CN111481184A - 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 - Google Patents

基于毫米波雷达技术的多目标呼吸心率监测方法与系统 Download PDF

Info

Publication number
CN111481184A
CN111481184A CN202010331065.XA CN202010331065A CN111481184A CN 111481184 A CN111481184 A CN 111481184A CN 202010331065 A CN202010331065 A CN 202010331065A CN 111481184 A CN111481184 A CN 111481184A
Authority
CN
China
Prior art keywords
heart rate
respiration
module
target
millimeter wave
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
Application number
CN202010331065.XA
Other languages
English (en)
Other versions
CN111481184B (zh
Inventor
李国刚
温礼红
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.)
Huaqiao University
Original Assignee
Huaqiao University
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 Huaqiao University filed Critical Huaqiao University
Priority to CN202010331065.XA priority Critical patent/CN111481184B/zh
Publication of CN111481184A publication Critical patent/CN111481184A/zh
Application granted granted Critical
Publication of CN111481184B publication Critical patent/CN111481184B/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
    • 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
    • A61B5/02—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
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • 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
    • 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
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • 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
    • 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
    • G01S13/886—Radar or analogous systems specially adapted for specific applications for alarm systems
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • 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
    • G01S7/417—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 involving the use of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/305—Authentication, i.e. establishing the identity or authorisation of security principals by remotely controlling device operation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Cardiology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pulmonology (AREA)
  • General Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种基于毫米波雷达的多目标呼吸心率监测方法与系统，通过毫米波雷达模块进行无接触的心率和呼吸率的检测，避免了繁琐的接触式监测程序，同时不会冒犯被检测者的隐私。相比于现有技术的非接触式检测技术，本发明提高了检测精度，大大增强了测量的可靠性。本发明通过生命体征监护平台，实时监控分析监测对象的呼吸心率数据，可预防监测对象突发意外疾病，或在发生突发情况是做到及时的警报；医护人员通过生命体征监护平台，可及时掌握监测对象的体征数据，及时对监测对象的身体状况做出评估并给出专业的意见与建议；监测对象家属可通过所述生命体征监护平台获取监测对象的健康报表，并根据专业的指导意见对监测对象进行护理。

Description

基于毫米波雷达技术的多目标呼吸心率监测方法与系统
技术领域
医疗技术领域，更具体地说，涉及一种基于毫米波雷达技术的多目标呼吸心率监测方法，以及一种基于毫米波雷达技术的多目标呼吸心率监测系统。
背景技术
生命体征包括体温、心率、呼吸率和血压等，是身体健康评估的重要指标。生命体征的检测常用于医疗、日常体征检测和灾后救援等场景。生命体征的监测有助于及时的发现生命活动的异常，进行疾病的预警和治疗。
传统的生命体征检测设备，如温度计，血压仪，心率检测装置多为接触式设备，需要被检测者穿戴上才能进行检测，对于一些不方便穿戴或者需要避免接触的被检测者或者场景，接触式设备存在了很多的局限性。如重度烧伤患者，接触式设备一方面会增加患者的痛苦，另一方面容易引发二次感染；对于正常家用的体征监护，特别的老人的体征监护，佩戴接触式设备一方面操作复杂，另一方面可能会影响老人的正常行动和生活。
为了解决接触式设备存在的不足，现有技术提供了非接触式设备，如非接触式的心率检测设备、非接触式的呼吸检测设备等。常用的非接触式设备基于厘米级的超宽带雷达进行实现，其工作原理为：雷达系统发射的电磁波被其发射路径上的物体阻挡而发生反射产生回波，通过对回波信号的处理，可以得到检测目标的距离，速度和角度信息，通过进一步的处理还可以得到目标的运动轨迹，轮廓等更进一步的信息。
但厘米级的超宽带雷达存在着检测精度较差、回波信号处理简单、决策方法粗糙等缺点，并且无法对多个目标同时进行监测，还有很大的完善空间。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于毫米波雷达技术的多目标呼吸心率监测方法，以及一种基于毫米波雷达技术的多目标呼吸心率监测系统，具有高精度、多目标、实时监测和及时预防等优点。
本发明的技术方案如下：
一种基于毫米波雷达技术的多目标呼吸心率监测方法，基于毫米波雷达技术，包括多目标呼吸心率信号分离与心率和呼吸率提取；
1)多目标呼吸心率信号分离，步骤如下：
1.1)毫米波雷达采用时分复用方式在多个发射天线Tx上向目标空间发射调频连续脉冲信号，并通过多个固定间距的雷达接收器Rx接收目标空间反射的回波，得到多组回波信号；
1.2)对每一对Tx-Rx的回波信号执行距离快速傅里叶变换，使占据不同角度范围的目标分离；
1.3)沿着Rx维度对形成距离-方位角平面的每个距离仓进行快速傅里叶变换，使落在同一角度范围内但彼此之间角度不同的目标分离；
1.4)对噪声阈值进行估计，如果目标峰值点大于噪声阈值，判断目标存在为真；如果目标峰值点小于噪声阈值，则判断目标不存在，为噪声；
1.5)为每个确定的角位置k计算波束成形权重，计算得到不同监测对象的体征信号；
2)心率和呼吸率提取，步骤如下：
2.1)计算对体征信号的相位值，展开获得实际位移轮廓，然后计算连续展开相位之间的相位差，消除相位漂移并抑制呼吸谐波；
2.2)使用四阶IIR级联双四阶滤波器将经步骤2.1)处理后的体征信号带通到心跳区域和呼吸区域中，分离心率信号和呼吸信号；
2.3)对于呼吸信号对应的波形，根据呼吸区域的频谱内最大峰值的频率选择呼吸速率，对呼吸率进行估计；如果置信度低于默认阈值，则将基于峰间距离的估计值选为呼吸速率，其中，置信度为最大峰值的信号功率与呼吸区域频谱中的其余频率点的比率；
对于心率信号对应的波形，使用基于密度的方法估计心率，获取心率频谱中的所有峰值并保存前N个峰值；从前N个峰开始，去除与呼吸谐波相对应的峰；将剩余的峰放在循环缓冲区中；累积峰值T秒钟；使用dBscan聚类算法将累积的峰分成多个簇，确定具有最大峰数的聚类，并选择确定簇的中值作为心率有效值。
作为优选，步骤1.4)中，采用恒虚警率目标检测方案，对噪声阈值进行估计。
作为优选，步骤1.5)中，为每个确定的角位置k计算波束成形权重，并将其应用于ADC数据，再通过公式
Figure BDA0002464973720000031
得到不同监测对象的体征信号；
其中，n表示第n个ADC采样数据，m表示第m帧线性调频信号，i表示第i个发射天线发出的信号，
Figure BDA0002464973720000032
表示发射天线的数量，
Figure BDA0002464973720000033
表示波束在位置k的权值。
作为优选，步骤1.4)与步骤1.5)之间，还包括滤除静态对象的反射的步骤，具体为：对距离-方位角平面检测到的目标，在慢时间轴上测量其特定距离-方位角仓的相位，并且保留随时间变化超过特定阈值的距离-方位角仓。
作为优选，步骤2.1)中，对体征信号使用反正切运算计算相位值，展开获得实际位移轮廓，公式如下：
Figure BDA0002464973720000034
其中，Q为I/Q采样中的Q路数据，I为I/Q采样中的I路数据。
作为优选，步骤2.3)进一步包括如步骤：
根据采样率和允许的频率范围定义两个阈值，即最小峰值距离和最大峰值距离；选择心率信号、呼吸信号对应的波形中的第一个峰值作为有效峰值，然后选择下一个有效峰值，使得两个峰值都在阈值内；隔离出有效峰值后，根据所有的有效峰值之间的距离的平均值估算呼吸率和心率。
作为优选，步骤2.2)与步骤2.3)之间，还包括如下步骤：
选用预设时长的窗口，计算心率信号的能量，如果窗口中的能量超出阈值，则将对应的时域的心率信号舍弃。
一种基于毫米波雷达技术的多目标呼吸心率监测系统，包括呼吸心率数据采集模块和生命体征监控平台，呼吸心率数据采集模块设置于监测对象的上方，用于采集监测对象的心率和呼吸率数据，并发送至生命体征监护平台；基于所述的基于毫米波雷达技术的多目标呼吸心率监测方法，生命体征监护平台根据上传的心率和呼吸率数据对监测对象进行实时的健康状态检测。
作为优选，呼吸心率数据采集模块包括毫米波雷达模块、DSP模块、电源模块、MCU模块和前端通信模块；
毫米波雷达模块用于发射和接收调频连续波信号，经过内部混频和采样之后，将数字化信号传输到DSP模块；
DSP模块用于处理接收的信号数据，并从中分离出监测对象的心率和呼吸率数据；
前端通信模块用于将监测对象的心率和呼吸率数据上传至生命体征监护平台；
电源模块与MCU模块连接；
MCU模块与毫米波雷达模块连接，用于控制信号的发送与接收；MCU模块与DSP模块连接，用于接收处理好的心率和呼吸率数据；MCU模块与前端通信模块连接，用于与生命体征监护平台进行通信。
作为优选，生命体征监护平台包括后台通信模块、数据服务器模块、健康预判模块、警报模块和Web前端模块；
后台通信模块用于接收呼吸心率数据采集模块发送的监测对象的心率和呼吸率信息；
数据服务器模块用于对接收的心率和呼吸率数据进行筛选、清洗、处理和存储，处理好的有效目标数据发送至健康预判模块；
健康预判模块用于对监测对象的心率和呼吸率数据进行数据分析，当监测对象存在异常情况时，向警报模块发送警报指令，并将数据和判断结果整理成健康报表发送至Web前端模块；
警报模块用于接收健康预判模块发送的警报信息，对于监测对象不同等级的健康状况，向对应的对象发送警报信息；
Web前端模块包含Web平台和移动通讯终端，健康预判模块将生成的健康报表传输到Web前端模块中，医护人员通过移动通讯终端查看健康报表，并上传医疗护理建议，监测对象或家属通过移动通讯终端访问Web前端模块，查看健康报表与医疗护理建议。
作为优选，健康判断模块使用TensorFlow框架将采集的心率与呼吸率数据结合MIT-BIH数据库的标准心律失常数据库Arrhythmic Datebase进行学习和训练，通过机器学习建立神经网络模型；再使用训练后的神经网络模型对最新采集的心率与呼吸率数据进行分析和预测，并将结果与心率与呼吸率数据一起建立健康报表，上传至Web前端模块。
作为优选，监测对象与呼吸心率数据采集模块和生命体征监护平台进行身份绑定，具体如下：
监测对象在生命体征监护平台上进行用户注册及身份验证，生命体征监护平台根据PKI规范生成一组证书和密钥文件，监测对象获得唯一的身份标识；生命体征监护平台将唯一的身份标识与监测对象使用的呼吸心率数据采集模块的设备唯一编码进行绑定；
在呼吸心率数据采集模块上录入监测对象的位置信息，并设定范围阈值，使用同一呼吸心率数据采集模块的不同监测对象进行分离并与其身份标识绑定。
本发明的有益效果如下：
本发明所述的基于毫米波雷达的多目标呼吸心率监测方法与系统，通过毫米波雷达模块进行无接触的心率和呼吸率的检测，避免了繁琐的接触式监测程序，同时不会冒犯被检测者的隐私。相比于现有技术的非接触式检测技术，本发明提高了检测精度，大大增强了测量的可靠性。本发明通过生命体征监护平台，实时监控分析监测对象的呼吸心率数据，可预防监测对象突发意外疾病，或在发生突发情况是做到及时的警报；医护人员通过生命体征监护平台，可及时掌握监测对象的体征数据，及时对监测对象的身体状况做出评估并给出专业的意见与建议；监测对象家属可通过所述生命体征监护平台获取监测对象的健康报表，并根据专业的指导意见对监测对象进行护理。
附图说明
图1是基于毫米波雷达技术的多目标呼吸心率监测系统的结构示意图；
图2为呼吸心率数据数据采集模块的结构示意图；
图3为生命体征监护平台的结构示意图。
具体实施方式
以下结合附图及实施例对本发明进行进一步的详细说明。
本发明为了解决现有技术存在的检测精度较差、回波信号处理简单、决策方法粗糙、无法对多个目标同时进行监测等不足，提供一种基于毫米波雷达的多目标呼吸心率监测系统及方法，本发明基于毫米波(Millimeter wave)进行实现，毫米波(Millimeterwave)是一类使用短波长电磁波的特殊雷达技术，相比于现有技术的非接触式检测技术，本发明提高了检测精度，大大增强了测量的可靠性。
本发明所述的基于毫米波雷达技术的多目标呼吸心率监测方法，基于毫米波雷达技术，包括多目标呼吸心率信号分离与心率和呼吸率提取；
1)多目标呼吸心率信号分离，步骤如下：
1.1)毫米波雷达采用时分复用(TDM)方式在多个发射天线Tx上向目标空间发射调频连续脉冲信号，并通过多个固定间距的雷达接收器Rx接收目标空间反射的回波，得到多组回波信号。同时，可使用MIMO配置来获取更好的方位角分辨率。
1.2)对每一对Tx-Rx的回波信号执行距离快速傅里叶变换(Range-FFT)，使占据不同角度范围的目标分离。
1.3)沿着Rx维度对形成距离-方位角平面的每个距离仓进行快速傅里叶变换(FFT)，使落在同一角度范围内但彼此之间角度不同的目标分离。
1.4)对噪声阈值进行估计，如果目标峰值点大于噪声阈值，判断目标存在为真；如果目标峰值点小于噪声阈值，则判断目标不存在，为噪声；本实施例中，采用恒虚警率(CFAR)目标检测方案，对噪声阈值进行估计。
1.5)滤除静态对象的反射的步骤，具体为：对距离-方位角平面检测到的目标，在慢时间轴上测量其特定距离-方位角仓的相位，并且保留随时间变化超过特定阈值的距离-方位角仓，以滤除静态对象的反射。
1.6)为每个确定的角位置k计算波束成形权重，计算得到不同监测对象的体征信号；本实施例中，为每个确定的角位置k计算波束成形权重，并将其应用于ADC数据，再通过公式
Figure BDA0002464973720000061
得到不同监测对象的体征信号；
其中，n表示第n个ADC采样数据，m表示第m帧线性调频信号，i表示第i个发射天线发出的信号，
Figure BDA0002464973720000062
表示发射天线的数量，
Figure BDA0002464973720000063
表示波束在位置k的权值。
2)心率和呼吸率提取，步骤如下：
2.1)计算对体征信号的相位值，展开获得实际位移轮廓，然后计算连续展开相位之间的相位差，达到消除相位漂移并抑制呼吸谐波的目的；本实施例中，对体征信号使用反正切运算计算相位值，展开获得实际位移轮廓，公式如下：
Figure BDA0002464973720000071
其中，Q为I/Q采样中的Q路数据，I为I/Q采样中的I路数据。
2.2)使用四阶IIR级联双四阶滤波器将经步骤2.1)处理后的体征信号带通到心跳区域(本实施例中，心跳区域为[0.8-4.0]Hz的频谱范围)和呼吸区域(本实施例中，呼吸区域为[0.1-0.5]Hz的频谱范围)中，分离心率信号和呼吸信号；
2.3)对于呼吸信号对应的波形，根据呼吸区域的频谱内最大峰值的频率选择呼吸速率，对呼吸率进行估计；如果置信度低于默认阈值，则将基于峰间距离的估计值选为呼吸速率，其中，置信度为最大峰值的信号功率与呼吸区域频谱中的其余频率点的比率；
对于心率信号对应的波形，使用基于密度的方法估计心率，获取心率频谱中的所有峰值并保存前N个峰值；从前N个峰开始，去除与呼吸谐波相对应的峰；将剩余的峰放在循环缓冲区中；累积峰值T秒钟；使用dBscan聚类算法将累积的峰分成多个簇，确定具有最大峰数的聚类，并选择确定簇的中值作为心率有效值。
步骤2.3)进一步包括如步骤：
根据采样率和允许的频率范围(对于心率，实施为0.8-2.0Hz)定义两个阈值，即最小峰值距离和最大峰值距离；选择心率信号、呼吸信号对应的波形中的第一个峰值作为有效峰值，然后选择下一个有效峰值，使得两个峰值都在阈值内；隔离出有效峰值后，根据所有的有效峰值之间的距离的平均值估算呼吸率和心率。
本实施例中，步骤2.2)与步骤2.3)之间，还包括如下步骤：
选用预设时长的窗口，计算心率信号的能量，如果窗口中的能量超出阈值，则将对应的时域的心率信号舍弃，以此减少大幅度运动对呼吸和心率估计的影响。本实施例中，选用1秒的窗口大小，计算心率波形的能量。
本发明还提供一种基于毫米波雷达技术的多目标呼吸心率监测系统，如图1所示，包括呼吸心率数据采集模块和生命体征监控平台，呼吸心率数据采集模块设置于监测对象的上方，用于采集监测对象的心率和呼吸率数据，并通过有线和/或无线网络发送至生命体征监护平台；基于所述的基于毫米波雷达技术的多目标呼吸心率监测方法，生命体征监护平台根据上传的心率和呼吸率数据对监测对象进行实时的健康状态检测；并可进行预警。本发明基于毫米波雷达技术，适用于重症患者或熟睡老人；具体实施时，呼吸心率数据采集模块安装在老人卧室内床的正上方或者ICU病房内病床的正上方，例如安装在监测对象胸腔正前方0.5-2米范围内。
如图2所示，呼吸心率数据采集模块包括毫米波雷达模块、DSP模块、电源模块、MCU模块和前端通信模块；
毫米波雷达模块用于发射和接收调频连续波信号，经过内部混频和采样之后，将数字化信号传输到DSP模块；
DSP模块用于处理接收的信号数据，并从中分离出监测对象的心率和呼吸率数据；
前端通信模块用于将监测对象的心率和呼吸率数据上传至生命体征监护平台；
电源模块与MCU模块连接，为MCU模块供电；
MCU模块与毫米波雷达模块连接，用于控制信号的发送与接收；MCU模块与DSP模块连接，用于接收处理好的心率和呼吸率数据；MCU模块与前端通信模块连接，用于与生命体征监护平台进行通信。
如图3所示，生命体征监护平台包括后台通信模块、数据服务器模块、健康预判模块、警报模块和Web前端模块；
后台通信模块用于接收呼吸心率数据采集模块发送的监测对象的心率和呼吸率信息；
数据服务器模块用于对接收的心率和呼吸率数据进行筛选、清洗、处理和存储，处理好的有效目标数据发送至健康预判模块；
健康预判模块用于对监测对象的心率和呼吸率数据进行数据分析，当监测对象存在异常情况时，如监测对象可能出现的呼吸心跳骤停、呼吸困难、心律不齐等异常情况，向警报模块发送警报指令，并将数据和判断结果整理成健康报表发送至Web前端模块；本实施例中，健康判断模块使用TensorFlow框架将采集的心率与呼吸率数据结合MIT-BIH数据库的标准心律失常数据库Arrhythmic Datebase进行学习和训练，通过机器学习建立神经网络模型；再使用训练后的神经网络模型对最新采集的心率与呼吸率数据进行分析和预测，并将结果与心率与呼吸率数据一起建立健康报表，上传至Web前端模块。其中，监测对象的心肺健康状况分为Ⅰ、Ⅱ和Ⅲ三个危险等级，Ⅰ代表健康；Ⅱ代表存在异常，需要监测对象后续到医院做进一步深入的检查；Ⅲ代表监测对象心肺健康存在极大隐患或已出现严重异常，需要马上发出警报并安排就医。
警报模块用于接收健康预判模块发送的警报信息，对于监测对象不同等级的健康状况，向对应的对象发送警报信息；本实施例中，如果健康预判模块判定监测对象心肺健康状况为Ⅱ，向医护人员和监测对象家属发送警报信息，提醒监测对象做进一步的健康检查；若健康预判模块判定监测对象心肺健康状况为Ⅲ，则向医护人员和监测对象家属发送警报信息，并通过声光警报装置提醒监测对象周边的家属或医护人员发生了突发状况，使得监测对象得到及时的医疗救治。
Web前端模块包含Web平台和移动通讯终端(Android、iOS)，健康预判模块将生成的健康报表传输到Web前端模块中，医护人员通过移动通讯终端查看健康报表，并给出专业的医疗护理建议，然后上传医疗护理建议，监测对象或家属通过移动通讯终端访问Web前端模块，查看健康报表与医疗护理建议。
本发明中，监测对象与呼吸心率数据采集模块和生命体征监护平台进行身份绑定，具体如下：
监测对象在生命体征监护平台上进行用户注册及身份验证，生命体征监护平台根据PKI规范生成一组证书和密钥文件，监测对象获得唯一的身份标识；生命体征监护平台将唯一的身份标识与监测对象使用的呼吸心率数据采集模块的设备唯一编码进行绑定；
在呼吸心率数据采集模块上录入监测对象的位置信息，并设定范围阈值，使用同一呼吸心率数据采集模块的不同监测对象进行分离并与其身份标识绑定。
上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。

Claims (12)

1.一种基于毫米波雷达技术的多目标呼吸心率监测方法，其特征在于，基于毫米波雷达技术，包括多目标呼吸心率信号分离与心率和呼吸率提取；
1)多目标呼吸心率信号分离，步骤如下：
1.1)毫米波雷达采用时分复用方式在多个发射天线Tx上向目标空间发射调频连续脉冲信号，并通过多个固定间距的雷达接收器Rx接收目标空间反射的回波，得到多组回波信号；
1.2)对每一对Tx-Rx的回波信号执行距离快速傅里叶变换，使占据不同角度范围的目标分离；
1.3)沿着Rx维度对形成距离-方位角平面的每个距离仓进行快速傅里叶变换，使落在同一角度范围内但彼此之间角度不同的目标分离；
1.4)对噪声阈值进行估计，如果目标峰值点大于噪声阈值，判断目标存在为真；如果目标峰值点小于噪声阈值，则判断目标不存在，为噪声；
1.5)为每个确定的角位置k计算波束成形权重，计算得到不同监测对象的体征信号；
2)心率和呼吸率提取，步骤如下：
2.1)计算对体征信号的相位值，展开获得实际位移轮廓，然后计算连续展开相位之间的相位差，消除相位漂移并抑制呼吸谐波；
2.2)使用四阶IIR级联双四阶滤波器将经步骤2.1)处理后的体征信号带通到心跳区域和呼吸区域中，分离心率信号和呼吸信号；
2.3)对于呼吸信号对应的波形，根据呼吸区域的频谱内最大峰值的频率选择呼吸速率，对呼吸率进行估计；如果置信度低于默认阈值，则将基于峰间距离的估计值选为呼吸速率，其中，置信度为最大峰值的信号功率与呼吸区域频谱中的其余频率点的比率；
对于心率信号对应的波形，使用基于密度的方法估计心率，获取心率频谱中的所有峰值并保存前N个峰值；从前N个峰开始，去除与呼吸谐波相对应的峰；将剩余的峰放在循环缓冲区中；累积峰值T秒钟；使用dBscan聚类算法将累积的峰分成多个簇，确定具有最大峰数的聚类，并选择确定簇的中值作为心率有效值。
2.根据权利要求1所述的基于毫米波雷达技术的多目标呼吸心率监测方法，其特征在于，步骤1.4)中，采用恒虚警率目标检测方案，对噪声阈值进行估计。
3.根据权利要求1所述的基于毫米波雷达技术的多目标呼吸心率监测方法，其特征在于，步骤1.5)中，为每个确定的角位置k计算波束成形权重，并将其应用于ADC数据，再通过公式
Figure FDA0002464973710000021
得到不同监测对象的体征信号；
其中，n表示第n个ADC采样数据，m表示第m帧线性调频信号，i表示第i个发射天线发出的信号，
Figure FDA0002464973710000022
表示发射天线的数量，
Figure FDA0002464973710000023
表示波束在位置k的权值。
4.根据权利要求1或2或3所述的基于毫米波雷达技术的多目标呼吸心率监测方法，其特征在于，步骤1.4)与步骤1.5)之间，还包括滤除静态对象的反射的步骤，具体为：对距离-方位角平面检测到的目标，在慢时间轴上测量其特定距离-方位角仓的相位，并且保留随时间变化超过特定阈值的距离-方位角仓。
5.根据权利要求1所述的基于毫米波雷达技术的多目标呼吸心率监测方法，其特征在于，步骤2.1)中，对体征信号使用反正切运算计算相位值，展开获得实际位移轮廓，公式如下：
Figure FDA0002464973710000024
其中，Q为I/Q采样中的Q路数据，I为I/Q采样中的I路数据。
6.根据权利要求1所述的基于毫米波雷达技术的多目标呼吸心率监测方法，其特征在于，步骤2.3)进一步包括如步骤：
根据采样率和允许的频率范围定义两个阈值，即最小峰值距离和最大峰值距离；选择心率信号、呼吸信号对应的波形中的第一个峰值作为有效峰值，然后选择下一个有效峰值，使得两个峰值都在阈值内；隔离出有效峰值后，根据所有的有效峰值之间的距离的平均值估算呼吸率和心率。
7.根据权利要求1或5或6所述的基于毫米波雷达技术的多目标呼吸心率监测方法，其特征在于，步骤2.2)与步骤2.3)之间，还包括如下步骤：
选用预设时长的窗口，计算心率信号的能量，如果窗口中的能量超出阈值，则将对应的时域的心率信号舍弃。
8.一种基于毫米波雷达技术的多目标呼吸心率监测系统，其特征在于，包括呼吸心率数据采集模块和生命体征监控平台，呼吸心率数据采集模块设置于监测对象的上方，用于采集监测对象的心率和呼吸率数据，并发送至生命体征监护平台；基于权利要求1至7任一项所述的基于毫米波雷达技术的多目标呼吸心率监测方法，生命体征监护平台根据上传的心率和呼吸率数据对监测对象进行实时的健康状态检测。
9.根据权利要求8所述的基于毫米波雷达技术的多目标呼吸心率监测系统，其特征在于，呼吸心率数据采集模块包括毫米波雷达模块、DSP模块、电源模块、MCU模块和前端通信模块；
毫米波雷达模块用于发射和接收调频连续波信号，经过内部混频和采样之后，将数字化信号传输到DSP模块；
DSP模块用于处理接收的信号数据，并从中分离出监测对象的心率和呼吸率数据；
前端通信模块用于将监测对象的心率和呼吸率数据上传至生命体征监护平台；
电源模块与MCU模块连接；
MCU模块与毫米波雷达模块连接，用于控制信号的发送与接收；MCU模块与DSP模块连接，用于接收处理好的心率和呼吸率数据；MCU模块与前端通信模块连接，用于与生命体征监护平台进行通信。
10.根据权利要求8的基于毫米波雷达技术的多目标呼吸心率监测系统，其特征在于，生命体征监护平台包括后台通信模块、数据服务器模块、健康预判模块、警报模块和Web前端模块；
后台通信模块用于接收呼吸心率数据采集模块发送的监测对象的心率和呼吸率信息；
数据服务器模块用于对接收的心率和呼吸率数据进行筛选、清洗、处理和存储，处理好的有效目标数据发送至健康预判模块；
健康预判模块用于对监测对象的心率和呼吸率数据进行数据分析，当监测对象存在异常情况时，向警报模块发送警报指令，并将数据和判断结果整理成健康报表发送至Web前端模块；
警报模块用于接收健康预判模块发送的警报信息，对于监测对象不同等级的健康状况，向对应的对象发送警报信息；
Web前端模块包含Web平台和移动通讯终端，健康预判模块将生成的健康报表传输到Web前端模块中，医护人员通过移动通讯终端查看健康报表，并上传医疗护理建议，监测对象或家属通过移动通讯终端访问Web前端模块，查看健康报表与医疗护理建议。
11.根据权利要求10的基于毫米波雷达技术的多目标呼吸心率监测系统，其特征在于，健康判断模块使用TensorFlow框架将采集的心率与呼吸率数据结合MIT-BIH数据库的标准心律失常数据库Arrhythmic Datebase进行学习和训练，通过机器学习建立神经网络模型；再使用训练后的神经网络模型对最新采集的心率与呼吸率数据进行分析和预测，并将结果与心率与呼吸率数据一起建立健康报表，上传至Web前端模块。
12.根据权利要求8的基于毫米波雷达技术的多目标呼吸心率监测系统，其特征在于，监测对象与呼吸心率数据采集模块和生命体征监护平台进行身份绑定，具体如下：
监测对象在生命体征监护平台上进行用户注册及身份验证，生命体征监护平台根据PKI规范生成一组证书和密钥文件，监测对象获得唯一的身份标识；生命体征监护平台将唯一的身份标识与监测对象使用的呼吸心率数据采集模块的设备唯一编码进行绑定；
在呼吸心率数据采集模块上录入监测对象的位置信息，并设定范围阈值，使用同一呼吸心率数据采集模块的不同监测对象进行分离并与其身份标识绑定。
CN202010331065.XA 2020-04-24 2020-04-24 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 Active CN111481184B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010331065.XA CN111481184B (zh) 2020-04-24 2020-04-24 基于毫米波雷达技术的多目标呼吸心率监测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010331065.XA CN111481184B (zh) 2020-04-24 2020-04-24 基于毫米波雷达技术的多目标呼吸心率监测方法与系统

Publications (2)

Publication Number Publication Date
CN111481184A true CN111481184A (zh) 2020-08-04
CN111481184B CN111481184B (zh) 2022-07-01

Family

ID=71790192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010331065.XA Active CN111481184B (zh) 2020-04-24 2020-04-24 基于毫米波雷达技术的多目标呼吸心率监测方法与系统

Country Status (1)

Country Link
CN (1) CN111481184B (zh)

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111938613A (zh) * 2020-08-07 2020-11-17 南京茂森电子技术有限公司 基于毫米波雷达的健康监测装置及方法
CN112155540A (zh) * 2020-09-30 2021-01-01 重庆仙桃前沿消费行为大数据有限公司 一种复杂物体的采集成像系统及方法
CN112535467A (zh) * 2020-12-20 2021-03-23 英特睿达(山东)电子科技有限公司 体征参数监测设备和方法
CN112731380A (zh) * 2020-12-16 2021-04-30 路晟悠拜(重庆)科技有限公司 一种基于毫米波的人体智能监测方法及监测设备
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
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
CN112998668A (zh) * 2021-02-06 2021-06-22 路晟悠拜(重庆)科技有限公司 基于毫米波的非接触式远场多人体呼吸心率监测方法
CN113126050A (zh) * 2021-03-05 2021-07-16 沃尔夫曼消防装备有限公司 一种基于神经网络的生命探测方法
CN113384264A (zh) * 2021-06-11 2021-09-14 森思泰克河北科技有限公司 基于雷达的呼吸频率检测方法及睡眠监测设备
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
CN113827215A (zh) * 2021-09-02 2021-12-24 中国电子科技南湖研究院 一种基于毫米波雷达的多种心律失常自动诊断方法
CN113925476A (zh) * 2021-10-18 2022-01-14 谢俊 一种检测人体心率的智能系统及其检测方法
CN114246563A (zh) * 2021-12-17 2022-03-29 重庆大学 基于毫米波雷达的心肺功能智能监测设备
CN114403820A (zh) * 2022-01-13 2022-04-29 武汉烽火凯卓科技有限公司 一种移动目标的生命体征检测方法及系统
WO2022190701A1 (ja) * 2021-03-08 2022-09-15 パナソニックｉ－ＰＲＯセンシングソリューションズ株式会社 不審者アラーム通知システム、不審者アラーム通知方法および不審者アラーム通知プログラム
CN115295161A (zh) * 2022-08-18 2022-11-04 亿慧云智能科技（深圳）股份有限公司 一种基于毫米波雷达的疗养监护方法及系统
WO2022186896A3 (en) * 2021-02-04 2022-12-15 Intel Corporation Apparatus, system, and method of generating radar target information
CN116019423A (zh) * 2022-12-30 2023-04-28 广州昂宝电子有限公司 睡眠监测方法和系统
CN116491913A (zh) * 2023-04-14 2023-07-28 亿慧云智能科技（深圳）股份有限公司 一种健康管理智能系统及人体心肺功能信号监测方法
CN116982957A (zh) * 2023-09-12 2023-11-03 清澜技术(深圳)有限公司 基于毫米波雷达的非接触式生命体征数据监测方法
CN117191211A (zh) * 2023-09-15 2023-12-08 东莞市元生智能科技有限公司 一种人体体温的检测方法、检测装置及计算机设备
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
CN117524413A (zh) * 2024-01-05 2024-02-06 亿慧云智能科技（深圳）股份有限公司 基于毫米波雷达的运动保护方法、装置、设备及介质
CN117850601A (zh) * 2024-03-08 2024-04-09 南昌大学第二附属医院 用于手持式pda可自动检测生命体征的系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106859648A (zh) * 2016-12-21 2017-06-20 湖南华诺星空电子技术有限公司 基于非接触式检测的多目标人体呼吸信号监测方法及装置
US20180279884A1 (en) * 2017-03-29 2018-10-04 Texas Instruments Incorporated Multi-person vital signs monitoring using millimeter wave (mm-wave) signals
CN109358322A (zh) * 2018-10-25 2019-02-19 森思泰克河北科技有限公司 前向目标检测雷达和方法
CN110058220A (zh) * 2019-05-05 2019-07-26 广东勘生科技有限公司 基于毫米波雷达技术的火灾探测救援方法及系统
CN110464320A (zh) * 2019-08-22 2019-11-19 四川长虹电器股份有限公司 多目标人体心率和呼吸频率测量系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106859648A (zh) * 2016-12-21 2017-06-20 湖南华诺星空电子技术有限公司 基于非接触式检测的多目标人体呼吸信号监测方法及装置
US20180279884A1 (en) * 2017-03-29 2018-10-04 Texas Instruments Incorporated Multi-person vital signs monitoring using millimeter wave (mm-wave) signals
CN109358322A (zh) * 2018-10-25 2019-02-19 森思泰克河北科技有限公司 前向目标检测雷达和方法
CN110058220A (zh) * 2019-05-05 2019-07-26 广东勘生科技有限公司 基于毫米波雷达技术的火灾探测救援方法及系统
CN110464320A (zh) * 2019-08-22 2019-11-19 四川长虹电器股份有限公司 多目标人体心率和呼吸频率测量系统及方法

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111938613A (zh) * 2020-08-07 2020-11-17 南京茂森电子技术有限公司 基于毫米波雷达的健康监测装置及方法
CN111938613B (zh) * 2020-08-07 2023-10-31 南京茂森电子技术有限公司 基于毫米波雷达的健康监测装置及方法
CN112155540A (zh) * 2020-09-30 2021-01-01 重庆仙桃前沿消费行为大数据有限公司 一种复杂物体的采集成像系统及方法
CN112731380B (zh) * 2020-12-16 2024-06-14 路晟悠拜(重庆)科技有限公司 一种基于毫米波的人体智能监测方法及监测设备
CN112731380A (zh) * 2020-12-16 2021-04-30 路晟悠拜(重庆)科技有限公司 一种基于毫米波的人体智能监测方法及监测设备
CN112535467A (zh) * 2020-12-20 2021-03-23 英特睿达(山东)电子科技有限公司 体征参数监测设备和方法
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
US11754674B2 (en) 2021-02-04 2023-09-12 Intel Corporation Apparatus, system, and method of generating radar target information
WO2022186896A3 (en) * 2021-02-04 2022-12-15 Intel Corporation Apparatus, system, and method of generating radar target information
CN112998668A (zh) * 2021-02-06 2021-06-22 路晟悠拜(重庆)科技有限公司 基于毫米波的非接触式远场多人体呼吸心率监测方法
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
CN113126050A (zh) * 2021-03-05 2021-07-16 沃尔夫曼消防装备有限公司 一种基于神经网络的生命探测方法
WO2022190701A1 (ja) * 2021-03-08 2022-09-15 パナソニックｉ－ＰＲＯセンシングソリューションズ株式会社 不審者アラーム通知システム、不審者アラーム通知方法および不審者アラーム通知プログラム
CN113384264A (zh) * 2021-06-11 2021-09-14 森思泰克河北科技有限公司 基于雷达的呼吸频率检测方法及睡眠监测设备
CN113384264B (zh) * 2021-06-11 2023-06-06 森思泰克河北科技有限公司 基于雷达的呼吸频率检测方法及睡眠监测设备
CN113827215A (zh) * 2021-09-02 2021-12-24 中国电子科技南湖研究院 一种基于毫米波雷达的多种心律失常自动诊断方法
CN113827215B (zh) * 2021-09-02 2024-01-16 中国电子科技南湖研究院 一种基于毫米波雷达的多种心律失常自动诊断方法
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
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
CN113925476A (zh) * 2021-10-18 2022-01-14 谢俊 一种检测人体心率的智能系统及其检测方法
CN114246563A (zh) * 2021-12-17 2022-03-29 重庆大学 基于毫米波雷达的心肺功能智能监测设备
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
CN114403820A (zh) * 2022-01-13 2022-04-29 武汉烽火凯卓科技有限公司 一种移动目标的生命体征检测方法及系统
CN115295161B (zh) * 2022-08-18 2024-02-06 亿慧云智能科技（深圳）股份有限公司 一种基于毫米波雷达的疗养监护方法及系统
CN115295161A (zh) * 2022-08-18 2022-11-04 亿慧云智能科技（深圳）股份有限公司 一种基于毫米波雷达的疗养监护方法及系统
CN116019423A (zh) * 2022-12-30 2023-04-28 广州昂宝电子有限公司 睡眠监测方法和系统
CN116491913A (zh) * 2023-04-14 2023-07-28 亿慧云智能科技（深圳）股份有限公司 一种健康管理智能系统及人体心肺功能信号监测方法
CN116982957A (zh) * 2023-09-12 2023-11-03 清澜技术(深圳)有限公司 基于毫米波雷达的非接触式生命体征数据监测方法
CN116982957B (zh) * 2023-09-12 2024-06-07 清澜技术(深圳)有限公司 基于毫米波雷达的非接触式生命体征数据监测方法
CN117191211A (zh) * 2023-09-15 2023-12-08 东莞市元生智能科技有限公司 一种人体体温的检测方法、检测装置及计算机设备
CN117524413A (zh) * 2024-01-05 2024-02-06 亿慧云智能科技（深圳）股份有限公司 基于毫米波雷达的运动保护方法、装置、设备及介质
CN117524413B (zh) * 2024-01-05 2024-03-19 亿慧云智能科技（深圳）股份有限公司 基于毫米波雷达的运动保护方法、装置、设备及介质
CN117850601A (zh) * 2024-03-08 2024-04-09 南昌大学第二附属医院 用于手持式pda可自动检测生命体征的系统及方法
CN117850601B (zh) * 2024-03-08 2024-05-14 南昌大学第二附属医院 用于手持式pda可自动检测生命体征的系统及方法

Also Published As

Publication number Publication date
CN111481184B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN111481184B (zh) 基于毫米波雷达技术的多目标呼吸心率监测方法与系统
US11850027B2 (en) Multi-person vital signs monitoring using millimeter wave (mm-wave) signals
CN111345793B (zh) 非接触式生命征象检测系统与方法
US10401479B2 (en) Remote sensing of human breathing at a distance
CN113925475B (zh) 一种非接触式的人体健康监测系统及监测方法
CN110464320A (zh) 多目标人体心率和呼吸频率测量系统及方法
CN105476602A (zh) 非接触式人体生命体征测量方法及装置
CN111568417B (zh) 一种非接触式呼吸实时监测方法及采用该方法的硬件系统
CN114983373B (zh) 一种检测人体心率的方法
KR20210001575A (ko) 잡음 환경 내 실시간 심장 박동수 탐지 장치 및 그 방법
KR20180088019A (ko) 레이더를 이용한 생체 신호 측정 방법 및 장치
Wang et al. Vimo: Vital sign monitoring using commodity millimeter wave radio
Liu et al. Non-contact human fatigue assessment system based on millimeter wave radar
CN113729677B (zh) 一种智能生命体征监护方法
CN110946555B (zh) 一种呼吸骤停检测报警系统
Hillyard et al. Comparing respiratory monitoring performance of commercial wireless devices
CN114098645B (zh) 一种睡眠分期方法及装置
CN114680840A (zh) 一种基于不同时长的非接触式的生命体征监测方法
Will et al. Intelligent signal processing routine for instantaneous heart rate detection using a Six-Port microwave interferometer
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
CN113288078B (zh) 睡眠质量监测方法、装置及系统
Gauni et al. Detection of breathing and heart rate using a simple vital radio system
CN215820931U (zh) 一种基于毫米波雷达的生命体征检测与身份识别系统
Cruz et al. Non-invasive heart and respiratory rates extraction using frequency-modulated continuous-wave radar
Baird Human activity and posture classification using single non-contact radar sensor

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