典型文献
基于改进SO-CFAR和ACA-VMD算法的雷达生命体征检测
文献摘要：
非接触生命体征检测技术难以有效利用胸腔产生的微多普勒效应提取心跳和呼吸信号,针对这一问题,文中提出了一种基于改进最小选择恒虚警(SO-CFAR)和蚁群变分模态分解(ACA-VMD)算法的生命体征检测方法,并通过仿真和实测验证了算法的检测精度.首先对77 GHz毫米波雷达的中频回波信号进行预处理得到干净的雷达I/Q数据,然后调整因子以平衡前后窗的功率水平让单元极小值恒虚警检测能够对噪声下的目标进行精确提取,最后采用蚁群优化后的变分模态对目标信号进行模态混叠的抑制并采用全相位频谱分析,使得呼吸和心跳的信噪比改善了1.765 dB,完成呼吸和心跳有效分离和提取,实现了人体生命体征的准确检测.
文献关键词：
最小选择恒虚警;蚁群变分模态分解;全相位;生命体征;毫米波雷达
中图分类号：
作者姓名：
邵鑫;黄晓红;戚子羿;崔胜港;张凯月
作者机构：
华北理工大学人工智能学院,唐山063210
文献出处：
引用格式：
[1]邵鑫;黄晓红;戚子羿;崔胜港;张凯月-.基于改进SO-CFAR和ACA-VMD算法的雷达生命体征检测)[J].微波学报,2022(04):88-94
A类：
最小选择恒虚警,蚁群变分模态分解
B类：
SO,CFAR,ACA,VMD,达生,生命体征检测,非接触,胸腔,微多普勒效应,取心,心跳,呼吸信号,实测验证,检测精度,GHz,毫米波雷达,中频回波信号,理得,干净,后调,后窗,极小值,恒虚警检测,蚁群优化,模态混叠,全相位,频谱分析,dB,有效分离
AB值：
0.285089
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
