CN110192850A - 基于雷达回波强噪声背景下心跳信号的提取方法及系统 - Google Patents
基于雷达回波强噪声背景下心跳信号的提取方法及系统 Download PDFInfo
- Publication number
- CN110192850A CN110192850A CN201910476146.6A CN201910476146A CN110192850A CN 110192850 A CN110192850 A CN 110192850A CN 201910476146 A CN201910476146 A CN 201910476146A CN 110192850 A CN110192850 A CN 110192850A
- Authority
- CN
- China
- Prior art keywords
- signal
- heartbeat
- radar return
- echo
- heartbeat signal
- 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.)
- Pending
Links
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
- A61B5/72—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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- 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雷达回波强噪声背景下心跳信号的提取方法，包括步骤：S100,雷达回波以数据帧的形式传输到数据预处理端;S200，对雷达回波原始序列进行预处理，滤除静止目标的回波，得到人体目标所在距离单元的回波信号;S300，基于加速度针对人体随机运动进行判定，用于减小后期体征信号参数估计的误差；S400，进行体征信号分离，采用自适应小波尺度选择算法，用于实现生命体征呼吸信号和心跳信号的有效分离;S500，对呼吸信号和心跳信号进行时域寻峰和降采样处理，最终得到呼吸频率和心跳频率。同时，本发明还公开了一种基于雷达回波强噪声背景下心跳信号的提取系统。本发明充分排除噪声干扰，识别有用的心跳和呼吸信号，具有准确度高、实时性强的优点。
Description
技术领域
本发明属于雷达信号处理技术领域，特别是涉及一种基于雷达回波强噪声背景下心跳信号的提取方法及系统。
背景技术
作为一种新兴的生命体征信号检测方式，微波生物雷达可以检测人体心肺活动等生命体征信号，如呼吸、心跳及相关衍生指标。与传统的心电、脉搏等相比，它不仅是非接触式的，而且具有良好的穿透性，能够穿透衣服和被褥等障碍物进行检测，这些优势使得微波生物雷达技术在医疗诊断、健康监护等领域具有应用潜力。
当雷达发射电磁波探测人体目标时，由于人体胸腔的前后运动，根据回波延时的不同可以测出精确距离变化值，运用相关的信号处理方法，系统可提取出与心肺相关的生命体征信息。但由于心脏跳动产生的位移形变很小，回波较为微弱，而呼吸带动的胸腔起伏回波强度较大，基于傅里叶变换的周期性信息检测往往无法有效提取心跳信号。
由于在人体呼吸时的胸腔运动的幅度比由心跳引起的胸腔运动的幅度大得多，所以反映在生命体征信号上的幅度也更大。从雷达回波信号的时频域观察得知，呼吸信号占据主导位置，而心跳信号无法直接从中分辨出来。同时呼吸信号的低阶次谐波分量不能忽略，尤其是当呼吸信号幅度比心跳信号的幅度大很多时，呼吸信号的低阶次谐波分量的幅值与心跳信号的幅值相当，甚至比心跳信号的幅值更大。另外雷达回波信号中还包含一些其他的杂波信号，这也阻碍了心跳信号的分离，因此如何在强噪声背景下来提取心跳信号显得尤为必要。
发明内容
有鉴于此，本发明提出一种基于雷达回波强噪声背景下心跳信号的提取方法及系统，能充分排除噪声干扰，识别有用的心跳信号，具有准确度高、实时性强的优点。
一方面，本发明提供了一种基于雷达回波强噪声背景下心跳信号的提取方法，包括如下步骤：
S100，雷达回波以数据帧的形式传输到数据预处理端；
S200，对雷达回波原始序列进行预处理，滤除静止目标的回波，得到人体目标所在距离单元的回波信号；
S300，基于加速度针对人体随机运动进行判定，用于减小后期体征信号参数估计的误差；
S400，进行体征信号分离，采用自适应小波尺度选择算法，用于实现生命体征呼吸信号和心跳信号的有效分离；
S500，分别对呼吸信号和心跳信号进行时域寻峰和降采样处理，最终得到呼吸频率和心跳频率。
优选地，步骤S200具体包括如下步骤：
S201，对雷达回波矩阵中不同距离点的时间信号分别做快速傅里叶变换，得到每个距离点上时间信号的频谱；
S202，采用信息熵谱图识别方法，计算不同距离点信号频谱信号的信息熵值；
S203，选取信息熵值最小的距离单元，得到生命体征目标所在距离单元的回波信号。
优选地，步骤S300具体为求取步骤S200中回波信号的时域二阶导结果，得到随机运动的加速度值，当加速度幅度超过设定阈值一定程度时，判定为为人体移动或者手臂晃动。
优选地，步骤S400中自适应小波尺度选择算法具体包括如下步骤：
S401，在众多母小波中，通过回波信号的建模仿真验证，选择合适的母小波；
S402、根据回波的采样率设定合理的小波系数，通过比对呼吸和心跳的频率范围与小波尺度之间的对应关系，减小重构信号的个数；
S403，基于重构信号信噪比来设定阈值，得到小波尺度与呼吸心跳信号的直接对应关系。
优选地，步骤S500具体包括如下步骤：
S501，生命体征呼吸信号和心跳信号有效分离后，直接在时域进行寻峰操作，分别搜寻呼吸信号和心跳信号的信号峰值；
S502，分别对呼吸信号和心跳信号进行一定比例的降采样，在满足奈奎斯特采样要求的条件下，对呼吸和心跳的时间间隔进行计算，不同时刻的峰值点之差即为呼吸时间间隔和心跳时间间隔；
S503，分别求取呼吸时间间隔和心跳时间间隔的倒数即为呼吸频率值与心跳频率值，最终得到呼吸频率和心跳频率。
综上所述，上述基于雷达回波强噪声背景下心跳信号的提取方法：通过采用合适雷达回波原始序列预处理方法，提取目标所在精确位置并得到人体目标所在距离单元的回波信号；通过采用基于加速度人体随机运动判定方法实现了晃动的判决；通过采用自适应小波尺度选择的方法来分离呼吸信号和心跳信号；通过采用时域寻峰和降采样处理，最终得到呼吸频率和心跳频率，相比现有技术，能充分排除噪声干扰，识别有用的心跳信号，具有准确度高、实时性强的优点。
另一方面，本发明还提供了一种基于雷达回波强噪声背景下心跳信号的提取系统，包括：
预处理模块，用于对雷达回波原始序列进行预处理，滤除静止目标的回波，得到人体目标所在距离单元的回波信号；
随机运动判定模块，用于基于加速度针对人体随机运动进行判定，减小后期体征信号参数估计的误差；
体征信号分离模块，用于采用自适应小波尺度选择算法，实现生命体征呼吸信号和心跳信号的有效分离；
时域寻峰模块，用于对呼吸信号和心跳信号直接在时域进行寻峰操作，分别搜寻呼吸信号和心跳信号的信号峰值；
降采样模块，用于分别对呼吸信号和心跳信号进行降采样处理，最终得到呼吸频率和心跳频率。
优选地，所述预处理模块包括：
傅里叶变换模块，用于对雷达回波矩阵中不同距离点的时间信号分别做快速傅里叶变换，得到每个距离点上时间信号的频谱；
识别模块，用于采用信息熵谱图识别方法，计算不同距离点信号频谱信号的信息熵值；
目标距离提取模块，通过选取信息熵值最小的距离单元，用于得到生命体征目标所在距离单元的回波信号。
优选地，所述随机运动判定模块内设置有比较单元与判断单元，通过求取回波信号的时域二阶导结果，得到随机运动的加速度值，所述比较单元用于比较加速度值与设定阈值，所述判断单元用于判定人体是否晃动。
优选地，所述体征信号分离模块具体通过如下步骤进行呼吸信号和心跳信号的有效分离：
S401，在众多母小波中，通过回波信号的建模仿真验证，选择合适的母小波；
S402、根据回波的采样率设定合理的小波系数，通过比对呼吸和心跳的频率范围与小波尺度之间的对应关系，减小重构信号的个数；
S403，基于重构信号信噪比来设定阈值，得到小波尺度与呼吸心跳信号的直接对应关系。
优选地，所述时域寻峰模块和降采样模块具体通过如下步骤得到呼吸频率和心跳频率：
S501，生命体征呼吸信号和心跳信号有效分离后，通过时域寻峰模块直接在时域进行寻峰操作，分别搜寻呼吸信号和心跳信号的信号峰值；
S502，通过降采样模块分别对呼吸信号和心跳信号进行一定比例的降采样，在满足奈奎斯特采样要求的条件下，对呼吸和心跳的时间间隔进行计算，不同时刻的峰值点之差即为呼吸时间间隔和心跳时间间隔；
S503，分别求取呼吸时间间隔和心跳时间间隔的倒数即为呼吸频率值与心跳频率值，最终得到呼吸频率和心跳频率。
本发明提供的基于雷达回波强噪声背景下心跳信号的提取系统，通过预处理模块实现了对雷达回波原始序列的预处理，滤除静止目标的回波，得到人体目标所在距离单元的回波信号；通过随机运动判定模块，基于加速度针对人体随机运动进行判定，实现了晃动的判决；通过体征信号分离模块，用于采用自适应小波尺度选择算法，实现生命体征呼吸信号和心跳信号的有效分离；通过时域寻峰模块和降采样模块，最终得到呼吸频率和心跳频率。上述设置可以较为准确实时的实现心率测量和呼吸速率测量，且能避免杂波信号对心跳信号检测的干扰，具有准确度高、实时性强的优点。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例基于雷达回波强噪声背景下心跳信号的提取系统的结构简图；
图2为本发明实施例基于雷达回波强噪声背景下心跳信号的提取方法的流程图；
图3为人体随机运动对体征监测影响的示意图；
图4为自适应小波尺度选择下的呼吸信号与心跳信号分离的结果图；
图5为呼吸信号降采样前后的对比图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
如图1所示，本发明还公开了一种基于雷达回波强噪声背景下心跳信号的提取方法，包括如下步骤：
S100，雷达回波以数据帧的形式传输到数据预处理端；
S200，对雷达回波原始序列进行预处理，滤除静止目标的回波，得到人体目标所在距离单元的回波信号；
S300，基于加速度针对人体随机运动进行判定，用于减小后期体征信号参数估计的误差；
S400，进行体征信号分离，采用自适应小波尺度选择算法，用于实现生命体征呼吸信号和心跳信号的有效分离；
S500，分别对呼吸信号和心跳信号进行时域寻峰和降采样处理，最终得到呼吸频率和心跳频率。
在雷达系统工作过程中，由于人体的低反射率，电磁波的双程衰减，以及探测时引入的周围环境杂波，雷达接收到的人体回波往往比较微弱，信噪比较低。要完成人体目标的检测，首先要抑制探测环境中存在的杂波，改善回波信噪比，因此，预处理环节S200具体包括如下步骤：
S201，对雷达回波矩阵中不同距离点的时间信号分别做快速傅里叶变换，得到每个距离点上时间信号的频谱；
S202，采用信息熵谱图识别方法，计算不同距离点信号频谱信号的信息熵值；依据信息熵的定义可知，熵值小的区域信号成分简单，有目标的可能性较大，而熵值大的地方信号无规律，有目标可能性较小；
S203，选取信息熵值最小的距离单元，得到生命体征目标所在距离单元的回波信号。即实现对探测距离内的多目标精确定位。
在进一步地技术方案中，为了满足实时监测的要求，求取步骤S200中回波信号的时域二阶导结果，得到随机运动的加速度值，一般情况下随机运动较为剧烈，其瞬时加速度将大于正常呼吸和心跳的瞬时加速度。当加速度幅度超过阈值一定程度时，系统判定为人体的移动或者手臂的晃动。如图3所示，即为人体随机运动对体征监测影响的示意图。此外，亦可以根据不同运动形式的加速度的标准方差用于区分不同种类的运动。
鉴于现有技术中，带通滤波器提取呼吸和心跳信号时，呼吸谐波也被提取，并且呼吸谐波可能会严重干扰心跳信号，另外高阶的带通滤波器对系统的实时性有着较大影响，本发明采用自适应小波尺度选择算法，用于实现生命体征呼吸信号和心跳信号的有效分离，具体步骤如下：
S401，在众多母小波中，通过回波信号的建模仿真验证，选择合适的母小波；
S402、根据回波的采样率设定合理的小波系数，通过比对呼吸和心跳的频率范围与小波尺度之间的对应关系，减小重构信号的个数；
S403，基于重构信号信噪比来设定阈值，得到小波尺度与呼吸心跳信号的直接对应关系。需要说明的是，该过程可以自适应完成。
图4即为自适应小波尺度选择下的呼吸与心跳分离的结果图。从图4中可以看出呼吸信号的波形得到了很好的恢复，与人体的实际胸腔起伏保持一致；心跳的测量值也符合人体的实际参考值，且心跳的回波幅度比呼吸幅度低，大约只有呼吸幅度的五分之一。
传统的生理参数实时提取中，在实现信号分离后，需要对分离成分进行检测，从而得到呼吸频率和心跳频率，即采用FFT变换到频域，然后提取频域峰值，即为频率估计值，但是此方法存在以下两个问题：一是没能检测得到每一次呼吸或每一次心跳之间的时间间隔，是对一段时间内所有呼吸心跳频率值进行平均；二是对回波信号进行点数较大的傅里叶变换会影响系统的实时性。而本发明基于时域降采样寻峰的频率计算方法具体通过如下步骤获得心跳频率，较好地克服了上述两个缺点：
S501，生命体征呼吸信号和心跳信号有效分离后，直接在时域进行寻峰操作，分别搜寻呼吸信号和心跳信号的信号峰值；
S502，分别对呼吸信号和心跳信号进行一定比例的降采样，在满足奈奎斯特采样要求的条件下，对呼吸和心跳的时间间隔进行计算，不同时刻的峰值点之差即为呼吸时间间隔和心跳时间间隔；
S503，分别求取呼吸时间间隔和心跳时间间隔的倒数即为呼吸频率值与心跳频率值，最终得到呼吸频率和心跳频率。
图5即为呼吸信号降采样前后的对比图，可以看出不采用降采样操作会导致寻峰操作存在较大误差，在降采样之后则能够较好的满足呼吸峰值点的捕捉，实现时间间隔的精确测量。时间间隔的倒数即为呼吸频率值与心跳频率值，此时测得的结果更能符合实时性的要求。
综上所述，本发明的雷达回波以数据帧的形式传输到数据预处理端，首先需要对原始雷达序列进行预处理，滤除静止目标的回波，然后得到人体目标所在距离单元的回波信号；之后针对人体随机运动进行判定，减小后期体征信号参数估计的误差；随后进行体征信号分离，采用自适应小波尺度选择算法，对呼吸和心跳尺度进行直接提取，并有效去除噪声成分；又由于信号数据帧率较大，对于后期的时域寻峰操作极易带来误差，此时需对信号进行一定比例的降采样，在满足奈奎斯特采样要求的条件下，对呼吸和心跳的时间间隔进行计算，最终得到呼吸频率和心跳频率。上述过程充分地排除噪声干扰，可以很好地识别有用的心跳信号，具有准确度高、实时性强的优点。
同时，如图2所示，本发明还公开了一种基于雷达回波强噪声背景下心跳信号的提取系统，包括预处理模块、随机运动判定模块、体征信号分离模块、时域寻峰模块和降采样模块：预处理模块，用于对雷达回波原始序列进行预处理，滤除静止目标的回波，得到人体目标所在距离单元的回波信号；随机运动判定模块，用于基于加速度针对人体随机运动进行判定，减小后期体征信号参数估计的误差；体征信号分离模块，用于采用自适应小波尺度选择算法，实现生命体征呼吸信号和心跳信号的有效分离；时域寻峰模块，用于对呼吸信号和心跳信号直接在时域进行寻峰操作，分别搜寻呼吸信号和心跳信号的信号峰值；降采样模块，用于分别对呼吸信号和心跳信号进行降采样处理，最终得到呼吸频率和心跳频率。需要说明的是，上述随机运动判定模块内设置有比较单元与判断单元，比较单元用于比较加速度值与设定阈值，判断单元用于判定人体是否晃动。通过上述设置，可以较为准确实时地实现心率测量和呼吸速率测量，且能避免杂波信号对心跳信号检测的干扰，具有准确度高、实时性强的优点。
同时，如图2所示，前述预处理模块包括傅里叶变换模块、识别模块和目标距离提取模块，具体地，傅里叶变换模块用于对雷达回波矩阵中不同距离点的时间信号分别做快速傅里叶变换，得到每个距离点上时间信号的频谱；识别模块用于采用信息熵谱图识别方法，计算不同距离点信号频谱信号的信息熵值；目标距离提取模块用于通过选取信息熵值最小的距离单元，得到生命体征目标所在距离单元的回波信号。
在进一步地技术方案中，体征信号分离模块具体通过如下步骤进行呼吸信号和心跳信号的有效分离：
S401，在众多母小波中，通过回波信号的建模仿真验证，选择合适的母小波；
S402、根据回波的采样率设定合理的小波系数，通过比对呼吸和心跳的频率范围与小波尺度之间的对应关系，减小重构信号的个数；
S403，基于重构信号信噪比来设定阈值，得到小波尺度与呼吸心跳信号的直接对应关系。
此外，还值得提及的是，时域寻峰模块和降采样模块具体通过如下步骤得到呼吸频率和心跳频率：
S501，生命体征呼吸信号和心跳信号有效分离后，通过时域寻峰模块直接在时域进行寻峰操作，分别搜寻呼吸信号和心跳信号的信号峰值；
S502，通过降采样模块分别对呼吸信号和心跳信号进行一定比例的降采样，在满足奈奎斯特采样要求的条件下，对呼吸和心跳的时间间隔进行计算，不同时刻的峰值点之差即为呼吸时间间隔和心跳时间间隔；
S503，分别求取呼吸时间间隔和心跳时间间隔的倒数即为呼吸频率值与心跳频率值，最终得到呼吸频率和心跳频率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于雷达回波强噪声背景下心跳信号的提取方法，其特征在于，包括如下步骤：
S100，雷达回波以数据帧的形式传输到数据预处理端；
S200，对雷达回波原始序列进行预处理，滤除静止目标的回波，得到人体目标所在距离单元的回波信号；
S300，基于加速度针对人体随机运动进行判定，用于减小后期体征信号参数估计的误差；
S400，进行体征信号分离，采用自适应小波尺度选择算法，用于实现生命体征呼吸信号和心跳信号的有效分离；
S500，分别对呼吸信号和心跳信号进行时域寻峰和降采样处理，最终得到呼吸频率和心跳频率。
2.根据权利要求1所述的基于雷达回波强噪声背景下心跳信号的提取方法，其特征在于，步骤S200具体包括如下步骤：
S201，对雷达回波矩阵中不同距离点的时间信号分别做快速傅里叶变换，得到每个距离点上时间信号的频谱；
S202，采用信息熵谱图识别方法，计算不同距离点信号频谱信号的信息熵值；
S203，选取信息熵值最小的距离单元，得到生命体征目标所在距离单元的回波信号。
3.根据权利要求1所述的基于雷达回波强噪声背景下心跳信号的提取方法，其特征在于，步骤S300具体为求取步骤S200中回波信号的时域二阶导结果，得到随机运动的加速度值，当加速度幅度超过设定阈值一定程度时，判定为为人体移动或者手臂晃动。
4.根据权利要求1所述的基于雷达回波强噪声背景下心跳信号的提取方法，其特征在于，步骤S400中自适应小波尺度选择算法具体包括如下步骤：
S401，在众多母小波中，通过回波信号的建模仿真验证，选择合适的母小波；
S402、根据回波的采样率设定合理的小波系数，通过比对呼吸和心跳的频率范围与小波尺度之间的对应关系，减小重构信号的个数；
S403，基于重构信号信噪比来设定阈值，得到小波尺度与呼吸心跳信号的直接对应关系。
5.根据权利要求1所述的基于雷达回波强噪声背景下心跳信号的提取方法，其特征在于，步骤S500具体包括如下步骤：
S501，生命体征呼吸信号和心跳信号有效分离后，直接在时域进行寻峰操作，分别搜寻呼吸信号和心跳信号的信号峰值；
S502，分别对呼吸信号和心跳信号进行一定比例的降采样，在满足奈奎斯特采样要求的条件下，对呼吸和心跳的时间间隔进行计算，不同时刻的峰值点之差即为呼吸时间间隔和心跳时间间隔；
S503，分别求取呼吸时间间隔和心跳时间间隔的倒数即为呼吸频率值与心跳频率值，最终得到呼吸频率和心跳频率。
6.一种基于雷达回波强噪声背景下心跳信号的提取系统，其特征在于，包括：
预处理模块，用于对雷达回波原始序列进行预处理，滤除静止目标的回波，得到人体目标所在距离单元的回波信号；
随机运动判定模块，用于基于加速度针对人体随机运动进行判定，减小后期体征信号参数估计的误差；
体征信号分离模块，用于采用自适应小波尺度选择算法，实现生命体征呼吸信号和心跳信号的有效分离；
时域寻峰模块，用于对呼吸信号和心跳信号直接在时域进行寻峰操作，分别搜寻呼吸信号和心跳信号的信号峰值；
降采样模块，用于分别对呼吸信号和心跳信号进行降采样处理，最终得到呼吸频率和心跳频率。
7.根据权利要求6所述的基于雷达回波强噪声背景下心跳信号的提取系统，其特征在于，所述预处理模块包括：
傅里叶变换模块，用于对雷达回波矩阵中不同距离点的时间信号分别做快速傅里叶变换，得到每个距离点上时间信号的频谱；
识别模块，用于采用信息熵谱图识别方法，计算不同距离点信号频谱信号的信息熵值；
目标距离提取模块，通过选取信息熵值最小的距离单元，用于得到生命体征目标所在距离单元的回波信号。
8.根据权利要求6所述的基于雷达回波强噪声背景下心跳信号的提取系统，其特征在于，所述随机运动判定模块内设置有比较单元与判断单元，通过求取回波信号的时域二阶导结果，得到随机运动的加速度值，所述比较单元用于比较加速度值与设定阈值，所述判断单元用于判定人体是否晃动。
9.根据权利要求6所述的基于雷达回波强噪声背景下心跳信号的提取系统，其特征在于，所述体征信号分离模块具体通过如下步骤进行呼吸信号和心跳信号的有效分离：
S401，在众多母小波中，通过回波信号的建模仿真验证，选择合适的母小波；
S402、根据回波的采样率设定合理的小波系数，通过比对呼吸和心跳的频率范围与小波尺度之间的对应关系，减小重构信号的个数；
S403，基于重构信号信噪比来设定阈值，得到小波尺度与呼吸心跳信号的直接对应关系。
10.根据权利要求6所述的基于雷达回波强噪声背景下心跳信号的提取系统，其特征在于，所述时域寻峰模块和降采样模块具体通过如下步骤得到呼吸频率和心跳频率：
S501，生命体征呼吸信号和心跳信号有效分离后，通过时域寻峰模块直接在时域进行寻峰操作，分别搜寻呼吸信号和心跳信号的信号峰值；
S502，通过降采样模块分别对呼吸信号和心跳信号进行一定比例的降采样，在满足奈奎斯特采样要求的条件下，对呼吸和心跳的时间间隔进行计算，不同时刻的峰值点之差即为呼吸时间间隔和心跳时间间隔；
S503，分别求取呼吸时间间隔和心跳时间间隔的倒数即为呼吸频率值与心跳频率值，最终得到呼吸频率和心跳频率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910476146.6A CN110192850A (zh) | 2019-05-31 | 2019-05-31 | 基于雷达回波强噪声背景下心跳信号的提取方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910476146.6A CN110192850A (zh) | 2019-05-31 | 2019-05-31 | 基于雷达回波强噪声背景下心跳信号的提取方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110192850A true CN110192850A (zh) | 2019-09-03 |
Family
ID=67753732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910476146.6A Pending CN110192850A (zh) | 2019-05-31 | 2019-05-31 | 基于雷达回波强噪声背景下心跳信号的提取方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110192850A (zh) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110742593A (zh) * | 2019-09-17 | 2020-02-04 | 东南大学 | 一种基于线谱跟踪的生命信号特征提取方法 |
| CN110897621A (zh) * | 2019-10-21 | 2020-03-24 | 思澜科技（成都）有限公司 | 一种生理信号提取方法及其系统 |
| CN111856452A (zh) * | 2020-05-21 | 2020-10-30 | 重庆邮电大学 | 基于omp的静态人体心跳和呼吸信号分离重构方法 |
| CN112098996A (zh) * | 2020-08-21 | 2020-12-18 | 广东工业大学 | 一种基于毫米波生物雷达的抗干扰提取分离生命体征信息方法 |
| CN112168152A (zh) * | 2020-10-19 | 2021-01-05 | 北京清雷科技有限公司 | 呼吸心跳的检测方法、检测装置与计算机可读存储介质 |
| 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 |
| CN112401863A (zh) * | 2020-11-19 | 2021-02-26 | 华中师范大学 | 一种基于毫米波雷达的非接触式实时生命体征监测系统及方法 |
| CN112754441A (zh) * | 2021-01-08 | 2021-05-07 | 杭州环木信息科技有限责任公司 | 一种基于毫米波的非接触式心跳检测方法 |
| CN113171064A (zh) * | 2021-03-24 | 2021-07-27 | 西安理工大学 | 一种基于雷达的生命体征检测方法 |
| CN113397533A (zh) * | 2021-06-28 | 2021-09-17 | 中国科学院空天信息创新研究院 | 一种弱生命信号提取方法、装置、电子设备和存储介质 |
| 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 |
| CN114052694A (zh) * | 2021-10-26 | 2022-02-18 | 珠海脉动时代健康科技有限公司 | 基于雷达的心率分析方法及设备 |
| CN114052709A (zh) * | 2021-12-02 | 2022-02-18 | 中国电子科技南湖研究院 | 一种稳健的毫米波雷达生命体征测量方法 |
| CN114931368A (zh) * | 2022-04-08 | 2022-08-23 | 大连海事大学 | 一种毫米波雷达生命体征动态检测方法 |
| 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 |
| CN114983373A (zh) * | 2022-06-02 | 2022-09-02 | 谢俊 | 一种检测人体心率的方法 |
| CN115736872A (zh) * | 2022-12-05 | 2023-03-07 | 四川启睿克科技有限公司 | 一种基于毫米波雷达实时计算心率的方法 |
| CN115844355A (zh) * | 2022-11-22 | 2023-03-28 | 哈尔滨理工大学 | 一种uwb生物雷达回波信号心率提取方法 |
| CN115868955A (zh) * | 2022-12-07 | 2023-03-31 | 北京航空航天大学 | 一种运动扰动下基于超宽带雷达的生命体征检测方法 |
| CN115969351A (zh) * | 2022-12-05 | 2023-04-18 | 四川启睿克科技有限公司 | 一种基于毫米波雷达实时计算呼吸的方法 |
| WO2023093770A1 (zh) * | 2021-11-29 | 2023-06-01 | 中国科学技术大学 | 基于毫米波雷达的非接触心电图监测方法 |
| CN117731298A (zh) * | 2024-01-05 | 2024-03-22 | 长春理工大学 | 一种基于fmcw雷达的非接触式心电信号反演方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150241555A1 (en) * | 2014-02-25 | 2015-08-27 | University Of Florida Research Foundation, Inc. | Method and apparatus for doppler radar signal recovery of target displacement |
| CN106175723A (zh) * | 2016-06-27 | 2016-12-07 | 中国人民解放军第三军医大学第附属医院 | 一种基于fmcw宽带雷达的多生命监护系统 |
-
2019
- 2019-05-31 CN CN201910476146.6A patent/CN110192850A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150241555A1 (en) * | 2014-02-25 | 2015-08-27 | University Of Florida Research Foundation, Inc. | Method and apparatus for doppler radar signal recovery of target displacement |
| CN106175723A (zh) * | 2016-06-27 | 2016-12-07 | 中国人民解放军第三军医大学第附属医院 | 一种基于fmcw宽带雷达的多生命监护系统 |
Non-Patent Citations (3)
| Title |
|---|
| X. HU等: "Acceleration-Based Algorithm for Long Monitoring the Micro Motions on a Stationary Subject Using UWB Radar", 《2017 INTERNATIONAL CONFERENCE ON CIRCUITS，DEVICES AND SYSTEMS (ICCDS)》 * |
| 胡锡坤 等: "基于自适应小波尺度选择的生物雷达呼吸与心跳分离方法", 《雷达学报》 * |
| 贾学斌 等: "基于压电信号的两种心率呼吸率提取算法比较", 《信息技术与网络安全》 * |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110742593A (zh) * | 2019-09-17 | 2020-02-04 | 东南大学 | 一种基于线谱跟踪的生命信号特征提取方法 |
| CN110897621A (zh) * | 2019-10-21 | 2020-03-24 | 思澜科技（成都）有限公司 | 一种生理信号提取方法及其系统 |
| CN111856452A (zh) * | 2020-05-21 | 2020-10-30 | 重庆邮电大学 | 基于omp的静态人体心跳和呼吸信号分离重构方法 |
| CN112098996A (zh) * | 2020-08-21 | 2020-12-18 | 广东工业大学 | 一种基于毫米波生物雷达的抗干扰提取分离生命体征信息方法 |
| CN112098996B (zh) * | 2020-08-21 | 2023-07-07 | 广东工业大学 | 一种基于毫米波生物雷达的抗干扰提取分离生命体征信息方法 |
| CN112168152A (zh) * | 2020-10-19 | 2021-01-05 | 北京清雷科技有限公司 | 呼吸心跳的检测方法、检测装置与计算机可读存储介质 |
| 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 |
| CN112401863A (zh) * | 2020-11-19 | 2021-02-26 | 华中师范大学 | 一种基于毫米波雷达的非接触式实时生命体征监测系统及方法 |
| CN112754441B (zh) * | 2021-01-08 | 2022-06-21 | 杭州环木信息科技有限责任公司 | 一种基于毫米波的非接触式心跳检测方法 |
| CN112754441A (zh) * | 2021-01-08 | 2021-05-07 | 杭州环木信息科技有限责任公司 | 一种基于毫米波的非接触式心跳检测方法 |
| CN113171064A (zh) * | 2021-03-24 | 2021-07-27 | 西安理工大学 | 一种基于雷达的生命体征检测方法 |
| CN113171064B (zh) * | 2021-03-24 | 2023-07-14 | 西安理工大学 | 一种基于雷达的生命体征检测方法 |
| CN113397533A (zh) * | 2021-06-28 | 2021-09-17 | 中国科学院空天信息创新研究院 | 一种弱生命信号提取方法、装置、电子设备和存储介质 |
| 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 |
| 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 |
| CN114052694A (zh) * | 2021-10-26 | 2022-02-18 | 珠海脉动时代健康科技有限公司 | 基于雷达的心率分析方法及设备 |
| CN114052694B (zh) * | 2021-10-26 | 2023-09-05 | 珠海脉动时代健康科技有限公司 | 基于雷达的心率分析方法及设备 |
| WO2023093770A1 (zh) * | 2021-11-29 | 2023-06-01 | 中国科学技术大学 | 基于毫米波雷达的非接触心电图监测方法 |
| CN114052709A (zh) * | 2021-12-02 | 2022-02-18 | 中国电子科技南湖研究院 | 一种稳健的毫米波雷达生命体征测量方法 |
| CN114052709B (zh) * | 2021-12-02 | 2024-03-15 | 中国电子科技南湖研究院 | 一种稳健的毫米波雷达生命体征测量方法 |
| CN114931368A (zh) * | 2022-04-08 | 2022-08-23 | 大连海事大学 | 一种毫米波雷达生命体征动态检测方法 |
| 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 |
| CN114983373A (zh) * | 2022-06-02 | 2022-09-02 | 谢俊 | 一种检测人体心率的方法 |
| CN115844355A (zh) * | 2022-11-22 | 2023-03-28 | 哈尔滨理工大学 | 一种uwb生物雷达回波信号心率提取方法 |
| CN115969351A (zh) * | 2022-12-05 | 2023-04-18 | 四川启睿克科技有限公司 | 一种基于毫米波雷达实时计算呼吸的方法 |
| CN115736872A (zh) * | 2022-12-05 | 2023-03-07 | 四川启睿克科技有限公司 | 一种基于毫米波雷达实时计算心率的方法 |
| CN115868955A (zh) * | 2022-12-07 | 2023-03-31 | 北京航空航天大学 | 一种运动扰动下基于超宽带雷达的生命体征检测方法 |
| CN115868955B (zh) * | 2022-12-07 | 2023-09-26 | 北京航空航天大学 | 一种运动扰动下基于超宽带雷达的生命体征检测方法 |
| CN117731298A (zh) * | 2024-01-05 | 2024-03-22 | 长春理工大学 | 一种基于fmcw雷达的非接触式心电信号反演方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110192850A (zh) | 基于雷达回波强噪声背景下心跳信号的提取方法及系统 | |
| CN107137071A (zh) | 一种分析心冲击信号用来计算短期心率值的方法 | |
| CN105286853B (zh) | 基于可穿戴设备的疾病检测方法及装置、可穿戴设备 | |
| CN101766484B (zh) | 用于心电图识别与分类的方法和设备 | |
| CN106388825B (zh) | 一种呼吸率提取方法及装置 | |
| CN109328034A (zh) | 用于确定对象的睡眠阶段的确定系统和方法 | |
| CN110146876A (zh) | 基于信息熵进行人体目标定位的方法 | |
| US20120184862A1 (en) | System and method for patient monitoring | |
| CN104144636B (zh) | 处理表示生理节律的信号的方法 | |
| CN109528159B (zh) | 一种基于床体的人体睡眠和呼吸监控系统和方法 | |
| CN102309318A (zh) | 基于红外序列图像的人体生理参数检测的方法 | |
| CN110946556A (zh) | 基于可穿戴式体感网的帕金森静息态震颤评估方法 | |
| EP2250964A1 (en) | Motion analysis device, program and method thereof and motion analysis system | |
| CN110276271A (zh) | 融合ippg和深度信息抗噪声干扰的非接触心率估计法 | |
| CN108992053A (zh) | 一种实时的无束缚检测心率和心跳间隔的方法 | |
| CN107361753A (zh) | 基于脉搏波形特征点的人体健康状态监护方法 | |
| DE112015005804T5 (de) | Atemzustandsschätzvorrichtung, tragbare Vorrichtung, an Körper tragbare Vorrichtung, Programm, Medium, Atemzustandsschätzverfahren und Atemzustandsschätzer | |
| CN109009086A (zh) | 一种心电信号r波检测方法及系统 | |
| Alivar et al. | Motion detection in bed-based ballistocardiogram to quantify sleep quality | |
| Bashar et al. | Extraction of heart rate from PPG Signal: a machine learning approach using decision tree regression algorithm | |
| CN106901689A (zh) | 基于实物交互的认知和运动功能检测系统及数据处理方法 | |
| CN106388824B (zh) | 一种呼吸率提取方法及装置 | |
| KR20210066332A (ko) | 타겟의 생체 정보 결정 방법 및 장치 | |
| CN106419884B (zh) | 一种基于小波分析的心率计算方法与系统 | |
| CN106781245B (zh) | 基于可穿戴设备的服刑人员斗殴预警的方法与系统 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200426 Address after: 410000 room 618, building 1, Xiangyu wisdom, No. 579, North Chezhan Road, Dongfeng Road Street, Kaifu District, Changsha City, Hunan Province Applicant after: Hunan Dongsheng Nanxiang Intelligent Technology Co., Ltd Address before: 410205 Room G0224, Headquarters Building, Changsha Zhongdian Software Park Co., Ltd., 39 Jianshan Road, Changsha High-tech Development Zone, Hunan Province Applicant before: HUNAN SHUNHONG INTELLIGENT TECHNOLOGY Co.,Ltd. Applicant before: CHANGSHA JUNMIN ADVANCED TECHNOLOGY RESEARCH Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201228 Address after: Room g0224, headquarters building, Changsha Zhongdian Software Park Co., Ltd., 39 Jianshan Road, Changsha hi tech Development Zone, Hunan Province, 410205 Applicant after: HUNAN SHUNHONG INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: Room 618, building 1, Xiangyu wisdom, 579 Chezhan North Road, Dongfeng Road Street, Kaifu District, Changsha City, Hunan Province 410000 Applicant before: Hunan Dongsheng Nanxiang Intelligent Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190903 |
|
| WD01 | Invention patent application deemed withdrawn after publication |