CN111568396A - 一种V2iFi基于紧凑型射频感应的车内生命体征监测技术 - Google Patents
一种V2iFi基于紧凑型射频感应的车内生命体征监测技术 Download PDFInfo
- Publication number
- CN111568396A CN111568396A CN202010287591.0A CN202010287591A CN111568396A CN 111568396 A CN111568396 A CN 111568396A CN 202010287591 A CN202010287591 A CN 202010287591A CN 111568396 A CN111568396 A CN 111568396A
- Authority
- CN
- China
- Prior art keywords
- signal
- vital sign
- radio frequency
- vmd
- v2ifi
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 230000006698 induction Effects 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000000354 decomposition reaction Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 2
- 230000005802 health problem Effects 0.000 abstract 1
- 238000003062 neural network model Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000001121 heart beat frequency Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000036391 respiratory frequency Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 240000007651 Rubus glaucus Species 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000035565 breathing frequency Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- A61B5/72—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/20—Workers
- A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- 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
Abstract
本发明属于无线传感技术领域,尤其为一种V2iFi基于紧凑型射频感应的车内生命体征监测技术,该技术提出并开发了一种紧凑型的基于V2iFi的机动车内生命体征监测技术,V2iFi能够在车辆驾驶时,在多个乘客中可靠的检测驾驶员的生命体征,从而准确推断出潜在的健康问题。通过本发明的信号处理,神经网络模型以及硬件的设计方案,提高了V2iFi的识别能力和生命体征的处理能力,达到对驾驶员的身体状态实时监控的目的。
Description
技术领域
本发明涉及无线传感技术领域,具体为一种V2iFi基于紧凑型射频感应的车内生命体征监测技术。
背景技术
健康检测是智能车辆的重要组成部分之一,在车内的极端多路径环境下,传统的Wi-Fi带宽较窄,仅可提供粗粒度的测量效果。基于Wi-Fi的车载设备需要双基站(发射站与接收站)部署,系统过于复杂;受乘客干扰,降低驾驶员的呼吸波形;灵敏度较低,无法确保准确的时间分辨率和生命体征;而超宽带无线脉冲可以提供更高的时间分辨率,与基于Wi-Fi CSI的现有技术相比,V2iFi可以能够区分来自多个用户的反射信号,因此可以在更逼真的设置下提供更细腻度的测量。
目前的V2iFi:基于紧凑型射频感应的车内生命体征监测技术存在以下问题:
1、现有方法无法充分利用收集到的生命体征数据,生命体征难以映射到具体生理和心理状态;
2、现有方法缺乏相关医学知识及设备来识别并标记具体的生命体征数据,(如:测量困倦程度);
3、现有方法所得射频信号携带数据较少,无法进行复杂的计算及处理 (如:类心电图波形)。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种V2iFi基于紧凑型射频感应的车内生命体征监测技术,该系统采用V2iFi射频采集装置,其发出的COTS无线脉冲是紧凑型单站无线脉冲,可以很容易的与树莓派等嵌入设备集成,形成边缘计算节点。在复杂多径条件下区分不同人反射的信号,准确识别出驾驶员的射频反映,提取他的生命体征。在此基础上,设计新的多序列变分模式分解算法(MS-VMD),将一组相关的时间序列分解成多个频带分离的固定模式,滤除噪声,重建呼吸心跳模型,相应估计呼吸心跳的速率变异性,从而对驾驶员的状态进行实时监测,很好地解决了现有技术中存在的上述问题。
(二)技术方案
为实现上述目的,本发明提供如下技术方案:一种V2iFi基于紧凑型射频感应的车内生命体征监测技术,包括如下相互依赖、不可独立分割的步骤:
S1:射频信号处理:接收到的基带信号会被噪音污染,噪音会阻止生命体征提取模块的正常工作,特别是会使生命体征信号沉浸在噪音之中。所以在从RF信号中提取信息之前,应去除硬件和环境的影响以保证信号质量。射频信号的处理有三个主要步骤:a)降低噪音;b)背景扣除;c)信号分离。
S2:多序列变分模态分解法设计:为了将生命体征信号与其他干扰区分开,变分模态分解法(VMD)算法通过微积分将信号分为各种模式,假定信号的每种模式都在中心频率附近,并且具有较窄带宽。VMD通过称为乘法器的交替方向法的优化技术(ADMM),同时计算中心频率和模式函数。由于VMD仅适用于单个序列分解,且在复杂车内环境中无法利用单个序列提取生命体征。我们设计并组合了多序列变分模态分解算法(MS-VMD),增强了传统的VMD算法。
(三)有益效果
与现有技术相比,本发明提供了一种V2iFi基于紧凑型射频感应的车内生命体征监测技术,具备以下有益效果:
1、该V2iFi:基于紧凑型射频感应的车内生命体征监测技术,提出并开发了一种紧凑型的基于V2iFi的机动车内生命体征监测技术,利用无线脉冲在高时间段的分辨率来区分不同用户发出的射频信号,从而单独聚焦对驾驶员的监控。
2、该V2iFi:基于紧凑型射频感应的车内生命体征监测技术,V2iFi采用宽带COTS无线脉冲和紧凑型边缘计算站点结合,易于部署,系统复杂度低,且对行驶下的复杂干扰具有鲁棒性。
3、该V2iFi:基于紧凑型射频感应的车内生命体征监测技术,V2iFi采用不同的滤波器组合,以应对车内复杂信号的传播环境,而且我们开发了一种新的MS-VMD优化算法,能够准确估计反射波所携带包括细微心率变化在内的驾驶员生命体征信号。
附图说明
图1为本发明噪音阻止生命体征提取模块的波形图;
图2为本发明在级联滤波器的输出中,噪声被抑制的波形图;
图3为本发明心跳IMF示意图;
图4为本发明噪音、呼吸、和心跳频率波形图;
图5为本发明心率峰值检测示意图;
图6为本发明系统示意图;
图7为本发明信号波动示意图;
图8为本发明载波频率示意图;
图9为本发明列矢量示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
请参阅图1-9,本发明提供以下技术方案:一种V2iFi基于紧凑型射频感应的车内生命体征监测技术,包括如下相互依赖、不可独立分割的步骤:
S1:射频信号处理:接收到的基带信号会被噪音污染,噪音会阻止生命体征提取模块的正常工作,特别是会使生命体征信号沉浸在噪音之中。所以在从RF信号中提取信息之前,应去除硬件和环境的影响以保证信号质量。射频信号的处理有三个主要步骤:a)降低噪音;b)背景扣除;c)信号分离。
S2:多序列变分模态分解法设计:为了将生命体征信号与其他干扰区分开,变分模态分解法(VMD)算法通过微积分将信号分为各种模式,假定信号的每种模式都在中心频率附近,并且具有较窄带宽。VMD通过称为乘法器的交替方向法的优化技术(ADMM),同时计算中心频率和模式函数。由于VMD仅适用于单个序列分解,且在复杂车内环境中无法利用单个序列提取生命体征。我们设计并组合了多序列变分模态分解算法(MS-VMD),增强了传统的VMD算法。
本发明的具体实施步骤包括如下3个主要步骤。
(1)射频信号预处理:在从射频信号中提取信息之前,应该去除硬件和环境的影响以保证信号质量,减少基带信号的噪声污染。
(1.1)降低噪音
图1中,噪音会阻止生命体征提取模块正常工作。由低通有限脉冲响应 (FIR)滤波器和平滑滤波器组成的级联滤波器可用于增强信号的SNR,使用 Hamming窗口来设计的FIR滤波器26个接头的顺序,用窗口大小为50点的平滑滤波器来进一步使FIR滤波器的输出信号变平滑。图2说明了在级联滤波器的输出中,噪声被抑制。采用上述步骤后的波形如图1和图2所示。
(1.2)背景扣除
反射器包括静态对象和动态对象,背景减法将删除背景中的所有静态反射器,以此避免其与人体的反射信号相竞争,雷达不需要的信号通常被描述成噪声和杂波。环回滤波器可用于消除原始信号中的杂波。低α值可使滤波器快速去除背景,但对噪声的过滤不强。而较高的α值会使背景去除速度变慢,但对噪声的鲁棒性较强。在本实验中,α设置为0.97。
(2)信号分离
无线脉冲装置固定在驾驶座前部,驾驶员的反射幅度远高于乘客的反射幅度。我们采取平均检测算法,,该算法使用自适应阈值来检测人体所处阈值,并确定最佳阈值,在该阈值之上,任何峰值均可视为来自所需目标。滑动窗口用于扫描所有值,并估计被测快速样本索引附近的噪声阈值。
(3)生命体征提取
生命体征提取包括:呼吸频率估算,心率估计和节拍间隔分割。
(3.1)呼吸频率估算
人在呼吸时,胸部和腹部向后移动并远离设备,人与V2iFi可以通过检测振幅来跟踪检测。为了确定驾驶员的心率,我们对从MS-VMD获得的IMF应用了快速傅里叶变换(FFT).由于呼吸频率在1.6Hz至0.6Hz范围内,因此频率与该范围匹配的分量是心跳分量。该IMF的峰值频率是呼吸频率,结果如图3和图4所示。
(3.2)心率估计
心跳引起的微小运动也使周期性变化,因此V2iFi也可以跟踪心跳。为了确定驾驶员的心率,我们再次将FFT应用于从MS-VMD获得的IMF。
(3.3)节拍间隔分割为了估计区间间隔,我们研究心跳IMF。如图3所示,IBIs是由每一次心跳的时间决定的。为了得到准确的时间,我们在分解的心跳IMF。但心跳波形信号微弱,易受噪声和人为因素影响。因此在检测峰值方面存在以下两种挑战:i)心跳峰值检测应该是自适应的;ii)由于信号强度不稳定,应消除假峰。为了解决这些挑战,我们设计了一个峰值检测算法,在该算法中,峰值被宽度至少为dmin的采样分开,也就是说,我们找出2dmin+1区域的局部最大值。如果驾驶员的心率为HR,则心跳频率为HR/60。因为V2iFi的采样率为400Hz,一个间隔内的平均样本数应为 Navg=HR×400/60。两者之间的关系由一个IBI中的最小样本和平均样本给出:其中c为常数,并在经验上设置为0.7。总之,我们检测到至少 0.7HR×;400/60样本分离的局部峰。结果峰值检测算法如图5所示。可以看出,节拍的计时已经恢复。
(4)模型设计V2iFi利用片上系统脉冲无线电来发送和接收无线脉冲。 V2iFi的系统图如图6所示。发射信号为sk(t),调制信号为xk(t),通过信道后的信号为yk(i),解调信号为脉冲无线电的架构与传统架构略有不同:脉冲无线电的结构与传统结构略有不同:它只使用同相单载波频率cos(2πfct)进行上转换,但在接收端使用同相和正交(IQ)采样(cos(2πfct)和sin(2πfct))进行下转换。V2iFi传输的高斯脉冲可以用以下公式表示:其中脉冲xk(t)的振幅为Vtx,信号的持续时间为Tp。是-10dB的带宽,事实上我们有这样一个公式在转换后,发送的信号时域为:xk(t)=s(t-kTs)·cos(2πfc(t-kTs))其中它的载波频率是fc,是帧的持续时间,其中fp是脉冲重复频率。k表示第k个帧。
这个发送的信号xk(t)如图7所示,其在频域中的表示如图8所示。可见,载波频率为7.3GHz,带宽为1.4Ghz。
其中n(t)是方差为ϵ;2的高斯噪声,符号*表示卷积运算。在雷达系统中,脉冲重复间隔(PRI)表示两个连续脉冲之间的时间。我们把同一行的同一脉冲的反射信号归为一类,例如第一行第一脉冲的反射信号第二行中第二个脉冲的反射信号。我们将行的维度定义为“;快速时间”;维度,即构成单个PRI的时隙的维度,并定义列的维度作为“;慢时间”;维度,它会更新每个PRI。通过将信号的时间序列转换为矩阵,“;快时间”;和“;慢时间”;的概念可以如图9所示,一般来说,快速时间维表示距离的时间延迟,使用慢时间轴通过长时间观测估计多普勒效应。此后,我们使用术语表示快速时间内测距距离的矢量的序列,如图9中的列矢量。
接收到的基带信号是应用IQ下转换后得到的,我们有:表示从ADC获得的第 l个离散样本,其中Tn是采样间隔。离散基带信号可以用表示。根据每分钟的不同运动,车上的生命体征在有不同的τp和利用这些标志性差异即可识别具体对象。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (1)
1.一种V2iFi基于紧凑型射频感应的车内生命体征监测技术,其特征在于:包括如下相互依赖、不可独立分割的步骤:
S1:射频信号处理:接收到的基带信号会被噪音污染,噪音会阻止生命体征提取模块的正常工作,特别是会使生命体征信号沉浸在噪音之中。所以在从RF信号中提取信息之前,应去除硬件和环境的影响以保证信号质量。射频信号的处理有三个主要步骤:a)降低噪音;b)背景扣除;c)信号分离。
S2:多序列变分模态分解法设计:为了将生命体征信号与其他干扰区分开,变分模态分解法(VMD)算法通过微积分将信号分为各种模式,假定信号的每种模式都在中心频率附近,并且具有较窄带宽。VMD通过称为乘法器的交替方向法的优化技术(ADMM),同时计算中心频率和模式函数。由于VMD仅适用于单个序列分解,且在复杂车内环境中无法利用单个序列提取生命体征。我们设计并组合了多序列变分模态分解算法(MS-VMD),增强了传统的VMD算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010287591.0A CN111568396A (zh) | 2020-04-13 | 2020-04-13 | 一种V2iFi基于紧凑型射频感应的车内生命体征监测技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010287591.0A CN111568396A (zh) | 2020-04-13 | 2020-04-13 | 一种V2iFi基于紧凑型射频感应的车内生命体征监测技术 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111568396A true CN111568396A (zh) | 2020-08-25 |
Family
ID=72112999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010287591.0A Pending CN111568396A (zh) | 2020-04-13 | 2020-04-13 | 一种V2iFi基于紧凑型射频感应的车内生命体征监测技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111568396A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114098679A (zh) * | 2021-12-30 | 2022-03-01 | 中新国际联合研究院 | 基于深度学习和射频感知的生命体征监测波形的恢复方法 |
CN114145730A (zh) * | 2021-12-30 | 2022-03-08 | 中新国际联合研究院 | 基于深度学习与射频感知的生命体征监测动作去除方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101437442A (zh) * | 2006-03-06 | 2009-05-20 | 无线2000Rf&Uwb技术有限公司 | 超宽带监视系统和天线 |
CN106019271A (zh) * | 2016-04-27 | 2016-10-12 | 南京理工大学 | 一种基于变分模态分解的多人穿墙时变呼吸信号检测方法 |
CN110967599A (zh) * | 2019-12-11 | 2020-04-07 | 贵州电网有限责任公司 | 一种电能质量扰动检测与定位算法 |
-
2020
- 2020-04-13 CN CN202010287591.0A patent/CN111568396A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101437442A (zh) * | 2006-03-06 | 2009-05-20 | 无线2000Rf&Uwb技术有限公司 | 超宽带监视系统和天线 |
CN106019271A (zh) * | 2016-04-27 | 2016-10-12 | 南京理工大学 | 一种基于变分模态分解的多人穿墙时变呼吸信号检测方法 |
CN110967599A (zh) * | 2019-12-11 | 2020-04-07 | 贵州电网有限责任公司 | 一种电能质量扰动检测与定位算法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114098679A (zh) * | 2021-12-30 | 2022-03-01 | 中新国际联合研究院 | 基于深度学习和射频感知的生命体征监测波形的恢复方法 |
CN114145730A (zh) * | 2021-12-30 | 2022-03-08 | 中新国际联合研究院 | 基于深度学习与射频感知的生命体征监测动作去除方法 |
CN114098679B (zh) * | 2021-12-30 | 2024-03-29 | 中新国际联合研究院 | 基于深度学习和射频感知的生命体征监测波形的恢复方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3424418B1 (en) | A method and a system for detecting a vital sign of a subject | |
Wang et al. | Device-free human activity recognition using commercial WiFi devices | |
CN109965858B (zh) | 基于超宽带雷达人体生命体征检测方法和装置 | |
US11412937B2 (en) | Multi-person vital signs monitoring using millimeter wave (mm-wave) signals | |
Liu et al. | LPI radar signal detection based on radial integration of Choi-Williams time-frequency image | |
CN102073042B (zh) | 一种多通道基于uwb雷达式生命探测仪的多个人体目标二维定位方法 | |
CN113854981A (zh) | 一种基于毫米波雷达的运动多人生命体征监测方法 | |
WO2020191142A1 (en) | Radar cardiography: a precise cardiac data reconstruction method | |
CN106019271A (zh) | 一种基于变分模态分解的多人穿墙时变呼吸信号检测方法 | |
CN110879389B (zh) | 基于多基地ir-uwb生物雷达信号的多人体目标识别定位方法 | |
CN102440768A (zh) | 脉搏波形特征点提取方法 | |
CN111568396A (zh) | 一种V2iFi基于紧凑型射频感应的车内生命体征监测技术 | |
CN110946587B (zh) | 一种淋浴中跌倒的快速检测方法及系统 | |
CN110161491B (zh) | 一种针对微弱生命体的测距和呼吸频率估计方法 | |
CN110200607B (zh) | 基于光流法与lms算法消除生命体征检测中体动影响的方法 | |
CN113447905A (zh) | 双毫米波雷达人体跌倒检测装置及检测方法 | |
CN108852327B (zh) | 一种从运动干扰中非接触检测微弱生命信号的方法 | |
CN113945913A (zh) | 一种基于毫米波雷达点云的车内人员检测方法 | |
KR101902760B1 (ko) | 레이더를 이용한 생체 신호 측정 방법 및 장치 | |
CN105105739B (zh) | 短距离无线心率及心率变异性检测方法 | |
CN103412298A (zh) | 一种自动获取船舶螺旋桨变速旋转时间区间方法 | |
CN113267770A (zh) | 侦测系统及生命体的侦测方法 | |
Shang et al. | Random body movement cancellation method for FMCW radar vital sign detection | |
CN110113273B (zh) | 一种基于频谱对称的时频重叠信号盲分离方法 | |
CN106726210A (zh) | 一种多功能轮椅的智能控制系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200825 |
|
RJ01 | Rejection of invention patent application after publication |