CN110584631B - 一种基于fmcw雷达的静态人体心跳和呼吸信号提取方法 - Google Patents

一种基于fmcw雷达的静态人体心跳和呼吸信号提取方法 Download PDF

Info

Publication number
CN110584631B
CN110584631B CN201910957630.0A CN201910957630A CN110584631B CN 110584631 B CN110584631 B CN 110584631B CN 201910957630 A CN201910957630 A CN 201910957630A CN 110584631 B CN110584631 B CN 110584631B
Authority
CN
China
Prior art keywords
distance
target
human
heartbeat
doppler
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.)
Active
Application number
CN201910957630.0A
Other languages
English (en)
Other versions
CN110584631A (zh
Inventor
王勇
王文
田增山
周牧
何维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201910957630.0A priority Critical patent/CN110584631B/zh
Publication of CN110584631A publication Critical patent/CN110584631A/zh
Application granted granted Critical
Publication of CN110584631B publication Critical patent/CN110584631B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/414—Discriminating targets with respect to background clutter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Cardiology (AREA)
  • Psychiatry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pulmonology (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提出了一种基于FMCW雷达的静态人体心跳和呼吸信号提取方法。首先，根据实际人体目标检测数据分析计算，得到人体目标的距离、多普勒和角度三参数信息。接着，构建距离‑时间图、距离‑多普勒图、距离‑角度图三参数图像。然后利用图像通过2D‑OS‑CFAR检测环境中存在的目标个体，确定待检测人体目标，同时抑制非待测人体目标信号对待测人体目标信号的干扰。最后，对检测到的待测人体目标基于求导运算的扩展DACM算法进行心跳和呼吸信号提取。本发明创新地提出一种基于FMCW雷达的静态人体心跳和呼吸信号简便提取方法，实现了非接触式检测人体心跳和呼吸信号，避免传统接触检测设备给患者带来的束缚和不适；同时该方法可以有效地抑制干扰，分离出待检测人体目标信号。

Description

一种基于FMCW雷达的静态人体心跳和呼吸信号提取方法
技术领域
本发明涉及生命特征信号检测领域，特别涉及一种基于FMCW雷达的静态人体心跳和呼吸信号提取方法。
背景技术
呼吸和心跳信号是现代化医疗检测中一项重要的指标，心跳和呼吸信号特征参数的监测为医生提供了可靠的诊断和治疗依据。传统的检测方法是接触式检测技术，它是目前心跳和呼吸信号监测设备中使用较多的技术，其主要通过穿戴式传感器或粘贴式电极直接接触患者身体达到监测心跳和呼吸信号的目的。尽管通过这种检测方法监测的心跳和呼吸信号具有高质量，低噪声等优点，但该方法限制了患者的行为，并且不能准确地反映测试者的生命特征参数的变化。同时基于接触的传感器在使用过程中操作复杂，并且长时间使用后可能会出现让人感到不舒服等问题。
基于此，非接触式生命特征监测技术成为解决上述问题的关键。线性调频连续波(frequency modulated continuous wave，FMCW)非接触式生命监测雷达是非接触式生命特征监测技术领域的研究热点。FMCW生命体征监测雷达可远距离长时间监测呼吸和心跳信号，无需电极或传感器接触；与传统的生命特征检测技术相比，非接触式方法使患者感到更轻松，更舒适。但是，由于生命体征信号的特殊性，呼吸和心跳信号极其微弱，很容易被雷达的噪声和杂波覆盖；因此，现有技术难以直接将FMCW通用雷达模块用于心跳和呼吸信号检测，并且其制造工艺和信号处理较为复杂，导致FMCW雷达在生命体征心跳和呼吸信号检测领域的应用较少。
故，针对目前现有技术中存在的上述问题，有必要提供一种简便的基于FMCW雷达的静态人体心跳和呼吸信号提取方法，解决现有技术中存在的问题。
发明内容
基于上述现有生命特征信号提取方法的缺陷和不足，本发明提供了一种基于FMCW的静态人体心跳和呼吸信号提取方法。本发明首先根据人体目标的距离、多普勒和角度信息构建距离-时间图(Range-Time-Map,RTM)、距离-多普勒图(Range-Doppler-Map,RDM)、距离-角度图(Range-Angle-Map,RAM)图像检测人体目标，然后基于扩展的微分交叉乘法(differentiate and cross multiply,DACM)反正切解调对检测到的人体目标进行心跳和呼吸信号提取。本方法可以有效地抑制动态和静态目标对待检测人体目标信号的干扰，分离出待检测目标，并提取待检测人体目标的心跳和呼吸信号。
本发明所采用的技术方案为：一种基于FMCW雷达的静态人体心跳和呼吸信号提取方法，其主要包括两个部分，分别为人体目标检测和心跳和呼吸信号提取。
具体包括以下步骤：
1)利用调频连续波采集人体目标信息得到雷达中频信号，对单帧中频信号做快速傅里叶变换得到距离向量矩阵RM×1，再通过时间进行多帧累积，将N帧距离向量以列形式构建距离-时间矩阵RT＝[R1,R2,...RM]M×N，从而得到距离-时间图(Range-Time-Map,RTM)，并确定距离-时间图中距离单元平均功率最强的距离向量Rav,max；
2)获取步骤1)中距离向量Rav,max帧数据，构建二维矩阵RM×C，其中，M为采样点数，C为扫频个数，对RM×C矩阵列进行距离维快速傅里叶变换，并且对RM×C矩阵的行进行速度维快速傅里叶变换，从而得到距离-多普勒矩阵RD，绘制出距离-多普勒图(Range-Doppler-Map,RDM)；
3)对得到的距离-多普勒图像进行二维单元有序统计恒虚警(two-dimensionalordered statistic constant false alarm rate,2D-OS-CFAR)目标检测后，保留静态检测目标，具体步骤为：
3a)在距离-多普勒图像上采用一宽度为Nf×Nr＝4×7的二维参考滑窗，其中Nf是多普勒频率维的窗宽，Nr是距离维上的窗宽，其有效参考单元W＝27；
3b)对二维参考窗中的训练单元采样值由小到大作排序处理，然后取第
Figure GDA0003429903430000031
个采样值作为总的背景杂波功率水平估计；
3c)由W、k、Pf，其中虚警概率Pf＝e6，根据
Figure GDA0003429903430000032
计算得到自适应归一化门限值T，其中Γ()为伽马函数，接着进行门限判决从而得到检测目标；
3d)在距离-多普勒分辨单元中保留零多普勒检测目标；
4)使用步骤3)中保留零多普勒检测目标后的帧数据构建向量矩阵S，再利用多信号分类(Multiple Signal Classification,MUSIC)算法进行谱峰搜索得到距离-角度图(Range-Angle-Map,RAM)，然后，选取距离-角度图中角度在|θ|≤5°的静态目标帧数据，得到待检测的人体目标信号B(t)；
5)将待检测的人体目标信号B(t)进行正交下变换，得到I/Q两路信号BI(t)和BQ(t)，采集空环境下的雷达信号得到I/Q两路的直流偏置dcIO和dcQO，用差分放大器进行直流校正操作得到
Figure GDA0003429903430000033
接着将得到的I(t)和Q(t)两路信号组成复数信号I(t)+j·Q(t)；
6)对步骤5)中复数信号进行非线性反正切解调
Figure GDA0003429903430000034
处理提取待检测的人体目标信号B(t)中的心跳呼吸信号相位值
Figure GDA0003429903430000035
接着使用扩展的微分交叉乘法(extendeddifferentiate and cross multiply,DACM)算法将反正切三角函数计算变为求导运算
Figure GDA0003429903430000036
然后在离散形式下，通过时间累加，
Figure GDA0003429903430000037
还原出
Figure GDA0003429903430000038
7)使用Matlab的滤波器设计与分析工具直接生成两个二阶级联而成的四阶带通滤波器，其通频带分别为[0.1Hz-0.5Hz]和[0.8Hz-2.0Hz]，接着将提取的心跳和呼吸相位信号相位差分后经过滤波器设计与分析工具生成的带通滤波器，从而分离出心跳和呼吸信号。
本发明具有以下优点：对比传统的技术方法，本发明通过FMCW雷达实现非接触式检测人体生命特征信号，避免传统接触式检测设备带给患者的束缚和不舒适感。基于现有的技术问题，提供了一种简单的基于FMCW雷达的心跳和呼吸信号的提取方法。同时本发明基于二维单元有序统计恒虚警目标检测的干扰抑制方法有效地抑制干扰目标对待检测人体目标的干扰，分离出人体目标。基于求导运算的扩展的微分交叉乘法算法进行相位提取，避免了解调反正切函数的相位范围限制，有效地解决相位模糊的问题，提取出心跳和呼吸信号。
附图说明
图1心跳和呼吸信号提取系统框图
图2人体目标检查流程图
图3生命特征信号提取流程图
图4距离-FFT图
图5 RTM信号图
图6 RDM信号图
图7 RAM信号图
图8 2D-OS-CFAR检测流程图
图9 2D-OS-CFAR检测结果图
图10干扰抑制后RDM图
图11未解缠绕前相位图
图12 DACM解缠绕后相位图
图13相位差分图
图14呼吸波形图
图15心跳波形图
具体实施方式
下面结合附图对本发明作进一步详细描述：
本发明所采用的技术方案为：一种基于FMCW雷达的静态人体心跳和呼吸信号提取方法，其主要包括以下步骤：
1)数据采集，利用调频连续波采集人体目标信息得到雷达中频信号，接着通过对雷达中频信号每帧数据参数估计得到距离、角度、速度等信息，然后根据人体目标的距离、速度和角度信息，去除动态和静态干扰后确定人体检测目标；为后一步生命特征提取确定人体检测目标。
天线发送信号：
Figure GDA0003429903430000051
其中，
Figure GDA0003429903430000052
是发射信号频率随着时间变化的线性函数，fc是线性调频脉冲起始频率，B是带宽，ATX是发射信号的幅值，Tc是扫频周期，φ(t)为相位噪声。
假设R(t)是胸腔运动位移，雷达传感器到人体距离为d0，经过时延td得到接收信号：
Figure GDA0003429903430000053
将回波信号和发送信号混频，再经过低通滤波器得到中频信号sIF(t)：
Figure GDA0003429903430000054
其中，
Figure GDA0003429903430000055
是残余噪声相位，
Figure GDA0003429903430000056
是固有相移。
2)利用步骤1)得到的中频信号计算距离估计值：
Figure GDA0003429903430000057
其中fIF表示中频信号频率，c为光速，B是带宽，Tc为周期。
图4是单帧数据一个扫频的距离-FFT的结果，对该帧C个扫频数取均值，由此得到该帧距离向量矩阵RM×1，然后将N帧距离向量以列形式构建距离-时间矩阵RT＝[R1,R2,...RM]M×N，从而得到图5距离-时间图，并确定距离-时间图中距离单元平均功率最强的距离向量Rav,max，图中表现为颜色明亮，记录该帧的帧序号。
3)获取步骤2)中帧序号所示帧数据的距离向量Rav,max，构建二维矩阵RM×C，其中M为采样点数，C为扫频个数，对RM×C矩阵列进行距离维快速傅里叶变换，并且对RM×C的行进行速度维快速傅里叶变换，从而得到距离-多普勒矩阵RD，绘制出距离-多普勒图，参见图6。
4)假设人静止坐于雷达正前方，而一个静止不动的人呼吸和胸部位移运动Δx≈12mm，其产生的净速度v可以忽略不计，并且其频偏fd远远小于本发明中FMCW雷达的最小多普勒分辨率:
Figure GDA0003429903430000061
其中c为光速，f为频点,λ为波长，Tc最大观测时间，N为最大扫频周期个数。因此对得到的RDM图像按照图8所示流程，先进行多普勒方向上的CFAR目标检测，并记录其目标所在序号；接着在记录的多普勒序号上进行最终的距离-CFAR目标检测。得到二维单元有序统计恒虚警2D-OS-CFAR检测目标后，保留静态目标，抑制速度非零的动态干扰目标。其具体检测过程为：
4a)在RDM图像上采用一宽度为Nf×Nr＝4×7的二维参考滑窗，其中Nf是多普勒频率维的窗宽，Nr是距离维上的窗宽。其有效参考单元W＝27。
4b)对二维参考窗中的训练单元采样值由小到大作排序处理，然后取第
Figure GDA0003429903430000062
个采样值作为总的背景杂波功率水平估计。
4c)由W、k、Pf，其中虚警概率Pf＝e6，根据
Figure GDA0003429903430000063
计算得到自适应归一化门限值T，其中Γ()为伽马函数，接着进行门限判决从而得到检测目标。
4d)在距离-多普勒分辨单元中保留零多普勒检测目标。
5)由于环境中可能存在静态干扰目标，因此需要提取角度信息去除静态干扰目标。角度信息通过构造向量矩阵，使用MUSIC算法，对帧数据进行谱峰搜索得到。
假设接收到的信号模型s(m,l)为：
Figure GDA0003429903430000071
通过帧数据构造出向量矩阵S
Figure GDA0003429903430000072
进行谱峰搜索得到RAM图像，如图7所示，接着从不同角度去除静态干扰目标，保留|θ|≤5°静态目标帧数据；得到待检测的人体目标信号。
6)由确定的生命特征检测目标提取目标心跳和呼吸信号。对检测到的目标经过干扰消除后，然后将该帧数据进行距离-FFT，从识别的距离区间提取相位值进行生命特征估计。在步骤1)的(3)式中，对于单个检测目标，其信号形式为：
Figure GDA0003429903430000073
7)为得到心跳和呼吸信号，需将(8)式经过非线性反正切解调。首先，将待检测的人体目标信号进行正交下变换，得到I/Q两路信号BI(t)和BQ(t)。
Figure GDA0003429903430000074
Figure GDA0003429903430000075
式中AI/AQ是I/Q两路通道的幅值，DCI/DCQ分别是其两路的直流偏置。直流偏置是由于杂波反射和混合器自混合等电路缺陷引起的。采集空环境下的雷达信号得到两路的直流偏置，用差分放大器进行直流校正操作得到
Figure GDA0003429903430000081
在进行直流校正和去除直流偏置后，将I/Q两路信号组成复数信号
Figure GDA0003429903430000082
式中AC为幅值。则复数信号解调得到：
Figure GDA0003429903430000083
其中θ为固有相移是常数，Δφ为残余噪声相位是恒定项。在生命特征测量中，主要考虑相对位移
Figure GDA0003429903430000084
不考虑常数和恒定项。因此,(13)式可以简化为：
Figure GDA0003429903430000085
8)在使用非线性反正切解调时，注意到，由于呼吸和胸部位移运动大概在是12mm左右，这是本发明中FMCW雷达波长(4mm)的几倍；其提取的相位值将超出反正切解调技术得到的相位范围(-π/2,π/2),会带来相位不连续和相位跳变等引起的相位模糊问题(见图11)。
为解决该问题，使用扩展的微分交叉乘法算法。参见图12，该算法可以自动进行相位补偿和解缠绕解决相位模糊的问题。DACM算法将反正切函数变为求导运算，则
Figure GDA0003429903430000086
式中I(t)′与Q(t)′分别式I(t)和Q(t)的微分形式。将该式用离散形式表示并将积分变为累加得：
Figure GDA0003429903430000087
9)成人心跳频谱范围一般在[0.1Hz-0.5Hz]，呼吸频谱范围在[0.8Hz-2.0Hz]左右，两者处于不同频率区间。基于此，使用Matlab的fdatool命令直接生成两个二阶级联而成的四阶带通滤波器，通频带为心跳和呼吸频谱区间。接着将提取的心跳和呼吸相位信号相位差分后经过fdatool生成的带通滤波器，从而分离出呼吸和心跳信号，如图14和图15所示。

Claims (1)

1.一种基于FMCW雷达的静态人体心跳和呼吸信号提取方法，其特征在于，包含以下步骤：
1)利用调频连续波(frequency modulated continuous wave,FMCW)采集人体目标信息得到雷达中频信号，对单帧中频信号做快速傅里叶变换得到距离向量矩阵RM×1，再通过时间进行多帧累积，将N帧距离向量以列形式构建距离-时间矩阵RT＝[R1,R2,...RM]M×N，从而得到距离-时间图(Range-Time-Map,RTM)，并确定距离-时间图中距离单元平均功率最强的距离向量Rav,max；
2)获取步骤1)中距离向量Rav,max帧数据，构建二维矩阵RM×C，其中，M为采样点数，C为扫频个数，对RM×C矩阵的列进行距离维快速傅里叶变换，并且对RM×C矩阵的行 进行速度维快速傅里叶变换，从而得到距离-多普勒矩阵RD，绘制出距离-多普勒图(Range-Doppler-Map,RDM)；
3)对得到的距离-多普勒图像进行二维单元有序统计恒虚警(two-dimensionalordered statistic constant false alarm rate,2D-OS-CFAR)目标检测后，保留静态检测目标，具体步骤为：
3a)在距离-多普勒图像上采用一宽度为Nf×Nr＝4×7的二维参考滑窗，其中Nf是多普勒频率维的窗宽，Nr是距离维上的窗宽，其有效参考单元W＝27；
3b)对二维参考窗中的训练单元采样值由小到大作排序处理，然后取第
Figure FDA0003429903420000011
个采样值作为总的背景杂波功率水平估计；
3c)由W、k、Pf，其中虚警概率Pf＝e6，根据
Figure FDA0003429903420000012
计算得到自适应归一化门限值T，其中Γ()为伽马函数，接着进行门限判决从而得到检测目标；
3d)在距离-多普勒分辨单元中保留零多普勒检测目标；
4)使用步骤3)中保留零多普勒检测目标后的帧数据构建向量矩阵S，再利用多信号分类(Multiple Signal Classification,MUSIC)算法进行谱峰搜索得到距离- 角度图(Range-Angle-Map,RAM)，然后，选取距离-角度图中角度在|θ|≤5°的静态目标帧数据，得到待检测的人体目标信号B(t)；
5)将待检测的人体目标信号B(t)进行正交下变换，得到I/Q两路信号BI(t)和BQ(t)，采集空环境下的雷达信号得到I/Q两路的直流偏置dcIO和dcQO，用差分放大器进行直流校正操作得到
Figure FDA0003429903420000021
接着将得到的I(t)和Q(t)两路信号组成复数信号I(t)+j·Q(t)；
6)对步骤5)中复数信号进行非线性反正切解调
Figure FDA0003429903420000022
处理提取待检测的人体目标信号B(t)中的心跳呼吸信号相位值
Figure FDA0003429903420000023
接着使用扩展的微分交叉乘法(extendeddifferentiate and cross multiply,DACM)算法将反正切三角函数计算变为求导运算
Figure FDA0003429903420000024
然后在离散形式下，通过时间累加，
Figure FDA0003429903420000025
还原出
Figure FDA0003429903420000026
7)使用Matlab的滤波器设计与分析方法直接生成两个二阶级联而成的四阶带通滤波器，其通频带分别为[0.1Hz-0.5Hz]和[0.8Hz-2.0Hz]，接着将提取的心跳和呼吸相位信号相位差分后经过滤波器设计与分析生成的带通滤波器，从而分离出心跳和呼吸信号。
CN201910957630.0A 2019-10-10 2019-10-10 一种基于fmcw雷达的静态人体心跳和呼吸信号提取方法 Active CN110584631B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910957630.0A CN110584631B (zh) 2019-10-10 2019-10-10 一种基于fmcw雷达的静态人体心跳和呼吸信号提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910957630.0A CN110584631B (zh) 2019-10-10 2019-10-10 一种基于fmcw雷达的静态人体心跳和呼吸信号提取方法

Publications (2)

Publication Number Publication Date
CN110584631A CN110584631A (zh) 2019-12-20
CN110584631B true CN110584631B (zh) 2022-03-25

Family

ID=68866048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910957630.0A Active CN110584631B (zh) 2019-10-10 2019-10-10 一种基于fmcw雷达的静态人体心跳和呼吸信号提取方法

Country Status (1)

Country Link
CN (1) CN110584631B (zh)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111142102B (zh) * 2019-12-26 2022-07-19 华为技术有限公司 一种呼吸数据计算方法以及相关设备
CN111160376B (zh) * 2019-12-31 2023-11-24 联想(北京)有限公司 一种信息处理方法、装置、电子设备和存储介质
CN111091831B (zh) * 2020-01-08 2023-04-07 上海交通大学 无声唇语识别方法及系统
CN114786569A (zh) * 2020-02-12 2022-07-22 Oppo广东移动通信有限公司 体征检测方法、装置及设备
CN111175743B (zh) * 2020-02-25 2024-06-21 山东省科学院自动化研究所 基于多普勒雷达技术的老年人跌倒报警平台及方法
CN113633268A (zh) * 2020-05-11 2021-11-12 富士通株式会社 生理信号检测方法、装置和数据处理设备
CN111856452B (zh) * 2020-05-21 2022-09-20 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
CN111505601A (zh) * 2020-05-21 2020-08-07 上海交通大学 基于改进型差分交叉相乘的线性运动解调实现方法
CN111983595B (zh) * 2020-07-14 2023-11-10 北京航空航天大学杭州创新研究院 一种室内定位的方法及装置
CN111990968A (zh) * 2020-08-07 2020-11-27 北京航空航天大学杭州创新研究院 一种信号监测方法、设备、存储介质及系统
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
CN112137604B (zh) * 2020-10-22 2022-09-27 温州大学 一种基于连续波多普勒雷达的呼吸心跳检测方法及系统
CN112617748B (zh) * 2020-11-02 2022-04-26 佛山科学技术学院 基于调频连续波雷达的体征数据处理方法及系统
CN112741611A (zh) * 2020-12-25 2021-05-04 上海交通大学 基于毫米波感知的多人体生命体征同步监测系统及方法
CN112965058B (zh) * 2021-02-01 2024-02-02 西安电子科技大学 基于呼吸特征的身份验证方法、装置、设备及计算机存储介质
CN112965060A (zh) * 2021-02-19 2021-06-15 加特兰微电子科技(上海)有限公司 生命特征参数的检测方法、装置和检测体征点的方法
CN113261925A (zh) * 2021-03-11 2021-08-17 山东师范大学 一种基于毫米波雷达的人体感知方法及系统
CN117255646A (zh) * 2021-04-29 2023-12-19 新加坡国立大学 生命体征检测装置、系统及数据处理方法
CN113796845B (zh) * 2021-06-10 2023-08-04 重庆邮电大学 一种基于图像处理的驾驶员心率识别方法
CN113406610B (zh) * 2021-06-16 2023-06-23 深圳大学 一种目标检测方法、装置、设备和存储介质
CN113397524B (zh) * 2021-06-16 2023-01-06 深圳大学 一种呼吸检测方法、装置、设备和存储介质
CN113440120B (zh) * 2021-06-17 2022-10-28 北京航空航天大学 一种基于毫米波雷达的人员呼吸心跳检测方法
CN113545764B (zh) * 2021-07-16 2022-03-25 中国人民解放军国防科技大学 一种fmcw雷达人员身份验证数据处理方法及系统
CN113567947B (zh) * 2021-07-21 2023-07-28 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种多普勒相移信号的解调方法
CN113687351A (zh) * 2021-09-14 2021-11-23 无锡威孚高科技集团股份有限公司 一种降低误报率的安防雷达监控预警系统
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
CN114159048A (zh) * 2021-12-06 2022-03-11 河南牧原智能科技有限公司 一种用于对猪群的呼吸频率进行检测的方法和相关产品
CN114246563B (zh) * 2021-12-17 2023-11-17 重庆大学 基于毫米波雷达的心肺功能智能监测设备
CN114469025B (zh) * 2021-12-28 2023-05-26 中国地质大学（武汉） 一种用于fmcw雷达的多目标呼吸和心跳信号检测方法
CN114403848A (zh) * 2022-01-05 2022-04-29 河南牧原智能科技有限公司 一种动物群体呼吸频率检测的方法、系统及存储介质
CN117148308B (zh) * 2023-10-30 2024-02-02 南京航空航天大学 一种舱内生命体征雷达遮挡检测方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2517621A1 (en) * 2011-04-29 2012-10-31 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO A radar apparatus for detecting multiple life-signs of a subject, a method and a computer program product
CN106125053A (zh) * 2016-06-17 2016-11-16 中国电子科技集团公司第十研究所 脉冲多普勒雷达极化抗干扰方法
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
CN106291524A (zh) * 2016-08-05 2017-01-04 南京理工大学 基于人体模型的lfmcw雷达探测运动人体目标的方法
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
CN108072864A (zh) * 2016-11-07 2018-05-25 中国科学院沈阳自动化研究所 一种基于变载频调频序列的多目标探测方法
CN108919247A (zh) * 2018-03-30 2018-11-30 中国科学院电子学研究所 一种基于恒虚警率检测的多目标体检测及定位方法
CN109522826A (zh) * 2018-10-31 2019-03-26 广东工业大学 一种基于fmcw毫米波雷达的生命信号检测方法和系统
CN109965858A (zh) * 2019-03-28 2019-07-05 北京邮电大学 基于超宽带雷达人体生命体征检测方法和装置
CN110109078A (zh) * 2019-05-05 2019-08-09 西安电子科技大学 基于相参频率捷变雷达的速度解模糊方法
CN110187342A (zh) * 2019-05-14 2019-08-30 南京理工大学 一种基于fmcw移动平台的生命体征检测与成像方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2517621A1 (en) * 2011-04-29 2012-10-31 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO A radar apparatus for detecting multiple life-signs of a subject, a method and a computer program product
CN106125053A (zh) * 2016-06-17 2016-11-16 中国电子科技集团公司第十研究所 脉冲多普勒雷达极化抗干扰方法
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
CN106291524A (zh) * 2016-08-05 2017-01-04 南京理工大学 基于人体模型的lfmcw雷达探测运动人体目标的方法
CN108072864A (zh) * 2016-11-07 2018-05-25 中国科学院沈阳自动化研究所 一种基于变载频调频序列的多目标探测方法
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
CN108919247A (zh) * 2018-03-30 2018-11-30 中国科学院电子学研究所 一种基于恒虚警率检测的多目标体检测及定位方法
CN109522826A (zh) * 2018-10-31 2019-03-26 广东工业大学 一种基于fmcw毫米波雷达的生命信号检测方法和系统
CN109965858A (zh) * 2019-03-28 2019-07-05 北京邮电大学 基于超宽带雷达人体生命体征检测方法和装置
CN110109078A (zh) * 2019-05-05 2019-08-09 西安电子科技大学 基于相参频率捷变雷达的速度解模糊方法
CN110187342A (zh) * 2019-05-14 2019-08-30 南京理工大学 一种基于fmcw移动平台的生命体征检测与成像方法

Also Published As

Publication number Publication date
CN110584631A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN110584631B (zh) 一种基于fmcw雷达的静态人体心跳和呼吸信号提取方法
CN109875529B (zh) 一种基于超宽带雷达的生命体征检测方法及系统
CN109965858B (zh) 基于超宽带雷达人体生命体征检测方法和装置
CN111568399A (zh) 一种基于雷达的呼吸和心跳信号检测方法及系统
CN102058411B (zh) 一种多通道基于uwb雷达式生命探测仪
CN113009584B (zh) 一种超宽带mimo雷达生命体征探测定位方法
CN113854981A (zh) 一种基于毫米波雷达的运动多人生命体征监测方法
KR102201371B1 (ko) 신호 분리 기반의 잡음 환경 내 실시간 생체 신호 탐지 장치 및 그 방법
CN117838083A (zh) 一种基于毫米波雷达的体征快速精确检测方法
CN115399747B (zh) 一种基于毫米波雷达的多人生命体征监测方法
CN115644840A (zh) 基于毫米波雷达的生命体征检测方法
WO2023158033A1 (ko) 비접촉식 생체 신호 측정 시스템 및 방법
CN113951856A (zh) 一种基于多普勒雷达心跳检测的频谱估计方法
CN116077044A (zh) 基于毫米波雷达的生命体征检测方法
Alizadeh et al. Remote heart rate sensing with mm-wave radar
CN115736872A (zh) 一种基于毫米波雷达实时计算心率的方法
CN115736886A (zh) 一种基于毫米波雷达的多目标呼吸率参数估计方法
Rong et al. Novel Respiration-Free Heartbeat Detection Algorithm Using Millimeter-Wave Radar
Pan et al. A spectrum estimation approach for accurate heartbeat detection using Doppler radar based on combination of FTPR and TWV
Widiyasari et al. Contactless respiratory rate monitoring using FMCW radar
Chen et al. A Novel Scheme for Suppression of Human Motion Effects in Non-Contact Heart Rate Detection
CN116087935A (zh) 一种基于毫米波雷达的三维定位和身份识别方法与系统
CN112617748B (zh) 基于调频连续波雷达的体征数据处理方法及系统
KR102279745B1 (ko) 신호 분리를 이용한 근접한 두 표적의 비접촉식 생체 신호 탐지 장치 및 방법
CN116965791B (zh) 一种抑制运动干扰的四维生物雷达心率测量方法

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