CN111938613B - 基于毫米波雷达的健康监测装置及方法 - Google Patents
基于毫米波雷达的健康监测装置及方法 Download PDFInfo
- Publication number
- CN111938613B CN111938613B CN202010790316.0A CN202010790316A CN111938613B CN 111938613 B CN111938613 B CN 111938613B CN 202010790316 A CN202010790316 A CN 202010790316A CN 111938613 B CN111938613 B CN 111938613B
- Authority
- CN
- China
- Prior art keywords
- signal
- millimeter wave
- wave radar
- human body
- health
- 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
Links
- 230000036541 health Effects 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012806 monitoring device Methods 0.000 title claims abstract description 25
- 230000033001 locomotion Effects 0.000 claims abstract description 59
- 230000000241 respiratory effect Effects 0.000 claims abstract description 57
- 230000008859 change Effects 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 230000002612 cardiopulmonary effect Effects 0.000 claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000000354 decomposition reaction Methods 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 238000011426 transformation method Methods 0.000 claims description 14
- 238000013519 translation Methods 0.000 claims description 13
- 230000007958 sleep Effects 0.000 claims description 9
- 208000015181 infectious disease Diseases 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000003862 health status Effects 0.000 claims description 4
- 230000004630 mental health Effects 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 28
- 210000000038 chest Anatomy 0.000 description 16
- 238000010586 diagram Methods 0.000 description 16
- 210000000467 autonomic pathway Anatomy 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 206010041349 Somnolence Diseases 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 206010016256 fatigue Diseases 0.000 description 5
- 208000032140 Sleepiness Diseases 0.000 description 4
- 230000000284 resting effect Effects 0.000 description 4
- 230000008667 sleep stage Effects 0.000 description 4
- 230000037321 sleepiness Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 206010061218 Inflammation Diseases 0.000 description 3
- 230000002567 autonomic effect Effects 0.000 description 3
- 210000000987 immune system Anatomy 0.000 description 3
- 230000004054 inflammatory process Effects 0.000 description 3
- 230000002503 metabolic effect Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 208000035143 Bacterial infection Diseases 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 206010062519 Poor quality sleep Diseases 0.000 description 2
- 208000036142 Viral infection Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000001580 bacterial effect Effects 0.000 description 2
- 208000022362 bacterial infectious disease Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009385 viral infection Effects 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010876 biochemical test Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000013872 defecation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000008452 non REM sleep Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001734 parasympathetic effect Effects 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000001515 vagal effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
- A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of 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
- G01S7/41—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明涉及一种基于毫米波雷达的健康监测装置及方法,包括信号采集模块采集待检测的人体信息,根据所述人体信息获取因人体距离产生的调制脉冲相位变化信号;信号处理模块采用小波转换法根据所述调制脉冲相位变化信号分离并重构呼吸信号、心跳信号以及体动信号,以确定人体的健康指标,将所述健康指标与预设值进行对比分析,确定提示信息;其中,所述健康指标包括:心肺谐振指标、心率变异性、呼吸变异性;指标提醒模块显示所述提示信息。本装置提供的健康监测完全无干扰、无接触、可穿透,特别适用床上、卫生间、车辆等环境下的健康监测。
Description
技术领域
本发明属于健康监测设备技术领域,具体涉及一种基于毫米波雷达的健康 监测装置及方法。
背景技术
人体生理参数的监测在家庭、医院、颐养院等普遍需要。目前采用的监测 设备大都适用测量电极,直接与皮肤接触,测量心电、血压等生理参数,并直 接显示在屏幕上。这里有两个需要考虑的问题。首先,电极和连线导致了被测 者的不便,特别是慢性病患者和老年人的长期监测,对于新生儿或烧伤患者, 在患者身上放置电极往往是不可行、或不受欢迎的。其次,测量的生理参数直接显示,并未做进一步的分析和解释,不能直接应用于预防、诊断、康复等的 决策之中。
相关技术中,有两种无需电极的非接触监测,一种是使用压力传感器检测 呼吸和心跳所引起的微小的运动信号,进一步分析出呼吸和心率信号。但由于 呼吸和心跳所引起的压力变化很小,压力传感器的灵敏度有限,到目前为止, 这类检测方法检测心率的精度较低,达不到临床应用水平。
第二种采用多普勒雷达或超宽带雷达,测量呼吸和心跳所引起的胸部起 伏,并从起伏信号中分离出呼吸、心跳和运动。下面是两个典型的专利:
中国专利申请号为201110375098.5,名称为“非接触式实时生理信号监测装 置”,该系统包括:目标捕捉装置和跟踪控制单元,用于产生并发射探测信号、 接收目标反射的带有人体生理信息的回波信号的生物雷达,数据采集和处理单 元,从生物雷达的回波信号分析提取出探测目标的生理信息的数据采集和处理单元。该专利并未就其核心技术,如何分析提取探测目标的生理信息,能否达 到临床应用精度要求做出说明。
另外一件美国专利的专利名称为“Apparatus,system,and method formonitoring physiological signs”,专利号为8562526,讲述了使用脉冲雷达监测生理信号的系统。从雷达检测到的人体运动信号中,使用带通滤波得到心率信 号,使用低通滤波得到呼吸信号,使用脉冲检测活动运动信号。此后,将这三 种信号用于将睡眠分为醒、快速眼动睡眠期、和非快速眼动睡眠期三类。该专 利讲述了雷达健康监测的基本流程,但是达不到临床应用水平。首先,呼吸和 心跳所引起的人体胸部运动非常细微,特别是心跳所引起的胸部运动,在亚毫 米水平。常规的脉冲雷达的分辨率达不到准确检测心跳的水平,其准确率不到 70%,很难临床应用。其次,简单滤波器算法来分离心电和呼吸信号,效果也比较差。最后,常规睡眠分期应该有4类:醒、快速眼动睡眠期、浅睡、深睡, 其中深睡期是人体恢复的关键,而不是该专利的3类。
因此,现有技术中对生理信号的监测并不能精确的监测呼吸率、心率和体 动。
发明内容
有鉴于此,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 雷达的健康监测装置及方法,以解决现有技术中对生理信号的监测并不能精确 的监测呼吸率、心率和体动的问题。
为实现以上目的,本发明采用如下技术方案:一种基于毫米波雷达的健康 监测装置,包括:
信号采集模块,用于采集待检测的人体信息,根据所述人体信息获取因人 体距离产生的调制脉冲相位变化信号;
信号处理模块,用于采用小波转换法根据所述调制脉冲相位变化信号分离 并重构呼吸信号、心跳信号以及体动信号,以确定人体的健康指标,将所述健 康指标与预设值进行对比分析,确定提示信息;其中,所述健康指标包括:心 肺谐振指标、心率变异性、呼吸变异性;
指标提醒模块,用于显示所述提示信息;
其中,所述采用小波转换法根据所述调制脉冲相位变化信号分离并重构呼 吸信号、心跳信号以及体动信号,包括:
其分离过程为:
φl+1,…2m(t)=∑h(n)φl,m(t-nk) (1)
φl+1,…2m+1(t)=∑g(n)φl,m(t-nk) (2)
其中,式(1)和(2)表示信号分解过程,h(n)和g(n)分别表示分解过程 中的低通滤波器和高通滤波器;l表示分解的层数,m表示在相应的层所对应的节点位置;式(3)表示信号分解的逆过程,用于将分解后的信号根据相应的频 率范围进行重构。
进一步的,所述采用小波转换法根据所述调制脉冲相位变化信号分离并重 构呼吸信号、心跳信号以及体动信号,还包括:对分离出的心跳信号进行处理;
所述对分离出的心跳信号进行处理,包括:
将得到的心跳信号HR(t)沿着时间轴移动一段间隔td得到平移后的心率信 号HR(t+td);
利用自相关算法计算平移前后心率波形的自相关系数:
通过调整平移时间间隔td得到多个自相关系数直到时间间隔覆盖整个时间 轴。
进一步的,还包括:
预处理模块,用于根据用户的健康状态对提示信息进行处理;其中,所述 健康状态包括:睡眠、感染、突发疾病、心里健康、死亡。
进一步的,所述信号采集模块,包括:
毫米波调频连续波雷达,多个发射天线以及多个接收天线,所述毫米波调 频连续波雷达一端与所述发射天线连接,其另一端与所述接收天线连接;
所述毫米波调频连续波雷达用于产生调制脉冲并采用调频方式调制为第一 毫米波雷达信号;
所述发射天线用于将所述第一毫米波雷达信号发射至人体;
所述接收天线用于接收所述第一毫米波雷达信号被人体反射后投射到所述 调频连续波毫米波雷的第二毫米波雷达信号。
进一步的,所述信号采集模块还包括:
功率放大器、前置放大器、解调器以及模数转换器;
所述功率放大器一端与所述毫米波调频连续波雷达连接,其另一端与所述 发射天线连接,用于放大第一毫米波雷达信号;
所述前置放大器一端与所述接收天线连接,其另一端与所述解调器一端连 接,所述解调器另一端分别与所述毫米波调频连续波雷达、模数转换器连接;
所述前置放大器用于对第二毫米波雷达信号进行降噪放大;
所述解调器用于对第一毫米波雷达信号、第二毫米波雷达信号进行解调, 得到因人体距离产生的调制脉冲相位变化信号;
所述模数转换器用于对解调后的因人体距离产生的调制脉冲相位变化信号 进行模数转换。
进一步的,所述信号处理模块,包括:
信号处理单元,用于根据模数转换后的因人体距离产生的调制脉冲相位变 化信号获取人体距离随时间变化的曲线;
体征信号检测单元,用于采用小波转换法对所述曲线进行分解,分离出呼 吸信号、心跳信号以及体动信号。
进一步的,所述信号提醒单元,包括:
显示屏,用于显示所述提示信息;
扬声器,用于报警。
本申请实施例提供一种基于毫米波雷达的健康监测方法,包括:
采集待检测的人体信息,根据所述人体信息获取因人体距离产生的调制脉 冲相位变化信号;
采用小波转换法根据所述调制脉冲相位变化信号分离并重构呼吸信号、心 跳信号以及体动信号,以确定人体的健康指标,将所述健康指标与预设值进行 对比分析,确定提示信息;其中,所述健康指标包括:心肺谐振指标、心率变 异性、呼吸变异性;
显示所述提示信息;
其中,所述采用小波转换法根据所述调制脉冲相位变化信号分离并重构呼 吸信号、心跳信号以及体动信号,包括:
其分离过程为:
φl+1,…2m(t)=∑h(n)φl,m(t-nk) (1)
φl+1,…2m+1(t)=∑g(n)φl,m(t-nk) (2)
其中,式(1)和(2)表示信号分解过程,h(n)和g(n)分别表示分解过程 中的低通滤波器和高通滤波器;l表示分解的层数,m表示在相应的层所对应的节点位置;式(3)表示信号分解的逆过程,用于将分解后的信号根据相应的频 率范围进行重构。
进一步的,所述采用小波转换法根据所述调制脉冲相位变化信号分离并重 构呼吸信号、心跳信号以及体动信号,还包括:对分离出的心跳信号进行处理;
所述对分离出的心跳信号进行处理,包括:
将得到的心跳信号HR(t)沿着时间轴移动一段间隔td得到平移后的心率信 号HR(t+td);
利用自相关算法计算平移前后心率波形的自相关系数:
通过调整平移时间间隔td得到多个自相关系数直到时间间隔覆盖整个时间 轴。
进一步的,在显示所述提示信息,之前还包括:
根据用户的健康状态对提示信息进行预处理。
本发明采用以上技术方案,能够达到的有益效果包括:
本申请使用毫米波高分辨率雷达,测量被测者胸部运动。对胸部运动信号 进行处理和分析,分别得到被测者的运动状态、呼吸信号和心跳信号。根据运 动信号,评定被测者处于静息状态、动态、大范围运动三个状态中的一种;在 静息状态下,分析心跳和呼吸信号,计算心率变异性、呼吸变异性和自主神经 心肺谐振指标。本申请提供的毫米波雷达健康监测装置是完全无干扰、可穿透监测,特别适用床上健康监测。本发明提供的健康指标,表征自主神经调控状 态,是评定人体炎症、心理、和心血管疾病风险的重要指标。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述 中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付 出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种基于毫米波雷达的健康监测装置的结构示意图;
图2为本发明提供的信号处理流程示意图;
图3为本发明提供的续波毫米波雷达的调频连频信号示意图;
图4为本发明提供的小波包分解方法检测和重建呼吸和心跳信号示意图;
图5为本发明提供的胸部变化信号、心跳信号、呼吸信号示意图;
图6为本发明提供的信号采集模块的结构示意图;
图7为本发明提供的毫米波雷达床上健康监测示意图;
图8为本发明提供的基于毫米波雷达的健康监测方法步骤图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方 案进行详细的描述。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 造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
下面结合附图介绍本申请实施例中提供的一个具体的基于毫米波雷达的健 康监测装置及方法。
如图1所示,本申请实施例中提供的基于毫米波雷达的健康监测装置,包 括:
信号采集模块1,用于采集待检测的人体信息,根据人体信息获取因人体 距离产生的调制脉冲相位变化信号;
信号处理模块2,用于采用小波转换法根据调制脉冲相位变化信号分离并 重构呼吸信号、心跳信号以及体动信号,以确定人体的健康指标,将健康指标 与预设值进行对比分析,确定提示信息;其中,健康指标包括:心肺谐振指标、 心率变异性、呼吸变异性;
指标提醒模块3,用于显示提示信息;
其中,采用小波转换法根据调制脉冲相位变化信号分离并重构呼吸信号、 心跳信号以及体动信号,包括:
其分离过程为:
φl+1,…2m(t)=∑h(n)φl,m(t-nk) (1)
φl+1,…2m+1(t)=∑g(n)φl,m(t-nk) (2)
其中,式(1)和(2)表示信号分解过程,h(n)和g(n)分别表示分解过程 中的低通滤波器和高通滤波器;l表示分解的层数,m表示在相应的层所对应的 节点位置;式(3)表示信号分解的逆过程,用于将分解后的信号根据相应的频率范围进行重构。
基于毫米波雷达的健康监测装置的工作原理为,首先,由信号采集模块1 采集待检测的人体信息,信号处理模块2根据采集的人体信息确定人体与监测 装置的距离以及体征信息,并通过体征信息确定人体的健康指标,将健康指标 与预设值进行对比分析,确定提示信息,指标提醒模块3显示提示信息。
具体的,信号处理流程示意图如图2所示,信号处理是以帧为单位来处理 的。一帧数据长度是50ms,包含若干个线性频率调制脉冲。每一个线性频率调 制脉冲中都包含对应于目标距离的数字差频信号序列。假设在一帧时间内,目标相对于雷达的距离没有变化,则帧内各线性频率调制脉冲所包含的差频信号 是一致的。对帧内差频信号进行傅里叶变换,则可以在频率域得到对应于不同 距离的目标峰值信号。
每一帧得出的目标差频信号的傅里叶变换频谱数据,组成了如图2左下图 所示的目标离散坐标系中的数据序列。对这一数据序列中的特定目标的中心频 率fb进行跟踪解包处理,就可以获得这一目标的距离序列Ri=fbi c/2S。对于随 着呼吸和心跳而振动的胸部来说,每秒20个距离数据形成了如图2右下图的距 离波形数据。该胸部距离变化数据包含了呼吸、心跳和体动三种信号,下一步 进行呼吸、心跳和体动检测。
优选的,如图4所示,从信号处理模块2来的胸部距离变化数据序列包含 了呼吸、心跳和体动所引起的距离变换。这三种信号的显著差别在于它们的变 化规律:正常人的呼吸频率在0.1-0.5Hz,心跳频率在0.9-2.0Hz,而体动是偶尔 的、大幅度的变化。因此,使用小波变换法来分离呼吸和心跳信号。与小波分 解相比,小波包分解可以在低频以及高频两个方面更详细地划分时频域:
φl+1,…2m(t)=∑h(n)φl,m(t-nk) (1)
φl+1,…2m+1(t)=∑g(n)φl,m(t-nk) (2)
公式(1)和(2)表示信号的分解过程,h(n)和g(n)分别表示分解过程中 的低通滤波器和高通滤波器;l表示分解的层数,m表示在相应的层所对应的节点位置;式(3)表示了分解的逆过程,用于将分解后的信号根据相应的频率范 围进行重构。
本发明使用小波包分解将原始信号进行6层分解,根据奈奎斯特定理可以 知道6层分解后相邻节点之间的频率差为0.15625Hz,随着节点的增加频率范围也逐渐增大。根据前面提到的呼吸和心率的频率范围,我们选择将第六层的 1-3个节点重构得到呼吸信号,第6-12个节点重构得到心率信号。
优选的,采用小波转换法根据调制脉冲相位变化信号分离并重构呼吸信号、 心跳信号以及体动信号,还包括:对分离出的心跳信号进行处理;
可以理解的是,如图5所示,通过小波包分解毫米波雷达测量得到的距离 变化信号,并进一步重建得到的呼吸信号是比较准确的,因为呼吸信号的强度 比心跳信号大很多,更加容易检测到。但是心跳信号本身相对微弱,容易被杂 波干扰。为了提高心跳信号的检测和重建精度和可靠性,我们用自相关算法对心跳信号进行进一步处理,将被杂波掩盖的周期信号有效凸显出来。处理步骤 如下:
1)将得到的心跳信号HR(t)沿着时间轴移动一段间隔td得到平移后的心率 信号HR(t+td);
2)利用自相关算法计算平移前后心率波形的自相关系数:
3)通过调整平移时间间隔td得到多个自相关系数直到时间间隔覆盖整个时 间轴。
当信号平移间隔和心率周期吻合的时候,得到的自相关系数最大。其他情 况该系数较小。这样,达到了将心跳信号从原来的信号里凸显出来,减弱呼吸 谐波对于心率信号的影响的目的。
图5中,上面的曲线表示雷达检测的胸部距离变化信号,中间的曲线表示 分离和重建的心跳信号,下面的曲线表示呼吸信号。
一些实施例中,健康指标包括:
心肺谐振序列指标CRI、心率变异性HRV、呼吸变异性RRV以及体态。
具体的,心跳信号和呼吸信号是人体心肺代谢系统的基本参数,它表征了 在自主神经调控下心肺代谢系统的工作状态。其中最主要的数字度量是“心肺谐 振序列指标Cardiopulmonary Resonance Indices CRI”。CRI是通过“呼吸窦性心 率不齐RSA”的数学模型求解而得出的”心肺谐振函数”,而进一步计算出的一组数字度量,被公认为副交感神经(迷走神经)和心理健康的表征。CRI包括:
心肺谐振频率CRF,呼吸对心率调制频率,通常与呼吸频率一致;
心肺谐振频宽CRB,心肺谐振函数的频宽。它表示在自主神经调控下,所 达成的心肺谐振能量的集中程度。频宽宽,则能力分散;频宽窄,则能量集中, 效率高。
心肺谐振幅度CRA,心肺谐振函数的幅度。表征自主神经调控下,心肺谐 振达到的最大值。
心肺谐振阻尼CRR,除呼吸通过自主神经对心率的调制外,其它因素,包 括通过免疫系统产生影响的炎症,通过大脑皮层产生影响的心理因素,通过外 周神经产生影响的器官问题。这些因素都作为阻尼,降低了心肺谐振水平,影 响了代谢系统效率。
由心跳信号和呼吸信号还可以计算出心率变异性HRV和呼吸变异性RRV:
心率变异标准差SD;
心率变异差分标准差RMSSD;
心率变异高频分量HF;
心率变异低频分量LF;
心率变异样本熵SampEn;
呼吸变异标准差RRV-SD;
呼吸变异差分标准差RRV-RMSSD;
呼吸变异高频分量HF;
呼吸变异低频分量LF。
在特定的应用场景,检测体动可以推断被测者的姿态。例如:在健康监测 床的情况下,雷达装在上面,被测者仰卧时可以很好地检测到心跳和呼吸信号, 体动之后,心跳和呼吸信号检测显著变差,被测者转向侧卧姿态了。
CRI、HRV、RRV、体态共同组成由心跳和呼吸信号计算出的健康指标。 对于其中每一个指标,都有参考值和范围。测量值不落在参考值范围之内,表 示自主设计调控状态异常,存在心理或生理问题。
一些实施例中,本申请提供的基于毫米波雷达的健康监测装置还包括:
预处理模块,用于根据用户的健康状态对提示信息进行处理;其中,健康 状态包括:睡眠、感染、突发疾病、心里健康、死亡。
具体的,将健康指标与预设值进行对比分析时,由毫米波雷达提供的心跳、 呼吸、体动信号计算出的健康指标,为健康状态分析提供了数字特征。本发明 提供下述健康状态分析方法:
1)、健康指标异常:
对于每一个健康指标,都提供参考值及范围。在提供监测报告时,或显示 监测数据时,采取下面的形式:指标名称、测量值、参考值、(正常、异常)、 临床意义。
2)、睡眠分期、疲劳和瞌睡鉴别:
以健康指标中的CRI、HRV、RRV组成特征矢量,进行睡眠分期(4期), 以及疲劳分级和瞌睡鉴别,都是典型的分类方法。本发明采用有监督学习分类 方法,支持向量机。首先针对一类应用的典型人群,采集数据和分类标记,形 成训练数据集。再使用支持向量机在训练数据集上学习分类器参数。最后使用 训练好的分类器,在应用中实施睡眠分期,以及疲劳分级和瞌睡鉴别。
3)、感染早期检测:
以健康指标中的CRI、HRV、RRV组成特征矢量进行细菌和病毒感染的早 期检测,也是一种分类,最后的结果是感染的概率。本发明也采用支持向量机, 在一批临床案例中进行学习和训练。在临床中使用训练好的分类器的同时,采 用获得的新的训练样本,不断学习和完善分类器。
4)、突发疾病检测:
检测和预警突发疾病是毫米波雷达健康监测的重要用途。突发疾病表现为 自主神经调控的异常,必然会表现为健康指标,特别是CRI、HRV、RRV的多 项指标的异常。本发明检测到CRI、HRV、RRV三大指标都突发异常,启动紧 急报警,并向有关医生工作站、移动终端传送所有数据。
随着案例的积累,本发明中的突发疾病检测将启动支持向量机学习,根据 突发异常的指标,学习判别突发疾病的类型。优化报警服务。
5)、状态变化检测:
健康指标和姿态的状态变化,标志被测者发生的健康和生活状态的改变。 例如,独居老人在床上并未检测到体动,同时检测不到任何呼吸和心跳信号。 在卫生洗澡间里,检测到摔倒,同时呼吸信号消失。都以被测者疑似死亡状态 报警。
在汽车状态变化检测中,从雷达检测到数个呼吸信号,到后座只剩一个呼 吸信号,以留下儿童单独在车中的状态于以警示。
一些实施例中,信号采集模块1,包括:
毫米波调频连续波雷达,多个发射天线以及多个接收天线,毫米波调频连 续波雷达一端与发射天线连接,其另一端与接收天线连接;
毫米波调频连续波雷达用于产生调制脉冲并采用调频方式调制为第一毫米 波雷达信号;
发射天线用于将第一毫米波雷达信号发射至人体;
接收天线用于接收第一毫米波雷达信号被人体反射后投射到调频连续波毫 米波雷的第二毫米波雷达信号。
具体的,如图6所示,本申请采用毫米波调频连续波雷达测距,毫米波频 谱是指波长介于1cm-1mm之间、工作频率为30GHz-300GHz的电磁频谱。根据IEEE标准,常用的毫米波按频段可以分为:26.5GHz-40GHz(Ka波段)、 40GHz-75GHz(V波段)及75GHz-110GHz(W波段)。呼吸运动引起肺部的收缩舒 张,从而引起胸腔的较大幅度前后波动。这个波动幅度前面有1-12毫米。后面 有0.1-0.5毫米。心脏跳过程中,心壁和血管产生机械振动,引起胸腔的微动,皮 肤表面也有小幅度的前后波动。这个波动幅度较小,前面有0.1-0.5毫米。后面有0.01-0.2毫米。人体的呼吸与心跳活动引起的胸腔运动,与毫米波雷达波长 处于同一量级,对雷达回波调制,产生频率、相位、幅度以及到达时间的周期性变 化,因此雷达能够根据处理回波来监测到人体的呼吸心跳特征。
相较于单频或双频连续波(CW)多普勒雷达和超宽带(UWB)脉冲雷达,调频 连续波(FMCW)毫米波雷达的优势如下:
1)毫米波雷达的高检测精度:因为来自胸部周期运动的微小位移是毫米级 的,这与FMCW雷达的波长相当,因此使用FMCW体制的雷达可以有效检测到由呼吸和心跳引起的胸部运动。
2)鉴别距离或定位的能力:因为雷达能够区分不同距离范围的物体,它可 能被用于多目标的生命体征检测。
3)鲁棒性强:与调幅信号相比,调频信号抗噪声能力更强。因此与脉冲雷 达相比,FMCW雷达受噪声的影响较小。
优选的,信号采集模块1还包括:
功率放大器、前置放大器、解调器以及模数转换器;
功率放大器一端与毫米波调频连续波雷达连接,其另一端与发射天线连接, 用于放大第一毫米波雷达信号;
前置放大器一端与接收天线连接,其另一端与解调器一端连接,解调器另 一端分别与毫米波调频连续波雷达、模数转换器连接;
前置放大器用于对第二毫米波雷达信号进行降噪放大;
解调器用于对第一毫米波雷达信号、第二毫米波雷达信号进行解调,得到 因人体距离产生的调制脉冲相位变化信号;
模数转换器用于对解调后的因人体距离产生的调制脉冲相位变化信号进行 模数转换。
毫米波调频连续波雷达产生调制脉冲并使用调频方式调制到毫米波载频信 号上去,并同时送往功率放大器和解调器。放大之后的第一毫米波雷达信号通 过天线向目标发射电磁波信号。该信号经过目标反射后投射到雷达的接收天线 为第二毫米波雷达信号,第二毫米波雷达信号经过低噪声前置放大后送到解调 器,与第一毫米波雷达信号比较,解调得到因目标距离产生的调制脉冲相位变化信号。经过数模转换和信号处理,得到目标距离随时间的变化曲线,再经过 呼吸、心跳和体动检测,分离出心跳、呼吸和体动信号。
在本申请中,使用了德州仪器(TI)的毫米波IWR1642芯片,其中心频率为 77-81GHz。装置备有4个发射天线和4个接收天线。目标离雷达的距离以0.5 米到2米设计为最佳。图2中所有模块都集成在小型(10cmx10cm)硬件和嵌 入式软件组成的系统中。获取的心跳、呼吸和体动信号由标准接口(USB或 CAN)输出。
需要说明的是,本申请中的雷达芯片还可以采用其他芯片,本申请在此不 做限定。
如图3所示是毫米波雷达调频信号示意图。雷达主频信号是连续毫米波正 弦信号。其频率调制由图中的线性扫频脉冲完成,一个线性调频脉冲称作是一 个“chirp”,在线性调频脉冲的作用下,主频由一个频率的线性变化,这个频率变化值被称作是带宽B,B=ST,其中S为斜率,T表示一个“chirp”的持续时间。 反射回来的信号看作是发射信号的延迟版本,td和fb分别表示发射和反射信号 的时间间隔以及频率差,其中td由测试目标和雷达的距离决定:td=2R/c,fb由 延迟时间以及频率变化的斜率S决定:fb=tdS=2RS/c。
由目标反射回来的信号,由于距离的不同,相对于发射信号来说,有了一 个频率延迟。解调器以发射信号为基准,检测出反射信号的差频信号,再经过 模数转换,送到信号处理模块,检测出的差频信号对应于目标距离。
一些实施例中,信号处理模块2,包括:
信号处理单元,用于根据模数转换后的因人体距离产生的调制脉冲相位变 化信号获取人体距离随时间变化的曲线;
体征信号检测单元,用于采用小波转换法对曲线进行分解,分离出呼吸信 号、心跳信号以及体动信号。
优选的,信号提醒单元3,包括:
显示屏,用于显示提示信息;
扬声器,用于报警。
其中,显示屏能够显示健康状态信息或提示信息,扬声器能够用于声音报 警。
本申请提供的基于毫米波雷达的健康监测装置,能够应用于多种场所:
由于雷达健康监测的非接触感知方式,不涉及个人隐私,对衣物、被褥、 墙壁等非金属障碍物有穿透性,不受温度和光照的影响,且小型化、集成度高, 特别时对被测者不构成任何干扰或不方便,因此具有广泛的应用。
健康监测床,可以应用于家庭、医院、养老院等场所。
如图7所示,雷达直接安装在床的上方。心跳、呼吸和体动信号通过标准 接口送到健康指标终端,计算出的健康指标,即:心肺谐振指标CRI、心率变 异性HRV、和呼吸变异性RRV、和姿态,通过无线或有线方式送到被测者手机 APP和医生工作站,并进一步上传到数据库。在被测者手机APP/医生工作站上, 对照参考值,分析监测结果,警示异常,提供预防、保健、和康复意见和处方。
自主神经调控睡眠,使用CRI、HRV、RRV作为特征矢量,可以以较高的 精度分类睡眠的4个阶段:醒、快速眼动睡眠期、浅睡、深睡,评估睡眠质量。
毫米波雷达健康监测床也可以用在医院里作为新型监测系统。使用CRI、HRV、RRV,可以实现病人感染的早期检测。由于心肺谐振指标CRI等参数, 表征了自主神经和免疫系统的调控状态,细菌和病毒感染会导致免疫系统失衡。 因此,相对于温度和血液检测,使用CRI、HRV、RRV,可以比生化检测提前 20-72小时预测感染,以便及早干预,提高治愈率,降低风险和死亡率。
还可以放置于卫生洗澡间监测,将雷达置于马桶前上方,监测如厕者心跳 和呼吸,检测异常,报警因排便用力可能引起的危及生命的疾病。
将雷达至于卫生洗澡间顶部,检测呼吸和体动,检测和报告可能的摔倒和 卧地不起。
除此之外,还能够将本申请提供的基于毫米波雷达的健康监测装置放置于 汽车内,具体的,将毫米波雷达和健康指标终端置于方向盘内。并在健康指标 终端内加入健康状态分析、疲劳程度分析、瞌睡分析和警示等应用程序,直接 监测驾驶员的健康状态,以及疲劳度、打瞌睡等,及时预警,避免事故。
将雷达至于前排或后排车顶位置,检测呼吸和体动,进而检测车内个体, 报警单独留儿童于车中的情景。
本申请实施例提供一种基于毫米波雷达的健康监测方法,如图8所示,包 括:
S801,接收待检测的人体信息;
S802,根据采集的人体信息确定人体与监测装置的距离以及体征信息;
S803,通过体征信息确定人体的健康指标,将健康指标与预设值进行对比 分析,确定提示信息;
S804,显示提示信息;
其中,采用小波转换法根据调制脉冲相位变化信号分离并重构呼吸信号、 心跳信号以及体动信号,包括:
其分离过程为:
φl+1,…2m(t)=∑h(n)φl,m(t-nk) (1)
φl+1,…2m+1(t)=∑g(n)φl,m(t-nk) (2)
其中,式(1)和(2)表示信号分解过程,h(n)和g(n)分别表示分解过程 中的低通滤波器和高通滤波器;l表示分解的层数,m表示在相应的层所对应的节点位置;式(3)表示信号分解的逆过程,用于将分解后的信号根据相应的频 率范围进行重构。
优选的,采用小波转换法根据调制脉冲相位变化信号分离并重构呼吸信号、 心跳信号以及体动信号,还包括:对分离出的心跳信号进行处理;
对分离出的心跳信号进行处理,包括:
将得到的心跳信号HR(t)沿着时间轴移动一段间隔td得到平移后的心率信 号HR(t+td);
利用自相关算法计算平移前后心率波形的自相关系数:
通过调整平移时间间隔td得到多个自相关系数直到时间间隔覆盖整个时间 轴。
优选的,在显示提示信息,之前还包括:
根据用户的健康状态对提示信息进行预处理。
综上所述,本发明提供一种基于毫米波雷达的健康监测装置及方法,本发 明信号采集模块,用于采集待检测的人体信息;信号处理模块,用于根据采集 的人体信息确定人体与监测装置的距离以及体征信息,并通过体征信息确定人 体的健康指标,将健康指标与预设值进行对比分析,确定提示信息;指标提醒 模块,用于显示提示信息。本发明使用毫米波高分辨率雷达,测量被测者胸部运动。对胸部运动信号的处理和分析,分别得到被测者的运动状态、呼吸信号、 和心跳信号。首先,根据运动信号,评定被测者处于静息状态、动态、大范围 运动三个状态中的一种;在静息状态下,分析心跳和呼吸信号,计算心率变异 性、呼吸变异性和自主神经心肺谐振指标。毫米波雷达健康监测是完全无干扰、 可穿透监测,特别适用床上健康监测。本发明提供的健康指标,表征自主神经调控状态,是评定人体炎症、心理、和心血管疾病风险的重要指标。
可以理解的是,上述提供的装置实施例与上述的方法实施例对应,相应的 具体内容可以相互参考,在此不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计 算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结 合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包 含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品 的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/ 或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方 框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处 理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或 其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程 或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的 指令产生包括指令方法的制造品,该指令方法实现在流程图一个流程或多个流 程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使 得在计算机或其他可编程设备上执行一操作步骤以产生计算机实现的处理,从 而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或 多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于 此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到 变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应 以所述权利要求的保护范围为准。
Claims (7)
1.一种基于毫米波雷达的健康监测装置,其特征在于,包括:
信号采集模块,用于采集待检测的人体信息,根据所述人体信息获取因人体距离产生的调制脉冲相位变化信号;
信号处理模块,用于采用小波转换法根据所述调制脉冲相位变化信号分离并重构呼吸信号、心跳信号以及体动信号,以确定人体的健康指标,将所述健康指标与预设值进行对比分析,确定提示信息;其中,所述健康指标包括:心肺谐振指标、心率变异性、呼吸变异性;
指标提醒模块,用于显示所述提示信息;
其中,所述采用小波转换法根据所述调制脉冲相位变化信号分离并重构呼吸信号、心跳信号以及体动信号,包括:
其分离过程为:
(1)
(2)
(3)
其中,式(1)和(2)表示信号分解过程,h(n)和g(n)分别表示分解过程中的低通滤波器和高通滤波器;l表示分解的层数,m表示在相应的层所对应的节点位置;式(3)表示信号分解的逆过程,用于将分解后的信号根据相应的频率范围进行重构;表示调制脉冲相位变化信号;n表示节点;t表示当前时间;k表示变换位置;
所述采用小波转换法根据所述调制脉冲相位变化信号分离并重构呼吸信号、心跳信号以及体动信号,还包括:对分离出的心跳信号进行处理;
所述对分离出的心跳信号进行处理,包括:
将得到的心跳信号HR(t)沿着时间轴移动一段间隔td得到平移后的心率信号HR(t+td);
利用自相关算法计算平移前后心率波形的自相关系数:
(4)
通过调整平移时间间隔td得到多个自相关系数直到时间间隔覆盖整个时间轴;表示自相关系数;t表示当前时间;/>表示时间序列的均值;/>表示方差;E表示数学期望;
所述信号处理模块,包括:
信号处理单元,用于根据模数转换后的因人体距离产生的调制脉冲相位变化信号获取人体距离随时间变化的曲线;
体征信号检测单元,用于采用小波转换法对所述曲线进行分解,分离出呼吸信号、心跳信号以及体动信号。
2.根据权利要求1所述的基于毫米波雷达的健康监测装置,其特征在于,还包括:
预处理模块,用于根据用户的健康状态对提示信息进行处理;其中,所述健康状态包括:睡眠、感染、突发疾病、心里健康、死亡。
3.根据权利要求1所述的基于毫米波雷达的健康监测装置,其特征在于,所述信号采集模块,包括:
毫米波调频连续波雷达,多个发射天线以及多个接收天线,所述毫米波调频连续波雷达一端与所述发射天线连接,其另一端与所述接收天线连接;
所述毫米波调频连续波雷达用于产生调制脉冲并采用调频方式调制为第一毫米波雷达信号;
所述发射天线用于将所述第一毫米波雷达信号发射至人体;
所述接收天线用于接收所述第一毫米波雷达信号被人体反射后投射到所述调频连续波毫米波雷的第二毫米波雷达信号。
4.根据权利要求3所述的基于毫米波雷达的健康监测装置,其特征在于,所述信号采集模块还包括:
功率放大器、前置放大器、解调器以及模数转换器;
所述功率放大器一端与所述毫米波调频连续波雷达连接,其另一端与所述发射天线连接,用于放大第一毫米波雷达信号;
所述前置放大器一端与所述接收天线连接,其另一端与所述解调器一端连接,所述解调器另一端分别与所述毫米波调频连续波雷达、模数转换器连接;
所述前置放大器用于对第二毫米波雷达信号进行降噪放大;
所述解调器用于对第一毫米波雷达信号、第二毫米波雷达信号进行解调,得到因人体距离产生的调制脉冲相位变化信号;
所述模数转换器用于对解调后的因人体距离产生的调制脉冲相位变化信号进行模数转换。
5.根据权利要求1至4任一项所述的基于毫米波雷达的健康监测装置,其特征在于,所述指标提醒模块,包括:
显示屏,用于显示所述提示信息;
扬声器,用于报警。
6.一种基于毫米波雷达的健康监测方法,其特征在于,包括:
采集待检测的人体信息,根据所述人体信息获取因人体距离产生的调制脉冲相位变化信号;
采用小波转换法根据所述调制脉冲相位变化信号分离并重构呼吸信号、心跳信号以及体动信号,以确定人体的健康指标,将所述健康指标与预设值进行对比分析,确定提示信息;其中,所述健康指标包括:心肺谐振指标、心率变异性、呼吸变异性;
显示所述提示信息;
其中,所述采用小波转换法根据所述调制脉冲相位变化信号分离并重构呼吸信号、心跳信号以及体动信号,包括:
其分离过程为:
(1)
(2)
(3)
其中,式(1)和(2)表示信号分解过程,h(n)和g(n)分别表示分解过程中的低通滤波器和高通滤波器;l表示分解的层数,m表示在相应的层所对应的节点位置;式(3)表示信号分解的逆过程,用于将分解后的信号根据相应的频率范围进行重构;表示调制脉冲相位变化信号;n表示节点;t表示当前时间;k表示变换位置;
所述采用小波转换法根据所述调制脉冲相位变化信号分离并重构呼吸信号、心跳信号以及体动信号,还包括:对分离出的心跳信号进行处理;
所述对分离出的心跳信号进行处理,包括:
将得到的心跳信号HR(t)沿着时间轴移动一段间隔td得到平移后的心率信号HR(t+td);
利用自相关算法计算平移前后心率波形的自相关系数:
(4)
通过调整平移时间间隔td得到多个自相关系数直到时间间隔覆盖整个时间轴;表示自相关系数;t表示当前时间;/>表示时间序列的均值;/>表示方差;E表示数学期望;
基于毫米波雷达的健康监测方法还包括:
根据模数转换后的因人体距离产生的调制脉冲相位变化信号获取人体距离随时间变化的曲线;
采用小波转换法对所述曲线进行分解,分离出呼吸信号、心跳信号以及体动信号。
7.根据权利要求6所述的方法,其特征在于,在显示所述提示信息,之前还包括:
根据用户的健康状态对提示信息进行预处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010790316.0A CN111938613B (zh) | 2020-08-07 | 2020-08-07 | 基于毫米波雷达的健康监测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010790316.0A CN111938613B (zh) | 2020-08-07 | 2020-08-07 | 基于毫米波雷达的健康监测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111938613A CN111938613A (zh) | 2020-11-17 |
CN111938613B true CN111938613B (zh) | 2023-10-31 |
Family
ID=73332888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010790316.0A Active CN111938613B (zh) | 2020-08-07 | 2020-08-07 | 基于毫米波雷达的健康监测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111938613B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112698314B (zh) * | 2020-12-07 | 2023-06-23 | 四川写正智能科技有限公司 | 一种基于毫米波雷达传感器的儿童智能健康管理方法 |
CN112617786A (zh) * | 2020-12-14 | 2021-04-09 | 四川长虹电器股份有限公司 | 基于tof摄像头的心率检测装置及方法 |
CN113197116A (zh) * | 2021-05-07 | 2021-08-03 | 青岛不愁网信息科技有限公司 | 生猪健康监测及出栏时间评估方法、终端设备及存储介质 |
CN114027805B (zh) * | 2021-05-25 | 2023-10-31 | 北京超思电子技术有限责任公司 | 一种基于微波雷达的生命体征测量方法及系统 |
CN113384250B (zh) * | 2021-05-26 | 2022-03-15 | 上海交通大学 | 用于生命体征探测的毫米波雷达系统低功耗实现方法 |
CN113589278B (zh) * | 2021-07-15 | 2023-08-01 | 森思泰克河北科技有限公司 | 心跳频率的确定方法、数据处理装置 |
CN113842126A (zh) * | 2021-09-16 | 2021-12-28 | 珠海格力电器股份有限公司 | 监护方法、装置、电子设备及存储介质 |
CN113729641A (zh) * | 2021-10-12 | 2021-12-03 | 南京润楠医疗电子研究院有限公司 | 一种基于条件对抗网络的非接触式睡眠分期系统 |
CN113729678B (zh) * | 2021-10-12 | 2023-11-21 | 南京润楠医疗电子研究院有限公司 | 一种基于毫米波雷达的无线体征测量系统 |
CN113633271B (zh) * | 2021-10-18 | 2021-12-31 | 北京卓建智菡科技有限公司 | 人体活动状态检测方法、装置、设备及存储介质 |
CN114052674A (zh) * | 2021-11-17 | 2022-02-18 | 庚辰科技(宁波)有限公司 | 心脏功能障碍预警方法及系统 |
CN115299892B (zh) * | 2022-08-02 | 2023-07-18 | 郑州大学 | 基于边缘计算的非接触式微动检测系统 |
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 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2817472B2 (ja) * | 1991-10-07 | 1998-10-30 | 松下電器産業株式会社 | 生体情報処理装置とそのモニター装置 |
JP2002336207A (ja) * | 2001-05-14 | 2002-11-26 | Matsushita Electric Ind Co Ltd | 在床異常モニタ装置 |
JP2007061587A (ja) * | 2005-09-01 | 2007-03-15 | Fukushima Prefecture | 呼吸心拍監視装置 |
CN102988051A (zh) * | 2012-12-13 | 2013-03-27 | 中国人民解放军第四军医大学 | 用于计算机操作者健康的监测装置及方法 |
CN105007636A (zh) * | 2015-06-11 | 2015-10-28 | 南京邮电大学 | 一种面向运动康复的可穿戴式无线传感网节点装置 |
WO2015174879A1 (en) * | 2014-05-14 | 2015-11-19 | Novelic D.O.O. | Mm-wave radar vital signs detection apparatus and method of operation |
CN108175382A (zh) * | 2018-01-10 | 2018-06-19 | 深圳先进技术研究院 | 基于cpc的非接触式睡眠评估方法及装置 |
WO2019122412A1 (en) * | 2017-12-22 | 2019-06-27 | Resmed Sensor Technologies Limited | Apparatus, system, and method for health and medical sensing |
CN109998549A (zh) * | 2019-03-19 | 2019-07-12 | 浙江工业大学 | 一种基于WiFi信道状态信息的人体呼吸检测方法 |
CN110045366A (zh) * | 2018-01-16 | 2019-07-23 | 英飞凌科技股份有限公司 | 生命信号测量系统和方法以及校正滤波器的校准方法 |
CN111329468A (zh) * | 2020-02-10 | 2020-06-26 | 郭洪军 | 一种心内科实时监测系统及其监测方法 |
CN111481184A (zh) * | 2020-04-24 | 2020-08-04 | 华侨大学 | 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014151133A1 (en) * | 2013-03-15 | 2014-09-25 | Kirill Mostov | Apparatus and methods for remote monitoring of physiological parameters |
-
2020
- 2020-08-07 CN CN202010790316.0A patent/CN111938613B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2817472B2 (ja) * | 1991-10-07 | 1998-10-30 | 松下電器産業株式会社 | 生体情報処理装置とそのモニター装置 |
JP2002336207A (ja) * | 2001-05-14 | 2002-11-26 | Matsushita Electric Ind Co Ltd | 在床異常モニタ装置 |
JP2007061587A (ja) * | 2005-09-01 | 2007-03-15 | Fukushima Prefecture | 呼吸心拍監視装置 |
CN102988051A (zh) * | 2012-12-13 | 2013-03-27 | 中国人民解放军第四军医大学 | 用于计算机操作者健康的监测装置及方法 |
WO2015174879A1 (en) * | 2014-05-14 | 2015-11-19 | Novelic D.O.O. | Mm-wave radar vital signs detection apparatus and method of operation |
CN105007636A (zh) * | 2015-06-11 | 2015-10-28 | 南京邮电大学 | 一种面向运动康复的可穿戴式无线传感网节点装置 |
WO2019122412A1 (en) * | 2017-12-22 | 2019-06-27 | Resmed Sensor Technologies Limited | Apparatus, system, and method for health and medical sensing |
CN108175382A (zh) * | 2018-01-10 | 2018-06-19 | 深圳先进技术研究院 | 基于cpc的非接触式睡眠评估方法及装置 |
CN110045366A (zh) * | 2018-01-16 | 2019-07-23 | 英飞凌科技股份有限公司 | 生命信号测量系统和方法以及校正滤波器的校准方法 |
CN109998549A (zh) * | 2019-03-19 | 2019-07-12 | 浙江工业大学 | 一种基于WiFi信道状态信息的人体呼吸检测方法 |
CN111329468A (zh) * | 2020-02-10 | 2020-06-26 | 郭洪军 | 一种心内科实时监测系统及其监测方法 |
CN111481184A (zh) * | 2020-04-24 | 2020-08-04 | 华侨大学 | 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 |
Non-Patent Citations (1)
Title |
---|
《超声多普勒胎儿心率检测算法研究》;朱万里;《医药卫生科技》;20150515;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111938613A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111938613B (zh) | 基于毫米波雷达的健康监测装置及方法 | |
US11690519B2 (en) | Apparatus, system, and method for monitoring physiological signs | |
CN109480787B (zh) | 一种基于超宽带雷达的非接触式睡眠监测设备及睡眠分期方法 | |
Migliorini et al. | Automatic sleep staging based on ballistocardiographic signals recorded through bed sensors | |
JP6602657B2 (ja) | 生体情報の取得装置、生体情報の取得プログラムおよび生体情報の取得方法 | |
CN110897631B (zh) | 孕产实时监测装置及方法 | |
CN114305364B (zh) | 基于毫米波雷达的血压检测方法、系统及设备 | |
Sivanantham | Measurement of heartbeat, respiration and movements detection using Smart Bed | |
Kagawa et al. | Sleep stage classification by non-contact vital signs indices using Doppler radar sensors | |
CN106510641B (zh) | 一种检测人体不同睡眠阶段的方法及系统 | |
US10327648B2 (en) | Blood vessel mechanical signal analysis | |
Vasu et al. | Signal processing methods for non-contact cardiac detection using Doppler radar | |
Suzuki et al. | Remote sensing for medical and health care applications | |
EP4327743A1 (en) | Sleeping state estimation system | |
Lin et al. | Air-mattress system for ballistocardiogram-based heart rate and breathing rate estimation | |
Hata et al. | A Fuzzy Biosignal Detection Algorithm And Its Application To Health Monitoring | |
Alqudah et al. | Multiple time and spectral analysis techniques for comparing the PhotoPlethysmography to PiezoelectricPlethysmography with electrocardiography | |
Darwin et al. | A detailed review on embedded based heartbeat monitoring systems | |
WO2019224113A1 (en) | Measuring movement in a subject | |
Hata et al. | Home care system for aging people confined to bed by detached sensor network | |
Chang et al. | Pervasive computing and ambient physiological monitoring devices | |
US20230009478A1 (en) | Estimation of tidal volume using load cells on a hospital bed | |
Roberto | Automatic heartbeat monitoring system | |
US20230363654A1 (en) | Beamforming systems and methods for detecting heart beats | |
Malcangi et al. | Fuzzy-logic inference for early detection of sleep onset in car driver |
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 |