CN109805931A - 基于太赫兹多普勒雷达的远距离生命微动信号检测方法 - Google Patents
基于太赫兹多普勒雷达的远距离生命微动信号检测方法 Download PDFInfo
- Publication number
- CN109805931A CN109805931A CN201910118890.9A CN201910118890A CN109805931A CN 109805931 A CN109805931 A CN 109805931A CN 201910118890 A CN201910118890 A CN 201910118890A CN 109805931 A CN109805931 A CN 109805931A
- Authority
- CN
- China
- Prior art keywords
- signal
- signals
- terahertz
- imf
- doppler radar
- 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
- 238000001514 detection method Methods 0.000 title abstract description 17
- 206010044565 Tremor Diseases 0.000 title abstract 3
- 230000003068 static effect Effects 0.000 claims abstract description 33
- 238000001228 spectrum Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 230000036387 respiratory rate Effects 0.000 claims abstract description 10
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001121 heart beat frequency Effects 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000013186 photoplethysmography Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种基于太赫兹多普勒雷达的远距离生命微动信号检测方法,具体涉及生命微动信号检测技术领域。该方法通过太赫兹多普勒雷达实时接收四路生命体反射回波信号,并通过多通道数字化仪对四路生命体反射回波信号进行数字化;抑制四路生命体反射回波信号中的静态杂波;对滤除静态杂波的四路生命体反射回波信号中的线性趋势项进行抑制;分别对滤除静态杂波和抑制线性趋势后的四路信号进行复信号解调等处理,利用集合经验模式分解对结果进行处理得到重构后的生命体征信号;对重构后的生命体征信号进行傅里叶变换,得到信号频谱;对谐波分量进行抑制,将带内谐波抑制后的频谱中的峰值分别作为呼吸频率与心率的估计值。
Description
技术领域
本发明涉及生命微动信号检测技术领域,具体涉及一种基于太赫兹多普勒雷达的远距离生命微动信号检测方法。
背景技术
生命体的呼吸频率、心率等生理参数的提取具有广泛的应用价值。在现代医学中,生命体的呼吸频率、心率等生理参数的提取对监测病人的睡眠质量、预防及诊断呼吸、心血管等疾病具有非常重要的意义。精确的生理参数估计可为医生诊断和治疗相关疾病提供可靠的依据。在工程上,生理参数的提取能够在地震等自然灾害发生时,为救援活动提供有效的依据,进而降低人员的生命财产的损失。
目前,检测生理参数的技术主要包括接触式与非接触式两种手段。其中,接触式方法是检测生理参数最常用的方式,如心电图(Electrocardiogram,ECG)、光电容积描记波信号(Photoplethysmograph,PPG)等手段。ECG被认为是一种典型的生理参数检测技术,能够精确地估计呼吸频率、心率等生理参数。然而,在利用ECG对生命参数进行估计的过程中,需要在监护者身上粘贴电极片,给其造成一定的困扰及心理负担,极易产生排斥情绪。利用PPG监测生理参数时,PPG信号极易受到噪声干扰,导致生理参数估计精度有限,无法为医护人员提供可靠的依据,同时PPG在采集信号过程中仍旧需要佩戴传感器,仍旧无法降低病人的心理束缚。鉴于接触式检测手段存在的诸多问题,随着雷达在医疗、工程等方面的广泛应用,非接触检测手段引发广泛关注。
利用雷达实现生理参数的提取是一种被广泛应用的非接触信号检测方式,具有全天候、高精度等优势。目前非接触式生理参数提取手段多是基于微波与低频毫米波波段,对于心跳等微动信号不敏感,在生理参数提取过程中需要复杂的系统结构。太赫兹(Terahertz,THz)是指频率位于100GHz-10THz(波长为3mm到30μm)的电磁波,属于光学与电子学的交叉领域。THz波技术被认为是未来改变世界的十大技术之一,亦是目前人类了解最少、开发最少的一个波段。THz波具有能量低、频谱宽、穿透能力强等特性,在医疗、生物等领域具有广泛的应用价值。随着THz相关元器件技术的成熟,THz雷达技术发展迅速,在高分辨率、无损、安全成像生物大分子检测等领域显示出巨大优势。因此,THz雷达被认为是实现生理参数精确估计的有效手段,能够实现高精度的非接触的检测。
发明内容
本发明的目的是充分利用太赫兹雷达对精细运动敏感的微多普勒特性,将太赫兹连续波雷达应用于生理参数检测,实现高精度的参数估计的基于太赫兹多普勒雷达的远距离生命微动信号检测方法。
本发明具体采用如下技术方案:
基于太赫兹多普勒雷达的远距离生命微动信号检测方法,包括以下步骤:
步骤①:通过太赫兹多普勒雷达实时接收四路生命体反射回波信号,并通过多通道数字化仪对四路生命体反射回波信号进行数字化,标记为I1,Q1,I2与Q2,储存在电脑中;
步骤②:抑制四路生命体反射回波信号中的静态杂波;
步骤③:对滤除静态杂波的四路生命体反射回波信号中的线性趋势项进行抑制;
步骤④:分别对滤除静态杂波和抑制线性趋势后的四路信号进行复信号解调,最终得到两对解调后的信号,对解调后的信号进行对数处理,得到纯净的生命体征信号;
步骤⑤:对步骤④中的信号进行互相关运算;
步骤⑥:对步骤⑤中的信号进行均值滤波;
步骤⑦:利用集合经验模式分解对步骤⑥的结果进行处理得到重构后的生命体征信号;
步骤⑧:对重构后的生命体征信号进行傅里叶变换,得到信号频谱;
步骤⑨:对谐波分量进行抑制。
优选地,所述步骤①中的太赫兹多普勒雷达发射的太赫兹波为典型的单频正弦波信号,采用式(1)表示为:
s(t)=Acos(2πfct) (1)
其中,A表示信号幅度,fc表示信号频率;
在太赫兹多普勒雷达中,将倍频、射频上变频、再耦合的方式提供本振信号;通过线性的频谱搬移降低信号的非线性相位误差,降低系统数据补偿难度;在输出端与接收端增加三个极化器;接收端通过集成的多路混频单元,同时采集四路生命体反射回波信号;四路生命体反射回波信号即为两对I/Q信号;四路生命体反射回波信号被生命体的微动信号调制;
I信号采用式(2)表示:
Q信号采用式(3)表示:
其中,d0表示太赫兹多普勒雷达与生命体之间的距离,mb与mh分别表示生命体的呼吸与心跳幅度,fb与fh分别表示生命体的呼吸与心跳频率,λ表示波长。
优选地,所述步骤②中,静态杂波采用式(4)表示:
其中,Bn表示生命体反射回波信号,n=1,…,N,表示数字化的回波信号的样本点;
为了抑制静态杂波,将数字化信号的每一个样本点分别减去式(4)的估计结果,表示为式(5)
滤除静态杂波后的四路信号记为I11,Q11,I22与Q22。
优选地,所述步骤③中,回波信号中的线性趋势项通过式(6)抑制:
W1=Bnn T-X(XTX)-1XTBnn T (6)
其中,Bnn为滤除静态杂波后的信号,X=[x1,x2],x1=[0,1,…,N-1]T,滤除静态杂波后的四路信号记为W1,W2,W3与W4。
优选地,所述步骤④中,纯净的生命体征信号表示为式(7)和式(8)
Y1=ln[W1+jW2] (7)
Y2=ln[W3+jW4] (8)。
优选地,所述步骤⑤中采用式(9)进行互相关运算:
R=E[Y1*Y2] (9)。
优选地,所述步骤⑥中采用点均值滤波器进行均值滤波,表示为式(10):
其中,表示小于N/7的最大整数。
优选地,所述步骤⑦中,对式(10)结果进行EEMD处理,得到多个本征模函IMF1,IMF2,…与余项Q,采用式(11)表示:
E=IMF1+IMF2+…+IMFv+Q (11)
其中,Q被视为噪声,直接滤掉;
为了利用具有较高信噪比的IMF对信号进行重构,噪声与有效IMF之间的界限可表示为:
其中,
其中,Nv表示EEMD处理后IMFv值的数目,Cv表示IMFv中的最大值,Ov表示IMFv的局部极值点的数目;
对于高斯白噪声,式(13)近似为常数;因此,当式(12)<1时,认为IMFv为噪声;
根据式(12)将IMF1与IMF2视为噪声进行滤除;由此得知,重构的回波信号表示为式(16):
E=IMF3+…+IMFv(16)。
优选地,所述步骤⑧中分别对信号频谱进行加窗,表示为式(17):
其中,FFT[]表示傅里叶变换,表示加窗运算符。
优选地,所述步骤⑨中,为了抑制带内谐波,设计了频域累积算法,表示为式(18):
H[i]=L[i]+jL[i] (18)
其中,
其中,κ表示频谱分量;
将频谱中的峰值分别作为呼吸频率与心率的估计值。
本发明具有如下有益效果:
基于太赫兹多普勒雷达的远距离生命微动信号检测方法具有高功率单频连续波输出,四路被生命微动信号调制的零中频回波信号实时接收;通过对四路生命体反射回波信号进行静态背景估计,零中频接收机线性趋势抑制,生命微动信号复信号重构、解调,高斯噪声抑制,改善生命微动信号信噪比,带外噪声抑制,带内谐波抑制等一系列的处理,获取呼吸信号、心跳信号频率估计;充分利用太赫兹雷达对精细运动敏感的微多普勒特性,将太赫兹连续波雷达应用于生理参数检测,实现高精度的参数估计。
附图说明
图1为基于太赫兹多普勒雷达的远距离生命微动信号检测方法流程框图;
图2为四路太赫兹多普勒雷达电路图;
图3为太赫兹雷达中采集的一对I/Q信号图;
图4为滤除静态杂波后的一对I/Q信号图;
图5为抑制线性趋势后的一对I/Q信号图;
图6为进行CSD处理后的回波信号图;
图7为进行互相关运算后得到的回波信号图;
图8为均值滤波后的回波信号;
图9为用EEMD对回波信号进行处理得到的前六个IMF图;
图10为重构的回波信号图;
图11为加窗处理后得到的频谱图;
图12为带内谐波抑制后的频谱图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明:
如图1和图2所示,基于太赫兹多普勒雷达的远距离生命微动信号检测方法,包括以下步骤:
步骤①:通过太赫兹多普勒雷达实时接收四路生命体反射回波信号(2对I/Q),并通过多通道数字化仪对四路生命体反射回波信号进行数字化,标记为I1,Q1,I2与Q2,储存在电脑中;
步骤②:抑制四路生命体反射回波信号中的静态杂波;
步骤③:对滤除静态杂波的四路生命体反射回波信号中的线性趋势项进行抑制;
步骤④:分别对滤除静态杂波和抑制线性趋势后的四路信号进行复信号解调,最终得到两对解调后的信号,对解调后的信号进行对数处理,得到纯净的生命体征信号;
步骤⑤:对步骤④中的信号进行互相关运算;
步骤⑥:对步骤⑤中的信号进行均值滤波;
步骤⑦:利用集合经验模式分解对步骤⑥的结果进行处理得到重构后的生命体征信号;
步骤⑧:对重构后的生命体征信号进行傅里叶变换,得到信号频谱;
步骤⑨:对谐波分量进行抑制。
步骤①中的太赫兹多普勒雷达发射的太赫兹波为典型的单频正弦波信号,采用式(1)表示为:
s(t)=Acos(2πfct) (1)
其中,A表示信号幅度,fc表示信号频率;
在太赫兹多普勒雷达中,将倍频、射频上变频、再耦合的方式提供本振信号,可有效提高参考本振信号与发射信号的相位一致性,提供系统识别精度;通过线性的频谱搬移降低信号的非线性相位误差,降低系统数据补偿难度;在输出端与接收端增加三个极化器,极化通道能够消除环境杂波,有效提高接收机信噪比,获取目标特性,增加目标识别维度;接收端通过集成的多路混频单元,同时采集四路生命体反射回波信号;四路生命体反射回波信号即为两对I/Q信号,采集的一对I/Q信号如图3所示,四路生命体反射回波信号被生命体的微动信号调制;
I信号采用式(2)表示:
Q信号采用式(3)表示:
其中,d0表示太赫兹多普勒雷达与生命体之间的距离,mb与mh分别表示生命体的呼吸与心跳幅度,fb与fh分别表示生命体的呼吸与心跳频率,λ表示波长。
所述步骤②中,静态杂波主要是来自于测试环境中的静态物体,通常认为,静态杂波幅度较大,是影响生命体微动信号检测的主要因素,静态杂波采用式(4)表示:
其中,Bn表示生命体反射回波信号,n=1,…,N,表示数字化的回波信号的样本点;
为了抑制静态杂波,将数字化信号的每一个样本点分别减去式(4)的估计结果,表示为式(5)
滤除静态杂波后的四路信号记为I11,Q11,I22与Q22,滤除静态杂波后的一对I/Q信号如图4所示。
所述步骤③中,回波信号中的线性趋势项通过式(6)抑制:
W1=Bnn T-X(XTX)-1XTBnn T (6)
其中,Bnn为滤除静态杂波后的信号,X=[x1,x2],x1=[0,1,…,N-1]T,滤除静态杂波后的四路信号记为W1,W2,W3与W4,抑制线性趋势后的一对I/Q信号如图5所示。
所述步骤④中,分别对四路信号进行复信号解调(complex signaldemodulation,CSD),最终得到两对解调后的信号,为了抑制解调后信号中存在的常数项对信号的干扰,对信号进行对数处理,由此可得到较为纯净的生命体征信号,纯净的生命体征信号表示为式(7)和式(8),以W1与W2为例,进行CSD处理后的回波信号如图6所示。
Y1=ln[W1+jW2] (7)
Y2=ln[W3+jW4] (8)。
以W1与W2为例,进行CSD处理后的回波信号如图6所示。
所述步骤⑤中采用式(9)进行互相关运算:
R=E[Y1*Y2] (9)。
进行互相关运算后得到的回波信号如图7所示
所述步骤⑥中采用点均值滤波器进行均值滤波,表示为式(10):
其中,表示小于N/7的最大整数。
均值滤波后的回波信号图8所示。
所述步骤⑦中,为了抑制带外噪声对生命微动信号的影响,利用集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)对步骤6的结果进行处理,得到多个本征模函IMF1,IMF2,…与余项Q,采用式(11)表示:
E=IMF1+IMF2+…+IMFv+Q (11)
其中,Q被视为噪声,直接滤掉;
为了利用具有较高信噪比的IMF对信号进行重构,噪声与有效IMF之间的界限可表示为:
其中,
其中,Nv表示EEMD处理后IMFv值的数目,Cv表示IMFv中的最大值,Ov表示IMFv的局部极值点的数目;
对于高斯白噪声,式(13)近似为常数;因此,当式(12)<1时,认为IMFv为噪声;
利用EEMD对回波信号进行处理得到的前六个IMF如图9所示。根据式(12)可将IMF1与IMF2视为噪声进行滤除。由此得知,重构的回波信号如图10所示,其可表示为,根据式(12)将IMF1与IMF2视为噪声进行滤除;由此得知,重构的回波信号表示为式(16):
E=IMF3+…+IMFv(16)。
所述步骤⑧中分别对信号频谱进行加窗,表示为式(17):
其中,FFT[]表示傅里叶变换,表示加窗运算符。
通常生命体的呼吸频率处于0.2Hz-0.4Hz范围内,心率位于1Hz-2Hz范围内,因此,提取呼吸频率时窗值范围为0.1Hz-0.8Hz,提取心率时窗值范围为0.8Hz-2.4Hz。加窗处理后得到的频谱如图11所示。
所述步骤⑨中,为了抑制带内谐波,设计了频域累积算法,表示为式(18):
H[i]=L[i]+jL[i] (18)
带内谐波抑制后的频谱如图12所示,将频谱中的峰值分别作为呼吸频率与心率的估计值,其中,
其中,κ表示频谱分量;
将频谱中的峰值分别作为呼吸频率与心率的估计值。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (10)
1.基于太赫兹多普勒雷达的远距离生命微动信号检测方法,其特征在于,包括以下步骤:
步骤①:通过太赫兹多普勒雷达实时接收四路生命体反射回波信号,并通过多通道数字化仪对四路生命体反射回波信号进行数字化,标记为I1,Q1,I2与Q2,储存在电脑中;
步骤②:抑制四路生命体反射回波信号中的静态杂波;
步骤③:对滤除静态杂波的四路生命体反射回波信号中的线性趋势项进行抑制;
步骤④:分别对滤除静态杂波和抑制线性趋势后的四路信号进行复信号解调,最终得到两对解调后的信号,对解调后的信号进行对数处理,得到纯净的生命体征信号;
步骤⑤:对步骤④中的信号进行互相关运算;
步骤⑥:对步骤⑤中的信号进行均值滤波;
步骤⑦:利用集合经验模式分解对步骤⑥的结果进行处理得到重构后的生命体征信号;
步骤⑧:对重构后的生命体征信号进行傅里叶变换,得到信号频谱;
步骤⑨:对谐波分量进行抑制。
2.如权利要求1所述的基于太赫兹多普勒雷达的远距离生命微动信号检测方法,其特征在于,所述步骤①中的太赫兹多普勒雷达发射的太赫兹波为典型的单频正弦波信号,采用式(1)表示为:
s(t)=Acos(2πfct) (1)
其中,A表示信号幅度,fc表示信号频率;
在太赫兹多普勒雷达中,将倍频、射频上变频、再耦合的方式提供本振信号;通过线性的频谱搬移降低信号的非线性相位误差,降低系统数据补偿难度;在输出端与接收端增加三个极化器;接收端通过集成的多路混频单元,同时采集四路生命体反射回波信号;四路生命体反射回波信号即为两对I/Q信号;四路生命体反射回波信号被生命体的微动信号调制;
I信号采用式(2)表示:
Q信号采用式(3)表示:
其中,d0表示太赫兹多普勒雷达与生命体之间的距离,mb与mh分别表示生命体的呼吸与心跳幅度,fb与fh分别表示生命体的呼吸与心跳频率,λ表示波长。
3.如权利要求1所述的基于太赫兹多普勒雷达的远距离生命微动信号检测方法,其特征在于,所述步骤②中,静态杂波采用式(4)表示:
其中,Bn表示生命体反射回波信号,n=1,…,N,表示数字化的回波信号的样本点;
为了抑制静态杂波,将数字化信号的每一个样本点分别减去式(4)的估计结果,表示为式(5)
滤除静态杂波后的四路信号记为I11,Q11,I22与Q22。
4.如权利要求3所述的基于太赫兹多普勒雷达的远距离生命微动信号检测方法,其特征在于,所述步骤③中,回波信号中的线性趋势项通过式(6)抑制:
W1=Bnn T-X(XTX)-1XTBnn T (6)
其中,Bnn为滤除静态杂波后的信号,X=[x1,x2],x1=[0,1,…,N-1]T,滤除静态杂波后的四路信号记为W1,W2,W3与W4。
5.如权利要求1所述的基于太赫兹多普勒雷达的远距离生命微动信号检测方法,其特征在于,所述步骤④中,纯净的生命体征信号表示为式(7)和式(8)
Y1=ln[W1+jW2] (7)
Y2=ln[W3+jW4] (8)。
6.如权利要求1所述的基于太赫兹多普勒雷达的远距离生命微动信号检测方法,其特征在于,所述步骤⑤中采用式(9)进行互相关运算:
R=E[Y1*Y2](9)。
7.如权利要求1所述的基于太赫兹多普勒雷达的远距离生命微动信号检测方法,其特征在于,所述步骤⑥中采用点均值滤波器进行均值滤波,表示为式(10):
其中, 表示小于N/7的最大整数。
8.如权利要求7所述的基于太赫兹多普勒雷达的远距离生命微动信号检测方法,其特征在于,所述步骤⑦中,对式(10)结果进行EEMD处理,得到多个本征模函IMF1,IMF2,…与余项Q,采用式(11)表示:
E=IMF1+IMF2+…+IMFv+Q (11)
其中,Q被视为噪声,直接滤掉;
为了利用具有较高信噪比的IMF对信号进行重构,噪声与有效IMF之间的界限可表示为:
其中,
其中,Nv表示EEMD处理后IMFv值的数目,Cv表示IMFv中的最大值,Ov表示IMFv的局部极值点的数目;
对于高斯白噪声,式(13)近似为常数;因此,当式(12)<1时,认为IMFv为噪声;
根据式(12)将IMF1与IMF2视为噪声进行滤除;由此得知,重构的回波信号表示为式(16):
E=IMF3+…+IMFv (16)。
9.如权利要求1所述的基于太赫兹多普勒雷达的远距离生命微动信号检测方法,其特征在于,所述步骤⑧中分别对信号频谱进行加窗,表示为式(17):
G[n]=ω[n]⊙{FFT[E]}[n] (17)
其中,FFT[]表示傅里叶变换,⊙表示加窗运算符。
10.如权利要求1所述的基于太赫兹多普勒雷达的远距离生命微动信号检测方法,其特征在于,所述步骤⑨中,为了抑制带内谐波,设计了频域累积算法,表示为式(18):
H[i]=L[i]+jL[i] (18)
其中,
其中,κ表示频谱分量;
将频谱中的峰值分别作为呼吸频率与心率的估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910118890.9A CN109805931B (zh) | 2019-02-18 | 2019-02-18 | 基于太赫兹多普勒雷达的远距离生命微动信号检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910118890.9A CN109805931B (zh) | 2019-02-18 | 2019-02-18 | 基于太赫兹多普勒雷达的远距离生命微动信号检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109805931A true CN109805931A (zh) | 2019-05-28 |
CN109805931B CN109805931B (zh) | 2023-07-21 |
Family
ID=66606844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910118890.9A Active CN109805931B (zh) | 2019-02-18 | 2019-02-18 | 基于太赫兹多普勒雷达的远距离生命微动信号检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109805931B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110261821A (zh) * | 2019-07-18 | 2019-09-20 | 中电科仪器仪表有限公司 | 一种基于信息解调相关的时差估计方法及装置 |
CN110448290A (zh) * | 2019-08-19 | 2019-11-15 | 中电科仪器仪表有限公司 | 一种基于太赫兹穿墙雷达的远距离人员心率检测方法、装置及系统 |
CN111123266A (zh) * | 2019-11-22 | 2020-05-08 | 中国电子科技集团公司第四十一研究所 | 一种太赫兹波大面积均匀照明装置及成像方法 |
CN111142084A (zh) * | 2019-12-11 | 2020-05-12 | 中国电子科技集团公司第四十一研究所 | 一种微动太赫兹谱识别检测算法 |
CN111982856A (zh) * | 2020-08-27 | 2020-11-24 | 中电科仪器仪表有限公司 | 一种基于太赫兹波的物质无标志检测识别方法 |
CN112386237A (zh) * | 2019-08-16 | 2021-02-23 | 富士通株式会社 | 生命体的检测装置、方法及系统 |
CN113267770A (zh) * | 2020-02-14 | 2021-08-17 | 立积电子股份有限公司 | 侦测系统及生命体的侦测方法 |
CN113852384A (zh) * | 2021-09-27 | 2021-12-28 | 广西万云科技有限公司 | 一种射频信号信噪比增强方法 |
CN113940660A (zh) * | 2021-10-26 | 2022-01-18 | 庚辰科技(宁波)有限公司 | 一种基于复信号调节的雷达检测呼吸频率及呼吸量的方法 |
CN117724094A (zh) * | 2024-02-07 | 2024-03-19 | 浙江大华技术股份有限公司 | 生命体征检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100241010A1 (en) * | 2007-12-07 | 2010-09-23 | University Of Florida Research Foundation, Inc | Complex Signal Demodulation and Angular Demodulation for Non-contact Vital Sign Detection |
US20150223701A1 (en) * | 2014-02-10 | 2015-08-13 | California Institute Of Technology | Breathing and heartbeat feature extraction and victim detection |
CN106970367A (zh) * | 2017-03-31 | 2017-07-21 | 中国科学院电子学研究所 | 基于生命探测雷达多点观测数据的微弱呼吸信号检测方法 |
CN107144840A (zh) * | 2017-05-03 | 2017-09-08 | 中国人民解放军国防科学技术大学 | 基于太赫兹雷达的人体生命信号高精度测量方法 |
KR101895324B1 (ko) * | 2018-06-27 | 2018-09-05 | 유메인주식회사 | 초광대역 임펄스 레이더 신호를 이용한 바이탈 정보 측정 방법 |
US20180256082A1 (en) * | 2017-03-12 | 2018-09-13 | Neteera Technologies Ltd. | Method and device for non-contact sensing of vital signs and diagnostic signals by electromagnetic waves in the sub terahertz band |
CN108761445A (zh) * | 2018-03-30 | 2018-11-06 | 中国科学院电子学研究所 | 一种用于穿墙生命探测雷达的目标定位方法 |
CN109031287A (zh) * | 2018-09-21 | 2018-12-18 | 西安交通大学 | 基于Faster-RCNN网络的穿墙超宽带雷达人体呼吸信号检测方法 |
US20190008459A1 (en) * | 2017-07-05 | 2019-01-10 | Stichting Imec Nederland | Method and a system for detecting a vital sign of a subject |
-
2019
- 2019-02-18 CN CN201910118890.9A patent/CN109805931B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100241010A1 (en) * | 2007-12-07 | 2010-09-23 | University Of Florida Research Foundation, Inc | Complex Signal Demodulation and Angular Demodulation for Non-contact Vital Sign Detection |
US20150223701A1 (en) * | 2014-02-10 | 2015-08-13 | California Institute Of Technology | Breathing and heartbeat feature extraction and victim detection |
US20180256082A1 (en) * | 2017-03-12 | 2018-09-13 | Neteera Technologies Ltd. | Method and device for non-contact sensing of vital signs and diagnostic signals by electromagnetic waves in the sub terahertz band |
CN106970367A (zh) * | 2017-03-31 | 2017-07-21 | 中国科学院电子学研究所 | 基于生命探测雷达多点观测数据的微弱呼吸信号检测方法 |
CN107144840A (zh) * | 2017-05-03 | 2017-09-08 | 中国人民解放军国防科学技术大学 | 基于太赫兹雷达的人体生命信号高精度测量方法 |
US20190008459A1 (en) * | 2017-07-05 | 2019-01-10 | Stichting Imec Nederland | Method and a system for detecting a vital sign of a subject |
CN108761445A (zh) * | 2018-03-30 | 2018-11-06 | 中国科学院电子学研究所 | 一种用于穿墙生命探测雷达的目标定位方法 |
KR101895324B1 (ko) * | 2018-06-27 | 2018-09-05 | 유메인주식회사 | 초광대역 임펄스 레이더 신호를 이용한 바이탈 정보 측정 방법 |
CN109031287A (zh) * | 2018-09-21 | 2018-12-18 | 西安交通大学 | 基于Faster-RCNN网络的穿墙超宽带雷达人体呼吸信号检测方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110261821A (zh) * | 2019-07-18 | 2019-09-20 | 中电科仪器仪表有限公司 | 一种基于信息解调相关的时差估计方法及装置 |
CN112386237B (zh) * | 2019-08-16 | 2024-04-16 | 富士通株式会社 | 生命体的检测装置、方法及系统 |
CN112386237A (zh) * | 2019-08-16 | 2021-02-23 | 富士通株式会社 | 生命体的检测装置、方法及系统 |
CN110448290A (zh) * | 2019-08-19 | 2019-11-15 | 中电科仪器仪表有限公司 | 一种基于太赫兹穿墙雷达的远距离人员心率检测方法、装置及系统 |
CN110448290B (zh) * | 2019-08-19 | 2022-05-03 | 中电科思仪科技股份有限公司 | 一种基于太赫兹穿墙雷达的远距离人员心率检测方法、装置及系统 |
CN111123266A (zh) * | 2019-11-22 | 2020-05-08 | 中国电子科技集团公司第四十一研究所 | 一种太赫兹波大面积均匀照明装置及成像方法 |
CN111123266B (zh) * | 2019-11-22 | 2023-05-16 | 中国电子科技集团公司第四十一研究所 | 一种太赫兹波大面积均匀照明装置及成像方法 |
CN111142084B (zh) * | 2019-12-11 | 2023-04-07 | 中国电子科技集团公司第四十一研究所 | 一种微动太赫兹谱识别检测算法 |
CN111142084A (zh) * | 2019-12-11 | 2020-05-12 | 中国电子科技集团公司第四十一研究所 | 一种微动太赫兹谱识别检测算法 |
CN113267770A (zh) * | 2020-02-14 | 2021-08-17 | 立积电子股份有限公司 | 侦测系统及生命体的侦测方法 |
CN111982856B (zh) * | 2020-08-27 | 2023-08-01 | 中电科思仪科技股份有限公司 | 一种基于太赫兹波的物质无标志检测识别方法 |
CN111982856A (zh) * | 2020-08-27 | 2020-11-24 | 中电科仪器仪表有限公司 | 一种基于太赫兹波的物质无标志检测识别方法 |
CN113852384A (zh) * | 2021-09-27 | 2021-12-28 | 广西万云科技有限公司 | 一种射频信号信噪比增强方法 |
CN113940660A (zh) * | 2021-10-26 | 2022-01-18 | 庚辰科技(宁波)有限公司 | 一种基于复信号调节的雷达检测呼吸频率及呼吸量的方法 |
CN117724094A (zh) * | 2024-02-07 | 2024-03-19 | 浙江大华技术股份有限公司 | 生命体征检测方法 |
CN117724094B (zh) * | 2024-02-07 | 2024-05-07 | 浙江大华技术股份有限公司 | 生命体征检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109805931B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109805931A (zh) | 基于太赫兹多普勒雷达的远距离生命微动信号检测方法 | |
Sekine et al. | Non-contact heart rate detection using periodic variation in Doppler frequency | |
US11311202B2 (en) | Robust real-time heart rate monitoring method based on heartbeat harmonics using small-scale radar | |
CN112220464A (zh) | 一种基于uwb雷达的人体呼吸心跳信号检测方法和系统 | |
CN107144840A (zh) | 基于太赫兹雷达的人体生命信号高精度测量方法 | |
Wang et al. | IQ signal demodulation for noncontact vital sign monitoring using a CW Doppler radar: A review | |
CN110448290B (zh) | 一种基于太赫兹穿墙雷达的远距离人员心率检测方法、装置及系统 | |
Ling et al. | Non-contact heart rate monitoring based on millimeter wave radar | |
CN113951856A (zh) | 一种基于多普勒雷达心跳检测的频谱估计方法 | |
CN115363547B (zh) | 一种基于超宽带雷达相参积累的人体生命体征检测方法 | |
CN117838083A (zh) | 一种基于毫米波雷达的体征快速精确检测方法 | |
Xue et al. | Accurate multi-target vital signs detection method for FMCW radar | |
Zhao et al. | Multi-target vital signs remote monitoring using mmWave FMCW radar | |
Xia et al. | Detection of vital signs based on variational mode decomposition using fmcw radar | |
Xiao et al. | Accuracy of a low-power Ka-band non-contact heartbeat detector measured from four sides of a human body | |
Wang et al. | Separation and denoising of respiratory heartbeat signals based on millimeter-wave radar | |
Wang et al. | A novel non-contact respiration and heartbeat detection method using frequency-modulated continuous wave radar | |
Pan et al. | A spectrum estimation approach for accurate heartbeat detection using Doppler radar based on combination of FTPR and TWV | |
Shi et al. | Noncontact Doppler radar-based heart rate detection on the SVD and ANC | |
Li et al. | Research on non-contact respiration and heart rate monitoring algorithm based on 77G FMCW radar | |
Fu et al. | EEMD-MICA Based Heart Rate Extraction Algorithm for Radar Signals | |
Li et al. | ECG signal detection method based on millimeter wave radar | |
Obeid et al. | Position-free vital sign monitoring: Measurements and processing | |
CN115040091A (zh) | 基于vmd算法的毫米波雷达生命信号提取方法 | |
Walid et al. | Accuracy assessment and improvement of FMCW radar-based vital signs monitoring under Practical Scenarios |
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 | ||
CB02 | Change of applicant information |
Address after: 266555 No. 98 Xiangjiang Road, Huangdao District, Qingdao City, Shandong Province Applicant after: CLP kesiyi Technology Co.,Ltd. Address before: 266555 No. 98 Xiangjiang Road, Huangdao District, Qingdao City, Shandong Province Applicant before: CHINA ELECTRONICS TECHNOLOGY INSTRUMENTS Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |