雷達(dá)眼中的“動(dòng)”

Hi~ 又見(jiàn)面了

這期繼續(xù)雷達(dá)人體感知方面的思考。

在THINK BOLD | 泛跟蹤與人體全析感知一文中, 我們探討了人體運(yùn)動(dòng)在雷達(dá)感知下的幾種形式，包括宏運(yùn)動(dòng)（Macro Motion）,微運(yùn)動(dòng)（Micro Motion）,體征運(yùn)動(dòng)（Vital Motion）,以及人體泛跟蹤的一些思考。這期是其姊妹篇。

“動(dòng)”的層次

目前雷達(dá)的應(yīng)用面相當(dāng)寬，從車載，交通，安防，乃至健康管理，醫(yī)療康養(yǎng)等等。為什么雷達(dá)的應(yīng)用領(lǐng)域可以如此之寬廣，我覺(jué)得本質(zhì)還是在于雷達(dá)對(duì)多普勒敏感。

▲ 雷達(dá)應(yīng)用面

多普勒敏感在于，通過(guò)一定的雷達(dá)配置，雷達(dá)可感知的多普勒動(dòng)態(tài)范圍相當(dāng)大或者檢測(cè)精度相當(dāng)高，感知微如心臟跳動(dòng)，強(qiáng)如飛馳而過(guò)的高鐵，都不在話下。我們費(fèi)盡心思設(shè)計(jì)不同的雷達(dá)體制（波形），設(shè)計(jì)各種天線布局，花里胡哨的測(cè)角算法，哪怕是能夠提高一點(diǎn)距離精度或者角度性能都興奮無(wú)比。但是對(duì)于速度維（多普勒維），一切都是那么自然，你看CW, FMCW，SFCW，UWB，PMCW等等，大家在多普勒維處理從未如此意見(jiàn)一致，仿佛多普勒維一直是個(gè)好學(xué)生，大家都蠻省心的，不用花太多心思。

多普勒維沒(méi)什么可挖了嗎，當(dāng)然不，在THINK BOLD | 泛跟蹤與人體全析感知一文中, 我們探討了人體運(yùn)動(dòng)在雷達(dá)感知下的幾種形式，包括

宏運(yùn)動(dòng)（Macro Motion）微運(yùn)動(dòng)（Micro Motion）體征運(yùn)動(dòng)（Vital Motion）

這些都是多普勒感知下人體運(yùn)動(dòng)的幾種分類。

也就是說(shuō)，多普勒維度的魅力在于多普勒的層次，也就是“動(dòng)”的層次，這一點(diǎn)是距離維，角度維觸不可及的。

如何品味這些層次，或者我們?nèi)绾翁幚砝煤眠@些層次是相當(dāng)有意思的，我曾經(jīng)在4D雷達(dá)之微多普勒 一文中淺析過(guò)一些內(nèi)容，那這次再?gòu)牧硪粋€(gè)角度品一品多普勒。

▲?“動(dòng)”的層次

“動(dòng)”的多維感知

首先講講宏運(yùn)動(dòng)和微運(yùn)動(dòng)。

我在（加餐）從車載雷達(dá)認(rèn)識(shí)傅里葉變換 從分析過(guò)距離維，速度維，角度維本質(zhì)對(duì)應(yīng)復(fù)正弦信號(hào)，形如，

其中即距離，速度以及角度所對(duì)應(yīng)的頻率。那么RSP經(jīng)典處理流程下，我們通過(guò)FFT及取模累加處理獲得range-doppler map.

▲ 經(jīng)典雷達(dá)信號(hào)處理流程

高分辨雷達(dá)下人體運(yùn)動(dòng)的range-doppler map信息豐富（如下圖），以多普勒信息為例，其在map下的多普勒維度呈現(xiàn)峰值以及擴(kuò)展，這里包含了表征人體軀干運(yùn)動(dòng)的高能量峰值以及手臂擺動(dòng)的多普勒擴(kuò)展，如何利用這些信息在4D雷達(dá)之微多普勒?一文中有過(guò)分析，不再贅述。

想強(qiáng)調(diào)的是，針對(duì)宏運(yùn)動(dòng)和微運(yùn)動(dòng)，range-doppler heatmap是有力分析工具。

▲ range-doppler map

當(dāng)然我們還可以獲得doppler-time map, 本質(zhì)不變，不再贅述。

針對(duì)體征運(yùn)動(dòng)，我們還是雷達(dá)回波模型[4]，具體的，我們觀察上式，對(duì)于傳統(tǒng)車載雷達(dá)回波建模，其中v為目標(biāo)宏觀運(yùn)動(dòng)速度；而對(duì)于人體雷達(dá)回波，不僅包含人體宏觀運(yùn)動(dòng)，此時(shí)含有，同樣也包含微觀運(yùn)動(dòng)信息及生命體征信息(vital motion)。

注意公式中的,??是幀的計(jì)數(shù)，由于一個(gè)chirp或者一個(gè)frame持續(xù)時(shí)間短，體征運(yùn)動(dòng)在chirp內(nèi)乃至一個(gè)frame內(nèi)的變化幾乎可以忽略不計(jì)，但是諸如人體呼吸等生命體征活動(dòng)在幀間會(huì)呈現(xiàn)出明顯的規(guī)律性（也就是?regularity），所以可以通過(guò)進(jìn)行多幀間處理提取體征運(yùn)動(dòng)。

▲ 多幀累計(jì)，體征運(yùn)動(dòng)感知

比如，針對(duì)對(duì)于一個(gè)平躺的人體，高精度雷達(dá)能夠采集從頭到腳多個(gè)體位點(diǎn)，我們可以選取若干個(gè)體位點(diǎn)（如下圖），對(duì)多幀累積得到的相位進(jìn)行處理，可以看到，多個(gè)體位點(diǎn)呈現(xiàn)出周期振動(dòng)特性，這顯然是人體呼吸（胸式呼吸或腹式呼吸）的結(jié)果，我們完全可以通過(guò)這個(gè)體征運(yùn)動(dòng)矩陣獲得關(guān)于這個(gè)人體的體征信息。

▲ 平躺人體體征層析

當(dāng)然，不僅僅是呼吸信息，比擬ECG的心率信息（多普勒心動(dòng)圖，DCG）在高精度相位處理下也能夠被精準(zhǔn)重建。關(guān)于DCG有興趣可以閱讀文獻(xiàn)[3]。

▲ 雷達(dá)心動(dòng)圖[3]

需要注意的是，前文中利用range-doppler map 處理微運(yùn)動(dòng)，事實(shí)上，相位的擾動(dòng)也可以分析微運(yùn)動(dòng)（如下圖），這種由微運(yùn)動(dòng)導(dǎo)致的相位擾動(dòng)雖然嚴(yán)重破壞了體征運(yùn)動(dòng)信息，但卻能夠反應(yīng)出體動(dòng)信息，同樣非常有用（比如分析這個(gè)人睡得踏不踏實(shí)）。也就是說(shuō)，相位分析（phase analysis）同樣是微運(yùn)動(dòng)的有理處理手段。

▲ 微運(yùn)動(dòng)下的相位擾動(dòng)

一個(gè)例子

通過(guò)上述分析，我們對(duì)3類運(yùn)動(dòng)以及如何處理利用它們又有了一些認(rèn)識(shí)，下面講一個(gè)基于毫米波雷達(dá)做DMS(Driver Monitoring System)的例子，DMS一般用攝像頭做，因?yàn)閿z像頭的語(yǔ)義信息比較豐富，基于AI容易做一些駕駛員疲勞檢測(cè)的應(yīng)用。但是基于前述內(nèi)容，用毫米波雷達(dá)實(shí)現(xiàn)DMS具有可行性。

人在開(kāi)車的時(shí)候，尤其是高速長(zhǎng)途，如果打哈欠，不覺(jué)的點(diǎn)頭和開(kāi)閉眼，那么大概率是疲勞瞌睡了。這里，點(diǎn)頭是一種微運(yùn)動(dòng)，打哈欠和開(kāi)閉眼是一種更弱的微運(yùn)動(dòng)，這里我覺(jué)得在特征上與體征運(yùn)動(dòng)等價(jià)。如前所述，微運(yùn)動(dòng)可以用range-Doppler map表述，對(duì)于高精度雷達(dá)實(shí)時(shí)監(jiān)測(cè)頭部位置，點(diǎn)頭動(dòng)作伴隨doppler bin的變化（doppler bin variation, 由于點(diǎn)頭動(dòng)作較快，確切的說(shuō)是doppler bin 突變/跳變）。當(dāng)然也可以利用range-time map中range bin的變化表述（如下圖）。

▲?Micro Motion[1]

同樣的，體征運(yùn)動(dòng)可以用phase?表述，對(duì)于高精度雷達(dá)實(shí)時(shí)監(jiān)測(cè)頭部位置，眨眼,打哈欠伴隨相位變化（phase variation）。

基于AI算法學(xué)習(xí)這些range bin 以及 phase 的變化特征，是能夠大概率判斷駕駛員是否處于疲勞瞌睡狀態(tài)的。

▲?Vital Motion[1]

▲?Vital?Motion[1]

小結(jié)

通過(guò)上述分析，我們發(fā)現(xiàn)不管是宏運(yùn)動(dòng)（Macro Motion）,微運(yùn)動(dòng)（Micro Motion）,還是體征運(yùn)動(dòng)（Vital Motion），本質(zhì)都是對(duì)雷達(dá)回波相位的不同調(diào)制。

其中，

• Macro MotionMicro Motion 通常使用range-doppler map（range-time map, doppler time map）分析。Vital Motion 在相位不模糊條件下多直接用phase分析工具，包括phase unwrap以及一系列filter處理。

作者：葉融茶歸

*參考文獻(xiàn)：[1] https://dl.acm.org/doi/abs/10.1145/3614437.[2] Millimeter-wave radar object classification using knowledge-assisted neuralnetwork.https://www.frontiersin.org/articles/10.3389/fnins.2022.1075538?.[3]?S. Dong, Y. Li, J. Lu, Z. Zhang, C. Gu and J. Mao, "Accurate Detection of Doppler Cardiograms With a Parameterized Respiratory Filter Technique Using a K-Band Radar Sensor," in IEEE Transactions on Microwave Theory and Techniques, vol. 71, no. 1, pp. 71-82, Jan. 2023, doi: 10.1109/TMTT.2022.3184019.
[4] Patole S M ,? Torlak M ,? Dan W , et al. Automotive Radars: A review of signal processing techniques[J]. IEEE Signal Processing Magazine, 2017, 34(2):22-35.[5]?Heart rate measurement method based on wavelet transform noise reduction for low power millimeter wave radar platform