梯地面)扩大阻抗带宽并提升辐射效率、集成寄生单元或频率选择表面以提高方向性/增益,但设计与调试复杂,设计不当容易造成部分频段辐射效率降低。矩形单极子天线,一般通过调整贴片几何形状和辐射贴片上开槽产生多谐振模式,实现更宽的阻抗带宽和更平坦的频率响应,但可能会造成辐射零点和旁瓣升高。Vivaldi渐变槽天线的低频截止由开口尺寸决定、高频性能由槽线渐变曲率和过渡结构决定,在多路径干扰环境中具有较稳定的辐射图和频率响应,但整体尺寸较大,无法在小空间中运用。蝶形天线可视为双锥天线的一种变体,其宽带特性源于锥体结构中连续的阻抗过渡;尽管通过调节锥角、引入加载罩或采用阵列形式可在一定程度上降低损耗并改善辐射方向图一致性,但双锥类天线通常呈全向辐射特性,因而不适用于对方向性和深度要求较高的远距离生命探测场景。螺旋天线通过反射器、腔体或导向罩可以将原本的双向辐射转换成单向辐射,极大地增强辐射性能,如文献[38]中增益达到16.5 dBi,可以适用于深层远距离生命探测。

2.3 接收机

IR-UWB接收机相比于发射机与天线,有更多不同的架构,较为常见的有直接射频采样接收机、时间扩展采样接收机和等效时间采样接收机等[11],内部的模块组成因架构不同而改变。但通常包括滤波器、低噪声放大器、模数转换器等模块[39],接收机工作原理是将高速脉冲信号进行放大、采样、模数转换等[40]。IR-UWB接收机与普通雷达接收机的设计重难点在于输入的信号带宽高达GHz,频率也在MHz及以上,根据奈奎斯特采样定理,采样器的采样率也必须高达GHz,并且要求模数转换器能及时将模拟信号转换为数字信号。

吴兵等[41]提出一种基于现场可编程门阵列(field programmable gate array,FPGA)内置延迟线的顺序等效采样接收机,弥补传统等效采样接收机出现数据误对齐,需增加在线或离线校正设计的缺陷,经过测试实现12.8 GS/s的等效采样速率,-3 dB采样带宽6.4 GHz。Han等[42]采用65 nm CMOS工艺制作基于时间扩展采样方法的接收机,利用信号本身的稀疏特性和电路分时工作模式,仅在存在短脉冲的情况下进行高速采样,该接收机在1.2 V时的功耗为70 mW,解决了时间扩展接收机功耗大的问题。Jaya等[43]基于40 nm CMOS技术,提出一个具有多通道模数转换器的等效时间采样接收机,在19.7 mW低功耗下,实现64 GHz高频率输入信号4 GS/s的采样速率。Kao等[44]在等效时间采样接收机基础上引入1.5 pixels分辨率的数字时间转换器(digital-to-time converter,DTC),接收器的等效采样率直接由DTC时间分辨率决定,采样率高达666 GS/s。

上述IR-UWB雷达接收机参数如表3所示。等效时间采样接收机,通过多相位时钟分段采样脉冲,低速(analog-to-digital converter,ADC)实现等效高速采样,但存在系统时序和时钟抖动要求苛刻、数据对齐难题,在运动目标或多径显著变化环境中探测存在劣势,上述文献中等效时间采样接收机研究中虽然解决了数据对齐的问题,但其应用场景仍主要局限于呼吸、心跳等低速微动目标的探测。时间扩展直接采样,在高速采样单元后通过时间扩展将原始高速脉冲映射为宽时间窗的低速信号,降低后端ADC采样率需求,实时性较高,能够实现对快速运动目标的有效探测,文献[42]中将直接采样结合时间扩展方法,降低了功耗,但相对于等效时间采用接收机功耗以及体积仍然较大。

3 IR-UWB雷达生命探测信号处理方法

接收机将脉冲信号做放大、采样并转换为数字信号后,通过信号传输模块将信号传输至终端生命识别系统,此时的回波信号为式(3)的形式,被分为静态遮蔽物回波信号、人体微动回波信号与噪声。实际探测过程中因探测环境与设备原因,回波中还包括类似呼吸杂波、线性趋势以及其他干扰,雷达回波可写为

R(m,n)=h(m,n)+c(m)+w(m)+a(m,n)+q(m,n)

式(4)中:R(m,n)为雷达回波信号;h(m,n)为人体微动回波信号;c(m)为静态杂波;w(m)为噪声;a(m,n)为线性趋势;q(m,n)为类似呼吸信号的非静态杂波;m为快时间;n为慢时间。

为更清楚描述回波信号R(m,n),图4(a)所示为理想状态下仅生命信号的回波信号,图4(b)所示为加入高斯白噪声后的回波信号。慢时间n表示雷达所发射多个脉冲的时间,即时间概念;快时间m表示雷达发射脉冲在接触物体后被反射到被接收的时间延迟,是距离概念[45]。加入高斯白噪声后,使得生命信号被掩盖,无法直接提取,实际探测的回波中噪声与杂波更加复杂,覆盖更加严重。需要对回波信号进行信号预先处理,针对不同的杂波与噪声选择合适的方法抑制、去除,最终提取识别出生命信号,进一步结合雷达系统几何模型与信号传播特性,实现生命目标的距离与角度定位。故本节中主要从信号预处理、生命特征信号识别提取和生命信号定位3部分展开综述。

3.1 信号预处理

因雷达设备的不稳定性、不规则障碍物的强反射遮挡(碎屑、砾石等)和高介电传播损耗,导致波信号存在杂波、噪声并使目标生命信号衰弱,构成低信噪杂比(signal to noise and clutter ratio,SNCR)的探测环境[46]。需要在生命信号识别提取前进行预处理,抑制或去除杂波与噪声,对于杂波抑制后得到的目标回波,信号幅值相对较弱,还需要适当的信号增益,提升信号的信噪杂比。

Liang等[47]将杂波抑制分为三部分,使用时间均值减法(time mean subtraction,TMS)与距离轮廓减法(range profile subtraction,RPS)相结合并引入加权系数去除静态杂波,线性趋势相减法(linear trend subtraction,LTS)消除线性趋势,奇异值分解方法(singular value decomposition,SVD)去除动态非线性杂波,再用巴特沃斯滤波器与平均滤波器进一步去除剩余杂波与噪声。Shikhsarmast等[48]对回波信号采用TMS去除静态杂波,LTS去除线性趋势,此外回波中还存在一部分高频与低频的杂波与噪声,使用二阶巴特沃斯滤波器去除。对于类似呼吸作用的杂波,上述算法存在一定局限性,Li等[49]研制新型双频脉冲IR-UWB雷达,其原理为,400 MHz雷达可探在穿透墙壁与碎石后检测到呼吸信号,270 MHz雷达对呼吸信号不敏感,通过参考270 MHz雷达探测的杂波来对比消除400 MHz雷达中的杂波;Liang等[50]提出了一种基于低秩块稀疏表示的杂波噪声处理算法,对回波信号去除线性趋势与静态杂波后,把回波信号在时域上分为低秩(包含噪声)和块稀疏信号(包含生命信号),在去除噪声的同时,减小对生命信号的弱化,该方法核心是利用增广拉格朗日乘子法得到生命信号的块稀疏分量,后续还可以在频域上使用其他方法进一步改善回波信号。

在生命探测领域中,信号增益为弱信号增强。基于时域的信号增益,基本原理是通过更新时变增益系数来均衡原始信号幅度,可以表示为

ZE(t)=Z(t)*Ω(t)

式(5)中:ZE(t)为增强信号;Z(t)为未经增强算法的原始信号;Ω(t)为时变增益系数序列;*为卷积。

自动增益控制法(automatic gain control method,AGC)在生命探测领域中应用较多,该方法的关键参数为,滑动窗口w和最大增益gmax,该参数设置需要根据探测环境做出动态调整。Rovňaková等[51]取w=3.3 ns,gmax=100,在室外与室内做对比实验,结果显示,在室内环境杂波信号被抑制,生命信号得到增强,室外环境下生命信号被衰减,比生命信号更微弱的杂波得到增强。Li等[52]采用AGC对慢时间方向的微弱生命体征信号进行增强,并根据所选时间窗口内的能量计算相应的增益系数,从而实现自适应控制。Liang等[53]采用归一化方法,将整个信号区间分段并根据多阶最大值进行归一化处理,以突出被大幅度信号掩盖的生命信息,初步增益后,再使用AGC对生命信号进行进一步增强。各类生命信号预处理算法的机理以及优缺点对比如表4所示。不同预处理算法在适用场景、鲁棒性及计算复杂度等方面各具特点,实际应用中通常采用多种算法的组合方式,以实现对杂波噪声抑制和生命信号有效增强。

3.2 生命信号识别提取

回波中的生命信号经过预处理后变得更加显著。在研究中,生命信号可以分为肢体微动信号和由呼吸心跳引起的胸腔微动信号,两类信号在回波中的表现具有明显区分特征,如图5所示。本节将对这两类生命信号识别提取进行详细分析。

人体呼吸心跳时胸腔会进行有规律的周期性起伏,近似于正弦信号,人体目标静止时,人体与接收天线间的距离可表示为

d(t)=d0+Arsin(2πfrt)+Ahsin(2πfht)

式(6)中:t为时间;d0为人体胸腔与天线之间的距离;Ar为呼吸幅度;fr为呼吸频率;Ah为心跳幅度;fh为心跳频率。

一般情况下,对于正常人呼吸频率(respiratory rate,RR)范围约为0.2~0.3 Hz(12~20次/min),心跳频率(heart rate,HR)范围为1~1.6 Hz(60~100次/min)[55]。被困人员的心跳频率与呼吸频率波动范围更大,Yang等[12]指出被困人员的RR范围0.2~0.8 Hz,HR范围1~2.5 Hz。

在得出人体与接收天线间的距离公式后,式(1)中人体微动回波信号的时延τv(t)为

τv(t)=$\frac{2d\left(t\right)}{c}$=τ0+τrsin(2πfrt)+τhsin(2πfht)

式(7)中:c为光速;d(t)为天线与人体胸腔中心之间的距离;τ0为人体静止时的回波传播时延;τr为呼吸引起的传播时延;fr为人体呼吸频率;τh为心跳引起的传播时延;fh为人体心跳频率。

Liang等[53]提出了一种基于数据块分析的新的加速算法,将单点滑动窗口更改为块滑动窗口,块滑动窗口长度为呼吸周期宽度可表示为

Δm=$\frac{\Delta t}{{T}_{f}}$+$\frac{2A}{c{T}_{f}}$

式(8)中:Δt为脉冲时间宽度;Tf为采样周期;A为胸腔运动幅度。

块滑动窗口如图6所示,其中有5个短的数据组,将其重新按顺序排列为一个长度为5个呼吸周期的长数组,从快速时域的顶部滑动到底部,经过快速傅里叶变换后频谱中出现呼吸频率时,说明该位置可能存在人体,解决了频率上检测生命信号耗时较长问题。

空间谱估计也是近年来信号处理领域常用技术,由于心跳和呼吸的信号空间与噪声信号空间正交,因此可以采用多重信号分类(multiple signal classification,MUSIC)算法进行谱估计[56],Huo等[57]采用Toeplitz算法、Pisarenko分解技术与MUSIC相结合,突出功率谱中的多个有效峰,并衰减来自错误峰的干扰,实现同距离多目标提取,确定目标数量与距离后,采样梳状滤波和相干积分相结合方法识别提取心跳信号,选择其中多个周期进行相干积分,在多目标情况下,平均RR误差为3.98%,平均HR误差为4.57%。Wang等[58]利用最大后验、期望最大化算法和灰狼优化算法相结合,最大后验作为目标函数,通过灰狼算法进行优化,期望最大化算法迭代提取过程中的超参数,从而实现呼吸心跳生命信号的频率和幅度的自动提取,该方案的平均心率(HR)准确率达到93.57%,平均呼吸频率(RR)准确率达到95.84%。呼吸心跳信号提取其他有效的方法还有集成经验模态分解[46]、熵谱估计[59]、高阶累积量[60]、卷积稀疏编码[61]等。

人肢体微动信号相比于心跳呼吸信号幅度较大,运动情况复杂,易产生谐波[62]。人体目标运动时,需建立人体运动模型,选择人体脊柱上一点作为基点,人体运动速度为v,雷达方向与运动方向的夹角为θ,如图7所示。则人体第i个点与接收天线间的距离可表示为

Ri=$\sqrt{{R}_{0}^{2}+(vt+{x}_{i})-2{R}_{0}(vt+{x}_{i})cos\theta }$

式(9)中:R0为人体基点和雷达之间的距离;xi为人体第i个点沿x轴的距离。

在得知人体与接收天线间的距离表达式后,式(1)中人体微动回波信号的时延为

τi(t)=$\frac{2{R}_{i}}{c}$

式(10)中:Ri为人体肢体与天线之间的距离。

对于肢体微动信号提取通常需要对回波信号采取时频分析,分析回波信号中各频率分量组成成分和时变特征[63]。人肢体微动信号提取中常用的方法为恒虚警(constant false alarm rate,CFAR)检测,CFAR检测较为经典的两种算法为单元平均CFAR(cell-averaging constant false alarmRate,CA-CFAR)和有序统计CFAR(ordered statisticconstant false alarm rate,OS-CFAR),CFAR检测的难点在于确定噪声和杂波分布,以确定合适的阈值,当假设杂波分布与实际分布有很大差别时,CFAR检测性能会严重下降。Urdzík等[64]基于UWB穿壁雷达测量的实际数据,分析了两种CFAR探测性能,实验中,2人在室内来回行走,雷达和人体目标之间有一道24 cm厚的木墙。图8显示了CA-CFAR和OS-CFAR的检测结果,在有多个人体目标的检测场景中,CA-CFAR探测器由于远端目标被近端目标覆盖而无法检测到远端目标,OS-CFAR在多目标场景中具有更大的优势。

虽然OS-CFAR在强杂波和多径环境下的性能优于CA-CFAR,但两者都无法在理想状态下检测到距离扩展目标[65]。刘金超[66]基于UWB雷达测量的实际数据,比较了CA-CFAR、OS-CFAR和CLEAN算法的检测性能,实验中2人在室内来回走动,经过对比CLEAN算法对不同运动状态的目标具有更好的性能,即使在目标非常接近或重叠的情况下也能有效地抑制杂波、多径和目标遮挡。

CLEAN算法主要用于去除主信号中的杂散成分,而CFAR检测则侧重于背景噪声中的信号检测。在提取人体微动信号时存在局限性,未能充分利用原始数据,难以捕捉复杂信号的细微特征。而基于深度学习的提取方法,能够提取回波信号中的隐藏特征,提高微动信号提取准确率[67]。

Yang等[68]提出了一种基于卷积神经网络(conv-olutional neural networks,CNN)架构的IR-UWB雷达人体目标识别方法,将自适应权重学习策略应用于CNN中,使用softmax函数作为损失函数,在跳跃、爬行、匍匐前行、拳击、行走、跑步6种运动状态下,进行人体目标识别实验得出的准确率都保持在70%以上,且跑步状态准确率达到95.21%;He等[69]提出了一种基于对比学习架构卷积神经网络的IR-UWB雷达人体目标识别方法,使用交叉熵损失函数,相比于Yang等[68]所提出的模型平均人体目标识别率提高了17.9%,再对原始数据加入高斯白噪声使信噪比达到0,该方法还可保持平均识别准确率在70%。Li等[70]提出一种基于变换器架构的人类活动识别方法,设计了人类活动数据集(IURHA2023)包含20类人体动作,通过引入包含重叠补丁嵌入和余弦相似度注意力的Swin-T编码器,成功提取人类动作特征图像的深层时空特征,在此基础上使用监督对比学习增强的Swin变换器通过比较正负样本的相似性,提高特征学习能力和对回波变化的鲁棒性,该方法在IURHA2023数据集上的识别率超过90%。各类生命信号识别提取算法的机理以及优缺点对比如表5所示。

3.3 生命信号定位

在生命信号识别提取后,需要对识别目标精准定位以实现生命探测的最终目的,在本小节中,将对静止目标和动态目标的定位方法进行详细探讨。

在静止目标探测中,目标位置相对固定,回波较为稳定,主要通过时间差(time of arrival,TOA)测量和信号强度分析实现人员定位[71]。Švecová等[72]采用一个发射4个接收的天线阵列(图9),将发射天线和接收天线之间的TOA定义为椭圆,椭圆的交点为目标位置,目标的三维定位分解为两个二维,先估算目标在xy平面上的位置,再结合z轴的估算,实现穿楼板人员三维定位。

Zhang等[73]采用一发三收可伸缩式天线布局结构提升雷达方位分辨率,删减均值水平检测恒虚警率粗略计算TOA距离,多通道信号皮尔逊相关系数(>0.8判定同一目标)确定目标数量,椭圆-双曲线几何联立(time-of-arrival back projection localization,TOA-BP)算法(图10)实现全自动二维定位,但探测范围近,仅为穿28 cm砖墙后探测6 m。

为进一步提升探测距离,Yan等[74]采用双雷达协同工作,将回波信号在慢时间域交叉相关,增强目标信号强度,傅里叶变换寻找最大值结合位置估算,实现穿37 cm砖墙探测后方22 m处目标误差在25 cm以内。在多目标定位中,穿墙雷达定位系统中较为常用的三边测量和延迟求和算法,会因多径效应与墙壁影响导致的回波畸变,出现较多的漏检和虚警。Yoo等[75]利用4个单基站IR-UWB雷达模块,提出一种基于目标存在概率的定位算法,通过CFAR算法检测目标数据,结合累计概率方法,实现多目标穿墙补偿定位。静止目标的探测还有自适应差分进化算法[76]、距离-多普勒拓扑多径识别[77]和RiMAX算法[78]等。

在动态目标探测中,目标的肢体运动会大量产生谐波,与多径效应相混合,且信号幅度波动大,导致定位困难,需要加入卡尔曼滤波、粒子滤波等动态模型[79], 实现目标位置实时定位。Zhang等[80]提出一种基于IR-UWB雷达的三点定位算法(图11),将3个不同视角雷达的回波TOA信息进行融合,卡尔曼滤波降低不同雷达回波信号之间的影响,引入弱信号补偿的CLEAN算法降低远距离虚警率,实现室内10 m范围内轨迹定位误差小于0.259 m,但该方法局限性较大,需要三点布置雷达,仅适用于小范围室内定位。

传统的TOA估计方法,在目标关联过程中通常需要通过扩展目标回波或通过图形化方法来进行目标数据的匹配,易在目标回波交叉或接近时产生数据丢失,降低精度。Fortes等[81]基于一发二收双基地雷达三边测角,通过TOA匹配简化目标数据关联的过程(图12),结合卡尔曼滤波与天线高度补偿提高定位精度,实现5.5 m范围内3个目标实时定位,定位误差平均为15 cm。

为了更加精确识别障碍物后的位置与状态,Huang等[82]对回波采取短时傅里叶变换(short time Fourier transform,STFT)生成时间-多普勒图(time-Doppler map,TDM)和范围-时间图(range-time map,RTM),GhostV2卷积提取图谱特征,坐标注意力融合(CAF)方法对两个不同特征域(RTM和TDM)特征进行加权融合,实现穿透26 cm混凝土墙后方4 m内目标的精准定位与状态识别,但在多目标识别中,会造成互相干扰,使图谱特征不明显,严重降低识别率。动目标的定位方法还有改进容积卡尔曼滤波[83]、双重粒子滤波算法[84]。各类生命信号定位算法的机理以及优缺点对比如表6所示。

4 存在问题及发展趋势

4.1 存在问题

目前IR-UWB雷达在生命探测领域已有一定研究基础,能够穿透墙壁、石膏板以及岩土等障碍物,检测到人体的微动信号,但在灾后坍塌掩埋环境人员生命探测应用上,仍存在部分不足,主要为以下几个方面。

(1)信号辐射与接收。传统的高速器件脉冲生成方式在带宽和频谱控制上依赖外部控制,且存在较高的功耗,这在灾后基础设施保障不足的情况下应用存在一定局限性;相较而言,CMOS工艺具有较低的功耗和便于实现波形调控的优点,但其脉冲幅度普遍较低,难以有效穿透较厚的介质远距离探测,目前大多运用于室内人员定位。当前研制的天线极大提升了IR-UWB雷达在自由空间中的探测性能,但灾后复杂介质环境下易出现性能退化,多数天线方向性弱或尺寸过大,难以在穿透厚重障碍物的同时保持高精度探测,限制了其在废墟等复杂场景中的可靠应用。现有IR-UWB接收系统的采样环节存在显著瓶颈,高速采样模数转换方法,如时间交织结构和多通道滤波器组,必须保持奈奎斯特速率以确保信号完整性,性能提升有限,并产生大量数据处理和存储挑战,使IR-UWB雷达整体复杂度与功耗较大,限制续航能力。

(2)回波信号处理。在灾变环境中,非线性、非平稳的类生命信号杂波特性与真实生命信号相似。现有杂波抑制算法(如TMS、RPS、LTS)多基于平稳或线性假设,难以有效区分并抑制此类杂波,且易误判生命信号;虽SVD、低秩稀疏方法可处理部分非平稳成分,但计算复杂、实时性差,且依赖经验参数,缺乏自适应性与鲁棒性,导致信号预处理质量不足。当前生命信号增强主要采用的算法,AGC通过检测输入信号强度自适应调节增益值,归一化算法通过对信号分段进行比例缩放来实现生命信号增强,然而这两类算法在增强生命信号的同时也会增强微弱的噪声,导致回波中信噪比下降,生命信号误判率增加。现有生命信号提取方法多针对单一信号,缺乏在灾后复杂场景中同步提取和区分呼吸心跳与肢体微动的能力,呼吸心跳提取依赖周期性假设,肢体微动易受干扰,两类信号时频域重叠,现有算法未能有效分离特征,难以实现准确同步提取,限制了在灾后环境中的综合探测效能。目前IR-UWB雷达生命探测定位,主要依赖多通道TOA技术或基于信号强度分析的定位方法,在均匀非磁性介质中的穿透探测误差很低,但灾后救援所穿透的介质介电参数不确定性常导致时延估计偏差,且多层非均匀结构易引发严重多径干扰和杂波,严重降低IR-UWB雷达在灾后环境下生命探测定位精度。

(3)雷达系统。当前生命探测领域所采用的IR-UWB雷达依赖开环、静态工作模式,严重依赖预设参数与固定流程,在复杂灾后环境中缺乏自适应与认知能力,仅能识别预设生命信号,对非平稳、弱周期性或畸变的信号响应迟钝,甚至漏检,难以满足灾后救援的鲁棒性与智能化需求。

4.2 发展趋势

灾后生命信息快速获取是成功救援的关键,IR-UWB雷达应用于灾后坍塌掩埋环境生命探测,还需进一步提升探测精准度、介质穿透能力与环境适应能力,未来主要发展趋势如图13所示。

(1)信号辐射与接收性能提升。CMOS工艺脉冲产生技术脉冲幅度较低,主要受低电压电源限制,可以采用集成电荷泵通过内部电荷转移提高输出电压或者利用应变硅技术提高电子迁移率,提高脉冲幅度;天线辐射性能提升中,可以将多个天线单元组合形成天线阵列,除此之外还可改变天线馈电网络,通过引入抛物面反射器与多层基板集成波导,优化馈电网络实现高增益带宽和高阻抗匹配带宽全面提升;在IR-UWB雷达用于穿透介质进行生命探测时,脉冲时间较短且回波中大部分能量集中于少部分路径中,回波信号具有稀疏性,因此可采用基于压缩感知的亚奈奎斯特采样结构,以较低采样率恢复高维信号,降低接收机复杂度与功耗,并提高接收机的多径分辨能力。

(2)回波信号处理性能提升。类生命信号杂波主要源于雷达设备的不稳定、碎屑砾石反射以及非生命体微动,往往能量较弱并有可能存在短暂的周期性,未来的研究中可以运用长短期记忆网络(long short term memory,LSTM)或者门控循环单元(gated recurrent neural network,GRU)等具有时间序列处理能力的算法,抑制具有时间依赖性和非线性特征的类生命信号杂波;目前所采用的生命信号增益算法无法将生命信号与微弱的噪声信号区分开,使噪声信号被增强,在下一步研究中可以采用深度流形学习(deep manifold learning,DML)算法,先通过小波变换将回波中包含噪声的微弱瞬态脉冲信号转换为高维的波形特征流形(waveform feature manifold,WFM),并设计训练一个基于深度卷积自编码器网络(DCAE)的DML模型,学习从高维噪声WFM到纯净脉冲信号的映射函数,从而实现生命信号的有效增强;在回波中肢体微动与呼吸心跳信号的频率、幅度、波形均有显著的区别,因此,下一步研究中,可以利用时频分析区分频率成分,盲源分离技术分离混合信号,提取关键特征参数,通过机器学习分类算法进行分类识别,实现能够同时高效、精准地捕捉和结合分析这两类生命信号,提高生命探测精准度;回波信号的时延估计偏差和多径杂波影响,主要是缺乏对IR-UWB雷达回波在灾变环境中的传播规律研究,下一步研究中,可以建立回波灾变介质传播模型,分析生命信号在不同电性参数介质的传播特性,构建不同电性参数介质先验信息库,基于先验信息修正回波时延,并结合时频分析与波束形成技术提取不同路径的信号,减少回波多径干扰,提高IR-UWB雷达在灾后环境中的定位精度。

(3)雷达系统性能提升。认知雷达作为雷达技术前沿领域,可突破传统雷达系统在复杂环境中的局限性,满足应用过程中更高灵活性和智能性的需求,是智能化雷达的初级形式。认知雷达通过引入认知无线电的原理,建立信号发射—环境—信号接收处理的闭环反馈系统,实现环境自感知、处理自适应、能力自提高。在下一步研究中,可将认知雷达概念引入IR-UWB雷达中应用于生命探测,通过探测过程中与环境的交互和自主学习,建立探测信息知识库,在应对不同场景和目标时,系统能够自主选择最优的探测参数和策略,动态调整接收机、发射机和信号处理系统参数,提升生命探测雷达在未知电磁环境和未知探测目标状态下的探测性能。

5 结论

分析了IR-UWB雷达在生命探测领域的研究现状,探讨其原理、系统组成及关键技术,重点评估脉冲生成、天线辐射、信号接收和信号处理方法。结合现有技术瓶颈,提出未来在穿透力、信号精度和系统适应性方面研究方向,并总结该技术应用中的挑战与发展趋势,得出以下结论。

(1)当前IR-UWB雷达面临脉冲幅度较低和天线性能局限,影响其穿透力。未来可通过改进CMOS工艺和引入应变硅技术提升脉冲幅度,优化天线阵列与馈电网络提升增益与带宽,压缩感知技术提高接收机效率,增强IR-UWB雷达穿透能力与多径分辨率。

(2)现有回波信号处理方法分离生命信号与杂波效果不理想,难以同时识别肢体微动与呼吸心跳信号。未来可利用深度学习算法(如LSTM和GRU)抑制类生命信号杂波,采用深度流形学习增强生命信号,提升识别精度。时频分析与机器学习分类分离两类生命信号,进一步提高生命探测准确性和及时性。建立传播模型与先验信息库,修正回波时延,结合时频分析与波束形成技术,减少多径干扰,提高IR-UWB雷达在灾后环境中的定位精度。

(3)当前IR-UWB雷达缺乏自适应能力,难以应对灾后复杂环境中的非典型生命信号。未来可引入认知雷达,通过自主感知学习建立知识库,自主选择最优探测策略,动态调整雷达参数,提升系统在不确定环境中的探测能力,提高灾后生命探测精度与效率。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

卢清国, 马少军, 姚文杰, 等. 岩土松散体内开挖救援通道的套筒式螺旋驱动掘进机自行进功能研究[J]. 现代隧道技术, 2023, 60(1): 256-261.
[2]

Lu Qingguo, Ma Shaojun, Yao Wenjie, et al. Study on the self-propelling function of sleeve-type screw-driven tunnel boring machine for excavating rescue channel in loose rock and soil[J]. Modern Tunnelling Technology, 2023, 60(1): 256-261.
[3]

梁福来, 李钊, 安强, 等. 脉冲式超宽带生命探测雷达时间抖动抑制[J]. 雷达学报, 2015, 4(4): 439-444.
[4]

Liang Fulai, Li Zhao, An Qiang, et al. Suppression of time-domain jitter of impulse radio ultra-wide band radar[J]. Journal of Radars, 2015, 4(4): 439-444.
[5]

郑学召, 杨卓瑞, 郭军, 等. 灾后救援生命探测仪的现状和发展趋势[J]. 工矿自动化, 2023, 49(6): 104-111.
[6]

Zheng Xuezhao, Yang Zhuorui, Guo Jun, et al. The current status and development trend of post-disaster rescue life detectors[J]. Journal of Mine Automation, 2023, 49(6): 104-111.
[7]

马铖, 李静霞, 徐航, 等. 基于VMD的宽带混沌雷达多生命信号探测方法[J]. 信号处理, 2022, 38(6): 1270-1283.
[8]

Ma Cheng, Li Jingxia, Xu Hang, et al. Multi-life signal detection method for wide band chaotic radar based on VMD[J]. Journal of Signal Processing, 2022, 38(6): 1270-1283.
[9]

郑学召, 黄渊, 孙梓峪, 等. 不同煤岩及混合介质中UWB电磁波传播衰减特性试验研究[J]. 煤炭科学技术, 2025, 53(S1): 66-75.
[10]

Zheng Xuezhao, Huang Yuan, Sun Ziyu, et al. Experimental study on propagation attenuation characteristics of UWB electromagnetic wave in different coal and mixed media[J]. Coal Science and Technology, 2025, 53(S1): 66-75.
[11]

郭银景, 宋亚琦, 杨昆, 等. 基于毫米波雷达的生命特征信号探测技术研究[J]. 雷达科学与技术, 2023, 21(4): 460-466.
[12]

Guo Yinjing, Song Yaqi, Yang Kun, et al. Research on vital signature signal detection technology based on millimeter wave radar[J]. Radar Science and Technology, 2023, 21(4): 460-466.
[13]

Wang D, Yoo S, Cho S H. Experimental comparison of IR-UWB radar and FMCW radar for vital signs[J]. Sensors, 2020, 20(22): 1-22.

[14]

郑学召, 丁文, 蔡国斌, 等. 面向钻孔救援的UWB雷达回波信息处理关键问题研究进展[J]. 煤矿安全, 2023, 54(10): 219-225.
[15]

Zheng Xuezhao, Ding Wen, Cai Guobin, et al. Research progress on key issues of UWB radar echo information processing for borehole rescue[J]. Safety in Coal Mines, 2023, 54(10): 219-225.
[16]

赵尤信, 姚海飞, 李佳慧, 等. 超宽带雷达生命探测技术研究[J]. 工矿自动化, 2023, 49(9): 178-186.
[17]

Zhao Youxin, Yao Haifei, Li Jiahui, et al. Research on ultra wide band radar life detection technology[J]. Journal of Mine Automation, 2023, 49(9): 178-186.
[18]

文虎, 周博, 郑学召, 等. UWB雷达在矿山钻孔救援中的应用研究[J]. 工矿自动化, 2023, 49(6): 88-94.
[19]

Wen Hu, Zhou Bo, Zheng Xuezhao, et al. Research on the application of UWB radar in mine drilling rescue[J]. Journal of Mine Automation, 2023, 49(6): 88-94.
[20]

罗朋, 胡振峰, 田世伟, 等. UWB雷达芯片的研究现状与发展[J]. 电子与信息学报, 2022, 44(4): 1176-1192.
[21]

Luo Peng, Hu Zhenfeng, Tian Shiwei, et al. The status and trends of UWB radar integrated circuit[J]. Journal of Electronics & Information Technology, 2022, 44(4): 1176-1192.
[22]

Yang D, Zhu Z, Zhang J, et al. The overview of human localization and vital sign signal measurement using handheld IR-UWB through-wall radar[J]. Sensors, 2021, 21(2): 402-411.

[23]

工业和信息化部办公厅. 工业和信息化部办公厅关于公布2024年安全应急装备应用推广典型案例名单的通知[EB/OL]. (2024-08-19)[2025-12-30]. https://wap.miit.gov.cn/jgsj/aqs/wjfb/art/2024/art_22d6331b367f4f4086f7eeee33ce8b62.html.
[24]

General Office of the Ministry of Industry and Information Technology. Notice on publishing the 2024 list of typical application and promotion cases of safety and emergency equipment[EB/OL]. (2024-08-19)[2025-12-30]. https://wap.miit.gov.cn/jgsj/aqs/wjfb/art/2024/art_22d6331b367f4f4086f7eeee33ce8b62.html.
[25]

陈曦, 文虎, 黄渊. 面向矿山钻孔救援的超宽带雷达生命探测仪研制及性能测试[J]. 煤矿安全, 2024, 55(11): 234-240.
[26]

Chen Xi, Wen Hu, Huang Yuan. Development and performance test of UWB radar life detector for mineborehole rescue[J]. Safety in Coal Mines, 2024, 55(11): 234-240.
[27]

中国煤炭科工集团. [煤科硬核]矿山应急救援背后的“中国煤科”:人才队伍、科创实力与央企担当[EB/OL]. (2023-11-27)[2025-12-30]. https://www.ccteg.cn/zh/article/infoDetails/12000.
[28]

China Coal Technology Engineering Group. China Coal’s role in mine emergency rescue: talent development, innovation capacity, and the responsibility of a central state-owned enterprise[EB/OL]. (2023-11-27)[2025-12-30]. https://www.ccteg.cn/zh/article/infoDetails/12000.
[29]

刘鲁涛, 谢良正, 莫禹涵. 旋翼无人机雷达回波特征分析与参数估计方法[J]. 国防科技大学学报, 2025, 47(2): 202-211.
[30]

Liu Lutao, Xie Liangzheng, Mo Yuhan. Radar echo characteristic analysis and parameter estimation method for rotor UAV[J]. Journal of National University of Defense Technology, 2025, 47(2): 202-211.
[31]

张翼, 朱玉鹏, 程永强, 等. 基于微多普勒特征的人体目标雷达回波信号分析[J]. 信号处理, 2009, 25(10): 1616-1623.
[32]

Zhang Yi, Zhu Yupeng, Cheng Yongqiang, et al. Human target radar echo signal analysis based on micro-doppler characteristic[J]. Journal of Signal Processing, 2009, 25(10): 1616-1623.
[33]

宫峰勋, 第五瑶光. 低信噪比S模式基带信号到达时间估计联合算法[J]. 北京航空航天大学学报, 2025, 51(2): 380-388.
[34]

Gong Fengxun, Di Wuyaoguang. Joint algorithm for time of arrival estimation of S-mode baseband signals with low SNR[J]. Journal of Beijing University of Aeronautics and Astronautics, 2025, 51(2): 380-388.
[35]

郭继坤, 赵清, 陈司晗. 基于相位补偿的矿井超宽带雷达压缩感知成像算法[J]. 煤炭科学技术, 2020, 48(1): 211-218.
[36]

Guo Jikun, Zhao Qinɡ, Chen Sihan. Mine ultra-wide-band radar compression sensing imaging algorithm based onphase compensation[J]. Coal Science and Technology, 2020, 48(1): 211-218.
[37]

薛文玲. 基于UWB信号的目标感知关键技术研究[D]. 北京: 北京邮电大学, 2022.
[38]

Xue Wenling. Research on key technologies of target sensing based on UWB signal[D]. Beijing: Beijing University of Posts and Telecommunications, 2022.
[39]

刘韬, 徐爱功, 隋心. 基于自适应抗差卡尔曼滤波的UWB室内定位[J]. 传感技术学报, 2018, 31(4): 567-572.
[40]

Liu Tao, Xu Aigong, Sui Xin. Adaptive robust kalman filtering for UWB indoor positioning[J]. Chinese Journal of Sensors and Actuators, 2018, 31(4): 567-572.
[41]

张玲, 周斌, 方广有. 用于超宽带探地雷达的新型功率纳秒级开关[J]. 现代雷达, 2009, 31(12): 77-81.
[42]

Zhang Ling, Zhou Bin, Fang Guangyou. Novel power nanosecond switches for ultra-wide band ground penetrating radar[J]. Modern Rada, 2009, 31(12): 77-81.
[43]

冯传均, 戴文峰, 徐乐, 等. 亚纳秒重频脉冲信号源设计与实验[J]. 强激光与粒子束, 2024, 36(5): 54-59.
[44]

Feng Chuanjun, Dai Wenfeng, Xu Le, et al. Design and experiment of a sub-nanosecond repetition rate pulse signal generator[J]. High Power Laser and Particle Beams, 2024, 36(5): 54-59.
[45]

Zhou J, Lu Q, Liu F, et al. A novel picosecond pulse generation circuit based on SRD and NLTL[J]. PLoS One, 2016, 11(2): 1-10.
[46]

李宇, 路崇, 叶威, 等. 一种基于双三极管并联的UWB窄脉冲发生器[J]. 电子器件, 2017, 40(2): 333-336.
[47]

Li Yu, Lu Chong, Ye Wei, et al. An UWB narrow-pulse generator based on dual parallel triodes[J]. Chinese Journal of Electron Devices, 2017, 40(2): 333-336.
[48]

陈淅澄, 任强, 李少龙. 一种平衡输出皮秒级脉冲源的设计与应用[J]. 中国电子科学研究院学报, 2022, 17(1): 77-81.
[49]

Chen Xicheng, Ren Qiang, Li Shaolong. Design and application of a balanced output picosecond pulse generator[J]. Journal of CAEIT, 2022, 17(1): 77-81.
[50]

Gao S, Moez K. A 2.12-V Vpp 11.67-pJ/pulse fully integrated UWB pulse generator in 65-nm CMOS technology[J]. IEEE Transactions on Circuits and Systems I: Regular Papers, 2019, 67(3): 1058-1068.

[51]

Gao S, Moez K. A high-voltage UWB pulse generator using passive amplification in 65 nm CMOS[J]. IEEE Transactions on Circuits and Systems I: Regular Papers, 2020, 67(12): 5530-5539.

[52]

Radic J, Brkic M, Djugova A, et al. Area and power efficient 3-8.8-GHz IR-UWB transmitter with spectrum tunability[J]. IEEE Microwave and Wireless Components Letters, 2019, 30(1): 39-42.

[53]

刘健伟. 基于超宽带探测与成像的Vivaldi天线研究与设计[D]. 济南: 山东师范大学, 2023.
[54]

Chen Jianwei. Analysis and design of Vivaldi antennas based on ultra-wide band detection and imaging[D]. Jinan: Shandong Normal University, 2023.
[55]

庄佳钰. 超宽带雷达生命探测系统研究[D]. 阜新: 辽宁工程技术大学, 2021.
[56]

Zhuang Jiayu. Research on UWB radar life detection system[D]. Fuxin: Liaoning Technical University, 2021.
[57]

Kundu S. Experimental study of a printed ultra-wideband modified circular monopole antenna[J]. Microwave and Optical Technology Letters, 2019, 61(5): 1388-1393.

[58]

靳松桦, 王强. 三维小型化圆形超宽带天线设计[J]. 传感器与微系统, 2023, 42(10): 77-80.
[59]

Jin Songhua, Wang Qiang. Design of a three-dimensional compact circular UWB antenna[J]. Transducer and Microsystems Technologies, 2023, 42(10): 77-80.
[60]

Shome P P, Khan T, Laskar R H. CSRR-loaded UWB monopole antenna with electronically tunable triple band-notch characteristics for cognitive radio applications[J]. Microwave and Optical Technology Letters, 2020, 62(9): 2919-2929.

[61]

Saleh S, Ismail W, Abidin I S Z, et al. Compact UWB Vivaldi tapered slot antenna[J]. Alexandria Engineering Journal, 2022, 61(6): 4977-4994.

[62]

丁小锐, 姜兴, 孙逢圆, 等. 小型化超宽带蝶形印刷对数周期天线[J]. 微波学报, 2024, 40(3): 17-21.
[63]

Ding Xiaorui, Jiang Xing, Sun Fengyuan, et al. Miniaturized UWB butterfly printed log-periodic antenna[J]. Journal of Microwaves, 2024, 40(3): 17-21.
[64]

Ye K, Lu Y, You Q, et al. Compact dual-band shared-aperture omnidirectional biconical antenna for microwave and millimeter-wave applications[J]. IEEE Transactions on Antennas and Propagation, 2024, 72(5): 4594-4599.

[65]

Zhu Q, Ng K B, Chan C H. Printed circularly polarized spiral antenna array for millimeter-wave applications[J]. IEEE Transactions on Antennas and Propagation, 2016, 65(2): 636-643.

[66]

赵志远, 丁国如, 朱义勇, 等. 频谱感知接收机宽带自适应射频保护[J]. 数据采集与处理, 2024, 39(6): 1384-1398.
[67]

Zhao Zhiyuan, Ding Guoru, Zhu Yiyong, et al. Wideband adaptive rf protection for spectrum sensing receivers[J]. Journal of Data Acquisition and Processing, 2024, 39(6): 1384-1398.
[68]

王杰, 熊志薇, 陈军, 等. 基于原型滤波器的OTFS通感一体信号技术[J]. 信号处理, 2024, 40(8): 1531-1543.
[69]

Wang Jie, Xiong Zhiwei, Chen Jun, et al. OTFS communication-sensing integrated signal technology based on a prototype filter[J]. Journal of Signal Processing, 2024, 40(8): 1531-1543.
[70]

吴兵, 夏浩淼, 李武建. 一种超宽带等效采样接收机的设计与实现[J]. 雷达科学与技术, 2017, 15(4): 443-448.
[71]

Wu Bing, Xia Haomiao, Li Wujian. Design and implementation of ultra-wideband equivalent sampling receiver[J]. Radar Science and Technology, 2017, 15(4): 443-448.
[72]

Han H G, Yu B G, Kim T W. A 1.9-mm-precision 20-GHz direct-sampling receiver using time-extension method for indoor localization[J]. IEEE Journal of Solid-State Circuits, 2017, 52(6): 1509-1520.

[73]

Jaya G L, Boon C C, Chen S, et al. An equivalent-time sampling millimeter-wave ultra-wideband radar pulse digitizer in CMOS[J]. IEEE Transactions on Circuits and Systems I: Regular Papers, 2022, 69(10): 3901-3914.

[74]

Kao Y H, Chu T S. A direct-sampling pulsed time-of-flight radar with frequency-defined vernier digital-to-time converter in 65 nm CMOS[J]. IEEE Journal of Solid-State Circuits, 2015, 50(11): 2665-2677.

[75]

王筝, 孙兆阳, 李世宝, 等. 快速生成海面目标雷达微多普勒特征的方法[J]. 现代电子技术, 2025, 48(3): 7-12.
[76]

Wang Zheng, Sun Zhaoyang, Li Shibao, et al. A method for rapid generation of radar micro-Doppler features of sea surface targets[J]. Modern Electronics Technique, 2025, 48(3): 7-12.
[77]

乔旭, 杨峰, 齐振洪, 等. 矿井探地雷达背景杂波抑制方法综述[J]. 科学技术与工程, 2024, 24(24): 10145-10158.
[78]

Qiao Xu, Yang Feng, Qi Zhenhong, et al. Review of mine ground penetrating radar background clutter suppressing methods[J]. Science Technology and Engineering, 2024, 24(24): 10145-10158.
[79]

Liang X, Zhang H, Ye S, et al. Improved denoising method for through-wall vital sign detection using UWB impulse radar[J]. Digital Signal Processing, 2018, 74: 72-93.

[80]

Shikhsarmast F M, Lü T, Liang X, et al. Random-noise denoising and clutter elimination of human respiration movements based on an improved time window selection algorithm using wavelet transform[J]. Sensors, 2018, 19(1). DOI:10.3390/s19010095.
[81]

Li Z, Li W, Lü H, et al. A novel method for respiration-like clutter cancellation in life detection by dual-frequency IR-UWB radar[J]. IEEE Transactions on Microwave Theory and Techniques, 2013, 61(5): 2086-2092.

[82]

Liang X, Ye S, Song C Y, et al. Enhancement of vital signals for uwb through-wall radar using low-rank and block-sparse matrix decomposition[J]. Remote Sensing, 2024, 16(4). DOI:10.3390/rs16040620.
[83]

Rovňaková J, Kocur D. Weak signal enhancement in radar signal processing[C]//20th International Conference Radioelektronika. New York: IEEE, 2010: 1-4.
[84]

Li X, Zhou J, Zhen Y, et al. Research on ultra-wideband radar life detection algorithm based on SE and SSD[J]. IEEE Sensors Journal, 2023, 23(12): 13478-13488.

[85]

Liang B, Jin Y, Yang D, et al. An accelerated algorithm for detecting micro-moving objects of radar life detector of smart campus based on block data analysis[J]. IEEE Access, 2018, 6: 57994-58003.

[86]

Shi D, Liang F, Qiao J, et al. A novel non-contact detection and identification method for the post-disaster compression state of injured individuals using UWB bio-radar[J]. Bioengineering, 2023, 10(8). DOI:10.3390/bioengineering10080905.
[87]

Khan F, Cho S H. A detailed algorithm for vital sign monitoring of a stationary/non-stationary human through IR-UWB radar[J]. Sensors, 2017, 17(2): 511-514.

[88]

Liu S, Qi Q, Cheng H, et al. A vital signs fast detection and extraction method of UWB impulse radar based on SVD[J]. Sensors, 2022, 22(3). DOI:10.3390/s22031177.
[89]

Huo Z, Zhang Z, Yin Y, et al. Research on multi-target vital sign detection using IR-UWB radar in occlusion scenarios[J]. IEEE Sensors Journal, 2024, 24(9): 15327-15336.

[90]

Wang Y, Liang J. Advancing remote sensing for health monitoring: a novel framework for precise vital sign detection via IR-UWB radar[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2024, 17: 14208-14218.

[91]

Yang D, Zhu Z, Liang B. Vital sign signal extraction method based on permutation entropy and EEMD algorithm for ultra-wideband radar[J]. IEEE Access, 2019, 7: 178879-178890.

[92]

Yu Z, Zhao D, Zhang Z. Doppler radar vital signs detection method based on higher order cyclostationary[J]. Sensors, 2017, 18(1). DOI:10.3390/s18010047.
[93]

Wang P, Qi F, Liu M, et al. Noncontact heart rate measurement based on an improved convolutional sparse coding method using IR-UWB radar[J]. IEEE Access, 2019, 7: 158492-158502.

[94]

景会成, 白英杰, 曾凯, 等. 基于77 GHz毫米波雷达感知的生命体征检测方法[J]. 电子测量技术, 2022, 45(22): 55-63.
[95]

Jing Huicheng, Bai Yingjie, Zeng Kai, et al. Vital sign detection method based on 77 GHz mmWave radar perception[J]. Electronic Measurement Technology, 2022, 45(22): 55-63.
[96]

金添, 何元, 李新羽, 等. 超宽带雷达人体行为感知研究进展[J]. 电子与信息学报, 2022, 44(4): 1147-1155.
[97]

Jin Tian, He Yuan, Li Xinyu, et al. Advances in human activity sensing using ultra-wide band radar[J]. Journal of Electronics & Information Technology, 2022, 44(4): 1147-1155.
[98]

Urdzík D, Kocur D. CFAR detectors for through wall tracking of moving targets by M-sequence UWB radar[C]//20th International Conference Radioelektronika. New York:IEEE, 2010: 1-4.
[99]

肖枚, 凌伟程, 刘亚波, 等. 基于高分三号卫星的实时船舶检测算法[J]. 科学技术与工程, 2021, 21(19): 8057-8064.
[100]

Xiao Mei, Ling Weicheng, Liu Yabo, et al. Real-time ship detection algorithm based on Gaofen-3 satellite[J]. Science Technology and Engineering, 2021, 21(19): 8057-8064.
[101]

刘金超. 超宽带雷达人体目标检测与跟踪[D]. 长沙: 国防科学技术大学, 2014.
[102]

Liu Jinchao. Human target detection and trackingwith ultra-wideband radar[D]. Changsha: National University of Defense Technology, 2014.
[103]

陈小龙, 何肖阳, 邓振华, 等. 雷达微弱目标智能化处理技术与应用[J]. 雷达学报, 2024, 13(3): 501-524.
[104]

Chen Xiaolong, He Xiaoyang, Deng Zhenhua, et al. Radar intelligent processing technology and application for weak target[J]. Journal of Radars, 2024, 13(3): 501-524.
[105]

Yang Y, Hou C, Lang Y, et al. Person identification using micro-Doppler signatures of human motions and UWB radar[J]. IEEE Microwave and Wireless Components Letters, 2019, 29(5): 366-368.

[106]

He Y, Guo H, Zhang X, et al. Person identification based on fine-grained micro-doppler signatures and UWB radar[J]. IEEE Sensors Journal, 2023, 23(18): 21421-21432.

[107]

Li X, Chen S, Zhang S, et al. Advancing IR-UWB radar human activity recognition with Swin-transformers and supervised contrastive learning[J]. IEEE Internet of Things Journal, 2024, 11(7): 11750-11766.

[108]

陈金立, 唐熠君, 朱熙铖, 等. 空域色噪声下的多输入多输出雷达角度估计[J]. 科学技术与工程, 2024, 24(14): 5855-5862.
[109]

Chen Jinli, Tang Yijun, Zhu Xicheng, et al. Angle estimation for multiple input multiple output radar under spatially colored noise[J]. Science Technology and Engineering, 2024, 24(14): 5855-5862.
[110]

Švecová M, Kocur D, Demčák J, et al. Through-the-floor localization of a static person by a multistatic UWB radar[J]. Microwave and Optical Technology Letters, 2019. 61(3): 825-831.

[111]

Zhang Y, Ma Y, Yu X, et al. A coarse-to-fine detection and localization method for multiple human subjects under through-wall condition using a new telescopic SIMO UWB radar[J]. Sensors and Actuators A: Physical, 2021. DOI:10.1016/j.sna.2021.113064.
[112]

Yan K, Wu S, Fang G. Detection of quasi-static trapped human being using mono-static UWB life-detection radar[J]. Applied Sciences, 2021. DOI:10.3390/app11073129.
[113]

Yoo S, Wang D, Seol D M, et al. A multiple target positioning and tracking system behind brick-concrete walls using multiple monostatic IR-UWB radars[J]. Sensors, 2019, 19(18). DOI:10.3390/s19184033.
[114]

尤谍, 陈勇, 张修伟, 等. 基于多目标自适应DE算法在UWB中的应用研究[J]. 微型电脑应用, 2023, 39(9): 54-56, 67.
[115]

You Die, Chen Yong, Zhang Xiuwei, et al. Research on the application of multi-objective adaptive DE algorithm in UWB[J]. Microcomputer Applications, 2023, 39(9): 54-56, 67.
[116]

Xu Z, Guo S, Chen J, et al. Multi-domain features-based NLOS target localization method for MIMO UWB radar[J]. IEEE Sensors Journal, 2023, 23(23): 29314-29322.

[117]

Hanssens B, Plets D, Tanghe E, et al. An indoor variance-based localization technique utilizing the UWB estimation of geometrical propagation parameters[J]. IEEE Transactions on Antennas and Propagation, 2018, 66(5): 2522-2533.

[118]

孙铭芳, 吕旭, 赵仁杰, 等. 基于新息自适应的扩展卡尔曼滤波雷达目标跟踪算法[J]. 科学技术与工程, 2023, 23(9): 3738-3743.
[119]

Sun Mingfang, Lü Xu, Zhao Renjie, et al. Adaptive extended Kalman filter algorithm based on innovation sequence for radar target tracking[J]. Science Technology and Engineering, 2023, 23(9): 3738-3743.
[120]

Zhang J, Dang X, Hao Z. TWPT: through-wall position detection and tracking system using IR-UWB radar utilizing Kalman filter-based clutter reduction and CLEAN algorithm[J]. Electronics, 2024, 13. DOI:10.3390/electronics13193792.
[121]

Fortes J, Švingál M, Porteleky T, et al. Positioning and tracking of multiple humans moving in small rooms based on a one-transmitter-two-receiver UWB radar configuration[J]. Sensors, 2022, 22(14). DOI:10.3390/s22145228.
[122]

Huang L, Lei D, Zheng B, et al. Lightweight multi-domain fusion model for through-wall human activity recognition using IR-UWB radar[J]. Applied Sciences, 2024, 14. DOI:10.3390/app14209522.
[123]

Ji P, Duan Z, Xu W. A combined UWB/IMU localization method with improved CKF[J]. Sensors (Basel), 2024, 24(10). DOI:10.3390/s24103165.
[124]

何永平, 刘冉, 付文鹏, 等. 非视距环境下基于UWB的室内动态目标定位[J]. 传感器与微系统, 2020, 39(8): 46-49, 54.
[125]

He Yongping, Liu Ran, Fu Wenpeng, et al. Indoor dynamic object positioning in NLOS environment based on UWB[J]. Transducer and Microsystem Technologies, 2020, 39(8): 46-49, 54.

基金资助

国家重点研发计划(2023YFC3010905)

国家自然科学基金(52174197)

陕西省重点研发计划(2023-YBSF-101)

PDF (9656KB)

44

访问

0

被引

详细
导航
相关文章

/

〈 〉

京ICP备05035734号-4
版权所有 © 《科学技术与工程》编辑部
地址： 北京市海淀区学院南路86号 《科学技术与工程》编辑部　邮编：100081
电话：(010)62118920 　E-mail：stae@vip.163.com
技术支持：北京玛格泰克科技发展有限公司 　
网站管理员登录