林佳慧， 尹辉斌， 熊荣鹏

(福州大学 物理与信息工程学院，福建 福州 350108)

0 引 言

室内人员定位是智能健康监护和智能家居等许多以人为中心的智能应用的关键技术。然而，由于建筑墙体阻挡，目前广泛使用的卫星定位技术无法在室内使用。人体定位的“最后一米”室内定位成为近年来的研究热点。目前室内人员定位主要有基于计算机视觉[1]、WiFi[2,3]、红外[4]、超宽带[5](ultra wide band，UWB)等技术。然而，采用计算机视觉技术运算量大且存在隐私泄露的风险；利用基于WiFi的接收信号强度指示(received signal strength indication,RSSI)指纹定位方法容易受多径干扰的影响，且需要定期更新指纹库，维护难度较大；基于红外的室内定位系统易受热源干扰，且无非视距传输性，需要密集部署传感器；而基于UWB技术的定位系统，虽然抗多径效应能力强，具有一定穿透性，然而会与现在已授权的频带业务冲突，且设备价格昂贵。

调频连续波(frequency modulated continuous wave，FMCW)雷达在高精度目标探测领域具有的技术优势，使其在室内人员精准定位中的应用得到了广泛关注。Adib F等人基于FMCW信号研发出了能够实现穿墙定位的室内人员跟踪系统WiTrack[6,7]，但该系统基于通用软件无线电平台，设备价格昂贵，且工作频率为5.56～7.25 GHz，测试精度较低。近年来，随着自动驾驶技术[8]的普及，英飞凌、德州仪器(Texas Instruments，TI)等公司相继推出了针对自动驾驶的毫米波雷达解决方案。相对于Fadel提出的方案，这些汽车雷达传感器的使用，可以显著降低系统实现的复杂度和成本，同时采用了毫米波段的发射信号也使其具备了更高的检测精度。为此，如何将这些商用的汽车雷达传感器芯片应用到室内人员定位值得进一步深入研究和探讨。

针对上述问题，本文基于TI公司研发的IWR1443毫米波雷达传感器研究了一种用于实现室内人员定位的方法。

通过TI公司的DCA1000数据采集板，将雷达射频前端处理后的数据转换成数字信号并输入计算机，利用MATLAB实现了雷达的信号处理，提出了一种基于最大选择单元平均恒虚警率(greatest of cell average constant false alarm rate,GO-CA-CFAR)检测的室内人员定位算法，解决了室内环境中FMCW回波信号存在的动态多径问题，实现了人体在二维平面的定位及轨迹重现。

1 FMCW雷达相关检测原理

IWR1443器件是能够在76～81 GHz 频带中运行且基于FMCW雷达技术的集成式单芯片毫米波传感器。

1.1 目标与雷达间距离的计算

雷达发射如图1所示的锯齿波调制的线性调频波，图中实线为发射信号，虚线为遇到目标后反射回雷达并由接收(RX)天线接收的信号，通过混频器和低通滤波器得出收发信号之间的差频Δf，即可由式(1)计算出收发信号的延迟时间τ[9]，根据雷达原理，利用式(2)可得检测目标与雷达的距离R

图1 FMCW雷达发射和接收信号

τ=Δf/S

(1)

R=cτ/2=cΔf/2S

(2)

式中S为调频斜率，c为电磁波传播速度。

1.2 检测目标坐标的计算

为了实现目标的定位，雷达需要至少2个以上的RX天线才能计算出目标的坐标。当RX天线的位置如图2所示时，即相邻两根RX天线间距d=λ/2，检测目标的回波信号在相邻两根RX天线之间存在波程差dsinθ，其中，θ为检测目标相对于雷达的水平方位角。波程差引起相邻两根RX天线间的相位差ω可用式(3)表示，通过公式变换，由式(4)可计算出目标的方位角θ，再由式(5)和式(6)即可计算出目标所在坐标(x，y)。IWR1443毫米波雷达传感器支持二发四收的工作模式，可以实现8根虚拟的RX天线，天线阵列之间的相位延迟可表示为具有线性变化关系的向量[0ω2ω3ω4ω5ω6ω7ω]，通过快速傅里叶变换(FFT)可提取出相位差ω，进而由式(4)～式(6)求出目标的坐标

图2 接收天线角度估计

x=Rsinθ

(5)

2 雷达信号处理算法

2.1 信号处理流程

本文研究的室内雷达定位系统如图3所示。IWR1443Boost和数据采集板DCA1000构成雷达的射频前端，采集到的数据在个人电脑(PC)中通过MATLAB完成背景消除、距离和速度的提取以及二维坐标的确定。

图3 室内人员定位系统及雷达信号处理流程

2.2 背景消除及距离—速度FFT

在室内环境中，由于墙壁、地板和家具等许多物体都会反射信号，回波信号中包含许多来自环境中静态物体的反射信号，其强度甚至会超过目标的反射信号。为此，室内人员定位雷达的信号处理需要采用背景消除技术。考虑到待测目标是活动的人体，其反射回雷达的信号随时间变化，因此，可以通过将采集到的每一帧有人活动的雷达反射信号与环境背景帧进行相减，静态物体的反射会被消除。对静态消除后的回波信号进行距离FFT和多普勒FFT，提取反射目标的距离和速度信息，可得到如图4(b)所示的距离—多普勒图(range Doppler map，RDM)。从图中可以看出，与图4(a)相比，采用背景消除法后，速度为0处的静态反射信号得到有效的抑制。

图4 距离—多普勒图

2.3 二维最大恒虚警

从图4可以看出，经过背景消除后，从回波信号中提取出的目标不是一个单一的峰值。这是因为回波信号中不仅包括从人体直接反射回雷达的信号，还包含了从人体经由墙壁、地板等静态物体间接反射到雷达接收端的动态多径信号，为了准确地检测出人体目标的距离，必须从多径中找出直接由人体目标反射回雷达的信号。考虑到间接反射回雷达的动态多径信号相对于直接由人体反射回的信号的传播路径更长[10]。本文采用了二维最大恒虚警(GO-CFAR)，在保持虚警概率Pfa恒定不变的情况下检测出活动人体目标，其算法流程如图5所示。

图5 GO-CFAR算法流程框图

信号通过平方律检测器输入，由于人体具有一定宽度，为防止目标信号泄露到参考单元中，故将被测单元四周紧邻的单元设置为保护单元，分别计算测试单元左右两侧的参考单元的样本平均值，取其中较大的一个来估计背景噪声功率Z，与阈值系数σ相乘得到门限T。当测试单元中的输入信号电平超过门限电平时，将该测试单元判为目标。本文设置虚警概率Pfa=5×105，保护单元二维窗口长度为[1，1]，参考单元二维窗口长度为[2，2]，如图6所示。

图6 二维GO-CFAR窗口示意

2.4 回波角度的检测和坐标的计算

为了进一步求出人体目标的坐标，需要检测出携带方位角信息的相位差ω。首先对8根虚拟RX天线上检测到的目标点作角度FFT，提取相位峰值点在距离—多普勒—方位角矩阵中的索引peak_idx=[row，col，pag]，其中row，col，pag分别表示目标点的距离索引，多普勒索引以及角度索引，接着应用式(7)、式(8)即可得到目标的差频Δf和相位差ω，式(7)、式(8)如下

式中 距离维采样点数M为256，角度FFT点数Q为180，采样频率fs为1 MHz。将Δf和ω分别代入式(2)～式(6)即可求得检测目标的坐标(x，y)。

3 实验设置与结果分析

实验在一间9 m×6 m的空旷会议室进行，雷达传感器采用了IWR1443Boost开发版，板载3发4收的天线，考虑到仅需要检测二维平面的坐标，将其配置为2发4收的模式，天线高度设置为1.1 m，环境背景数据为事先采集的一组无人在场的数据。

首先对几种不同CFAR算法对定位精度的影响进行测试。以一名测试者为检测目标，测试者在监测区域中静止不动，共采集250帧，采集时间约为10 s。分别以3种均值类恒虚警检测器最小选择(smallest of,SO)-CFAR,单元平均(cell average,CA)-CFAR,GO-CFAR进行目标检测，定位误差累计分布函数如图7所示。其中，SO-CFAR在检测性能上不如CA-CFAR和GO-CFAR，CA-CFAR与GO-CFAR的曲线重合，对两者求平均定位误差发现GO-CFAR的平均定位误差较小，为0.123 m，故采用GO-CFAR作为本文的恒虚警检测器。

图7 定位误差累计分布函数

表1对比了本文采用的方法与其他定位系统的定位精度，从表中可以看出，相比于文献[3]提出的基于WiFi和文献[4]提出的基于红外的系统，本文系统的定位误差更小，精度更高，且本文采用的方法定位精度略高于同样使用FMCW技术的WiTrack[6]。

表1 本文系统与其他系统的精度比较

考虑到合理地选择参考单元的窗口长度会提高CFAR 检测器的检测效果[11]。本文就参考单元的窗口长度对定位精度的影响进行进一步的测试。测试环境设置为测试者沿纵向2.4 m，横向1.6 m的U型轨迹行走。图8中U型实线为基底图形，散点为检测轨迹，可以看出，二维窗口长度为[2，2]时得到的轨迹能够较好地覆盖基底图形，而采用其他几种窗口长度处理得到的轨迹则存在较多离群点，当窗口长度为[5，5]时，已经无法识别当人沿x轴方向运动时的目标。实验结果表明，在本文的系统环境下，采用参考单元窗口长度为[2，2]的GO-CFAR能够更准确地检测出可能的目标点。

图8 不同参考单元窗口长度的效果比较

4 结 论

本文基于IWR1443毫米波雷达传感器设计了一种实现室内人体定位的方法，给出了雷达信号处理的实现方案，提出了一种基于二维GO-CFAR的算法，解决了FMCW回波信号存在的动态多径问题。通过实验分析，得出了CFAR的参考单元窗口长度。经过测试，系统平均定位误差为0.123 m，能够有效地对室内人体进行定位且能够较好地重现目标的真实运动轨迹。