CN111568399A - 一种基于雷达的呼吸和心跳信号检测方法及系统 - Google Patents

一种基于雷达的呼吸和心跳信号检测方法及系统 Download PDF

Info

Publication number
CN111568399A
CN111568399A CN202010413424.6A CN202010413424A CN111568399A CN 111568399 A CN111568399 A CN 111568399A CN 202010413424 A CN202010413424 A CN 202010413424A CN 111568399 A CN111568399 A CN 111568399A
Authority
CN
China
Prior art keywords
frequency
signal
component
heartbeat
target
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
CN202010413424.6A
Other languages
English (en)
Other versions
CN111568399B (zh
Inventor
何密
许鲁平
张珠
魏良
龚渝顺
李永勤
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.)
Army Medical University
Original Assignee
Army Medical 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 Army Medical University filed Critical Army Medical University
Priority to CN202010413424.6A priority Critical patent/CN111568399B/zh
Publication of CN111568399A publication Critical patent/CN111568399A/zh
Application granted granted Critical
Publication of CN111568399B publication Critical patent/CN111568399B/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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a 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
    • 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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • 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
    • G01S7/418—Theoretical aspects
    • 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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/356—Receivers involving particularities of FFT processing

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Cardiology (AREA)
  • Mathematical Physics (AREA)
  • Pulmonology (AREA)
  • Electromagnetism (AREA)
  • Power Engineering (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的呼吸和心跳信号检测方法及系统。包括：A，基于发射信号和接收信号判断是否存在目标；B，对目标的混合生命体征信号进行如下处理：B1，对混合生命体征信号高通滤波和FFT变换获第一频谱数据；B2，若最大幅度值点对应的频率在呼吸频率范围内且该频率的Q倍频处和/或Q倍频附近存在幅度极大值点，则将该频率作为呼吸主频；B3，基于经验小波变换将目标的混合生命体征信号分解；B4，若第三分量或第四分量的最大值频率在预设的心跳频率范围内，将其最大值频率作为心跳主频。基于经验小波变换，自适应分离呼吸和心跳信号并准确提取其频率，对于宽带/超宽带雷达能同时提取并分离出多个人的呼吸和心跳频率。

Description

一种基于雷达的呼吸和心跳信号检测方法及系统
技术领域
本发明涉及信号检测和处理领域，特别是涉及一种基于雷达的呼吸和心跳信号检测方法及系统。
背景技术
心跳频率和呼吸频率直接反应了人体循环系统以及呼吸系统的生理状态，是临床诊断和疾病预防的重要依据。但传统监测呼吸和心跳频率的临床方法主要通过压力、压阻、光电、电极等接触式传感器直接接触人体皮肤以获取人体的生理信号，长期佩戴会给被测者带来不适感，尤其对于重度烧伤患者和婴幼儿的皮肤极可能造成伤害。近年来，雷达生命探测成为了一种新兴且有效的非接触式探测技术，在无需任何传感器接触人体的情形下，可远距探测是否有生命体征存在，或进行长时间生命体征信号监测，可广泛应用于灾后救援发现和监测幸存者，也可应用于传染病人、烧伤病人、新生儿等特殊病人的生命体征信号监测。而雷达通过电磁波反射原理得到的生命体征信号为单个或多个呼吸和单个或多个心跳的混合信号，不易检测出目标(生命体)，分离出呼吸信号和心跳信号，以及提取呼吸信号和心跳信号的频率。
发明内容
本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于雷达的呼吸和心跳信号检测方法及系统。
为了实现本发明的上述目的，根据本发明的第一个方面，本发明提供了一种基于雷达的呼吸和心跳信号检测方法，所述方法包括：步骤A，获取雷达的发射信号和接收信号；基于获取的发射信号和接收信号判断是否存在目标，若不存在目标返回继续执行步骤A；若存在目标，提取每个目标的混合生命体征信号，进入步骤B；步骤B，对每个目标的混合生命体征信号进行如下处理获得呼吸主频和心跳主频，处理过程包括：步骤B1，对混合生命体征信号进行高通滤波，对高通滤波后的数据进行FFT变换获得第一频谱数据；步骤B2，判断第一频谱数据中最大幅度值点对应的频率是否在预设的呼吸频率范围内，若最大幅度值点对应的频率在预设的呼吸频率范围内，且最大幅度值点对应的频率的Q倍频处和/或Q倍频附近存在幅度极大值点，则将最大幅度值点对应的频率作为呼吸主频，执行步骤B3和B4，否则执行步骤B3和B5；所述Q为大于等于2的整数；步骤B3，基于经验小波变换将目标的混合生命体征信号分解为：
Figure BDA0002494071990000021
其中，ΔR(t)表示目标的混合生命体征信号，t表示混合生命体征信号时间采样，K表示边界的个数，k＝1,2,...,K；φ1(t)表示时域上的经验尺度函数,ψk(t)表示时域上的经验小波函数；A(0,t)φ1(t)表示经验小波分解ΔR(t)的第一分量，D(k,t)ψk(t)表示经验小波分解ΔR(t)的第k+1个分量；步骤B4，令K为4；别对ΔR(t)分解模型的第三分量和第四分量进行FFT变换获得对应的频谱数据，将分量对应的频谱数据中幅度最大值点对应的频率记为最大值频率，若第三分量或第四分量的最大值频率在预设的心跳频率范围内，将第三分量或第四分量的最大值频率作为心跳主频；步骤B5，令K为4，分别对ΔR(t)分解模型的第一分量、第二分量、第三分量和第四分量进行FFT变换获得对应的频谱数据，将分量对应的频谱数据中幅度最大值点对应的频率记为最大值频率，若第一分量或第二分量的最大值频率在预设的呼吸频率范围内，将第一分量或第二分量的最大值频率作为呼吸主频，若第三分量或第四分量的最大值频率在预设的心跳频率范围内，将第三分量或第四分量的最大值频率作为心跳主频。
上述技术方案的有益效果为：该方法基于经验小波变换对混合生命体征信号分解，自适应分离呼吸和心跳信号，并准确提取出呼吸和心跳频率，对于宽带/超宽带雷达而言能同时提取并分离出多个生命体(比如人)的呼吸和心跳频率；该方法在进行经验小波分解前，对混合生命体征信号依次进行高通滤波和傅里叶变换，基于呼吸信号相对心跳信号的幅频特点准确提取出呼吸主频，与经验小波变换相结合能进一步提高检测呼吸和心跳频率的准确性；该方法能很好应用于灾后救援生命探测和临床患者呼吸、心跳检测等领域。
为了实现本发明的上述目的，根据本发明的第二个方面，本发明提供了一种呼吸和心跳信号检测系统，包括雷达探测设备和处理器；所述雷达探测设备向待测区域或待测生物体发射雷达信号，以及接收待测区域或待测生命体反射回来的雷达信号；所述处理器从雷达探测设备获取雷达发射信号和接收信号，并执行本发明所述的基于雷达的呼吸和心跳信号检测方法的步骤，获得目标数量，和/或获得每个目标的呼吸和心跳频率，和/或获得呼吸信号和心跳信号。
上述技术方案的有益效果为：该系统基于经验小波变换对混合生命体征信号分解，自适应分离呼吸和心跳信号，并准确提取出呼吸和心跳频率，对于宽带/超宽带雷达而言能同时提取并分离出多个生命体(比如人)的呼吸和心跳频率；该系统在进行经验小波分解前，对混合生命体征信号依次进行高通滤波和傅里叶变换，基于呼吸信号相对心跳信号的幅频特点准确提取出呼吸主频，与经验小波变换相结合能进一步提高检测呼吸和心跳频率的准确性；该系统能很好应用于灾后救援生命探测和临床患者呼吸、心跳检测等领域。
附图说明
图1是本发明一具体实施方式中基于雷达的呼吸和心跳信号检测方法的流程示意图；
图2是本发明一种应用场景中基于雷达的呼吸和心跳信号检测方法的流程示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本发明公开了一种基于雷达的呼吸和心跳信号检测方法，在一种优选实施方式中，如图1所示，该检测方法包括：
步骤A，获取雷达的发射信号和接收信号；基于获取的发射信号和接收信号判断是否存在目标，若不存在目标返回继续执行步骤A；若存在目标，提取每个目标的混合生命体征信号，进入步骤B。
步骤B，对每个目标的混合生命体征信号进行如下处理获得呼吸主频和心跳主频，处理过程包括：
步骤B1，对混合生命体征信号进行高通滤波，对高通滤波后的数据进行FFT变换获得第一频谱数据。快速傅里叶变换(fast Fourier transform，简称FFT)。
步骤B2，判断第一频谱数据中最大幅度值点对应的频率是否在预设的呼吸频率范围内，若最大幅度值点对应的频率在预设的呼吸频率范围内，且最大幅度值点对应的频率的Q倍频处和/或Q倍频附近存在幅度极大值点，则将最大幅度值点对应的频率作为呼吸主频，执行步骤B3和B4，否则执行步骤B3和B5；Q为大于等于2的整数。
若最大幅度值点对应的频率在预设的呼吸频率范围内，且在最大幅度值点对应的频率的Q倍频处，或者在最大幅度值点对应的频率的Q倍频附近，或者同时在最大幅度值点对应的频率的Q倍频处和Q倍频附近存在幅度极大值点；则将最大幅度值点对应的频率作为呼吸主频；设最大值对应的频率fp，Q倍频附近可认为在(Q±δ)fp范围内的频率，0≤δ＜0.5；优选的，Q为2，则Q倍频附近优选的为(2±0.2)fp。
在步骤B2中，若最大幅度值点对应的频率不在预设的呼吸频率范围内，或者最大幅度值点对应的频率不在该频率的Q倍频处和/或Q倍频附近存在幅度极大值点，或者若最大幅度值点对应的频率不在预设的呼吸频率范围内同时，最大幅度值点对应的频率也不在该频率的Q倍频处和/或Q倍频附近存在幅度极大值点，优选的，可返回步骤A，或者可将预设的经验值作为呼吸主频后进入后续步骤(步骤B3和步骤B5)；该经验值优选但不限于为0.3Hz。
步骤B3，基于经验小波变换(empirical wavelet transform，简称EWT)将目标的混合生命体征信号分解为：
Figure BDA0002494071990000061
其中，ΔR(t)表示目标的混合生命体征信号，t表示混合生命体征信号时间采样，K表示边界的个数，k＝1,2,...,K；φ1(t)表示时域上的经验尺度函数,ψk(t)表示时域上的经验小波函数；A(0,t)φ1(t)表示经验小波分解ΔR(t)的第一分量，D(k,t)ψk(t)表示经验小波分解ΔR(t)的第k+1个分量；步骤B4，令K为4；分别对ΔR(t)分解模型的第三分量和第四分量进行FFT变换获得对应的频谱数据，将分量对应的频谱数据中幅度最大值点对应的频率记为最大值频率，若第三分量或第四分量的最大值频率在预设的心跳频率范围内，将第三分量或第四分量的最大值频率作为心跳主频；
步骤B5，令K为4，分别对ΔR(t)分解模型的第一分量、第二分量、第三分量和第四分量进行FFT变换获得对应的频谱数据，将分量对应的频谱数据中幅度最大值点对应的频率记为最大值频率，若第一分量或第二分量的最大值频率在预设的呼吸频率范围内，将第一分量或第二分量的最大值频率作为呼吸主频，若第三分量或第四分量的最大值频率在预设的心跳频率范围内，将第三分量或第四分量的最大值频率作为心跳主频。
在本实施方式中，本方法优选但不限于适用于宽带/超宽带步进频连续波雷达、宽带/超宽带调频连续波雷达。
在本实施方式中，在步骤A中，优选的，实时或间隔地获取雷达的发射信号和接收信号。进一步优选的，若在预设时间内均不存在目标，则程序结束。
在本实施方式中，目标为生命体，优选但不限于为人、动物等。因此预设的呼吸频率范围和心跳频率范围可根据不同目标的经验值设置，如当目标为人时，预设的呼吸频率范围可为0.15Hz到0.4Hz，预设的心跳频率范围可为0.8Hz到1.7Hz。
在本实施方式中，优选的，在步骤B1，对混合生命体征信号进行高通滤波的截至频率为0.08Hz到0.12Hz，进一步优选的，高通滤波的截至频率为0.1Hz，能有效地滤除低频干扰信号。
在本发明的一种优选实施方式中，基于经验小波变换对目标的混合生命体征信号分解的过程包括：
步骤B301，构造经验小波变换的初始边界为：[fR0,2fR0,3fR0,4fR0]*N/fs，N为采样点数，fs为采样频率；fR0表示用于分解的初始边界参数，当步骤B2中获得呼吸主频时，fR0为步骤B2中获得的呼吸主频，当步骤B2中没有获得呼吸主频时，fR0为预设的经验值。
步骤B302，根据构造的初始边界和紧框架约束，通过一维Meyer小波在频域上构造经验小波的尺度函数和小波函数，然后通过反傅里叶变换得到时域上的经验尺度函数φ1(t)和经验小波函数
Figure BDA0002494071990000081
通过一维Meyer小波在频域上构造的经验尺度函数φ1(f)为：
Figure BDA0002494071990000082
通过一维Meyer小波在频域上构造的经验小波函数
Figure BDA0002494071990000083
为：
Figure BDA0002494071990000084
其中，f表示频域变量；fk表示频域上边界的第k个分量；函数α(x)＝x4(35-84x+70x2-20x3)，x表示函数α(x)的自变量；λ表示第一因子，0＜λ＜1，根据紧框架约束：
Figure BDA0002494071990000085
k＝1,2,L,K计算。
步骤B303，将目标的混合生命体征信号与尺度函数φ1(t)进行内积得到分解的第一分量：
Figure BDA0002494071990000091
φ1 *(τ-t)表示φ1(τ-t)的复共轭，τ表示积分的变量。
步骤B304，将目标的混合生命体征信号与小波函数
Figure BDA0002494071990000092
进行内积得到分解的第k+1分量：
Figure BDA0002494071990000093
其中，ψk *(τ-t)表示ψk(τ-t)的复共轭。
步骤B305，目标的混合生命体征信号分解为：
Figure BDA0002494071990000094
在本实施方式中，上述分解过程，将目标的混合生命体征信号通过经验小波分解为多个不同频域的分量，利用先验信息构造初始边界条件，构造经验小波，自适应分离呼吸和心跳信号，从而获得其频率，频率获取精度高。
在本发明的一种优选实施方式中，还包括步骤B6，步骤B6包括：在混合生命体征信号利用经验小波分解后的所有分量中，选择最大值频率在预设的呼吸频率范围内的分量作为初始呼吸信号；构造用于二次经验小波变换的呼吸信号初始边界为：[0.15,0.2,0.3,0.4]*N/fs；基于呼吸信号初始边界对初始呼吸信号进行分解，获得初始呼吸信号的多个分量，在初始呼吸信号的多个分量中选择包含呼吸主频且能量最大的分量作为最终呼吸信号。
在本实施方式中，对初始呼吸信号进行分解的过程可参考步骤B302-步骤305，其中，被分解信号变为初始呼吸信号，具体过程在此不再赘述。
在本实施方式中，上述过程通过设定呼吸信号初始边界，对混合生命体征信号分解出来的初始呼吸信号进行再次分解，来更准确地提取呼吸信号，使得最终的呼吸信号杂波少，纯度高，便于后续观察、研究以及计算。
在本发明的一种优选实施方式中，还包括步骤B7，步骤B7包括：在混合生命体征信号利用经验小波分解后的所有分量中，选择最大值频率在预设的心跳频率范围内的分量作为初始心跳信号；构造用于二次经验小波变换的心跳信号初始边界为：[0.8,1.0,1.2,1.4]*N/fs，基于心跳信号初始边界对初始心跳信号进行分解，获得初始心跳信号的多个分量，在初始心跳信号的多个分量中选择最大值频率落在预设的心跳频率范围内且能量最大的分量作为最终心跳信号。
在本实施方式中，在本实施方式中，对初始心跳信号进行分解的过程可参考步骤B302-步骤305，其中，被分解信号变为初始心跳信号，具体过程在此不再赘述。
在本实施方式中，上述过程通过设定心跳信号初始边界，对混合生命体征信号分解出来的初始心跳信号进行再次分解，来更准确地提取心跳信号，使得最终的心跳信号杂波少，纯度高，便于后续观察、研究以及计算。
在本发明的一种优选实施方式中，在步骤A中，基于获取的发射信号和接收信号判断是否存在目标的过程包括：
步骤A1，对发射信号和接收信号进行去斜处理获得差频信号；差频信号包含多个目标的距离信息，去斜处理为发射信号乘上接收信号的复共轭形式。
步骤A2，对差频信号进行距离向反傅里叶变换得到N行H列的距离时间矩阵RT(n,h)；其中，n表示时间采样，1≤n≤N；h表示距离采样，1≤h≤H。反傅里叶变换可选择反快速傅里叶变换(the inverse fast Fourier transform，简称IFFT)。
步骤A3，对距离时间矩阵RT(n,h)的每个列向量进行动目标显示(moving targetindication，简称MTI)处理后得到矩阵RTMTI(n,h)；对矩阵RTMTI(n,h)的数据求绝对值，将求绝对值后的矩阵的每一行作为一个高分辨一维距离像HRRPn(h)，h＝1,2,...,H，获得N个高分辨一维距离像。步骤A4，对每个高分辨一维距离像进行恒虚警(constant false alarmrate,简称CFAR)检测获得M'个目标以及每个目标的序号hm'，其中,m'＝1,2,...,M'，M'≤H；若M'不为0，认为存在M'个目标，若M'为0，认为不存在目标。
在本实施方式中，上述过程中，通过去斜处理使得差频信号包含多个目标的距离信息。通过动目标显示处理和求取数据的绝对值，规整数据，方便和减少了后续处理的计算量。
在本发明的一种优选实施方式中，在步骤A4中，当对高分辨一维距离像进行恒虚警检测获得M'个目标后，还包括如下步骤：
对所有高分辨一维距离像进行恒虚警检测后获得的目标的序号进行频次统计，将频次峰值的数量作为最终的目标数量M，将频次峰值对应的目标的序号作为最终的目标序号，设最终的目标序号为hm，m＝1,2,...,M，M≤M'；若M不为0，认为存在M个目标，若M为0，认为不存在目标。
在本实施方式中，上述过程对恒虚警检测获得的M'个目标进行验证，剔除恒虚警检测过程中获得的虚假目标，提高目标检测准确性。
在本发明的一种优选实施方式中，提取每个目标的混合生命体征信号的方法包括：步骤A5，从距离时间矩阵RT(n,h)中提取出目标的序号对应的列向量RT(n,hm)；步骤A6，提取列向量的相位并进行解缠处理，将去除直流分量的解缠处理后的信号作为目标的混合生命体征信号ΔR(t)，第m个目标的混合生命体征信号可记为ΔRm(t)。
在本实施方式中，优选的，将解缠处理后的信号减去其均值来实现去除直流分量。上述过程能够有效地提取出目标的本底少混合生命体征信号，便于后续进行信号检测等，减少运算量。
在本发明方法的一种应用场景中，其流程示意图如图2所示，在本应用场景针对宽带/超宽带步进频连续波雷达，具体步骤如下所示：
(1)先对宽带/超宽带雷达的发射信号和接收信号进行去斜处理(即发射信号乘上接收信号的复共轭形式)得到差频信号。
(2)差频信号包含多个目标的距离信息，然后对差频信号进行距离向反傅里叶变换，实际操作中采用反快速傅里叶变换，得到距离-时间矩阵RT(n,h)，其中，n表示时间采样(n＝1,2,...,N)，h表示距离采样(h＝1,2,...,H)。
(3)对每个RT(n,h)的时间维度(即列向量方向)进行动目标显示处理得到RTMTI(n,h)。对RTMTI(n,h)的数据求绝对值，则得到N个MTI处理后的目标高分辨一维距离像HRRPn(h),n＝1,2,…,N，h＝1,2,…,H。
(4)对每个高分辨一维距离像HRRPn(h)进行恒虚警检测，求得潜在目标序号hm'，其中,m'＝1,2,...,M'。对潜在目标序号进行频次统计，然后求得频次峰值处对应目标序号位置，即为最终的目标所在距离单元的序号hm,其中m＝1,2,...,M。
(5)得到最终的目标所在距离单元的序号hm后，第m个目标的生命体征信号则包含在距离-时间矩阵RT(n,h)的第hm列里，即列向量RT(n,hm)中。
(6)提取RT(n,hm)的相位并进行解缠处理，则得到第m个目标的混合生命体征信号，然后减去其直流分量(即均值)，将所得信号记为ΔRm(t)。
(7)对第m个目标的混合生命体征信号ΔRm(t)进行高通滤波后再傅里叶变换，得到第m个目标的混合生命体征信号的频谱
Figure BDA0002494071990000131
(幅度谱)。实际操作中高通滤波截止频率取0.1Hz，傅里叶变换通过快速傅里叶变换实现。
(8)求频谱
Figure BDA0002494071990000132
最大值对应的频率fp。如果fp正好在健康成人呼吸范围[0.150.4]Hz内，且频谱绝对值在(2±0.2)fp附近有极大值，则判断fp为用于分解的呼吸主频fR0，即fR0＝fp，否则需要进一步判断。
(9)如果上一步已经求出呼吸信号主频fR0，否则fR0取经验值(如0.3Hz)，那么构造经验小波变换的初始边界为：[fR0,2fR0,3fR0,4fR0]*N/fs，N为采样点数，fs为采样频率。根据构造的初始边界和紧框架约束，在频域上通过一维Meyer小波构造经验尺度函数和经验小波函数，然后通过反傅里叶变换得到时域上的经验尺度函数φ1(t)和经验小波函数
Figure BDA0002494071990000133
(10)对混合生命体征信号ΔRm(t)进行第一次经验小波分解：令K为4，即得到5个经验小波分解分量，在时域上将ΔRm(t)与经验尺度函数和经验小波函数进行内积(式1和式2)，得到经验小波分解的分量
Figure BDA0002494071990000134
其中Am(0,t)为第一个经验小波分量(即近似系数)，
Figure BDA0002494071990000135
为第k+1个经验小波分量(即细节系数)。
第一个经验小波分量(即近似系数)：
Figure BDA0002494071990000136
其中*表示复共轭。
第k+1个经验小波分量(即细节系数)：
Figure BDA0002494071990000141
于是第m个目标的混合生命体征信号可以分解为：
Figure BDA0002494071990000142
(11)对前四个经验小波分量进行傅里叶变换并得到频谱后，分别计算各经验小波分量频谱最大值对应的频率(称为最大值频率)。
(12)如果第6步得到fR0直接进入下一步；否则判断第一个或第二个经验小波分量的最大值频率是否落在健康成人呼吸信号的频率范围内，即[0.15 0.40]Hz，选择正好在范围内的那个分量作为呼吸主频成分的分量，并求出呼吸主频fR0。
(13)判断第三个或第四个经验小波变换分量的最大值频率是否落在健康成人心跳信号的频率范围内，即[0.80 1.68]Hz。选择正好在范围内的那个分量作为心跳信号分量并求出主频fH。
本发明还公开了一种呼吸和心跳信号的检测系统，在一种优选实施方式中，该系统包括雷达探测设备和处理器；雷达探测设备向待测区域或待测生物体发射雷达信号，以及接收待测区域或待测生命体反射回来的雷达信号；处理器从雷达探测设备获取雷达发射信号和接收信号，并执行上述方法的步骤，获得目标数量，和/或获得每个目标的呼吸和心跳频率，和/或获得呼吸信号和心跳信号。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例″、或“一些示例″等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (9)

1.一种基于雷达的呼吸和心跳信号检测方法，其特征在于，包括：
步骤A，获取雷达的发射信号和接收信号；基于获取的发射信号和接收信号判断是否存在目标，若不存在目标返回继续执行步骤A；若存在目标，提取每个目标的混合生命体征信号，进入步骤B；
步骤B，对每个目标的混合生命体征信号进行如下处理获得呼吸主频和心跳主频，处理过程包括：
步骤B1，对混合生命体征信号进行高通滤波，对高通滤波后的数据进行FFT变换获得第一频谱数据；
步骤B2，判断第一频谱数据中最大幅度值点对应的频率是否在预设的呼吸频率范围内，若最大幅度值点对应的频率在预设的呼吸频率范围内，且最大幅度值点对应的频率的Q倍频处和/或Q倍频附近存在幅度极大值点，则将最大幅度值点对应的频率作为呼吸主频，执行步骤B3和B4，否则执行步骤B3和B5；所述Q为大于等于2的整数；
步骤B3，基于经验小波变换将目标的混合生命体征信号分解为：
Figure FDA0002494071980000011
其中，ΔR(t)表示目标的混合生命体征信号，t表示混合生命体征信号时间采样，K表示边界的个数，k＝1,2,...,K；φ1(t)表示时域上的经验尺度函数,ψk(t)表示时域上的经验小波函数；A(0,t)φ1(t)表示经验小波分解ΔR(t)的第一分量，D(k,t)ψk(t)表示经验小波分解ΔR(t)的第k+1个分量；
步骤B4，令K为4；分别对ΔR(t)分解模型的第三分量和第四分量进行FFT变换获得对应的频谱数据，将分量对应的频谱数据中幅度最大值点对应的频率记为最大值频率，若第三分量或第四分量的最大值频率在预设的心跳频率范围内，将第三分量或第四分量的最大值频率作为心跳主频；
步骤B5，令K为4，分别对ΔR(t)分解模型的第一分量、第二分量、第三分量和第四分量进行FFT变换获得对应的频谱数据，将分量对应的频谱数据中幅度最大值点对应的频率记为最大值频率，若第一分量或第二分量的最大值频率在预设的呼吸频率范围内，将第一分量或第二分量的最大值频率作为呼吸主频，若第三分量或第四分量的最大值频率在预设的心跳频率范围内，将第三分量或第四分量的最大值频率作为心跳主频。
2.如权利要求1所述的基于雷达的呼吸和心跳信号检测方法，其特征在于，在所述步骤B1，对混合生命体征信号进行高通滤波的截至频率为0.08Hz到0.12Hz。
3.如权利要求1所述的基于雷达的呼吸和心跳信号检测方法，其特征在于，基于经验小波变换对目标的混合生命体征信号分解的过程包括：
步骤B301，构造经验小波变换的初始边界为：[fR0,2fR0,3fR0,4fR0]*N/fs，N为采样点数，fs为采样频率；fR0表示用于分解的初始边界参数，当步骤B2中获得呼吸主频时，fR0为步骤B2中获得的呼吸主频，当步骤B2中没有获得呼吸主频时，fR0为预设的经验值；
步骤B302，根据构造的初始边界和紧框架约束，通过一维Meyer小波在频域上构造经验小波的尺度函数和小波函数，然后通过反傅里叶变换得到时域上的经验尺度函数φ1(t)和经验小波函数
Figure FDA0002494071980000021
步骤B303，将目标的混合生命体征信号与经验尺度函数φ1(t)进行内积得到分解的第一分量：
Figure FDA0002494071980000031
φ1 *(τ-t)表示φ1(τ-t)的复共轭，τ表示求积分的变量；
步骤B304，将目标的混合生命体征信号与经验小波函数
Figure FDA0002494071980000032
进行内积得到分解的第k+1分量：
Figure FDA0002494071980000033
其中，ψk *(τ-t)表示ψk(τ-t)的复共轭；
步骤B305，目标的混合生命体征信号分解为：
Figure FDA0002494071980000034
4.如权利要求1所述的基于雷达的呼吸和心跳信号检测方法，其特征在于，还包括步骤B6，所述步骤B6包括：
在混合生命体征信号利用经验小波分解后的所有分量中，选择最大值频率在预设的呼吸频率范围内的分量作为初始呼吸信号；
构造用于二次经验小波变换的呼吸信号初始边界为：[0.15,0.2,0.3,0.4]*N/fs；基于呼吸信号初始边界对所述初始呼吸信号进行分解，获得初始呼吸信号的多个分量，在初始呼吸信号的多个分量中选择包含呼吸主频且能量最大的分量作为最终呼吸信号。
5.如权利要求1或4所述的基于雷达的呼吸和心跳信号检测方法，其特征在于，还包括步骤B7，所述步骤B7包括：
在混合生命体征信号利用经验小波分解后的所有分量中，选择最大值频率在预设的心跳频率范围内的分量作为初始心跳信号；
构造用于二次经验小波变换的心跳信号初始边界为：[0.8,1.0,1.2,1.4]*N/fs，基于心跳信号初始边界对所述心跳信号进行分解，获得初始心跳信号的多个分量，在初始心跳信号的多个分量中选择最大值频率落在预设的心跳频率范围内且能量最大的分量作为最终心跳信号。
6.如权利要求1所述的基于雷达的呼吸和心跳信号检测方法，其特征在于，在所述步骤A中，基于获取的发射信号和接收信号判断是否存在目标的过程包括：
步骤A1，对发射信号和接收信号进行去斜处理获得差频信号；
步骤A2，对所述差频信号进行距离向反傅里叶变换得到距离时间矩阵RT(n,h)；其中，n表示时间采样，1≤n≤N；h表示距离采样，1≤h≤H；
步骤A3，对距离时间矩阵RT(n,h)的每个列向量进行动目标显示处理后得到矩阵RTMTI(n,h)；对矩阵RTMTI(n,h)的数据求绝对值，将求绝对值后的矩阵的每一行作为一个高分辨一维距离像，获得N个高分辨一维距离像；
步骤A4，对每个高分辨一维距离像进行恒虚警检测获得M'个目标以及每个目标的序号hm'，其中，m'＝1,2,...,M',M'≤H；若M'不为0，认为存在M'个目标，若M'为0，认为不存在目标。
7.如权利要求6所述的基于雷达的呼吸和心跳信号检测方法，其特征在于，在所述步骤A4中，当对高分辨一维距离像进行恒虚警检测获得M'个目标后，还包括如下步骤：
对所有高分辨一维距离像进行恒虚警检测后获得的目标的序号进行频次统计，将频次峰值的数量作为最终的目标数量M，将频次峰值对应的目标的序号作为最终的目标序号，设最终的目标序号为hm，m＝1,2,...,M，M≤M'；
若M不为0，认为存在M个目标，若M为0，认为不存在目标。
8.如权利要求6或7所述的基于雷达的呼吸和心跳信号检测方法，其特征在于，提取每个目标的混合生命体征信号的方法包括：
步骤A5，从距离时间矩阵RT(n,h)中提取出所述目标的序号对应的列向量；
步骤A6，提取所述列向量的相位并进行解缠处理，将去除直流分量的解缠处理后的信号作为所述目标的混合生命体征信号。
9.一种呼吸和心跳信号的检测系统，其特征在于，包括雷达探测设备和处理器；
所述雷达探测设备向待测区域或待测生物体发射雷达信号，以及接收待测区域或待测生命体反射回来的雷达信号；
所述处理器从雷达探测设备获取雷达发射信号和接收信号，并执行权利要求1-8之一所述方法的步骤，获得目标数量，和/或获得每个目标的呼吸和心跳频率，和/或获得呼吸信号和心跳信号。
CN202010413424.6A 2020-05-15 2020-05-15 一种基于雷达的呼吸和心跳信号检测方法及系统 Active CN111568399B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010413424.6A CN111568399B (zh) 2020-05-15 2020-05-15 一种基于雷达的呼吸和心跳信号检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010413424.6A CN111568399B (zh) 2020-05-15 2020-05-15 一种基于雷达的呼吸和心跳信号检测方法及系统

Publications (2)

Publication Number Publication Date
CN111568399A true CN111568399A (zh) 2020-08-25
CN111568399B CN111568399B (zh) 2023-01-10

Family

ID=72118983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010413424.6A Active CN111568399B (zh) 2020-05-15 2020-05-15 一种基于雷达的呼吸和心跳信号检测方法及系统

Country Status (1)

Country Link
CN (1) CN111568399B (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111956209A (zh) * 2020-08-27 2020-11-20 重庆邮电大学 一种基于ewt和结构特征提取的心电信号r波识别方法
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
CN112450900A (zh) * 2020-12-09 2021-03-09 中国科学院软件研究所 一种基于智能音箱的非接触式心跳检测方法
CN112494001A (zh) * 2020-11-25 2021-03-16 青岛歌尔智能传感器有限公司 Ppg信号质量评估方法、装置、穿戴式设备及存储介质
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
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
CN113009584A (zh) * 2021-02-06 2021-06-22 中国人民解放军国防科技大学 一种超宽带mimo雷达生命体征探测定位方法
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
CN113009476A (zh) * 2021-02-22 2021-06-22 佛山科学技术学院 一种基于调频连续波雷达的信号提取方法及系统
CN113147677A (zh) * 2021-06-11 2021-07-23 吉利汽车研究院（宁波）有限公司 一种汽车防盗检测系统、方法及汽车
CN113425270A (zh) * 2021-04-28 2021-09-24 郑州大学 一种基于相位比较的非接触式生命体征检测方法
CN113440120A (zh) * 2021-06-17 2021-09-28 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
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
CN113786176A (zh) * 2021-08-17 2021-12-14 中国电子科技南湖研究院 精确的毫米波雷达呼吸心跳测量方法、系统和存储介质
CN114002655A (zh) * 2021-10-29 2022-02-01 中国人民解放军陆军军医大学 超宽带连续波生物雷达数据处理方法及系统
CN114027825A (zh) * 2022-01-10 2022-02-11 华南师范大学 一种呼吸信号获取方法、装置和计算机设备
CN114159050A (zh) * 2021-11-12 2022-03-11 深圳数联天下智能科技有限公司 一种呼吸率监测方法、装置、设备及介质
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

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102018503A (zh) * 2010-10-21 2011-04-20 中国科学院深圳先进技术研究院 生命探测雷达中的呼吸与心跳信号的提取方法及装置
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
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
CN106901695A (zh) * 2017-02-22 2017-06-30 北京理工大学 一种生命信号提取方法及装置
US20190008459A1 (en) * 2017-07-05 2019-01-10 Stichting Imec Nederland Method and a system for detecting a vital sign of a subject
JP2019013479A (ja) * 2017-07-07 2019-01-31 国立大学法人電気通信大学 心拍・呼吸計測システム及び心拍・呼吸計測方法
CA3071960A1 (en) * 2017-08-02 2019-02-07 Caaresys Ltd Contactless detection and monitoring system of vital signs of vehicle occupants
CN109507653A (zh) * 2018-10-22 2019-03-22 中国人民解放军第四军医大学 一种基于uwb的多信息感知生物雷达系统及其获取目标信息的方法
US20190274547A1 (en) * 2018-03-07 2019-09-12 The Board Of Regents For Oklahoma State University System and method of noncontact vital signs monitoring through light sensing
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

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102018503A (zh) * 2010-10-21 2011-04-20 中国科学院深圳先进技术研究院 生命探测雷达中的呼吸与心跳信号的提取方法及装置
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
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
CN106901695A (zh) * 2017-02-22 2017-06-30 北京理工大学 一种生命信号提取方法及装置
US20190008459A1 (en) * 2017-07-05 2019-01-10 Stichting Imec Nederland Method and a system for detecting a vital sign of a subject
JP2019013479A (ja) * 2017-07-07 2019-01-31 国立大学法人電気通信大学 心拍・呼吸計測システム及び心拍・呼吸計測方法
CA3071960A1 (en) * 2017-08-02 2019-02-07 Caaresys Ltd Contactless detection and monitoring system of vital signs of vehicle occupants
US20190274547A1 (en) * 2018-03-07 2019-09-12 The Board Of Regents For Oklahoma State University System and method of noncontact vital signs monitoring through light sensing
CN109507653A (zh) * 2018-10-22 2019-03-22 中国人民解放军第四军医大学 一种基于uwb的多信息感知生物雷达系统及其获取目标信息的方法
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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HU X,等: "Short-range vital signs sensing based on EEMD and CWT using IR-UWB radar", 《SENSORS》 *
ZHANG Z,等: "An experimental study to optimize the stepped-frequency continuous-wave radar parameters for noncontact multi-target vital sign monitoring", 《2019 IEEE INTERNATIONAL CONFERENCE ON COMPUTATIONAL ELECTROMAGNETICS (ICCEM)》 *
刘炳文，何密: "非接触式医疗监测雷达研究进展", 《医疗卫生装备》 *
王曦泽，等: "非接触式体征监测及智能移动终端算法的实现", 《北京生物医学工程》 *

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111956209A (zh) * 2020-08-27 2020-11-20 重庆邮电大学 一种基于ewt和结构特征提取的心电信号r波识别方法
CN111956209B (zh) * 2020-08-27 2022-06-03 重庆邮电大学 一种基于ewt和结构特征提取的心电信号r波识别方法
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
CN112494001A (zh) * 2020-11-25 2021-03-16 青岛歌尔智能传感器有限公司 Ppg信号质量评估方法、装置、穿戴式设备及存储介质
CN112450900B (zh) * 2020-12-09 2021-10-01 中国科学院软件研究所 一种基于智能音箱的非接触式心跳检测方法
CN112450900A (zh) * 2020-12-09 2021-03-09 中国科学院软件研究所 一种基于智能音箱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
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
CN113009584A (zh) * 2021-02-06 2021-06-22 中国人民解放军国防科技大学 一种超宽带mimo雷达生命体征探测定位方法
CN113009584B (zh) * 2021-02-06 2022-05-17 中国人民解放军国防科技大学 一种超宽带mimo雷达生命体征探测定位方法
CN112998668B (zh) * 2021-02-06 2022-08-23 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
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
CN113009476B (zh) * 2021-02-22 2024-02-13 佛山科学技术学院 一种基于调频连续波雷达的信号提取方法及系统
CN113009476A (zh) * 2021-02-22 2021-06-22 佛山科学技术学院 一种基于调频连续波雷达的信号提取方法及系统
CN113425270A (zh) * 2021-04-28 2021-09-24 郑州大学 一种基于相位比较的非接触式生命体征检测方法
CN113147677A (zh) * 2021-06-11 2021-07-23 吉利汽车研究院（宁波）有限公司 一种汽车防盗检测系统、方法及汽车
CN113440120A (zh) * 2021-06-17 2021-09-28 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
CN113786176A (zh) * 2021-08-17 2021-12-14 中国电子科技南湖研究院 精确的毫米波雷达呼吸心跳测量方法、系统和存储介质
CN113786176B (zh) * 2021-08-17 2024-03-15 中国电子科技南湖研究院 精确的毫米波雷达呼吸心跳测量方法、系统和存储介质
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
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
CN114002655A (zh) * 2021-10-29 2022-02-01 中国人民解放军陆军军医大学 超宽带连续波生物雷达数据处理方法及系统
CN114159050A (zh) * 2021-11-12 2022-03-11 深圳数联天下智能科技有限公司 一种呼吸率监测方法、装置、设备及介质
CN114159050B (zh) * 2021-11-12 2024-06-21 深圳数联天下智能科技有限公司 一种呼吸率监测方法、装置、设备及介质
CN114027825B (zh) * 2022-01-10 2022-03-22 华南师范大学 一种呼吸信号获取方法、装置和计算机设备
CN114027825A (zh) * 2022-01-10 2022-02-11 华南师范大学 一种呼吸信号获取方法、装置和计算机设备
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

Also Published As

Publication number Publication date
CN111568399B (zh) 2023-01-10

Similar Documents

Publication Publication Date Title
CN111568399B (zh) 一种基于雷达的呼吸和心跳信号检测方法及系统
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
Khan et al. An overview of signal processing techniques for remote health monitoring using impulse radio UWB transceiver
CN111938613B (zh) 基于毫米波雷达的健康监测装置及方法
CN106175723A (zh) 一种基于fmcw宽带雷达的多生命监护系统
US20100249630A1 (en) Systems and methods for respiratory rate measurement
CN115399747B (zh) 一种基于毫米波雷达的多人生命体征监测方法
CN111856455A (zh) 匹配不同雷达带宽的多目标心率呼吸测量方法及系统
CN115644840A (zh) 基于毫米波雷达的生命体征检测方法
Pramudita et al. Radar system for detecting respiration vital sign of live victim behind the wall
CN115363547B (zh) 一种基于超宽带雷达相参积累的人体生命体征检测方法
CN113662586A (zh) 一种用于超快超声微血流成像的互相关降噪方法
Wang et al. A novel vital sign sensing algorithm for multiple people detection based on FMCW radar
CN115736886A (zh) 一种基于毫米波雷达的多目标呼吸率参数估计方法
CN113273978A (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
CN110974196A (zh) 一种运动状态下非接触式的呼吸和心率检测方法
Will et al. Intelligent signal processing routine for instantaneous heart rate detection using a Six-Port microwave interferometer
Li et al. Motion-robust contactless heartbeat sensing using 4D imaging radar
Pan et al. A spectrum estimation approach for accurate heartbeat detection using Doppler radar based on combination of FTPR and TWV
Abu-Sardanah et al. A wearable mm-wave radar platform for cardiorespiratory monitoring
Cao et al. A novel frequency tracking algorithm for non-contact vital sign monitoring
Srihari et al. Measurement and evaluation of human vital sign using 77ghz awr1642 fmcw radar sensor
Widiyasari et al. Contactless respiratory rate monitoring using FMCW radar
CN115813363A (zh) 一种基于心跳二次谐波重构的心率估计方法
Sameera et al. Heart rate detection using single-channel Doppler radar system

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