CN112220464A - 一种基于uwb雷达的人体呼吸心跳信号检测方法和系统 - Google Patents
一种基于uwb雷达的人体呼吸心跳信号检测方法和系统 Download PDFInfo
- Publication number
- CN112220464A CN112220464A CN202011165684.2A CN202011165684A CN112220464A CN 112220464 A CN112220464 A CN 112220464A CN 202011165684 A CN202011165684 A CN 202011165684A CN 112220464 A CN112220464 A CN 112220464A
- Authority
- CN
- China
- Prior art keywords
- respiration
- heartbeat
- human body
- azimuth
- signal
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
Abstract
本发明公开一种基于UWB雷达的人体呼吸心跳信号检测方法和系统,包括超宽带雷达向人体发射信号;超宽带雷达接收目标回波信号,经过处理后得到二维回波数据矩阵;对二维回波数据矩阵进行去除直流分量、沿距离向进行加窗脉压处理得到预处理矩阵;去除预处理矩阵的固定杂波并通过恒虚警检测完成目标距离锁定;引入权矢量,并通过OMP算法完成稀疏重构,得到目标的呼吸和心跳信号。本发明能够准确地将呼吸和心跳信号从回波信号中提取并分离,以实现非接触式的人体的心跳和呼吸监测。
Description
技术领域
本发明涉及超宽带雷达技术领域,具体涉及一种基于UWB雷达的人体呼吸心跳信号检测方法和系统。
背景技术
人体的心跳和呼吸这两个生命体征可以准确的了解人体的生理状况,目前我国临床医疗对于人体心跳和呼吸的监测很大程度上是通过接触式的检查仪器来实现,如:心电图、呼吸绑带、诊听器等。而对于那些需要长时间进行监测的患者或者大面积烧伤烫伤、皮肤过敏的患者就不能采用接触式的监测方式。
发明内容
本发明提供一种基于UWB雷达的人体呼吸心跳信号检测方法和系统,其能够准确地将呼吸信号和心跳信号从目标的雷达回波中提取并分离,以实现非接触式的人体的心跳和呼吸监测。
为解决上述问题,本发明是通过以下技术方案实现的:
一种基于UWB雷达的人体呼吸心跳信号检测方法,包括步骤如下:
步骤1、向人体发射超宽带线性调频连续波信号;
步骤2、超宽带线性调频连续波信号经过人体反射后形成回波数据,该回波数据经过采样量化后形成二维距离向-方位向接收矩阵;
步骤3、首先利用均值法去除二维距离向-方位向接收矩阵中的直流分量;然后对去除直流分量后的二维距离向-方位向接收矩阵的距离向和方位向分别进行加窗抑制旁瓣;最后对加窗处理后的二维距离向-方位向接收矩阵的沿距离向进行快速傅里叶变换得到脉冲压缩后的二维距离向-方位向接收矩阵;
步骤4、首先利用均值法分别去除脉冲压缩后的二维距离向-方位向接收矩阵的每个距离单元中的固定杂波;然后通过恒虚警检测技术分别检测每个去除固定杂波的距离单元,将目标所在的距离单元进行锁定,并提取目标所在距离单元的方位向回波数据;
步骤5、首先为基字典中的每一列分别赋予一个给定的权重,并利用这些给定的权重构建给定的权矢量W*;然后对给定的权矢量取范数得到最终的权矢量W,其中:
W=W*/||W*||2
步骤6、构建基字典D*,并利用步骤5所构建的权矢量W对该基字典D*进行加权后得到最终的基字典D;
步骤7、基于步骤6所构建的最终的基字典D,并利用正交匹配追踪算法对步骤4所得到的方位向回波数据进行迭代处理后还原出人体的呼吸和心跳信号。
上述步骤3中,采用泰勒窗函数对去除直流分量的二维距离向-方位向接收矩阵的距离向进行加窗抑制旁瓣,采用切比雪夫窗函数对去除直流分量的二维距离向-方位向接收矩阵的方位向进行加窗抑制旁瓣。
上述步骤3中,快速傅里叶变换的点数大于二维距离向-方位向接收矩阵的距离向维数的最小二次整数次幂。
上述步骤5中,将心跳信号频率区间所对应的基字典的列的给定的权重设置为0.05,将呼吸信号频率区间所对应的基字典的列的给定的权重设置为1;将从呼吸到心跳的过渡频率区间所对应的基字典的列的给定的权重设置为从1至0.05的线性变化值。
实现上述方法的一种基于UWB雷达的人体呼吸心跳信号检测系统,包括超宽带呼吸监测雷达系统和上位机;超宽带呼吸监测雷达系统包括天线板、射频板和基带数字板;射频板上设有锁相环、π型衰减器、运算放大器、功分器、混频器、低噪放大器、功率放大器、滤波器和模数转换器;基带数字板上设有FPGA和通信模块;FPGA与锁相环的输入端连接,锁相环的输出端经由π型衰减器与运算放大器的输入端连接,运算放大器的输出端与功分器的输入端连接,功分器的输出端分为两路:一路连接到天线板的发射端,另一路连接混频器的一个输入端;低噪放大器的输入端连接到天线板的接收端,低噪放大器的输出端连接混频器的另一个输入端;混频器的输出端连接功率放大器的输入端,功率放大器的输出端经由滤波器与模数转换器的输入端连接,模数转换器的输出端连接FPGA;FPGA经由通信模块与上位机连接。
上述方案中,超宽带呼吸监测雷达系统还包括金属屏蔽罩,该金属屏蔽罩将射频板包裹在其中。
上述方案中,通信模块包括蓝牙模块和/或WIFI模块。
与现有技术相比,本发明首先通过超宽带信号作为承载目标呼吸和心跳信号的载体,提高了距离分辨率;然后除去接收信号的直流分量,并对雷达回波数据的距离向加窗以及进行快速傅里叶变换,完成距离向脉冲压缩的同时抑制旁瓣,实现能量聚焦;再去除固定杂波的干扰,增强微弱的心跳呼吸信号,然后沿回波的方位向进行加权稀疏重构,利用正交匹配追踪法进行迭代,提高估计精度和分辨率,其中可以对基字典进行权重分配来对心跳呼吸信号的求解进行增强,并对权向量求范数,提高泛化能力;通过一定方式有效提高信噪比,并使计算效率大大提升,值得被推广使用。
附图说明
图1是基于UWB雷达的人体呼吸心跳信号检测方法的流程图;
图2是超宽带雷达发射信号的波形图;
图3是二维距离向-方位向接收矩阵图像;
图4是预处理后的二维距离向-方位向接收矩阵图像;
图5是杂波抑制之后的二维距离向-方位向接收矩阵图像;
图6是杂波抑制之后目标所在距离门的慢时间频率域幅度图像;
图7是给定的权矢量示意图;
图8是非加权稀疏求解的呼吸和心跳信号图像;
图9是加权稀疏求解的呼吸和心跳信号图像;
图10是经典二维FFT求解的呼吸和心跳信号图像;
图11是基于UWB雷达的人体呼吸心跳信号检测系统的原理框图。
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明白,以下结合具体实例,对本发明进一步详细说明。
基于UWB(Ultra Wide Band:超宽带)雷达系统的人体呼吸心跳信号检测技术能够在一定区域内、隔着某些介质(如墙壁、衣物等)、且在不接触被测目标的情况下对人体的呼吸心跳信号进行检测并提取的技术,该技术具有远程监控、穿透性强、抗干扰能力强、精度高、非接触等优点。然而由于UWB雷达系统会受外界环境的噪声干扰,且人体的呼吸心跳信号强度微弱,所以会导致雷达所接收到的信号随机性较强,从而加大了在低信噪比的回波信号中提取呼吸心跳信号的难度。此时,为了可以准确地采集被测对象的呼吸心跳信号,回波信号的去噪处理和对呼吸心跳信息的提取就显得非常重要。
参见图1,一种基于UWB雷达的人体呼吸心跳信号检测方法,包括步骤如下:
S1:产生发射信号
通过超宽带雷达的控制单元(FPGA)来控制锁相环PLL产生中心频率为7GHZ,带宽为2GHZ的线性调频连续波信号,如图2所示,并由超宽带雷达的发射天线向人体发射线性调频连续波信号即电磁波信号。
S2:接收目标回波信号
超宽带雷达发射的线性调频连续波信号经过人体反射,在超宽带雷达的接收天线处被接收并进行放大、混频、滤波处理后,利用ADC采样量化回波数据,形成一个m*n的二维数据矩阵,即二维距离向-方位向接收矩阵S_C。由于在物理意义层面上来说,快时间维对应距离向,慢时间维对应方位向,因此二维距离向-方位向接收矩阵S_C为快时间-慢时间矩阵,如图3所示,图中的纵坐标表示的是快时间,快时间为雷达发射的脉冲信号传播所花费的时间,其单位为ns;横坐标表示的是慢时间,慢时间为雷达对目标的探测时间,其单位为s。
S3:去除直流分量、沿距离向进行加窗脉压处理
S3.1:将二维距离向-方位向接收矩阵S_C的直流分量去除,得到去除直流分量的二维距离向-方位向接收矩阵S_C1。
并利用均值去直法:
这样就可以得到整个回波数据数学期望值为0的去除直流分量的二维距离向-方位向接收矩阵S_C1。
S3.2:对去除直流分量的二维距离向-方位向接收矩阵S_C1的距离向和方位向分别进行加窗抑制旁瓣,得到加窗处理后的二维距离向-方位向接收矩阵S_C2。
由于二维距离向-方位向接收矩阵S_C是通过采样得到的,因此在后续进行FFT处理过程中有可能会导致出现突然不连续的情况,从而导致FFT结果出现频谱泄漏的现象。为了避免上述情况出现同时把外带的高频分量剔除来达到压制旁瓣的目的,选择对去除直流分量的接收矩阵S_C1的距离向和方位向分别进行加窗,得到加窗处理后的二维距离向-方位向接收矩阵S_C2。在本实施例中,采用taylor window(泰勒窗函数)对去除直流分量的接收矩阵S_C1的距离向进行加窗,采用chebyshev window(切比雪夫窗函数)对去除直流分量的接收矩阵S_C1的方位向进行加窗。
S3.3:对加窗处理后的二维距离向-方位向接收矩阵S_C2的沿距离向进行快速傅里叶变换得到脉冲压缩后的二维距离向-方位向接收矩阵S_1。
对加窗处理的数据矩阵沿距离向进行快速傅里叶变换,其中傅里叶变化的点数大于距离向维数即行数m的最小二次整数次幂的数值,变换之后得到预处理后的二维距离向-方位向接收矩阵S_1,完成距离向脉冲压缩并得到对应的距离脉压方位慢时间数据,如图4所示。
S4:去除固定杂波并通过恒虚警检测完成目标距离锁定。
S4.1:对预处理后的二维距离向-方位向接收矩阵的每个距离单元(即每一行)内的信号利用均值法去除其固定杂波,杂波抑制之后的二维距离向-方位向接收矩阵如图5所示。
S4.2:通过恒虚警检测技术(CFAR,Constant False-Alarm Rate)分别检测每个去除固定杂波的距离单元,将目标所在的距离单元进行锁定,并提取目标所在距离单元的方位数据。
一般情况下雷达接收端输出信号存在两种情况:
x(t)=s(t)+n(t)
和
x(t)=n(t)
其中s(t)为回波信号,n(t)一般为均值为0,方差为1的高斯噪声。当接收机没有信号输入,而检测器判定有信号,则为虚警。
恒虚警检测:对雷达输入噪声处理后确定一个门限,用雷达输入端信号和该门限相比,若输入端信号高于此门限,则该信号为有用信号,若低于此门限,则该信号为无用信号。
设虚警概率为PF,漏报概率为PM,检测概率为PD。
PF=a(一般取值[0.05,0.1])
PM=min或PD=1-PM=max
利用拉格朗日乘子λ构造目标函数:
其中p(z|H0)为无信号输入时,雷达接收端信号电平的概率密度函数,同理p(z|H1)为有信号输入时,雷达接收端信号电平的概率密度函数。
由上可知,当J取最小值时,漏报概率PM最小。令J对z0的导数为0,则:
其似然比为:
这里的z0为电平门限,若输入电平z大于z0(λ(z)大于λ),则判别为有信号输入,反之则判别为无信号输入。其中λ由PF=a决定。
S5:对基字典进行权重分配,然后通过OMP算法完成稀疏重构
传统的信号采样必须满足奈奎斯特采样定理:
fs>2fN
如果采用目前比较常用的传统等间距采样方式来处理回波数据,一方面势必会造成大量资源的浪费,另一方面采样量的巨大化,会导致工作效率大大降低。由于目标回波的方位向回波在方位频域上呈现天然的稀疏性,并根据心跳信号和呼吸信号的频率同时容忍谐波分量,最终确定沿方位向构造0~20HZ范围内的傅里叶基字典,然后对固定杂波剔除后的方位向回波进行稀疏重构,在满足约束条件下,通过过完备字典精确找出参与测量的原子。为了增强对被测目标呼吸和心跳信号的求解,选择对方位向构建的基字典进行权重分配,并利用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)进行迭代处理来还原目标的心跳呼吸信号,可以提高目标频谱信号的估计精度和分辨率。
利用贪婪迭代算法(Greedy Iterative Algorithm)来还原目标的心跳呼吸信号可以大大缩短计算时间,提高整个UWB雷达系统的工作效率。由于呼吸和心跳信号都特别微弱,本发明通过对基字典进行权重分配,可以增强对呼吸和心跳信号的求解,如下式:
y=D*Wx+b
其中,y是方位向回波,其长度为n;D*是沿方位向构建的基字典;W是引入的最终的权矢量;x是呼吸心跳对应的频率分量;b是噪声分量。
根据心跳和呼吸频率,同时容忍谐波分量,可以在0~20HZ的范围内构造傅里叶基字典,其中基字典D*中的每个向量称为原子,其长度和y的长度相同。
因为雷达回波信号中的呼吸心跳信号是由于人体胸腔和心脏的微动产生的,其能量相比于回波信号中其他物体移动产生的噪声信号(相对于呼吸心跳信号来说)和背景噪声能量微弱很多,并且人体回波信号中呼吸和心跳信息通常都是融合在一起的。人体呼吸时,膈肌舒张和收缩,突出中心前后移动,胸腔前后径向位移,产生0~3cm的起伏,人体心脏跳动时会引起胸腔表面使得胸腔产生1.5~3.5mm的起伏幅度。并且健康成年人的呼吸频率为0.15Hz~1Hz、心跳频率为0.9Hz~1.6Hz,二者在频率上存在重叠部分。考虑到上述问题:一方面在使用UWB雷达采集呼吸心跳信号时,需要调整天线位置和方向,使天线发出的电磁波以最少的损失到达胸腔表面。另一方面由于呼吸心跳信号频率的对称性,需要进行对称加权。
首先为基字典中的原子赋予一个给定的权重w* i,并利用这些给定的权重构建给定的权矢量W*。其中i=1,2,…,l,l表示权重的个数,也即基字典的列数。基字典的每一列对应一个采样频率。参见图7。对于回波能量特别微弱的信号如心跳信号,对其所施加的权重越小,在稀疏重构后的信号就越强,所以将对应心跳信号频率区间内的权重w* i设置为0.05;对于回波能量相对较大的信号如呼吸信号,对其所施加的权重可以适当变大,使其在稀疏重构过程中和心跳信号正常竞争即可,所以将对应呼吸信号频率区间内的权重w* i设置为1;对于从呼吸到心跳的过渡频率区间内的权重w* i设置为从1至0.05的线性变化权值即可。而对于无信号区间的权重,我们将其权重设置为1,其目的是为了保证整个字典的RIP(相容性等距)特性,因为无信号区就是噪声,并不需要将其恢复,因此没必要对这些信号进行加权处理,按照正常的权值1进行处理即可。
而为了防止模型过拟合,提高模型的泛化能力,对给定的权矢量取范数得到最终的权矢量W,其中:
W=W*/||W*||2
步骤6、构建基字典D*,并利用步骤5所构建的权矢量W对该基字典D*进行加权后得到最终的基字典D;
步骤7、基于步骤6所构建的最终的基字典D,并利用正交匹配追踪算法对步骤4所得到的方位向回波数据进行迭代处理后还原出人体的呼吸和心跳信号。
根据最终得到的权矢量和沿方位向构建的基字典D*,得到最终的基字典D=D*W。
计算方位向回波y和基字典D的每一原子的内积,选择绝对值最大的一个原子,它就是与信号y在本次迭代运算中最匹配的,其满足:
接下来对残值R1f进行上述步骤同样的分解,那么第K步可以得到:
可见,经过K步分解后,信号y被分解为:
利用OMP算法进行迭代处理来还原目标的心跳呼吸信号,可以提高目标频谱信号的估计精度和分辨率,其步骤为:
输入:传感矩阵D,方位向回波(采样向量)y,稀疏度K;
初始化:残差r0=y,索引集Λ0=O,t=1;
循环执行步骤1-5;
2、更新索引集:
Λt=Λt-1∪{λt}
记录找到的传感矩阵中的重建原子集合:
3、由最小二乘得到:
4、更新残差:
5、判断是否满足t>K,若满足,停止迭代;若不满足,则执行步骤1。
最终可以得到目标的呼吸和心跳信号。
下面通过仿真实验对本发明的效果作进一步说明。
图8为非加权稀疏重构得到的人体呼吸心跳信号,图9为加权稀疏重构得到的人体呼吸心跳信号,通过比较可以看出在引入权矢量对心跳信号的求解进行加强后,其呼吸及心跳信息都可以可以成功的被提取出来,而没有引入权矢量对回波信号进行重构后的结果,其呼吸信号可以得到,但是很难发现心跳信号。图10为经典的二维FFT求解算法,通过与图9进行比较,可以发现二维FFT不仅在呼吸心跳信号求解的精度上不及加权稀疏重构算法的精度,而且通过二维FFT算法只能恢复呼吸信号,无法对心跳信号进行恢复。
仿真结论:仿真结果表明相比与二维FFT算法稀疏重构算法对人体呼吸心跳信号的求解精度更高,且引入权矢量后的稀疏重构算法可以稳定的将人体呼吸信号及心跳信号成功地恢复出来。
实现上述方法的一种基于UWB雷达的人体呼吸心跳信号检测系统如图1所示,其主要由超宽带呼吸监测雷达系统和上位机组成。
超宽带呼吸监测雷达系统包括天线板、射频板、基带数字板和金属屏蔽罩。天线板和射频板通过高频连接线(剥离子和馈点)连接,基带数字板和射频板通过总线连接。金属屏蔽罩将射频板包裹在其中,防止射频信号泄露。
天线板用于射频信号的发射和接收,并且发射和接收共用一块天线板,天线板的发射端通过高频连接线与功分器的A输出连接,天线板的接收端通过高频连接线与低噪放大器的输入端连接。
射频板上有锁相环、π型衰减器、运算放大器、功分器、混频器、低噪放大器、功率放大器、滤波器、ADC(模数转换器)和电源模块。FPGA通过总线控制锁相环来产生带宽为2GHZ中心频率为7GHZ的高扫步进频超宽带信号,并通过π型衰减器和运算放大器后送至功分器。功分器将信号一分为二:其中A路通过高频连接线到天线板发射端进行发射;B路连接混频器的其中一个输入端。低噪放大器的输入通过高频连接线连接天线板的接收端,低噪放大器的输出连接混频器的另一个输入端。混频器输出通过功率放大器和滤波器送到ADC输入,ADC输出通过总线连接FPGA。电源模块提供射频板的电源,以此保证其正常运行。
基带数字板上有FPGA、蓝牙模块、WIFI模块和电源模块。FPGA连接蓝牙模块和WIFI模块的数据输入口和控制口,保证蓝牙模块和WIFI模块可以正常工作。FPGA通过蓝牙模块和/或WIFI模块与上位机连接。电源模块提供基带数字板的电源,以此保证其正常运行。
需要说明的是,尽管以上本发明所述的实施例是说明性的,但这并非是对本发明的限制,因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下,凡是本领域技术人员在本发明的启示下获得的其它实施方式,均视为在本发明的保护之内。
Claims (7)
1.一种基于UWB雷达的人体呼吸心跳信号检测方法,其特征是,包括步骤如下:
步骤1、向人体发射超宽带线性调频连续波信号;
步骤2、超宽带线性调频连续波信号经过人体反射后形成回波数据,该回波数据经过采样量化后形成二维距离向-方位向接收矩阵;
步骤3、首先利用均值法去除二维距离向-方位向接收矩阵中的直流分量;然后对去除直流分量后的二维距离向-方位向接收矩阵的距离向和方位向分别进行加窗抑制旁瓣;最后对加窗处理后的二维距离向-方位向接收矩阵的沿距离向进行快速傅里叶变换得到脉冲压缩后的二维距离向-方位向接收矩阵;
步骤4、首先利用均值法分别去除脉冲压缩后的二维距离向-方位向接收矩阵的每个距离单元中的固定杂波;然后通过恒虚警检测技术分别检测每个去除固定杂波的距离单元,将目标所在的距离单元进行锁定,并提取目标所在距离单元的方位向回波数据;
步骤5、首先为基字典中的每一列分别赋予一个给定的权重,并利用这些给定的权重构建给定的权矢量W*;然后对给定的权矢量取范数得到最终的权矢量W,其中:
W=W*/||W*||2
步骤6、构建基字典D*,并利用步骤5所构建的权矢量W对该基字典D*进行加权后得到最终的基字典D;
步骤7、基于步骤6所构建的最终的基字典D,并利用正交匹配追踪算法对步骤4所得到的方位向回波数据进行迭代处理后还原出人体的呼吸和心跳信号。
2.根据权利要求1所述的一种基于UWB雷达的人体呼吸心跳信号检测方法,其特征是,步骤3中,采用泰勒窗函数对去除直流分量的二维距离向-方位向接收矩阵的距离向进行加窗抑制旁瓣,采用切比雪夫窗函数对去除直流分量的二维距离向-方位向接收矩阵的方位向进行加窗抑制旁瓣。
3.根据权利要求1所述的一种基于UWB雷达的人体呼吸心跳信号检测方法,其特征是,步骤3中,快速傅里叶变换的点数大于二维距离向-方位向接收矩阵的距离向维数的最小二次整数次幂。
4.根据权利要求1所述的一种基于UWB雷达的人体呼吸心跳信号检测方法,其特征是,步骤5中,将心跳信号频率区间所对应的基字典的列的给定的权重设置为0.05,将呼吸信号频率区间所对应的基字典的列的给定的权重设置为1;将从呼吸到心跳的过渡频率区间所对应的基字典的列的给定的权重设置为从1至0.05的线性变化值。
5.实现权利要求1所述方法的一种基于UWB雷达的人体呼吸心跳信号检测系统,其特征是,包括超宽带呼吸监测雷达系统和上位机;其中超宽带呼吸监测雷达系统包括天线板、射频板和基带数字板;射频板上设有锁相环、π型衰减器、运算放大器、功分器、混频器、低噪放大器、功率放大器、滤波器和模数转换器;基带数字板上设有FPGA和通信模块;
FPGA与锁相环的输入端连接,锁相环的输出端经由π型衰减器与运算放大器的输入端连接,运算放大器的输出端与功分器的输入端连接,功分器的输出端分为两路:一路连接到天线板的发射端,另一路连接混频器的一个输入端;低噪放大器的输入端连接到天线板的接收端,低噪放大器的输出端连接混频器的另一个输入端;混频器的输出端连接功率放大器的输入端,功率放大器的输出端经由滤波器与模数转换器的输入端连接,模数转换器的输出端连接FPGA;FPGA经由通信模块与上位机连接。
6.根据权利要求5所述的一种基于UWB雷达的人体呼吸心跳信号检测系统,其特征是,超宽带呼吸监测雷达系统还包括金属屏蔽罩,该金属屏蔽罩将射频板包裹在其中。
7.根据权利要求5所述的一种基于UWB雷达的人体呼吸心跳信号检测系统,其特征是,通信模块包括蓝牙模块和/或WIFI模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011165684.2A CN112220464A (zh) | 2020-10-27 | 2020-10-27 | 一种基于uwb雷达的人体呼吸心跳信号检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011165684.2A CN112220464A (zh) | 2020-10-27 | 2020-10-27 | 一种基于uwb雷达的人体呼吸心跳信号检测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112220464A true CN112220464A (zh) | 2021-01-15 |
Family
ID=74109091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011165684.2A Pending CN112220464A (zh) | 2020-10-27 | 2020-10-27 | 一种基于uwb雷达的人体呼吸心跳信号检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112220464A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050060A (zh) * | 2021-03-25 | 2021-06-29 | 南京敏智达科技有限公司 | 基于稀疏重构与神经网络的生命探测方法及探测装置 |
CN113633271A (zh) * | 2021-10-18 | 2021-11-12 | 北京卓建智菡科技有限公司 | 人体健康状态检测方法、装置、设备及存储介质 |
CN113720882A (zh) * | 2021-08-30 | 2021-11-30 | 天津大学 | 一种基于mq3传感器和uwb激光雷达的酒驾检测系统及方法 |
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 |
US11554665B1 (en) | 2022-08-29 | 2023-01-17 | Tianjin University | Method of detecting of driving under influence of alcohol based on MQ3 sensor and ultra wide band radar |
CN116500553A (zh) * | 2023-06-07 | 2023-07-28 | 北京交通大学 | 雷达互相干扰抑制方法、装置、计算机设备及存储介质 |
CN113050060B (zh) * | 2021-03-25 | 2024-04-26 | 南京敏智达科技有限公司 | 基于稀疏重构与神经网络的生命探测方法及探测装置 |
-
2020
- 2020-10-27 CN CN202011165684.2A patent/CN112220464A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050060A (zh) * | 2021-03-25 | 2021-06-29 | 南京敏智达科技有限公司 | 基于稀疏重构与神经网络的生命探测方法及探测装置 |
CN113050060B (zh) * | 2021-03-25 | 2024-04-26 | 南京敏智达科技有限公司 | 基于稀疏重构与神经网络的生命探测方法及探测装置 |
CN113720882A (zh) * | 2021-08-30 | 2021-11-30 | 天津大学 | 一种基于mq3传感器和uwb激光雷达的酒驾检测系统及方法 |
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 |
CN113633271A (zh) * | 2021-10-18 | 2021-11-12 | 北京卓建智菡科技有限公司 | 人体健康状态检测方法、装置、设备及存储介质 |
US11554665B1 (en) | 2022-08-29 | 2023-01-17 | Tianjin University | Method of detecting of driving under influence of alcohol based on MQ3 sensor and ultra wide band radar |
CN116500553A (zh) * | 2023-06-07 | 2023-07-28 | 北京交通大学 | 雷达互相干扰抑制方法、装置、计算机设备及存储介质 |
CN116500553B (zh) * | 2023-06-07 | 2023-10-03 | 北京交通大学 | 雷达互相干扰抑制方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112220464A (zh) | 一种基于uwb雷达的人体呼吸心跳信号检测方法和系统 | |
Shang et al. | Multiple object localization and vital sign monitoring using IR-UWB MIMO radar | |
CN112401863A (zh) | 一种基于毫米波雷达的非接触式实时生命体征监测系统及方法 | |
Zhang et al. | Mutual interference suppression using signal separation and adaptive mode decomposition in noncontact vital sign measurements | |
Sacco et al. | A radar system for indoor human localization and breath monitoring | |
Le | Heart rate extraction based on eigenvalues using UWB impulse radar remote sensing | |
CN115089143A (zh) | 毫米波雷达生命体征信号提取和测量方法 | |
Zheng et al. | Second harmonic weighted reconstruction for non-contact monitoring heart rate | |
Yang et al. | Applications of TVF-EMD in vital signal detection for UWB radar | |
Hu et al. | Remote heart-rate estimation based on phase accumulation-linear interpolation method for mm-wave FMCW radar | |
Rong | Remote sensing for vital signs monitoring using advanced radar signal processing techniques | |
Ma et al. | Radar vital signs detection method based on variational mode decomposition and wavelet transform | |
Wang et al. | HeRe: Heartbeat signal reconstruction for low-power millimeter-wave radar based on deep learning | |
Duong | Principal component analysis for heart rate measurement using UWB radar | |
Gao et al. | A new direction for biosensing: RF sensors for monitoring cardio-pulmonary function | |
Acar et al. | Wavelet based denoising of the simulated chest wall motion detected by SFCW radar | |
Pan et al. | A spectrum estimation approach for accurate heartbeat detection using Doppler radar based on combination of FTPR and TWV | |
Xia et al. | Detection of vital signs based on variational mode decomposition using FMCW radar | |
Chen et al. | Noncontact heart rate detection method based on Kalman filter | |
CN114355329A (zh) | 一种调频连续波雷达生命体征距离检测的方法 | |
Chen et al. | A Novel Scheme for Suppression of Human Motion Effects in Non-Contact Heart Rate Detection | |
Xian et al. | Improved Denoising Method for UWB Vital Signs Detection and Extraction | |
Wang et al. | Heart rate measurement method based on wavelet transform noise reduction for low power millimeter wave radar platform | |
Shen et al. | Indoor Life Object Monitoring Using UWB Radar | |
Xue et al. | Accurate multi-target vital signs detection method for FMCW radar |
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 |