CN109875529A - 一种基于超宽带雷达的生命体征检测方法及系统 - Google Patents
一种基于超宽带雷达的生命体征检测方法及系统 Download PDFInfo
- Publication number
- CN109875529A CN109875529A CN201910064564.4A CN201910064564A CN109875529A CN 109875529 A CN109875529 A CN 109875529A CN 201910064564 A CN201910064564 A CN 201910064564A CN 109875529 A CN109875529 A CN 109875529A
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- harmonic
- frequency range
- time
- 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
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于超宽带雷达的生命体征检测方法及系统，涉及生命体征检测技术领域，获取超宽带雷达回波信号；对超宽带雷达回波信号进行去线性偏移、时域滑平均差值滤波、快速傅里叶变换、频域滑平均差值滤波和整体频域滑动平均滤波等滤波处理操作；对滤波后的频域信号进行谐波倍数循环检测，得到生命体征信号，其中包括待测者的位置信息、呼吸速率和心率等信息；最终在实时显示界面显示当前的生命体征信息和其过去变化曲线，本发明提高了呼吸和心跳频率的判别标准，能够准确的检测生命体距离雷达的位置以及呼吸心跳速率，并且能够实时检测并显示生命体征信息，在医疗保健、灾难搜救和特殊人群的生命体征检测方面有广阔的应用前景。
Description
技术领域
本发明涉及生命体征检测领域，特别是指一种基于超宽带雷达的生命体征检测方法及系统。
背景技术
生命体征检测在医疗保健领域是必不可少的环节。通过检测呼吸速率(Respiration Rate；RR)和心跳频率(Heart Rate；HR)，医疗人员可以为患者确诊临床疾病，并且可以通过生命体征指标监控病情。在婴幼儿和老年人的健康保健方面，用户检测生命体征指标可以观察身体变化和睡眠质量，起到预防保健的作用。目前最常见的生命体征检测是采用脉搏血氧仪等接触式传感器设备接触人体获取生命体征信息。然而对于烧伤患者或新生儿等不适合接触皮肤的用户来说，接触式生命体征检测设备无法使用。另外在长期监测的情况下，接触式生命体征检测设备存在使用不便、不舒适的问题。随着雷达技术的发展，基于超宽带雷达的非接触式生命检测技术解决了以上弊端，具有良好的发展前景和应用价值。
超宽带雷达(UltrawideBand；UWB)相对其他类型雷达来说具有低功耗、抗干扰、抗多径、穿透性好的特点。脉冲特性不仅能够实现低功耗性能，而且还允许高分辨率定位和感测，在隐藏活动物体的目标检测、识别呼吸心跳信号和近距离数据传输等应用方面有很大的优势。超宽带雷达在检测生命体征时，向被检测者发射一系列的短时低功率脉冲，然后被人体反射回来。由于呼吸和心跳引起胸壁的周期性运动，雷达回波信号携带有呼吸和心跳的相关信息。相关算法通过分析雷达回波信号可以提取被检测者的生命体征信息。
现有的技术存在许多弊端。例如中国专利号CN201810288607.2公开了一种基于超宽带雷达的人体呼吸速率和心率的测定方法，该方法对雷达回波信号中的一维时间序列信号进行巴特沃斯带通滤波，并通过Min-Max归一化方法增强信号；然后对增强的信号使用汉宁窗做平滑处理，并做快速傅里叶变换得到频域信号；最后提取呼吸和心跳区间的峰值作为呼吸和心跳频率。
但是，该方法存在以下弊端：
1、该方法只利用了呼吸和心跳的基波频率，当噪声和环境杂波较大时，相应频谱区间的峰值可能为噪声分量，因此实际测量时误差较大；
2、在心跳频谱区间中存在呼吸信号的谐波分量，并且呼吸谐波分量的幅值较大，因此在检测心率时，可能将呼吸谐波频率误判成心跳频率。
发明内容
有鉴于此，本发明的目的在于提出一种基于超宽带雷达的生命体征检测方法及系统，能够准确的检测生命体距离雷达的位置以及呼吸心跳速率，并且能够实时检测并显示生命体征信息。
基于上述目的本发明提供的一种基于超宽带雷达的生命体征检测方法，包括：
设置超宽带雷达参数；
发射脉冲信号；
接收被受试者反射回来的所述脉冲信号，获取回波信号，并转换所述回波信号为功率信号，回波信号为：
其中，其中p(τ)是脉冲信号，τd(t)＝2d(t)/c是与呼吸心跳相关的时间延迟，A为呼吸心跳的幅度，Ai为多径分量的幅度，τi为多径分量的相位延迟，
回波信号转换为功率信号的公式为：
Power＝I2+Q2＝r(t,τ)2 (2)；
分解所述功率信号，获取到快时间信号和慢时间信号，所述快时间信号为所述公式(1)中当时间为固定值时，以相位延迟为变量的回波信号，快时间信号用于获取受试者距离雷达的位置，所述慢时间信号为所述公式(1)中当相位延迟为固定值时，以时间为变量的回波信号；
对所述慢时间信号进行滤波处理，获取呼吸频段和心跳频段；
采用谐波倍数循环检测算法处理所述呼吸频段和心跳频段，获取呼吸频率和心跳频率；
显示所述位置、呼吸频率和所述心跳频率的信息。
可选的，从所述快时间信号中获取受试者距离雷达的位置，具体包括：
取快时间信号中的峰值对应的位置即为受试者距离雷达的位置。
可选的，对所述慢时间信号进行滤波处理，具体包括：
对慢时间信号进行去线性偏移处理，获取去线性处理过的时域信号；
对所述时域信号进行滑动平均差值滤波处理，获取时域滑平均差值滤波信号；
对所述时域滑平均差值滤波信号进行快速傅里叶变换，获取频域信号；
对所述频域信号进行滑动平均差值滤波处理，获取频域滑平均差值滤波信号；
对所述频域滑平均差值滤波信号进行滑动平均滤波，获取所述呼吸频段和所述心跳频段。
可选的，所述滑动平均差值滤波处理，具体包括：
对所述时域信号或者频域信号进行滑动平均滤波处理，获取滤波后的时域信号或者频域信号；
用时域信号或者频域信号，与滤波后的时域信号或者频域信号分别对应相减，取差值。
可选的，采用谐波倍数循环检测算法处理所述呼吸频段和心跳频段，获取呼吸频率和心跳频率，具体包括；
使用带通滤波器截取呼吸频段或者心跳频段的基波的频率范围的频谱数据，提取所述基波范围的峰值作为待定基波频率；
使用带通滤波器截取呼吸频段或者心跳频段的二次谐波的频率范围的频谱数据，提取所述二次谐波范围的峰值作为待定二次谐波频率；
将获取的所述待定基波和所述二次谐波频率分量进行谐波倍数判别，获取判别结果；
若所述判别结果符合要求，则判定待定基波频率为算法估计的基波频率，即呼吸频率或者心跳频率，算法停止；
若判别结果不符合要求，则将待定二次谐波频率和频谱中对应频率的幅值清零并计数，获取清零计数值；
若所述清零计数值未达到预先设定好的预设值，则从剩余二次谐波的频率范围内提取峰值作为待定二次谐波频率，更新待定二次谐波频率，重新与待定基波进行谐波倍数判别，循环进行直至判别结果符合要求，算法停止；
若清零计数值达到所述预设值，则将待定基波频率和频谱中对应频率的幅值进行清零，从剩余基波的频率范围内提取峰值作为待定基波频率，更新待定基波频率，将清零计数值清零，重复上一步步骤。
可选的，将获取的所述待定基波和所述二次谐波频率分量进行谐波倍数判别，获取判别结果，具体包括：
计算所述待定二次谐波频率与所述待定基波频率相除的值，获取判断值；
所述判断值若在2±u的范围内，则所述判别结果为符合要求，否则判断果结为不符合要求，其中所述u＝误差值，u设置为0.1。
可选的，所述预设值设置为10；
所述呼吸频段的基波的频率范围为0.2-0.4Hz，所述心跳频段的基波的频率范围为0.8-2Hz。
所述呼吸频段的二次谐波的频率范围为0.4-0.8Hz，所述心跳频段的二次谐波频率频率范围为1.6-4Hz。
本发明实施例的另一方面，还提供了一种基于超宽带雷达的生命体征检测系统，包括：
参数设置模块：设置超宽带雷达参数；
发射模块：发射脉冲信号；
转换模块：接收被受试者反射回来的所述脉冲信号，获取回波信号，并转换所述回波信号为功率信号，回波信号为：
其中，其中p(τ)是脉冲信号，τd(t)＝2d(t)/c是与呼吸心跳相关的时间延迟，A为呼吸心跳的幅度，Ai为多径分量的幅度，τi为多径分量的相位延迟，
回波信号转换为功率信号的公式为：
Power＝I2+Q2＝r(t,τ)2 (2)；
分解模块：用于分解所述功率信号，来获取到快时间信号和慢时间信号，所述快时间信号为所述公式(1)中当时间为固定值时，以相位延迟为变量的回波信号，快时间信号用于获取受试者距离雷达的位置，所述慢时间信号为所述公式(1)中当相位延迟为固定值时，以时间为变量的回波信号；
频段获取模块：用于对所述慢时间信号进行滤波处理，获取呼吸频段和心跳频段；
频率获取模块：用于采用谐波倍数循环检测算法处理所述呼吸频段和心跳频段，获取呼吸频率和心跳频率；
显示模块：用于显示所述位置、呼吸频率和所述心跳频率的信息。
可选的，所述频段获取模块具体包括：
时域信号获取模块：用于对所述慢时间信号进行去线性偏移处理，获取去线性处理过的时域信号；
第一滤波模块：用于对所述时域信号进行滑动平均差值滤波处理，获取时域滑平均差值滤波信号；
频率信号获取模块：用于对所述时域滑平均差值滤波信号进行快速傅里叶变换，获取频域信号；
第二滤波模块：用于对所述频域信号进行滑动平均差值滤波处理，获取频域滑平均差值滤波信号；
第三滤波模块：用于对所述频域滑平均差值滤波信号进行滑动平均滤波，获取所述呼吸频段和所述心跳频段。
可选的，所述频率获取模块具体包括：
待定基波频率获取模块：使用带通滤波器截取呼吸频段或者心跳频段的基波的频率范围的频谱数据，提取所述基波范围的峰值作为待定基波频率；
二次谐波频率获取模块：使用带通滤波器截取呼吸频段或者心跳频段的二次谐波的频率范围的频谱数据，提取所述二次谐波范围的峰值作为待定二次谐波频率；
判别模块：将获取的所述待定基波和所述二次谐波频率分量进行谐波倍数判别，获取判别结果；
循环模块：若所述判别结果符合要求，则判定待定基波频率为算法估计的基波频率，即呼吸频率或者心跳频率，算法停止；
若判别结果不符合要求，则将待定二次谐波频率和频谱中对应频率的幅值清零并计数，获取清零计数值；若所述清零计数值未达到预先设定好的预设值，则从剩余二次谐波的频率范围内提取峰值作为待定二次谐波频率，更新待定二次谐波频率，重新与待定基波进行谐波倍数判别，循环进行直至判别结果符合要求，算法停止；
若清零计数值达到所述预设值，则将待定基波频率和频谱中对应频率的幅值进行清零，从剩余基波的频率范围内提取峰值作为待定基波频率，更新待定基波频率，将清零计数值清零，重复上一步步骤。
从上面所述可以看出，本发明的有益效果为：
本发明能够在非接触的情况下检测受试者的位置和生命体征信息，避免与人体直接接触，适用于普通用户和特殊人群的呼吸心跳速率检测和位置信息提取；
本发明能够实时并且同步检测受测者的位置信息、呼吸速率和心跳频率，并且能够实时显示过去和当前的位置和生命体征信息，能够使用户了解自己当前的呼吸心跳频率和位置信息，也能够观察自己的生命体征信息的变化情况；
本发明通过谐波倍数循环检测算法检测生命体征信息，首先谐波倍数判别，去除了噪声对呼吸和心跳频率提取的干扰，提高了结果的精度度；其次循环检测处理在用户检测姿势和角度不对时，能够快速更新错误的频谱信息，提高结果的准确度；
本发明算法复杂度较低，能够缩短实时检测时间，能够很好的实现实时检测应用，原理简单，对测量环境和雷达的精度要求不高，易于实际应用。
附图说明
图1为本发明实施例中检测方法的整体流程图；
图2为本发明实施例中谐波倍数循环算法流程图；
图3为本发明实施例中回波信号时域波形图；
图4本发明实施例中回波信号经过滤波处理后的频谱图；
图5为本发明实施例中实时呼吸频率、心跳频率的检测结果显示界面；
图6为本发明实施例中检测系统的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
作为一个实施例，本发明提供的一种大基于超宽带雷达的生命体征检测方法，包括：
设置超宽带雷达参数；
发射脉冲信号；
接收被受试者反射回来的所述脉冲信号，获取回波信号，并转换所述回波信号为功率信号，回波信号为：
其中，其中p(τ)是脉冲信号，τd(t)＝2d(t)/c是与呼吸心跳相关的时间延迟，A为呼吸心跳的幅度，Ai为多径分量的幅度，τi为多径分量的相位延迟，
回波信号转换为功率信号的公式为：
Power＝I2+Q2＝r(t,τ)2 (2)；
分解所述功率信号，获取到快时间信号和慢时间信号，所述快时间信号为所述公式(1)中当时间为固定值时，以相位延迟为变量的回波信号，快时间信号用于获取受试者距离雷达的位置，所述慢时间信号为所述公式(1)中当相位延迟为固定值时，以时间为变量的回波信号；
对所述慢时间信号进行滤波处理，获取呼吸频段和心跳频段；
采用谐波倍数循环检测算法处理所述呼吸频段和心跳频段，获取呼吸频率和心跳频率；
显示所述位置、呼吸频率和所述心跳频率的信息。
本发明实施例的另一方面，还提供了一种基于超宽带雷达的生命体征检测系统，包括：
参数设置模块：设置超宽带雷达参数；
发射模块：发射脉冲信号；
转换模块：接收被受试者反射回来的所述脉冲信号，获取回波信号，并转换所述回波信号为功率信号，回波信号为：
其中，其中p(τ)是脉冲信号，τd(t)＝2d(t)/c是与呼吸心跳相关的时间延迟，A为呼吸心跳的幅度，Ai为多径分量的幅度，τi为多径分量的相位延迟，
回波信号转换为功率信号的公式为：
Power＝I2+Q2＝r(t,τ)2 (2)；
分解模块：用于分解所述功率信号，来获取到快时间信号和慢时间信号，所述快时间信号为所述公式(1)中当时间为固定值时，以相位延迟为变量的回波信号，快时间信号用于获取受试者距离雷达的位置，所述慢时间信号为所述公式(1)中当相位延迟为固定值时，以时间为变量的回波信号；
频段获取模块：用于对所述慢时间信号进行滤波处理，获取呼吸频段和心跳频段；
频率获取模块：用于采用谐波倍数循环检测算法处理所述呼吸频段和心跳频段，获取呼吸频率和心跳频率；
显示模块：用于显示所述位置、呼吸频率和所述心跳频率的信息。
通过该方法和/或该系统，能够在非接触的情况下检测受试者的位置和生命体征信息，避免与人体直接接触，适用于普通用户和特殊人群的呼吸心跳速率检测和位置信息提取；能够实时并且同步检测受测者的位置信息、呼吸速率和心跳频率，并且能够实时显示过去和当前的位置和生命体征信息，能够使用户了解自己当前的呼吸心跳频率和位置信息，也能够观察自己的生命体征信息的变化情况；复杂度较低，能够缩短实时检测时间，能够很好的实现实时检测应用，原理简单，对测量环境和雷达的精度要求不高，易于实际应用。
下面对本发明较佳实现方式进行详细说明。
请参阅图1，该检测方法包括以下步骤：
步骤1：设置超宽带雷达参数，对超宽带雷达初始化设置，其中检测范围设置为0.3-5m，灵敏度设置为5。
步骤2：超宽带雷达发射脉冲信号。
步骤3：当超宽带雷达发射的脉冲信号被人体反射回来，超宽带雷达会接收反射回来的脉冲信号，得到回波信号。超宽带雷达的回波信号不仅受到人体到超宽带雷达的天线距离的影响，还受到了生命体征引起的胸腔周期运动的影响。由于肺部和心脏周期性运动，胸腔也会周期性的扩张和收缩。因此回波信号中携带着原始距离信息和呼吸心跳等生命体征信息，此时回波信号的距离信息可表示为：
d(t)＝d0+mbsin(2πfbt)+mhsin(2πfht) (3)
其中，d0为受试者与雷达的距离，mb为呼吸信号的幅度值，mh为心跳信号的幅度值，fb为呼吸信号频率，fh为心跳信号的频率。雷达回波信号可以表示为：
回波信号为：
其中，其中p(τ)是脉冲信号，τd(t)＝2d(t)/c是与呼吸心跳相关的时间延迟，A为呼吸心跳的幅度，Ai为多径分量的幅度，τi为多径分量的相位延迟，
回波信号转换为功率信号的公式为：
Power＝I2+Q2＝r(t,τ)2 (2)
即将I/Q通道的回波信号数据矩阵以平方和的形式转化为浮点型功率信号矩阵。
步骤4：分解功率信号，获取到快时间信号和慢时间信号，快时间信号为公式(1)中当时间为固定值时，以相位延迟为变量的回波信号，快时间信号用于获取受试者距离雷达的位置，取快时间信号中的峰值对应的位置即为受试者距离雷达的位置。
慢时间信号为公式(1)中当相位延迟为固定值时，以时间为变量的回波信号；
慢时间信号即原始的时域信号，请参阅图3位于上方的波形，其中大幅度的正弦波动为呼吸的体现，小幅度的正弦波动为心跳的体现。
步骤5：对慢时间信号进行滤波处理，获取呼吸频段和心跳频段，具体包括：
步骤5.1：对慢时间信号进行去线性偏移处理，获取去线性处理过的时域信号，去线性偏移处理的时域信号，请参阅图3位于下方的波形，去除了原始时域信号中的常量，将信号搬移到坐标0的附近，减少频域信号处理的常量干扰；
步骤5.2：对时域信号进行滑动平均差值滤波处理，获取时域滑平均差值滤波信号，对时域信号的滑动平均差值滤波能够去除测量环境中其他物品对信号测量结果的干扰，能够在复杂多变的测量环境中取得有效的信号；
步骤5.3：对时域滑平均差值滤波信号进行快速傅里叶变换，获取频域信号：
步骤5.4：对频域信号进行滑动平均差值滤波处理，获取频域滑平均差值滤波信号，对频域信号的滑动平均滤波能够在加速初始化时频域图像的变化速度，缩短在实时检测应用中的初始化时间；
步骤5.5：对频域滑平均差值滤波信号进行滑动平均滤波，获取呼吸频段和心跳频段，由于滑动平均差值滤波虽然去除了环境干扰，但提取有效的生命体征信号的同时，也留下了噪声造成的杂波分量。因此再次采用滑动平均滤波能够去除噪声杂波，使频域图像变得平滑，减少判别误差。请参阅图4，即为经过一系列滤波操作后的频域图像。
由于回波信号中包含的背景杂波不依赖于时间，可以采用滤波方法去除，因此经过滤波处理的信号只剩下与生命体征有关的分量和少量噪声，这些存在的少量噪声对之后的步骤并不会产生影响，最终得到的时域信号为：
y(t,τ)＝Ap(τ-τd(t))+noise (4)
最终得到的频域信号为：
其中，Ckl为离散δ分量的幅值，k和l均为整数。由于受试者处于静止状态，即可以提取检测位置的时域信号，对变量t进行傅里叶变换得到频域表达式，由公式(4)可知，回波信号频率为：f＝kfb+lfh，即雷达回波信号中的频谱是由fb和fh的谐波分量和互调产物组成的。这里快速傅里叶的采样数设为1024。
本实施例中，滑动平均差值滤波处理，具体包括：
对时域信号或者频域信号进行滑动平均滤波处理，获取滤波后的时域信号或者频域信号；
用时域信号或者频域信号，与滤波后的时域信号或者频域信号分别对应相减，取差值。
由公式(5)可知，呼吸信号或心跳信号的每个相邻谐波分量之间的间隔等于基波频率。
步骤6：采用谐波倍数循环检测算法处理呼吸频段和心跳频段，获取呼吸频率和心跳频率，请参阅图2，本实施例中采用的是谐波倍数循环检测算法，具体包括：
步骤6.1：使用带通滤波器截取呼吸频段或者心跳频段的基波的频率范围的频谱数据，提取基波范围的峰值作为待定基波频率，呼吸频段的基波的频率范围为0.2-0.4Hz，心跳频段的基波的频率范围为0.8-2Hz。如图4所示，在0.2-0.4Hz范围内，峰值频率为0.349Hz，则呼吸频段的待定基波频率为0.349Hz；在0.8-2Hz范围内，峰值频率为1.411Hz，则心跳频段的待定基波频率为1.411Hz；
步骤6.2：使用带通滤波器截取呼吸频段或者心跳频段的二次谐波的频率范围的频谱数据，提取二次谐波范围的峰值作为待定二次谐波频率，呼吸频段的二次谐波的频率范围为0.4-0.8Hz，心跳频段的二次谐波的频率范围为1.6-4Hz。如图4所示，在0.4-0.8Hz范围内，峰值频率为0.714Hz，则呼吸频段的二次谐波频率为0.714Hz；在2-4Hz范围内，峰值频率为2.806Hz，则心跳频段的二次谐波频率为2.806Hz；
步骤6.3：将获取的待定基波和二次谐波频率分量进行谐波倍数判别，获取判别结果，具体包括：计算待定二次谐波频率与待定基波频率相除的值，获取判断值，判断值若在2±u的范围内，则判别结果为符合要求，否则判断果结为不符合要求，其中u＝误差值，u设置为0.1。参见公式(5)，由于噪声的影响，谐波倍数判别采用近似判别。呼吸的谐波倍数判别结果为2.046，心跳的谐波倍数判别结果为1.989，均在1.9-2.1的范围内；
步骤6.4：若判别结果符合要求，则判定待定基波频率为算法估计的基波频率，即呼吸频率或者心跳频率，算法停止；
步骤6.5：若判别结果不符合要求，则将待定二次谐波频率和频谱中对应频率的幅值清零并计数，获取清零计数值；
例如，呼吸信号的谐波倍数判别结果为2.046，心跳信号的谐波倍数判别结果为1.989，均在1.9-2.1的范围内，则说明符合要求，因此呼吸频率和心跳频率的估计频率分别为0.349Hz和1.411Hz。而实际的呼吸频率和心跳频率通过其他手段检测得到的结果分别为0.35Hz和1.4Hz，估计结果符合实际呼吸心跳频率；
步骤6.6：若清零计数值未达到预先设定好的预设值，预设值设置为10，这里的数值可根据具体要求进行更改，则从剩余二次谐波的频率范围内提取峰值作为待定二次谐波频率，更新待定二次谐波频率，重新与待定基波进行谐波倍数判别，循环进行该步骤，直至判别结果符合要求，算法停止；
步骤6.7：若清零计数值达到预设值，则将待定基波频率和频谱中对应频率的幅值进行清零，从剩余基波的频率范围内提取峰值作为待定基波频率，更新待定基波频率，将清零计数值清零，重复上一步步骤。
待定基波频率和待定二次谐波频率的清零更新和循环处理操作避免了噪声峰值干扰对结果估计的影响，能够实时的更新频谱信息，快速更新覆盖干扰信息，提高生命体征检测的准确率。
步骤7：显示位置、呼吸频率和心跳频率的信息，本实施例中，显示内容包括超宽带雷达检测范围内的位置信息、当前生命体征信息和过去时段变化趋势等。
本发明实施例的另一方面，还提供了一种基于超宽带雷达的生命体征检测系统，请参阅图6，包括：
参数设置模块：设置超宽带雷达参数，对超宽带雷达初始化设置，其中检测范围设置为0.3-5m，灵敏度设置为5。
发射模块：超宽带雷达发射脉冲信号。
转换模块：当超宽带雷达发射的脉冲信号被人体反射回来，超宽带雷达会接收反射回来的脉冲信号，得到回波信号。超宽带雷达的回波信号不仅受到人体到超宽带雷达的天线距离的影响，还受到了生命体征引起的胸腔周期运动的影响。由于肺部和心脏周期性运动，胸腔也会周期性的扩张和收缩。因此回波信号中携带着原始距离信息和呼吸心跳等生命体征信息，此时回波信号的距离信息可表示为：
d(t)＝d0+mbsin(2πfbt)+mhsin(2πfht) (3)
其中，d0为受试者与雷达的距离，mb为呼吸信号的幅度值，mh为心跳信号的幅度值，fb为呼吸信号频率，fh为心跳信号的频率。雷达回波信号可以表示为：
回波信号为：
其中，其中p(τ)是脉冲信号，τd(t)＝2d(t)/c是与呼吸心跳相关的时间延迟，A为呼吸心跳的幅度，Ai为多径分量的幅度，τi为多径分量的相位延迟，
回波信号转换为功率信号的公式为：
Power＝I2+Q2＝r(t,τ)2 (2)
即将I/Q通道的回波信号数据矩阵以平方和的形式转化为浮点型功率信号矩阵。
分解模块：分解功率信号，获取到快时间信号和慢时间信号，快时间信号为公式(1)中当时间为固定值时，以相位延迟为变量的回波信号，快时间信号用于获取受试者距离雷达的位置，取快时间信号中的峰值对应的位置即为受试者距离雷达的位置。
慢时间信号为公式(1)中当相位延迟为固定值时，以时间为变量的回波信号；
慢时间信号即原始的时域信号，请参阅图3位于上方的波形，其中大幅度的正弦波动为呼吸的体现，小幅度的正弦波动为心跳的体现。
频段获取模块：对慢时间信号进行滤波处理，获取呼吸频段和心跳频段，具体包括：
时域信号获取模块：对慢时间信号进行去线性偏移处理，获取去线性处理过的时域信号，去线性偏移处理的时域信号，请参阅图3位于下方的波形，去除了原始时域信号中的常量，将信号搬移到坐标0的附近，减少频域信号处理的常量干扰；
第一滤波模块：对时域信号进行滑动平均差值滤波处理，获取时域滑平均差值滤波信号，对时域信号的滑动平均差值滤波能够去除测量环境中其他物品对信号测量结果的干扰，能够在复杂多变的测量环境中取得有效的信号；
频率信号获取模块：对时域滑平均差值滤波信号进行快速傅里叶变换，获取频域信号；
第二滤波模块：对频域信号进行滑动平均差值滤波处理，获取频域滑平均差值滤波信号，对频域信号的滑动平均滤波能够在加速初始化时频域图像的变化速度，缩短在实时检测应用中的初始化时间；
由于回波信号中包含的背景杂波不依赖于时间，可以采用滤波方法去除，因此经过滤波处理的信号只剩下与生命体征有关的分量和少量噪声；
第三滤波模块：对频域滑平均差值滤波信号进行滑动平均滤波，获取呼吸频段和心跳频段，由于滑动平均差值滤波虽然去除了环境干扰，但提取有效的生命体征信号的同时，也留下了噪声造成的杂波分量。因此再次采用滑动平均滤波能够去除噪声杂波，使频域图像变得平滑，减少判别误差。请参阅图4，即为经过一系列滤波操作后的频域图像；
由于回波信号中包含的背景杂波不依赖于时间，可以采用滤波方法去除，因此经过滤波处理的信号只剩下与生命体征有关的分量和少量噪声，这些存在的少量噪声对之后的步骤并不会产生影响，最终得到的时域信号为：
y(t,τ)＝Ap(τ-τd(t))+noise (4)
最终得到的频域信号为：
其中，Ckl为离散δ分量的幅值，k和l均为整数。由于受试者处于静止状态，即可以提取检测位置的时域信号，对变量t进行傅里叶变换得到频域表达式，由公式(4)可知，回波信号频率为：f＝kfb+lfh，即雷达回波信号中的频谱是由fb和fh的谐波分量和互调产物组成的。这里快速傅里叶的采样数设为1024。
本实施例中，滑动平均差值滤波处理，具体包括：
对时域信号或者频域信号进行滑动平均滤波处理，获取滤波后的时域信号或者频域信号；
用时域信号或者频域信号，与滤波后的时域信号或者频域信号分别对应相减，取差值。
由公式(4)可知，呼吸信号或心跳信号的每个相邻谐波分量之间的间隔等于基波频率。
频率获取模块：采用谐波倍数循环检测算法处理呼吸频段和心跳频段，获取呼吸频率和心跳频率，请参阅图2，本实施例中采用的是谐波倍数循环检测算法，具体包括：
待定基波频率获取模块：使用带通滤波器截取呼吸频段或者心跳频段的基波的频率范围的频谱数据，提取基波范围的峰值作为待定基波频率，呼吸频段的基波的频率范围为0.2-0.4Hz，心跳频段的基波的频率范围为0.8-2Hz。如图4所示，在0.2-0.4Hz范围内，峰值频率为0.349Hz，则呼吸频段的待定基波频率为0.349Hz；在0.8-2Hz范围内，峰值频率为1.411Hz，则心跳频段的待定基波频率为1.411Hz；
二次谐波频率获取模块：使用带通滤波器截取呼吸频段或者心跳频段的二次谐波的频率范围的频谱数据，提取二次谐波范围的峰值作为待定二次谐波频率，呼吸频段的二次谐波的频率范围为0.4-0.8Hz，心跳频段的二次谐波的频率范围为1.6-4Hz。如图4所示，在0.4-0.8Hz范围内，峰值频率为0.714Hz，则呼吸频段的二次谐波频率为0.714Hz；在2-4Hz范围内，峰值频率为2.806Hz，则心跳频段的二次谐波频率为2.806Hz；
判别模块：将获取的待定基波和二次谐波频率分量进行谐波倍数判别，获取判别结果，具体包括：计算待定二次谐波频率与待定基波频率相除的值，获取判断值，判断值若在2±u的范围内，则判别结果为符合要求，否则判断果结为不符合要求，其中u＝误差值，u设置为0.1。参见公式(5)，由于噪声的影响，谐波倍数判别采用近似判别。呼吸的谐波倍数判别结果为2.046，心跳的谐波倍数判别结果为1.989，均在1.9-2.1的范围内；
循环模块：若判别结果符合要求，则判定待定基波频率为算法估计的基波频率，即呼吸频率或者心跳频率，算法停止；
若判别结果不符合要求，则将待定二次谐波频率和频谱中对应频率的幅值清零并计数，获取清零计数值；
例如，呼吸信号的谐波倍数判别结果为2.046，心跳信号的谐波倍数判别结果为1.989，均在1.9-2.1的范围内，则说明符合要求，因此呼吸频率和心跳频率的估计频率分别为0.349Hz和1.411Hz。而实际的呼吸频率和心跳频率通过其他手段检测得到的结果分别为0.35Hz和1.4Hz，估计结果符合实际呼吸心跳频率；
若清零计数值未达到预先设定好的预设值，预设值设置为10，这里的数值可根据具体要求进行更改，则从剩余二次谐波的频率范围内提取峰值作为待定二次谐波频率，更新待定二次谐波频率，重新与待定基波进行谐波倍数判别，循环进行该步骤，直至判别结果符合要求，算法停止；
若清零计数值达到预设值，则将待定基波频率和频谱中对应频率的幅值进行清零，从剩余基波的频率范围内提取峰值作为待定基波频率，更新待定基波频率，将清零计数值清零，重复上一步步骤。
待定基波频率和待定二次谐波频率的清零更新和循环处理操作避免了噪声峰值干扰对结果估计的影响，能够实时的更新频谱信息，快速更新覆盖干扰信息，提高生命体征检测的准确率。
显示模块，显示位置、呼吸频率和心跳频率的信息，本实施例中，显示内容包括超宽带雷达检测范围内的位置信息、当前生命体征信息和过去时段变化趋势等。
综上所述，本发明的有益效果为：本发明能够在非接触的情况下检测受试者的位置和生命体征信息，避免与人体直接接触，适用于普通用户和特殊人群的呼吸心跳速率检测和位置信息提取；
本发明能够实时并且同步检测受测者的位置信息、呼吸速率和心跳频率，并且能够实时显示过去和当前的位置和生命体征信息，能够使用户了解自己当前的呼吸心跳频率和位置信息，也能够观察自己的生命体征信息的变化情况；
本发明通过谐波倍数循环检测算法检测生命体征信息，首先谐波倍数判别，去除了噪声对呼吸和心跳频率提取的干扰，提高了结果的精度度；其次循环检测处理在用户检测姿势和角度不对时，能够快速更新错误的频谱信息，提高结果的准确度；
本发明算法复杂度较低，能够缩短实时检测时间，能够很好的实现实时检测应用，原理简单，对测量环境和雷达的精度要求不高，易于实际应用。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于超宽带雷达的生命体征检测方法，其特征在于，包括：
设置超宽带雷达参数；
发射脉冲信号；
接收被受试者反射回来的所述脉冲信号，获取回波信号，并转换所述回波信号为功率信号，回波信号为：
其中，p(τ)是脉冲信号，τd(t)＝2d(t)/c是与呼吸心跳相关的时间延迟，A为呼吸心跳的幅度，Ai为多径分量的幅度，τi为多径分量的相位延迟，
回波信号转换为功率信号的公式为：
Power＝I2+Q2＝r(t,τ)2 (2)；
分解所述功率信号，获取到快时间信号和慢时间信号，所述快时间信号为所述公式(1)中当时间为固定值时，以相位延迟为变量的回波信号，快时间信号用于获取受试者距离雷达的位置，所述慢时间信号为所述公式(1)中当相位延迟为固定值时，以时间为变量的回波信号；
对所述慢时间信号进行滤波处理，获取呼吸频段和心跳频段；
采用谐波倍数循环检测算法处理所述呼吸频段和心跳频段，获取呼吸频率和心跳频率；
显示所述位置、呼吸频率和所述心跳频率的信息。
2.根据权利要求1所述的一种基于超宽带雷达的实时非接触式生命体征检测方法，其特征在于，快时间信号中获取受试者距离雷达的位置，具体包括：
取快时间信号中的峰值对应的位置为受试者距离雷达的位置。
3.根据权利要求1所述的基于超宽带雷达的生命体征检测方法，其特征在于，对所述慢时间信号进行滤波处理，具体包括：
对慢时间信号进行去线性偏移处理，获取去线性处理过的时域信号；
对所述时域信号进行滑动平均差值滤波处理，获取时域滑平均差值滤波信号；
对所述时域滑平均差值滤波信号进行快速傅里叶变换，获取频域信号；
对所述频域信号进行滑动平均差值滤波处理，获取频域滑平均差值滤波信号；
对所述频域滑平均差值滤波信号进行滑动平均滤波，获取所述呼吸频段和所述心跳频段。
4.根据权利要求3所述的基于超宽带雷达的生命体征检测方法，其特征在于，所述滑动平均差值滤波处理，具体包括：
对所述时域信号或者频域信号进行滑动平均滤波处理，获取滤波后的时域信号或者频域信号；
用时域信号或者频域信号，与滤波后的时域信号或者频域信号分别对应相减，取差值。
5.根据权利要求1所述的基于超宽带雷达的生命体征检测方法，其特征在于，采用谐波倍数循环检测算法处理所述呼吸频段和心跳频段，获取呼吸频率和心跳频率，具体包括；
使用带通滤波器截取呼吸频段或者心跳频段的基波的频率范围的频谱数据，提取所述基波范围的峰值作为待定基波频率；
使用带通滤波器截取呼吸频段或者心跳频段的二次谐波的频率范围的频谱数据，提取所述二次谐波范围的峰值作为待定二次谐波频率；
将获取的所述待定基波和所述二次谐波频率分量进行谐波倍数判别，获取判别结果；
若所述判别结果符合要求，则判定待定基波频率为算法估计的基波频率，即呼吸频率或者心跳频率，算法停止；
若判别结果不符合要求，则将待定二次谐波频率和频谱中对应频率的幅值清零并计数，获取清零计数值；
若所述清零计数值未达到预先设定好的预设值，则从剩余二次谐波的频率范围内提取峰值作为待定二次谐波频率，更新待定二次谐波频率，重新与待定基波进行谐波倍数判别，循环进行直至判别结果符合要求，算法停止；
若清零计数值达到所述预设值，则将待定基波频率和频谱中对应频率的幅值进行清零，从剩余基波的频率范围内提取峰值作为待定基波频率，更新待定基波频率，将清零计数值清零，重复上一步步骤。
6.根据权利要求5所述的基于超宽带雷达的生命体征检测方法，其特征在于，将获取的所述待定基波和所述二次谐波频率分量进行谐波倍数判别，获取判别结果，具体包括：
计算所述待定二次谐波频率与所述待定基波频率相除的值，获取判断值；
所述判断值若在2±u的范围内，则所述判别结果为符合要求，否则判断果结为不符合要求，其中所述u＝误差值，u设置为0.1。
7.根据权利要求5所述的基于超宽带雷达的生命体征检测方法，其特征在于，所述预设值设置为10；
所述呼吸频段的基波的频率范围为0.2-0.4Hz，所述心跳频段的基波的频率范围为0.8-2Hz。
所述呼吸频段的二次谐波的频率范围为0.4-0.8Hz，所述心跳频段的二次谐波频率的频率范围为1.6-4Hz。
8.一种基于超宽带雷达的生命体征检测系统，其特征在于：包括：
参数设置模块：设置超宽带雷达参数；
发射模块：发射脉冲信号；
转换模块：接收被受试者反射回来的所述脉冲信号，获取回波信号，并转换所述回波信号为功率信号，回波信号为：
其中，其中p(τ-τi)是脉冲信号，τd(t)＝2d(t)/c是与呼吸心跳相关的时间延迟，A为呼吸心跳的幅度，Ai为多径分量的幅度，τi为多径分量的相位延迟，
回波信号转换为功率信号的公式为：
Power＝I2+Q2 (2)；
分解模块：用于分解所述功率信号，来获取到快时间信号和慢时间信号，所述快时间信号为所述公式(1)中当时间为固定值时，以相位延迟为变量的回波信号，快时间信号用于获取受试者距离雷达的位置，所述慢时间信号为所述公式(1)中当相位延迟为固定值时，以时间为变量的回波信号；
频段获取模块：用于对所述慢时间信号进行滤波处理，获取呼吸频段和心跳频段；
频率获取模块：用于采用谐波倍数循环检测算法处理所述呼吸频段和心跳频段，获取呼吸频率和心跳频率；
显示模块：用于显示所述位置、呼吸频率和所述心跳频率的信息。
9.根据权利要求8所述的基于超宽带雷达的生命体征检测系统，其特征在于：所述频段获取模块具体包括：
时域信号获取模块：用于对所述慢时间信号进行去线性偏移处理，获取去线性处理过的时域信号；
第一滤波模块：用于对所述时域信号进行滑动平均差值滤波处理，获取时域滑平均差值滤波信号；
频率信号获取模块：用于对所述时域滑平均差值滤波信号进行快速傅里叶变换，获取频域信号；
第二滤波模块：用于对所述频域信号进行滑动平均差值滤波处理，获取频域滑平均差值滤波信号；
第三滤波模块：用于对所述频域滑平均差值滤波信号进行滑动平均滤波，获取所述呼吸频段和所述心跳频段。
10.如权利要求8所述的基于超宽带雷达的生命体征检测系统，其特征在于，所述频率获取模块具体包括：
待定基波频率获取模块：使用带通滤波器截取呼吸频段或者心跳频段的基波的频率范围的频谱数据，提取所述基波范围的峰值作为待定基波频率；
二次谐波频率获取模块：使用带通滤波器截取呼吸频段或者心跳频段的二次谐波的频率范围的频谱数据，提取所述二次谐波范围的峰值作为待定二次谐波频率；
判别模块：将获取的所述待定基波和所述二次谐波频率分量进行谐波倍数判别，获取判别结果；
循环模块：若所述判别结果符合要求，则判定待定基波频率为算法估计的基波频率，即呼吸频率或者心跳频率，算法停止；
若判别结果不符合要求，则将待定二次谐波频率和频谱中对应频率的幅值清零并计数，获取清零计数值；若所述清零计数值未达到预先设定好的预设值，则从剩余二次谐波的频率范围内提取峰值作为待定二次谐波频率，更新待定二次谐波频率，重新与待定基波进行谐波倍数判别，循环进行直至判别结果符合要求，算法停止；
若清零计数值达到所述预设值，则将待定基波频率和频谱中对应频率的幅值进行清零，从剩余基波的频率范围内提取峰值作为待定基波频率，更新待定基波频率，将清零计数值清零，重复上一步步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910064564.4A CN109875529B (zh) | 2019-01-23 | 2019-01-23 | 一种基于超宽带雷达的生命体征检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910064564.4A CN109875529B (zh) | 2019-01-23 | 2019-01-23 | 一种基于超宽带雷达的生命体征检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109875529A true CN109875529A (zh) | 2019-06-14 |
| CN109875529B CN109875529B (zh) | 2020-12-04 |
Family
ID=66926684
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910064564.4A Active CN109875529B (zh) | 2019-01-23 | 2019-01-23 | 一种基于超宽带雷达的生命体征检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109875529B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109009124A (zh) * | 2018-06-05 | 2018-12-18 | 南通大学 | 基于超宽带雷达的呼吸频率测量及目标定位方法 |
| CN110507293A (zh) * | 2019-07-26 | 2019-11-29 | 中国电子科技集团公司第三十八研究所 | 一种超宽带穿墙雷达人体呼吸及心跳检测方法及系统 |
| CN110680291A (zh) * | 2019-09-29 | 2020-01-14 | 浙江大学山东工业技术研究院 | 基于超宽带技术的脉搏波速法血压监测装置及监测方法 |
| CN111157960A (zh) * | 2019-12-03 | 2020-05-15 | 南京汇君半导体科技有限公司 | 基于毫米波雷达的生命体征信号增强方法及设备、提取方法及设备 |
| CN111568417A (zh) * | 2020-06-01 | 2020-08-25 | 浙江大学 | 一种非接触式呼吸实时监测方法 |
| CN112244794A (zh) * | 2020-11-02 | 2021-01-22 | 深圳大学 | 基于周期性特征的生命体征检测方法、装置和存储介质 |
| CN112363139A (zh) * | 2020-11-02 | 2021-02-12 | 深圳大学 | 基于幅度特征的人体呼吸时长检测方法、装置和存储介质 |
| CN112651388A (zh) * | 2021-01-20 | 2021-04-13 | 合肥工业大学 | 一种基于无人机的灾区生命信号检测与定位方法 |
| CN113257415A (zh) * | 2020-02-12 | 2021-08-13 | 阿里巴巴集团控股有限公司 | 健康数据收集装置和系统 |
| CN113288080A (zh) * | 2021-04-28 | 2021-08-24 | 郑州大学 | 一种基于相位比较的非接触式生命体征检测系统 |
| CN113729655A (zh) * | 2021-09-26 | 2021-12-03 | 重庆邮电大学 | 一种分离uwb雷达传感器接收信号的方法 |
| CN113759358A (zh) * | 2021-09-08 | 2021-12-07 | 苏州捷杰传感技术有限公司 | 一种埋地管道的探测方法以及系统 |
| CN114280690A (zh) * | 2021-12-28 | 2022-04-05 | 汇鲲化鹏(海南)科技有限公司 | 一种生命信号探测与获取处理系统 |
| CN114527463A (zh) * | 2022-04-24 | 2022-05-24 | 南京楚航科技有限公司 | 一种利用相位匹配的车内活体检测方法及设备 |
| CN114601432A (zh) * | 2022-01-28 | 2022-06-10 | 中国第一汽车股份有限公司 | 一种车载人体信息获取方法、装置及车辆 |
| CN114983412A (zh) * | 2022-05-12 | 2022-09-02 | 华南理工大学 | 基于分布式雷达的非接触式大脑认知负荷客观检测方法 |
| WO2022246766A1 (zh) * | 2021-05-27 | 2022-12-01 | 北京清雷科技有限公司 | 信号处理方法及装置 |
| CN116643247A (zh) * | 2023-07-25 | 2023-08-25 | 南京航空航天大学 | 一种舱内活体检测杂波抑制方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102429661A (zh) * | 2011-09-20 | 2012-05-02 | 中国人民解放军第四军医大学 | 超宽谱雷达式非接触生命参数实时监测方法 |
| 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 |
| CN104605831A (zh) * | 2015-02-03 | 2015-05-13 | 南京理工大学 | 非接触式生命体征监护系统的呼吸与心跳信号分离算法 |
| WO2016057781A1 (en) * | 2014-10-08 | 2016-04-14 | The University Of Florida Research Foundation, Inc. | Method and apparatus for non-contact fast vital sign acquisition based on radar signal |
| CN106175731A (zh) * | 2016-08-10 | 2016-12-07 | 上海交通大学 | 非接触式生命体征监测的信号处理系统 |
| CN106821347A (zh) * | 2016-12-20 | 2017-06-13 | 中国人民解放军第三军医大学 | 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法 |
| CN108272447A (zh) * | 2018-03-27 | 2018-07-13 | 厦门金网科技有限公司 | 一种基于uwb技术的呼吸和心跳速率检测系统 |
-
2019
- 2019-01-23 CN CN201910064564.4A patent/CN109875529B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102429661A (zh) * | 2011-09-20 | 2012-05-02 | 中国人民解放军第四军医大学 | 超宽谱雷达式非接触生命参数实时监测方法 |
| 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 |
| WO2016057781A1 (en) * | 2014-10-08 | 2016-04-14 | The University Of Florida Research Foundation, Inc. | Method and apparatus for non-contact fast vital sign acquisition based on radar signal |
| CN104605831A (zh) * | 2015-02-03 | 2015-05-13 | 南京理工大学 | 非接触式生命体征监护系统的呼吸与心跳信号分离算法 |
| CN106175731A (zh) * | 2016-08-10 | 2016-12-07 | 上海交通大学 | 非接触式生命体征监测的信号处理系统 |
| CN106821347A (zh) * | 2016-12-20 | 2017-06-13 | 中国人民解放军第三军医大学 | 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法 |
| CN108272447A (zh) * | 2018-03-27 | 2018-07-13 | 厦门金网科技有限公司 | 一种基于uwb技术的呼吸和心跳速率检测系统 |
Non-Patent Citations (2)
| Title |
|---|
| DUSAN KOCUR等: "Estimation of Breathing Frequency and Heart Rate by Biometric UWB Radar", 《2018 IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN, AND CYBERNETICS》 * |
| LINGYUN REN等: "Noncontact Multiple Heartbeats Detection and Subject Localization Using UWB Impulse Doppler Radar", 《IEEE MICROWAVE AND WIRELESS COMPONENTS LETTERS》 * |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109009124A (zh) * | 2018-06-05 | 2018-12-18 | 南通大学 | 基于超宽带雷达的呼吸频率测量及目标定位方法 |
| CN109009124B (zh) * | 2018-06-05 | 2021-08-06 | 南通大学 | 基于超宽带雷达的呼吸频率测量及目标定位方法 |
| CN110507293B (zh) * | 2019-07-26 | 2022-01-07 | 中国电子科技集团公司第三十八研究所 | 一种超宽带穿墙雷达人体呼吸及心跳检测方法及系统 |
| CN110507293A (zh) * | 2019-07-26 | 2019-11-29 | 中国电子科技集团公司第三十八研究所 | 一种超宽带穿墙雷达人体呼吸及心跳检测方法及系统 |
| CN110680291A (zh) * | 2019-09-29 | 2020-01-14 | 浙江大学山东工业技术研究院 | 基于超宽带技术的脉搏波速法血压监测装置及监测方法 |
| CN111157960A (zh) * | 2019-12-03 | 2020-05-15 | 南京汇君半导体科技有限公司 | 基于毫米波雷达的生命体征信号增强方法及设备、提取方法及设备 |
| CN111157960B (zh) * | 2019-12-03 | 2021-09-28 | 南京汇君半导体科技有限公司 | 基于毫米波雷达的生命体征信号增强方法及设备、提取方法及设备 |
| CN113257415A (zh) * | 2020-02-12 | 2021-08-13 | 阿里巴巴集团控股有限公司 | 健康数据收集装置和系统 |
| CN111568417A (zh) * | 2020-06-01 | 2020-08-25 | 浙江大学 | 一种非接触式呼吸实时监测方法 |
| CN112244794A (zh) * | 2020-11-02 | 2021-01-22 | 深圳大学 | 基于周期性特征的生命体征检测方法、装置和存储介质 |
| CN112363139A (zh) * | 2020-11-02 | 2021-02-12 | 深圳大学 | 基于幅度特征的人体呼吸时长检测方法、装置和存储介质 |
| CN112244794B (zh) * | 2020-11-02 | 2023-11-21 | 深圳大学 | 基于周期性特征的生命体征检测方法、装置和存储介质 |
| CN112651388A (zh) * | 2021-01-20 | 2021-04-13 | 合肥工业大学 | 一种基于无人机的灾区生命信号检测与定位方法 |
| CN113288080B (zh) * | 2021-04-28 | 2022-04-08 | 郑州大学 | 一种基于相位比较的非接触式生命体征检测系统 |
| CN113288080A (zh) * | 2021-04-28 | 2021-08-24 | 郑州大学 | 一种基于相位比较的非接触式生命体征检测系统 |
| WO2022246766A1 (zh) * | 2021-05-27 | 2022-12-01 | 北京清雷科技有限公司 | 信号处理方法及装置 |
| CN113759358A (zh) * | 2021-09-08 | 2021-12-07 | 苏州捷杰传感技术有限公司 | 一种埋地管道的探测方法以及系统 |
| CN113729655A (zh) * | 2021-09-26 | 2021-12-03 | 重庆邮电大学 | 一种分离uwb雷达传感器接收信号的方法 |
| CN113729655B (zh) * | 2021-09-26 | 2024-03-08 | 重庆邮电大学 | 一种分离uwb雷达传感器接收信号的方法 |
| CN114280690A (zh) * | 2021-12-28 | 2022-04-05 | 汇鲲化鹏(海南)科技有限公司 | 一种生命信号探测与获取处理系统 |
| WO2023142380A1 (zh) * | 2022-01-28 | 2023-08-03 | 中国第一汽车股份有限公司 | 一种车载人体信息获取方法、装置及车辆 |
| CN114601432A (zh) * | 2022-01-28 | 2022-06-10 | 中国第一汽车股份有限公司 | 一种车载人体信息获取方法、装置及车辆 |
| CN114527463B (zh) * | 2022-04-24 | 2022-08-12 | 南京楚航科技有限公司 | 一种利用相位匹配的车内活体检测方法及设备 |
| CN114527463A (zh) * | 2022-04-24 | 2022-05-24 | 南京楚航科技有限公司 | 一种利用相位匹配的车内活体检测方法及设备 |
| CN114983412A (zh) * | 2022-05-12 | 2022-09-02 | 华南理工大学 | 基于分布式雷达的非接触式大脑认知负荷客观检测方法 |
| CN114983412B (zh) * | 2022-05-12 | 2024-07-26 | 华南理工大学 | 基于分布式雷达的非接触式大脑认知负荷客观检测方法 |
| CN116643247A (zh) * | 2023-07-25 | 2023-08-25 | 南京航空航天大学 | 一种舱内活体检测杂波抑制方法和装置 |
| CN116643247B (zh) * | 2023-07-25 | 2023-10-27 | 南京航空航天大学 | 一种舱内活体检测杂波抑制方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109875529B (zh) | 2020-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109875529A (zh) | 一种基于超宽带雷达的生命体征检测方法及系统 | |
| Wang et al. | A novel ultra-wideband 80 GHz FMCW radar system for contactless monitoring of vital signs | |
| CN103385702B (zh) | 一种无创血压连续检测装置及方法 | |
| CN113925475B (zh) | 一种非接触式的人体健康监测系统及监测方法 | |
| Rivera et al. | Multi-target estimation of heart and respiration rates using ultra wideband sensors | |
| CN103006223A (zh) | 一种家用非接触睡眠监测装置及方法 | |
| CN112263242A (zh) | 基于fmcw雷达的呼吸检测及模式分类方法 | |
| CN108577815A (zh) | 一种基于超宽带雷达的人体呼吸速率和心率的测定方法 | |
| Dong et al. | Accurate detection of Doppler cardiograms with a parameterized respiratory filter technique using a K-band radar sensor | |
| CN113273978B (zh) | 一种基于超宽带雷达的人体呼吸和心跳频率的检测方法 | |
| Nguyen et al. | Detection of motion and posture change using an IR-UWB radar | |
| CN116172539A (zh) | 基于机器学习的生命体征检测方法、系统、设备及介质 | |
| Rong et al. | Is radar cardiography (rcg) possible? | |
| CN115736854A (zh) | 一种基于毫米波雷达的呼吸心跳监测系统 | |
| CN111685760B (zh) | 一种基于雷达测量的人体呼吸频率计算方法 | |
| Wang et al. | Separation and denoising of respiratory heartbeat signals based on millimeter-wave radar | |
| Giordano et al. | Survey, analysis and comparison of radar technologies for embedded vital sign monitoring | |
| Wartzek et al. | A differential capacitive electrical field sensor array for contactless measurement of respiratory rate | |
| Lopes et al. | Equivalent pipeline processing for IR-UWB and FMCW radar comparison in vital signs monitoring applications | |
| Taheri et al. | Non-invasive breathing rate detection using a very low power ultra-wide-band radar | |
| CN116725507A (zh) | 基于拟合匹配滤波与Double-CZT的雷达高精度心率检测方法 | |
| Zhang et al. | The separation of the heartbeat and respiratory signal of a doppler radar based on the lms adaptive harmonic cancellation algorithm | |
| Li et al. | Research on non-contact respiration and heart rate monitoring algorithm based on 77G FMCW radar | |
| CN106264509A (zh) | 一种心率测量装置和方法 | |
| Tariq et al. | Implementation of Wavelet transform for monitoring of vital signs through IR-UWB 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 |