CN108852327A - 一种从运动干扰中非接触检测微弱生命信号的方法 - Google Patents
一种从运动干扰中非接触检测微弱生命信号的方法 Download PDFInfo
- Publication number
- CN108852327A CN108852327A CN201810339740.6A CN201810339740A CN108852327A CN 108852327 A CN108852327 A CN 108852327A CN 201810339740 A CN201810339740 A CN 201810339740A CN 108852327 A CN108852327 A CN 108852327A
- Authority
- CN
- China
- Prior art keywords
- signal
- template
- heartbeat
- human body
- motion information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 32
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000010276 construction Methods 0.000 claims abstract description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000001228 spectrum Methods 0.000 description 12
- 230000021615 conjugation Effects 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
- A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种从运动干扰中非接触检测微弱生命信号的方法。雷达发射机向待测人体表面发射单频连续波,雷达接收机接收到受到人体运动的反射波,然后进行下变频和基带解调的信号处理,获得带有总运动信息的基带信号;对带有总运动信息的基带信号进行截取并构造一段心跳/呼吸信号模板,然后利用构造的模板对带有总运动信息的基带信号进行匹配滤波,恢复出待测人体的生命或呼吸信息。本发明通过多普勒雷达无线测量恢复人体大幅度运动时的生命信号。利用多普勒雷达获得人体运动信息和生命信号的总运动信号,利用本发明所设计的匹配滤波算法,可以准确的在大幅度人体随机晃动之中恢复出生命信号。
Description
技术领域
本发明涉及一种探测生命信号的方法,尤其是涉及了一种从运动干扰中非接触检测微弱生命信号的方法。
背景技术
如今,探测小幅呼吸心跳信号时,大幅度人体随机晃动始终都是巨大的挑战。相比于心跳呼吸引起的毫米级别的胸腔运动,人体随机晃动能够达到数十厘米。这样一来,心跳甚至呼吸的多普勒频谱会被人体随机晃动对应的宽带噪声信号完全覆盖住。由于无意识的人体随机晃动在坐着或者站立状态下都不可避免,因此解决人体随机晃动在探测可信且稳定的小幅度生命信号中十分重要。
发明内容
为了解决背景技术中存在的问题,本发明提出了一种从运动干扰中非接触检测微弱生命信号(例如心跳信号和呼吸信号)的方法,利用多普勒雷达从人体随机晃动中恢复出微弱的生命信号。
相比于传统去除人体随机晃动系统中复杂且昂贵的系统,本发明主要利用匹配滤波器从大幅度人体晃动中提取小幅度生命信号。经过试验验证,本发明能够不但能够在日常的人体晃动中恢复心跳呼吸信号,甚至能够在速度和幅度都比正常值大很多的人体随机晃动下恢复心跳呼吸信号。
本发明利用多普勒雷达系统恢复出目标人体的总运动,包含人体随机晃动和“依附”在其上的生命信号;然后从总运动中选取一段特殊信号片段,进行多项式拟合处理,得到更加纯净的生命信号的信号模板;最后利用模板信号,对原始信号进行匹配滤波算法,就能够从人体随机晃动中恢复生命信号。
本发明采用的具体技术方案是:
首先,雷达发射机向待测人体表面发射单频连续波,待测人体为运动中的目标人体,雷达接收机接收到受到人体运动和呼吸心跳信号同时调制的反射波,然后进行下变频和基带解调的信号处理,获得带有总运动信息的基带信号;其特征在于:
对带有总运动信息的基带信号进行截取并构造一段心跳/呼吸信号模板,然后利用构造的模板对带有总运动信息的基带信号进行匹配滤波,恢复出待测人体的生命或呼吸信息。
所述进行下变频和基带解调的信号处理,具体过程如下:
首先,反射波经过下变频处理后基带信号满足:
其中,A(t)为信号的幅度;θ0为固定相移,与射频前端模块距离待测物体的初始距离有关;x(t)为人体总体运动信息;λ为载波波长;为相位残余噪声,可忽略不计;
然后利用正交解调的架构、运动圆心追踪算法和拓展反正切算法对基带信号的相位进行解调得到带有总运动信息的基带信号x(t)。
具体实施可采用一种用于大动态范围多普勒生物信号成像方法获得带有总运动信息的基带信号x(t)。
在本发明应用环境中,由于生命信号往往和人体随机晃动合为一个信号,因此模板信号即有用的生命信号并不能直接方便的获得。本发明发现对于来回运动的人体随机晃动信号而言,无论晃动幅度和速度多大,在人体随机晃动的变向时刻总是存在一段速度趋近于零的时间段。当这一段时间内速度都小于一定的阈值时,心跳和呼吸都没有完全被人体随机晃动淹没,能够有直接被恢复的可能。
本发明设定带有总运动信息的基带信号中包含人体随机晃动、呼吸和心跳,分解为:
x(t)=mr(t)+mh(t)+mb(t)
其中,mr(t)、mh(t)、mb(t)分别代表基带信号中呼吸、心跳以及人体随机晃动的分量。
所述对带有总运动信息的基带信号进行截取并构造一段心跳/呼吸信号模板,具体为:从带有总运动信息的基带信号中截取一时间片段的信号作为心跳信号或者呼吸信号的初始模板,对于心跳信号选择包含两个以上目标信号周期的各时刻速度均小于晃动阈值的2s时间片段,对于呼吸信号选择包含两个以上目标信号周期的各时刻速度均小于晃动阈值的7s时间片段,若存在多个时间片段,选取平均速度最小的;
然后采用多项式拟合方式对心跳信号或者呼吸信号的初始模板进行处理得到噪声更小的模板信号,作为心跳/呼吸信号模板。
本发明发现上述情况下选取时间片段,心跳和呼吸都没有完全被人体随机晃动淹没,构建信号模板才能够有直接被恢复的可能。
心跳信号初始模板中,附加在心跳信号上的呼吸信号分量能和人体随机晃动一起被多项式拟合方式去除掉。
对于呼吸信号初始模板,在采用多项式拟合的方式去除人体随机晃动对应的信号后,再用10阶中值滤波进行信号平滑以去除心跳信号。
所述的多项式拟合方式采用5阶拟合方式,以避免过拟合和欠拟合方式。
匹配滤波计算过程公式如,离散化的包含生命信号(呼吸信号或者心跳信号)的基带信号v(t)以及带有额外噪声w(t)和总运动信息的基带信号x(t)被表示为:
x(t)=v(t)+w(t)
其中,w(t)为主要包含人体随机晃动的基带信号分量mb(t)以及包含电路噪声的基带信号分量之和。然后,匹配滤波通过对基带信号x(t)做卷积计算得到,卷积的对象是信号模板h(t)的共轭时域反转信号,即:
v(t)=x(t)*h*(-t)
其中,h*(-t)表示信号模板h(t)的共轭时域反转信号。
本发明具有的有益效果是:
人体随机晃动一直是利用雷达非接触测量生命信号过程中的难点。
本发明基于大动态范围多普勒雷达架构和线性多普勒雷达解调算法,从大幅度人体随机晃动中恢复呼吸和心跳信号,不但恢复效果很好,而且硬件和算法都容易实现。
附图说明
图1是本发明的测量装置和环境。用于探测生命信号的硬件是24GHz雷达。
图2本发明方法先探测到人体运动总信号和相应频谱,分别用(a)(b)小图表示。频谱图中已经看不出呼吸或者心跳信号,被人体随机晃动掩盖;
图2(a)是利用24GHz雷达先探测到人体运动总信号,包含心跳呼吸以及人体晃动,人体晃动大约15厘米,持续45秒。;
图2(b)是图2(a)对应的频谱和局部放大图,频谱图中已经看不出呼吸或者心跳信号,被人体随机晃动掩盖;
图3是利用本发明匹配滤波算法得到的心跳信号模板和对应的对整段信号进行匹配滤波得到的结果;
图3(a)左边图是心跳信号模板。该心跳模板信号是首先从图2中灰色区域2秒-4秒中选取初始模板,然后对初始模板进行了5阶多项式拟合去除多余噪声,此时大幅度且变换相对缓慢的人体随机信号和呼吸信号被去除,得到最终图3(a)左边的心跳信号模板;图3(a)右边图是匹配滤波之后得到心跳信号频谱,具体是利用图3(a)左边心跳信号模板对整个图2(a)中45秒信号进行匹配滤波之后得到的心跳信号频谱;
图3(b)是左边图是心跳信号模板。该心跳模板信号是首先从图2中灰色区域14秒-16秒中选取初始模板,然后对初始模板进行了5阶多项式拟合去除多余噪声,此时大幅度且变换相对缓慢的人体随机信号和呼吸信号被去除,得到最终图3(b)左边的心跳信号模板;图3(b)右边图是匹配滤波之后得到心跳信号频谱,具体是利用图3(b)左边心跳信号模板对整个图2(a)中45秒信号进行匹配滤波之后得到的心跳信号频谱;
图3(c)是左边图是心跳信号模板。该心跳模板信号是首先从图2中灰色区域26秒-28秒中选取初始模板,然后对初始模板进行了5阶多项式拟合去除多余噪声,此时大幅度且变换相对缓慢的人体随机信号和呼吸信号被去除,得到最终图3(c)左边的心跳信号模板;图3(c)右边图是匹配滤波之后得到心跳信号频谱,具体是利用图3(c)左边心跳信号模板对整个图2(a)中45秒信号进行匹配滤波之后得到的心跳信号频谱;
图3(d)是左边图是心跳信号模板。该心跳模板信号是首先从图2中灰色区域40.5秒-42.5秒中选取初始模板,然后对初始模板进行了5阶多项式拟合去除多余噪声,此时大幅度且变换相对缓慢的人体随机信号和呼吸信号被去除,得到最终图3(d)左边的心跳信号模板;图3(d)右边图是匹配滤波之后得到心跳信号频谱,具体是利用图3(d)左边心跳信号模板对整个图2(a)中45秒信号进行匹配滤波之后得到的心跳信号频谱;
图3四个子图中左边的四个心跳模板信号是从图2中灰色区域选取的,中间进行了5阶多项式拟合去除多余噪声,右边四个结果可以看到匹配滤波之后心跳信号都能得到恢复。
图4是对图2中呼吸信号进行匹配滤波恢复,选取的模板来自35秒到42秒信号;
图4(a)是实例最后经过处理的呼吸信号模板;
图4(b)是利用图4(a)中模板对原始信号进行匹配滤波得到的呼吸信号频谱图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
按照本发明方法实施的实施例如下:
1)雷达发射机向待测人体表面发射单频连续波,待测人体为运动中的目标人体,雷达接收机接收到受到人体运动和呼吸心跳信号同时调制的反射波,然后进行下变频和基带解调的信号处理:
反射波经过下变频处理后基带信号满足:
其中,A(t)为信号的幅度;θ0为固定相移,与射频前端模块距离待测物体的初始距离有关;x(t)为人体总体运动信息;λ为载波波长;为相位残余噪声;
然后利用正交解调的架构、运动圆心追踪算法和拓展反正切算法对基带信号的相位进行解调得到带有总运动信息的基带信号x(t)。
具体实施可采用一种用于大动态范围多普勒生物信号成像方法获得带有总运动信息的基带信号x(t)。
整个过程的测量装置和环境如图1所示。图2(a)显示利用24GHz雷达先探测到人体运动总信号,人体晃动大约15厘米,持续45秒。图2(b)表示相应的频和局部放大图,频谱图中已经看不出呼吸或者心跳信号,被人体随机晃动掩盖。
2)对带有总运动信息的基带信号进行截取并构造一段心跳/呼吸信号模板,
从带有总运动信息的基带信号中截取一时间片段的信号作为心跳信号或者呼吸信号的初始模板,对于心跳信号选择各时刻速度均小于晃动阈值的2s时间片段,对于呼吸信号选择各时刻速度均小于晃动阈值的7s时间片段,若存在多个时间片段,选取平均速度最小的;
对于呼吸信号初始模板,在采用多项式拟合的方式去除人体随机晃动对应的信号后,再用10阶中值滤波进行信号平滑以去除心跳信号。
多项式拟合方式采用5阶拟合方式。
然后采用多项式拟合方式对心跳信号或者呼吸信号的初始模板进行处理得到噪声更小的模板信号,作为心跳/呼吸信号模板。
图2中的灰色部分表示选取的心跳信号初始模板,一共选取四个长度为2s的初始模板,分别是(a)2秒-4秒,(b)14秒–16秒,(c)26秒–28秒以及(d)40.5秒–42.5秒;呼吸信号初始模板选取的是35s-42s的片段。
3)然后利用构造的模板对带有总运动信息的基带信号进行匹配滤波,恢复出待测人体的生命或呼吸信息。
匹配滤波计算过程公式如,离散化的包含生命信号(呼吸信号或者心跳信号)的基带信号v(t)以及带有额外噪声w(t)和总运动信息的基带信号x(t)被表示为:
x(t)=v(t)+w(t)
其中,w(t)为主要包含人体随机晃动的基带信号分量mb(t)以及包含电路噪声的基带信号分量之和。然后,匹配滤波通过对基带信号x(t)做卷积计算得到,卷积的对象是信号模板h(t)的共轭时域反转信号,即:
v(t)=x(t)*h*(-t)
其中,h*(-t)表示信号模板h(t)的共轭时域反转信号。
图3是利用本发明匹配滤波算法得到的心跳信号模板和对应的对整段信号进行匹配滤波得到的结果。左边的四个心跳模板信号是从图2中灰色区域(a)(b)(c)(d)选取的,对初始模板进行了5阶多项式拟合去除多余噪声,此时大幅度且变换相对缓慢的人体随机信号和呼吸信号被去除,得到图3左边的四个心跳信号模板。右边对应的四个结果可以看到匹配滤波之后心跳信号都能得到恢复,不同模板得到的心跳信号频率都是1.44Hz,证明了本方法的有效应和正确性。
图4是对图2中呼吸信号进行匹配滤波恢复。选取的初始模板来自35秒到42秒信号;之后对初始模板进行5阶多项式拟合;同时对初始模板还进行了10阶中值滤波进行平滑处理,去除呼吸信号模板中的心跳信号干扰;图4(a)中显示了最后经过处理的呼吸信号模板;图4(b)中显示了利用图4(a)中模板对原始信号进行匹配滤波得到的呼吸信号频谱,呼吸信号0.3Hz,符合预期,证明了本方法的有效应。
Claims (5)
1.一种从运动干扰中非接触检测微弱生命信号的方法,其特征在于:
首先用雷达发射机向待测人体表面发射单频连续波,雷达接收机接收到受到人体运动的反射波,然后进行下变频和基带解调的信号处理,获得带有总运动信息的基带信号;
然后,对带有总运动信息的基带信号进行截取并构造一段心跳/呼吸信号模板,然后利用构造的模板对带有总运动信息的基带信号进行匹配滤波,恢复出待测人体的生命或呼吸信息。
2.根据权利要求1所述的一种从运动干扰中非接触检测微弱生命信号的方法,其特征在于:所述进行下变频和基带解调的信号处理,具体过程如下:
首先,反射波经过下变频处理后基带信号满足:
其中,A(t)为信号的幅度;θ0为固定相移,与射频前端模块距离待测物体的初始距离有关;x(t)为人体总体运动信息;λ为载波波长;为相位残余噪声;
然后利用正交解调的架构、运动圆心追踪算法和拓展反正切算法对基带信号的相位进行解调得到带有总运动信息的基带信号x(t)。
3.根据权利要求1所述的一种从运动干扰中非接触检测微弱生命信号的方法,其特征在于:所述对带有总运动信息的基带信号进行截取并构造一段心跳/呼吸信号模板,具体为:从带有总运动信息的基带信号中截取一时间片段的信号作为心跳信号或者呼吸信号的初始模板,对于心跳信号选择各时刻速度均小于晃动阈值的2s时间片段,对于呼吸信号选择各时刻速度均小于晃动阈值的7s时间片段;然后采用多项式拟合方式对心跳信号或者呼吸信号的初始模板进行处理得到噪声更小的模板信号,作为心跳/呼吸信号模板。
4.根据权利要求3所述的一种从运动干扰中非接触检测微弱生命信号的方法,其特征在于:对于呼吸信号初始模板,在采用多项式拟合的方式去除人体随机晃动对应的信号后,再用10阶中值滤波进行信号平滑以去除心跳信号。
5.根据权利要求3所述的一种从运动干扰中非接触检测微弱生命信号的方法,其特征在于:所述的多项式拟合方式采用5阶拟合方式,以避免过拟合和欠拟合方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810339740.6A CN108852327B (zh) | 2018-04-16 | 2018-04-16 | 一种从运动干扰中非接触检测微弱生命信号的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810339740.6A CN108852327B (zh) | 2018-04-16 | 2018-04-16 | 一种从运动干扰中非接触检测微弱生命信号的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108852327A true CN108852327A (zh) | 2018-11-23 |
CN108852327B CN108852327B (zh) | 2020-06-19 |
Family
ID=64326263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810339740.6A Expired - Fee Related CN108852327B (zh) | 2018-04-16 | 2018-04-16 | 一种从运动干扰中非接触检测微弱生命信号的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108852327B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110115585A (zh) * | 2019-05-06 | 2019-08-13 | 浙江大学 | 一种心动图的非接触测量方法 |
CN110133642A (zh) * | 2019-05-06 | 2019-08-16 | 浙江大学 | 一种用于雷达传感器的直流偏移补偿方法 |
CN110974196A (zh) * | 2019-12-13 | 2020-04-10 | 福州大学 | 一种运动状态下非接触式的呼吸和心率检测方法 |
CN112137620A (zh) * | 2020-08-27 | 2020-12-29 | 广东省地震局 | 一种基于超宽带雷达的人体微弱呼吸信号检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324666A (zh) * | 2007-06-16 | 2008-12-17 | 电子科技大学 | 隐蔽目标生命迹象探测方法及隐蔽目标探测装置 |
CN101513345A (zh) * | 2008-12-26 | 2009-08-26 | 华南理工大学 | 快速盲源分离胎儿心电检测仪及检测方法 |
US20100249630A1 (en) * | 2008-04-03 | 2010-09-30 | Kai Medical, Inc. | Systems and methods for respiratory rate measurement |
CN103110422A (zh) * | 2012-12-18 | 2013-05-22 | 中国人民解放军第四军医大学 | 基于生物雷达检测的呼吸和心跳实时分离方法 |
CN103948381A (zh) * | 2014-04-09 | 2014-07-30 | 浙江大学 | 一种用于大动态范围多普勒生物信号成像方法 |
CN104605830A (zh) * | 2015-02-03 | 2015-05-13 | 南京理工大学 | 基于非接触式生命体征监护系统的运动趋势项消除算法 |
CN204797887U (zh) * | 2011-12-21 | 2015-11-25 | 莱夫韦弗公司 | 超宽带胎儿监视系统 |
CN106236067A (zh) * | 2016-09-21 | 2016-12-21 | 成都创慧科达科技有限公司 | 一种心率信号处理器及信号处理方法 |
-
2018
- 2018-04-16 CN CN201810339740.6A patent/CN108852327B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101324666A (zh) * | 2007-06-16 | 2008-12-17 | 电子科技大学 | 隐蔽目标生命迹象探测方法及隐蔽目标探测装置 |
US20100249630A1 (en) * | 2008-04-03 | 2010-09-30 | Kai Medical, Inc. | Systems and methods for respiratory rate measurement |
CN101513345A (zh) * | 2008-12-26 | 2009-08-26 | 华南理工大学 | 快速盲源分离胎儿心电检测仪及检测方法 |
CN204797887U (zh) * | 2011-12-21 | 2015-11-25 | 莱夫韦弗公司 | 超宽带胎儿监视系统 |
CN103110422A (zh) * | 2012-12-18 | 2013-05-22 | 中国人民解放军第四军医大学 | 基于生物雷达检测的呼吸和心跳实时分离方法 |
CN103948381A (zh) * | 2014-04-09 | 2014-07-30 | 浙江大学 | 一种用于大动态范围多普勒生物信号成像方法 |
CN104605830A (zh) * | 2015-02-03 | 2015-05-13 | 南京理工大学 | 基于非接触式生命体征监护系统的运动趋势项消除算法 |
CN106236067A (zh) * | 2016-09-21 | 2016-12-21 | 成都创慧科达科技有限公司 | 一种心率信号处理器及信号处理方法 |
Non-Patent Citations (1)
Title |
---|
QINYI LV ET AL.: "Detection of Bio-signals from Body Movement Based on High-Dynamic-Range Doppler Radar Sensor", 《RF AND WIRELESS TECHNOLOGIES FOR BIOMEDICAL AND HEALTHCARE APPLICATION, IEEE MTT-S INTERNATIONAL MICROWAVE WORKSHOP SERIES ON》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110115585A (zh) * | 2019-05-06 | 2019-08-13 | 浙江大学 | 一种心动图的非接触测量方法 |
CN110133642A (zh) * | 2019-05-06 | 2019-08-16 | 浙江大学 | 一种用于雷达传感器的直流偏移补偿方法 |
CN110115585B (zh) * | 2019-05-06 | 2020-07-10 | 浙江大学 | 一种心动图的非接触测量方法 |
WO2020224600A1 (zh) * | 2019-05-06 | 2020-11-12 | 浙江大学 | 一种心动图的非接触测量方法 |
CN110974196A (zh) * | 2019-12-13 | 2020-04-10 | 福州大学 | 一种运动状态下非接触式的呼吸和心率检测方法 |
CN112137620A (zh) * | 2020-08-27 | 2020-12-29 | 广东省地震局 | 一种基于超宽带雷达的人体微弱呼吸信号检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108852327B (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108852327A (zh) | 一种从运动干扰中非接触检测微弱生命信号的方法 | |
He et al. | WiFi vision: Sensing, recognition, and detection with commodity MIMO-OFDM WiFi | |
Wang et al. | On CSI-based vital sign monitoring using commodity WiFi | |
US9870457B2 (en) | HERMA—heartbeat microwave authentication | |
US8994536B2 (en) | Wireless physiology monitor | |
Ren et al. | Comparison study of noncontact vital signs detection using a Doppler stepped-frequency continuous-wave radar and camera-based imaging photoplethysmography | |
US9035775B2 (en) | Wireless physiology monitor | |
EP3424418B1 (en) | A method and a system for detecting a vital sign of a subject | |
Wang et al. | SonarBeat: Sonar phase for breathing beat monitoring with smartphones | |
CN109507653A (zh) | 一种基于uwb的多信息感知生物雷达系统及其获取目标信息的方法 | |
Islam et al. | Separation of respiratory signatures for multiple subjects using independent component analysis with the JADE algorithm | |
CN106821347A (zh) | 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法 | |
CN112754441B (zh) | 一种基于毫米波的非接触式心跳检测方法 | |
KR102201371B1 (ko) | 신호 분리 기반의 잡음 환경 내 실시간 생체 신호 탐지 장치 및 그 방법 | |
CN105989357A (zh) | 一种基于人脸视频处理的心率检测方法 | |
CN113854981A (zh) | 一种基于毫米波雷达的运动多人生命体征监测方法 | |
CN104605831A (zh) | 非接触式生命体征监护系统的呼吸与心跳信号分离算法 | |
Islam et al. | An adaptive filter technique for platform motion compensation in unmanned aerial vehicle based remote life sensing radar | |
CN110200607A (zh) | 基于光流法与lms算法消除生命体征检测中体动影响的方法 | |
KR102437150B1 (ko) | 다중 주파수 신호를 사용하는 사물의 변위 측정 방법 및 장치 | |
Wang et al. | IQ signal demodulation for noncontact vital sign monitoring using a CW Doppler radar: A review | |
CN104783799A (zh) | 一种短距离非接触式单目标呼吸率和呼吸幅度检测方法 | |
CN110974196A (zh) | 一种运动状态下非接触式的呼吸和心率检测方法 | |
Gouveia et al. | Evaluation of heartbeat signal extraction methods using a 5.8 GHz Doppler radar system in a real application scenario | |
Yang et al. | A hybrid radar-camera respiratory monitoring system based on an impulse-radio ultrawideband radar |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200619 |
|
CF01 | Termination of patent right due to non-payment of annual fee |