1．2  生命探测雷达信号处理研究现状
由于工作环境复杂，存在各类障碍物，如废墟、墙壁等，且无法避免一些如人体抖动、空气波动等的突发干扰，因此生命探测雷达在整个检测过程中，很容易受到各类噪声的干扰，这极大地影响该雷达进行准确探测。数字信号处理系统作为整个雷达式生命探测系统的重要组成部分，主要用于去除噪声干扰并提取生命信号进行判决，需要完成A/D采样、数字预处理、生命特征提取、系统控制等功能。目前，无论是从硬件上，还是方法上，国内外研究人员都对其已经做了大量的研究。其中在方法上主要存在以下三大问题。
   （1）如何去除盲点
     在设计雷达接收机，若只有一路信号，就会存在盲点问题，导致探测仪检测错误。针对此问题，A. D. Droitcour[20]等人开发了正交双通道接收机，将回波信号分成I、Q两路，用于保证至少有一路信号不位于探测盲点上，始终能检测到目标。由于采用了正交双通道接收机，又出现解调的问题。杨堃[16]针对此问题采用了AT解调技术，利用反正切的方法，求出Q路与I路两路信号比值的反正切值，进而恢复出完整的生命信号。不过在实际工程中，即非理想情况，得到的两个正交信号往往带有直流偏移、振幅误差和相位误差，还原的信号与原信号就会有偏差。另外，双边带解调、复信号解调等方法都可以很好的消除盲点。
   （2）如何去除干扰
由于非接触式雷达生命检测仪检测到的生命信号成分相对复杂,并且大都集中在低频甚至超低频部分，因此在检测中很容易受到周围环境等因素的干扰，尽管已经由信号检测电路做了滤波与放大的处理，但此信号还不一定达到数字信号处理的标准，仍可能存在部分顽固噪声的频谱与呼吸心跳信号频谱重叠。同时呼吸、心跳信号的分离也是难点。因此在数字信号处理系统中还需要做进一步的去噪处理。
目前在大多数的研究当中比较常用的就是采用较高阶的FIR数字滤波器进行滤波，而这是模拟滤波器所达不到的，但这对DSP的处理速度也提出了更高的要求。不过，针对某些特殊的干扰信号，也需要其他更加优化的方法进行去噪。华南理工大学的潘水洋[13]使用了自适应信号处理方法，设计滤波器参数能随环境的变化而变化的自适应滤波器，用于呼吸信号谐波对消和环境干扰对消。针对呼吸信号的谐波部分，预先估计出谐波信号的值，再从原始生命信号中减去这个值，从而达到去除呼吸信号谐波干扰的目的。另外，青岛科技大学的朱卫娟[12]对生命探测雷达回波信号进行了详细分析，并提出了频域积累和小波阈值相结合的去噪方法。先利用多周期频域积累的方法来提高回波信号的幅度，同时提高信噪比，然后再用小波阈值的方法对信号做进一步噪声滤除，从而达到最好的优化性能。
3、如何提取生命信号
信号处理模块最重要的就是生命信号的提取，尤其是呼吸和心跳信号的分离。传统的方法都是基于生命信号的FFT时频分析，分析生命信号的频谱分布，对信号进行滤波提取。黄剑[4]根据呼吸信号和心跳信号的频域分布特点，设计了一个高通滤波器来滤掉呼吸信号，接着再设计一个低通滤波器将心跳信号频率外的高频噪声进行滤除，只留下需要提取的心跳信号。而提取呼吸信号需要设计一个截止频率位于呼吸和心跳信号频谱之间的低通滤波器，但使用这种方法得到生命信号的难度较大，且效果较差。
所以这种普通的滤波方法不能得到很理想的信号。在信号分离时，呼吸信号因为其相对其他频率成分幅值较大，所以提取比较方便，但是心跳信号更加微弱，要提取理想的心跳信号非常复杂，还需要更多的处理方法。第四军医大学杨冬[3]在做基于非接触生命参数检测系统的信号处理技术研究时，为了提取出心跳信号，专门针对心跳通路做了同态滤波和小波变换的处理，以求从混合信号中提取规律性较强的心跳信号。杨堃[16]针对心跳信号的提取，则采用了基于 CEEMD 算法的希尔伯特—黄变换，既能抑制干扰，又能有效提取心跳信号，不过相对来说计算量比较大。 生命探测雷达信号处理模块设计(3):http://www.youerw.com/tongxin/lunwen_16779.html