微多普勒频移技术用于生命探测中的研究

肖 靖，唐 超，常馨月

（1.国家无线电监测中心检测中心，北京 100041；2.北京理工大学，北京 100081）

0 引言

微多普勒频移技术研究大多用于军事目标分析，可以使用时频分析法、参数搜索法、外推法等进行目标的旋转和运动信息提取。近年来，利用各类无线通信信号进行人体特征提取的微多普勒频移技术得到了快速地发展，例如，使用Wi-Fi 信号进行室内人员行走、站立、摔倒姿态的判定。

在灾后的人员搜救过程中，快速判定废墟下是否有受困人员，以及受困人员的生命特征是否明显，可以高效指导救援工作。随着手机的日益普及，受困人员大多会随身携带手机，手机发送的各类信号可以将受困人员的生命体征信息传输给地面搜救人员。基于对公网通信信号的处理和分析，本文设计了一套利用目标手机来探测被困人员生命体征信息的便携式设备。

1 技术原理

微动是指目标或其组件除了质心的平动以外发生的小幅运动，比如振动、旋转等[1]。人体的很多生命特征都属于微动，主要集中在脉搏、呼吸、心跳、血压等领域，能够通过无线电信号采集的大多侧重于心跳和呼吸，其中心跳60–100 次/分钟（1–1.6 Hz），呼吸20–40 次/分钟（0.3–0.6 Hz），人体处于某种身体状态一定时间之后，生命特征会趋于平稳。

1.1 微多普勒效应

除了平动带来的多普勒频移外，当目标发生微动时（例如人体的呼吸、心跳等），回波信号中会产生附加频移，导致多普勒谱展宽，这种效应被称为“微多普勒效应”。微多普勒效应反映了目标的精细特征及运动状态的细节，为目标分类识别提供了新的解决方案。

人和物体运动的微多普勒频率是一种时变的信号，需要借助于时频分析的手段才能得到其随时间变化的频率信息。信号时频分析算法的研究要远早于人体运动微多普勒特征的研究，经过一些学者的改进与拓展，逐渐成为现在常用的短时傅里叶变换STFT（Short-Time Fourier Transform）。STFT 是在短时间窗的基础上进行傅里叶变换得到的，窗长的选择对分析精度有很大影响，同时不同窗函数将得到不同的分辨率效果[2]。此外，也有很多其他的时频分析方法，其中较为常用的有小波变换、广义S 变换等。其中，小波变换和广义S 变换与STFT 相比，具有可分析非稳定时变频率信号的特性。

1.2 特征捕获

目前，GSM 系统和LTE 系统已广泛应用于公网移动通信，移动通信网络覆盖范围已扩大到国内各大中型城市，大部分的县、乡、郊区和农村地区，许多旅游景点和交通干线，覆盖人口已占全国人口的95%以上。相应的，手机也早已成为普通人随身携带的电子设备之一。

利用专用的移动通信基站作为吸附基站，通过吸附特定范围内手机的方式，可以分析和捕获移动通信空口信号中携带的被困人员的生命特征。吸附基站射频信号由本地振荡器产生，该信号被放大后送至定向天线向目标空间辐射。辐射电磁波覆盖到目标范围内被困人员的手机后，手机会与吸附基站进行通信，开始信令交互最后入网，进入被吸附状态。如图1所示。

图1 吸附基站诱骗目标手

吸附基站规律地向目标手机发送信令，根据标准移动通信协议，手机发送射频信号，同样规律地响应基站信令。携带特征的空口信号被接收天线接收，接收到的回波信号经过滤波、放大、A/D 转换为数字信号，并将其作数字信号处理。在与本地标准同步信号进行匹配滤波去码型后，对这些信号进行一系列相应的时频响应分析，实现对人体生命特征的探测及参数测量识别等任务。计算机完成各种数据的存储、显示和实时运行情况。

2 总体架构

在救援现场，设备还需具备便携和快速部署等特点，即达到电池独立供电、设备体积小、用户交互简单等要求，系统抽象架构如图2所示。

图2 抽象架构图

2.1 工作流程

吸附基站通过定向天线，将废墟掩埋受困人员的手机吸附，采集手机上行信号，通过分析上行信号中的微多普勒频移信息，提取受困人员的生命体征[3]，用最简单的呈现方式向操作人员展示系统采集结果，如图3所示。

图3 监测设备工作示意

2.2 业务流程

系统工作的业务流程如图4所示。在业务运行过程中，上行信号不仅可以用于生命特征信息的提取，还可以通过手台的功率、定向天线的方向图、废物现场的无线电模型，推断受困人员的大致区域和深度[4]，更有针对性地开展救援工作。

图4 业务流程

3 测试情况

针对手机不同制式的无线上行信号的频率作测试，人采取握持和非握持手机的两种情况，结合人体特征的实际特点，验证微多普勒频移技术受信号功率的影响情况。设计的测试内容见表1。

表1 测试内容

3.1 GSM 测试结果

采集GSM 的上行信号，对手机发出的空口信号进行下变频，记录序号1、序号2情况下的的IQ 数据。利用已知手机上行信号的周期性信令的训练序列，做匹配滤波去码型，之后利用微多普勒测量技术对去除调制的信号进行生命特征提取，得到结果如图5、图6所示。

图5 GSM未握持

图6 GSM握持

其中，图5中的结果展示了在人未握持时，对采集的数据进行去码型处理后，可以得到无干扰的零频信号，说明信道载波负载着单一的GSM 调制信息。通过对比图5，可以看出图6中的结果，即在握持手机情况下，可以提取到明显的特征信号，频率在0.4 Hz 左右，符合人体的呼吸特征。

3.2 LTE 测试结果

通过采集LTE 的上行信号，利用微多普勒测量技术进行特征提取，得到结果如图7、图8所示。

图7 LTE未握持

图8 LTE握持

通过对比图7和图8，可以提取到明显的特征信号，频率在0.3–0.4 Hz 左右，符合人体的呼吸特征， 并且在握持的情况下，特征更为明显。

3.3 衰减测试结果

为了更好地模拟实际环境中的信号，对典型测试例加入衰减后进行验证。通过采集GSM 的上行信号，并在接收端控制是否添加衰减器，得到结果如图9、图10所示。

图9 无衰减

图10 10dB衰减

通过对比图9和图10，可以提取到明显的特征信号，频率在0.2 Hz 左右，符合人体的呼吸特征，并受信号衰减影响较小，说明在满足信噪比要求的情况下，该方法受手机信号强弱影响较低，具备较好的穿墙特性，可以在废墟现场得到较好的应用。

4 结束语

本文通过微多普勒频移信号幅度分析法[5]，对手机的上行信号进行了分析，GSM 和LTE 信号均可以得到较好的应用，能够提取到符合人体呼吸特征的参数，由于GSM 信号频段低、信号带宽窄，握持特征明显，可以作为目前的突破重点；并且随着信号功率的衰减，特征提取并未受到明显的影响，证明本方法在实际的废墟现场能够达到较好的穿墙性，利于现场情况的实际应用。