CN112363139A - 基于幅度特征的人体呼吸时长检测方法、装置和存储介质 - Google Patents

基于幅度特征的人体呼吸时长检测方法、装置和存储介质 Download PDF

Info

Publication number
CN112363139A
CN112363139A CN202011204833.1A CN202011204833A CN112363139A CN 112363139 A CN112363139 A CN 112363139A CN 202011204833 A CN202011204833 A CN 202011204833A CN 112363139 A CN112363139 A CN 112363139A
Authority
CN
China
Prior art keywords
human body
detected
target
human
radar echo
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
Application number
CN202011204833.1A
Other languages
English (en)
Inventor
阳召成
郭波宁
周建华
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.)
Shenzhen University
Original Assignee
Shenzhen 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 Shenzhen University filed Critical Shenzhen University
Priority to CN202011204833.1A priority Critical patent/CN112363139A/zh
Publication of CN112363139A publication Critical patent/CN112363139A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01S7/414—Discriminating targets with respect to background clutter
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Pulmonology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (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幅度特征的人体呼吸时长检测方法、装置和存储介质，一种基于幅度特征的人体呼吸时长检测方法，包括：向待检测区域发送雷达信号，并接收待检测区域返回的雷达回波信号；对雷达回波信号进行信号预处理，确定待检测区域人体目标的状态；若待检测区域人体目标为呼吸状态，则获取人体目标的呼吸波形数据；对呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置；根据确定的呼气和吸气位置，得到人体目标的呼气时长和吸气时长。本发明实施例公开的基于幅度特征的人体呼吸时长检测方法、装置和存储介质，提高了呼吸时长的检测精度。

Description

基于幅度特征的人体呼吸时长检测方法、装置和存储介质
技术领域
本发明实施例信号处理技术，尤其涉及一种基于幅度特征的人体呼吸时长检测方法、装置和存储介质。
背景技术
呼吸是人体的最为重要的生命体征活动，而吸气时长、呼气时长直接决定了人体的生理状态。临床上的某些疾病，例如呼吸道阻塞、支气管炎、哮喘等直接导致呼气阻力增加，呼气时间增长。因此对人体吸气呼气时长的监测尤为重要。
目前，市场上绝大多数是接触式测量方式，但接触式测量方式需要被检测者佩戴检测设备，一方面长时间佩戴检测设备会给被检测者带来不适感，另一方面专业的检测设备价格昂贵且需要由专业人员操作，而非专业的检测设备的检测精度又不高。虽然目前有非接触式的呼吸检测方法，但主要是使用摄像头传感器进行检测，容易受到外界的干扰，从而也会影响测量的精度。
综上所述，目前的人体呼吸时长检测存在一定的缺陷，不适于对人体进行长期的检测。
发明内容
本发明提供一种幅度特征的人体呼吸时长检测方法、装置和存储介质，提高了呼吸时长的检测精度。
第一方面，本发明实施例提供一种基于幅度特征的人体呼吸时长检测方法，其特征在于，包括：
向待检测区域发送雷达信号，并接收待检测区域返回的雷达回波信号；
对雷达回波信号进行信号预处理，确定待检测区域人体目标的状态；
若待检测区域人体目标为呼吸状态，则获取人体目标的呼吸波形数据；
对呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置；
根据确定的呼气和吸气位置，得到人体目标的呼气时长和吸气时长。
在第一方面一种可能的实现方式中，对雷达回波信号进行信号预处理，确定待检测区域人体目标的状态，包括：
对雷达回波信号进行杂波抑制，得到杂波抑制后的雷达回波信号；
根据杂波抑制后的雷达回波信号进行人体目标检测，确定待检测区域是否存在人体目标；
对确定的人体目标进行人体状态检测，验证待检测区域人体目标的状态。
在第一方面一种可能的实现方式中，对雷达回波信号进行杂波抑制，包括：
使用如下公式对雷达回波信号进行杂波抑制，
Figure BDA0002756660900000021
Rm＝Xm-Cm
其中，Xm表示第m时刻的雷达回波信号，Cm表示第m时刻的背景杂波，Rm为第m时刻杂波抑制后的雷达回波信号，k表示积累的慢时间维的长度。
在第一方面一种可能的实现方式中，根据杂波抑制后的雷达回波信号进行人体目标检测，确定待检测区域是否存在人体目标，包括：
将预设时间段的雷达回波数据进行慢时间维的叠加；
对预设时间段的快时间维的数据进行目标检测；
提取目标所在区域，确定待检测区域是否存在人体目标。
在第一方面一种可能的实现方式中，对确定的人体目标进行人体状态检测，验证待检测区域人体目标的状态，包括：
将确定存在人体目标后的待检测区域每一距离单元K秒的数据进行快速傅里叶变换：
根据变换后的频域信号确定低于正常人体生命体征信号频率范围内的能量值ZLow(m)、正常人体生命体征信号频率范围内的能量值ZMid(m)、高于正常人体生命体征信号频率范围内的能量值ZHigh(m)以及总能量Zsum(m)；
当正常人体生命体征信号频率范围内的能量值占总能量比例高于其他能量值占总能量比例时，确定待检测区域人体目标为呼吸状态。
在第一方面一种可能的实现方式中，获取人体目标的呼吸波形数据，包括：
对待检测区域的雷达回波信号进行滤波处理；
计算每一快时间维的能量值；
将能量最大的距离单元的数据作为呼吸波形数据。
在第一方面一种可能的实现方式中，对呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置，包括：
统计呼吸波形数据所有峰值和谷值的位置信息和幅度信息；
如果峰值绝对值的均值大于谷值绝对值的均值，则将呼吸波形中的峰值作为吸气位置，谷值作为呼气位置；
如果谷值回波幅值高于峰值回波幅值，取当前距离单元的前一距离单元的数据作为呼吸波形数据重新判断。
在第一方面一种可能的实现方式中，根据确定的呼气和吸气位置，得到人体目标的呼气时长和吸气时长，包括：
计算所有峰值与前一谷值的慢时间维差值的第一均值，将第一均值除以雷达回波信号的采样频率作为当前时刻测试者的吸气时长；
计算所有峰值与后一谷值的慢时间维差值的第二均值，将第二均值除以雷达回波信号的采样频率作为当前时刻测试者的呼气时长。
第二方面，本发明实施例提供一种基于幅度特征的人体呼吸时长检测装置，包括：
雷达信号检测模块，用于向待检测区域发送雷达信号，并接收待检测区域返回的雷达回波信号；
人体目标检测模块，用于对雷达回波信号进行信号预处理，确定待检测区域人体目标的状态；
呼吸数据提取模块，用于若待检测区域人体目标为呼吸状态，则获取人体目标的呼吸波形数据；
呼吸位置确定模块，用于对呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置；
呼吸时长确定模块，用于根据确定的呼气和吸气位置，得到人体目标的呼气时长和吸气时长。
第三方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任一种实现方式的基于幅度特征的人体呼吸时长检测方法。
本发明实施例提供的基于幅度特征的人体呼吸时长检测方法、装置和存储介质，首先向待检测区域发送雷达信号，并接收待检测区域返回的雷达回波信号，然后对雷达回波信号进行信号预处理，确定待检测区域人体目标的状态，若待检测区域人体目标为呼吸状态，则获取人体目标的呼吸波形数据；对呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置；根据确定的呼气和吸气位置，得到人体目标的呼气时长和吸气时长，由于使用了雷达信号进行检测，实现了无接触的呼吸时长检测，且基于幅度特征对呼吸时长进行提取，提高了呼吸时长的检测精度。
附图说明
图1为本发明实施例提供的基于幅度特征的人体呼吸时长检测方法的流程图；
图2为本发明实施例提供的基于幅度特征的人体呼吸时长检测方法中对呼吸时长进行计算的具体流程图；
图3为本申请实施例提供的基于幅度特征的人体呼吸时长检测方法的呼吸波形与多导睡眠监测仪呼吸波形对比图；
图4为本申请实施例提供的基于幅度特征的人体呼吸时长检测方法的雷达回拨信号峰谷值幅度对比图；
图5为本发明实施例提供的基于幅度特征的人体呼吸时长检测装置的结构示意图
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
目前，对于人体呼吸时长的检测主要使用以下仪器和方法：
1)多导睡眠监测仪：医用级的多导(Polysomnorgraphy,PSG)睡眠监测技术是行业的金标准，但其价格昂贵，在检测呼吸时需要测试者佩戴呼吸带，通过呼吸时胸腔的起伏变化引起呼吸带的位移来检测吸气、呼气时间，呼吸带的佩戴以及数据的读取均需专业人员操作，且其接触式测量方式会给人带来束缚感，无法长时间监测。
2)呼吸机：常见的呼吸机均采用鼻插管式检测方式，通过超声波式流量传感器或热丝式流量传感器进行呼气吸气量的检测，检测精度高，但其价格昂贵，只适用于重症患者，无法做到居家检测。
3)摄像头传感器：摄像头在检测人体吸气呼气时，通过水平集分割法检测人体胸腔，再通过胸腔的形态变化估计吸气呼气时长，其存在以下不足：1、容易被有心人利用，侵犯目标隐私。2、摄像头所需要处理的数据较大，需要较好的硬件设备支持，无形中提高了硬件成本。3、摄像头传感器对光线敏感，当房间内的光线发生变化时，容易出现误判。4、摄像头不具有穿透性，当目标被遮蔽或者其它情况导致目标消失时，摄像头是无法检测到目标。
4)无线射频识别标签阵列：无线射频识别标签阵列检测方式通过在人体胸腔和肩膀上粘贴标签，通过接收每个标签的位移量计算胸腔的变化，进而估计人体吸气呼气时间，其需要在皮肤粘贴多个标签，舒适感较低，且容易脱落；对标签位置要求严格，计算复杂度高；对皮肤病患者或大面积烧伤感染者并不适用。
综上，目前的呼吸时长检测方法，均存在一定的问题。
图1为本发明实施例提供的基于幅度特征的人体呼吸时长检测方法的流程图，如图1所示，本实施例提供的基于幅度特征的人体呼吸时长检测方法包括：
步骤S101，向待检测区域发送雷达信号，并接收待检测区域返回的雷达回波信号。
本实施例提供的基于幅度特征的人体呼吸时长检测方法，用于对人体呼吸时长进行检测，即对人体呼气时长和吸气时长进行检测。为了对人体呼吸时长进行准确检测，且不对被检测人体带来不适感，本实施例采用非接触式的检测方法。传统的非接触检测方法易受到外界因素的干扰，导致检测结果出现较大误差。为了消除误差，本实施例中，首先使用雷达信号作为检测信号。
考虑到对人体呼吸时长检测时，需要长时间的持续检测，才能够获取到连续的呼吸时长数据，从而掌握人体的呼吸变化情况，而一般只有在睡眠状态下，人体才能长时间保持在一个相对固定的位置。因此本实施例提供的基于幅度特征的人体呼吸时长检测方法适用于对睡眠状态下的人体呼吸时长进行检测，或者对相对静止的人体的呼吸时长进行检测。
首先，需要向待检测区域发送雷达信号，待检测区域为人体能够相对固定的区域，例如床上的区域。向待检测区域发送的雷达信号的频率根据实际需求确定，只要能够获得稳定的回波信号即可。当向待检测区域发送雷达信号后，雷达信号到达待检测区域，会产生回波，那么就能够在发送雷达信号的位置检测到雷达回波信号。待检测区域的不同物体，例如床面和人体，由于与接收雷达回波信号位置的距离不同，因此将产生不同的雷达回波信号。且由于人体的呼吸状态也会导致人体的姿态发生细微的变化，那么通过分析人体返回的不同雷达回波信号，就能够实现对人体呼吸时长的检测。
步骤S102，对雷达回波信号进行信号预处理，确定待检测区域人体目标的状态。
雷达信号是持续发送的，因此也可以持续接收到雷达回波信号，在获取到雷达回波信号后，由于雷达回波信号包括了待检测区域中所有目标的回波信号，除了人体目标的信号外，还包括许多静态杂波信号，因此需要对雷达回波信号进行处理，排除掉其他杂波信号的干扰，并且确定待检测区域中人体目标的状态。由于人体呼吸的变化周期位于一个固定的范围内，因此可以再排除掉杂波信号后，根据雷达回波信号的频率变化范围，确定待检测区域是人体目标的状态。
具体地，对雷达回波信号进行信号预处理，确定待检测区域人体目标的状态，包括如下步骤：
1、对雷达回波信号进行杂波抑制，得到杂波抑制后的雷达回波信号。在雷达回波信号中，除人体目标外，还包含许多静态杂波，以及雷达天线引起的能量泄露。这些信号干扰会影响到后续的呼吸参数估计精度，因此，可以通过带通滤波、移动平均、背景相消等杂波抑制算法来降低信号干扰。
以背景相消法为例，先积累一段时间的背景杂波，然后计算快时间维的背景均值，最后通过对消处理去除背景杂波，具体可表示为：
Figure BDA0002756660900000081
Rm＝Xm-Cm
其中，Xm表示第m时刻的雷达回波信号，Cm表示第m时刻的背景杂波，Rm为第m时刻杂波抑制后的雷达回波信号，k表示积累的慢时间维的长度，k的值越大，积累的时间越久，杂波背景更新的越慢。
2、根据杂波抑制后的雷达回波信号进行人体目标检测，确定待检测区域是否存在人体目标。人体目标检测主要为了找到人体所在的距离单元，通常使用恒虚警概率检测算法(CFAR)，其中，比较经典的是单元平均恒虚警检测(CA-CFAR)和有序统计恒虚警检测(OS-CFAR)。在本实施例中以CA-CFAR为例说明人体目标检测的主要步骤，包括：将预设时间段的雷达回波数据进行慢时间维的叠加；对预设时间段的快时间维的数据进行目标检测；提取目标所在区域，确定待检测区域是否存在人体目标。具体地，首先将一段时间的雷达回波数据进行慢时间维的叠加；然后通过CA-CFAR对快时间维的数据进行目标检测；最后提取目标所在区域，过程为：人体所占据距离单元为N，慢时间维叠加的数据P(n)，其幅值最大的地方为P(k)，若满足公式
Figure BDA0002756660900000091
Figure BDA0002756660900000092
则认为在
Figure BDA0002756660900000093
存在目标，然后对该区域置零，去寻找下一个最大值和人体目标。
3、对确定的人体目标进行人体状态检测，验证待检测区域人体目标的状态。具体地，对确定的人体目标进行人体状态检测的具体方法可以为：将确定存在人体目标后的待检测区域每一距离单元K秒的数据进行快速傅里叶变换：根据变换后的频域信号确定低于正常人体生命体征信号频率范围内的能量值ZLow(m)、正常人体生命体征信号频率范围内的能量值ZMid(m)、高于正常人体生命体征信号频率范围内的能量值ZHigh(m)以及总能量Zsum(m)；当正常人体生命体征信号频率范围内的能量值占总能量比例高于其他能量值占总能量比例时，确定待检测区域人体目标为呼吸状态。
其中，由于人体正常生命体征信号频率为0.1Hz-2.5Hz，所以计算每个快时间维频率范围为2.5Hz-8.5Hz的能量值ZHigh(m)以及0-8.5Hz内的总能量值Zsum(m)；然后计算快时间维内ZHigh(m)占总能量值Zsum(m)的比值大于所设置的门限的个数，将总的个数除以距离单元的数目得到体动指数。只有体动指数小于所设定的门限时，认为当前目标处于呼吸状态，才会进行呼气/吸气时长计算。
步骤S103，若待检测区域人体目标为呼吸状态，则获取人体目标的呼吸波形数据。
如果通过对雷达回波信号进行预处理后，确定待检测区域存在人体目标，则进一步地提取人体目标的呼吸波形数据。具体地，获取人体目标的呼吸波形数据包括：对待检测区域的雷达回波信号进行滤波处理；计算每一快时间维的能量值；将能量最大的距离单元的数据作为呼吸波形数据。由于人体目标回波由多散射点构成，为了进行呼吸参数估计，需找到最佳的距离单元进行呼吸参数估计，因此本实施例先通过低通滤波器得到呼吸频率范围内的数据，之后计算每一快时间维的能量值，最后取能量最大的距离单元的数据作为是呼吸数据。
步骤S104，对呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置。
为了判定所找到的呼吸波形峰值出现过程是否为目标吸气过程，还需要对呼吸波形数据的峰值状态进行判断，确定呼气和吸气的位置。具体地，可以使用如下方法确定呼气和吸气的位置，包括：统计呼吸波形数据所有峰值和谷值的位置信息和幅度信息；如果峰值绝对值的均值大于谷值绝对值的均值，则将呼吸波形中的峰值作为吸气位置，谷值作为呼气位置；如果谷值回波幅值高于峰值回波幅值，取当前距离单元的前一距离单元的数据作为呼吸波形数据重新判断。
以Novalda生产的超宽带雷达X4M03为例说明确定呼气和吸气位置的流程。X4M03雷达距离分辨率为6.4mm，人体呼吸时引起胸腔的起伏变化为5mm，所以，通过X4M03检测人体呼吸时会出现两种情况：1、雷达检测的距离单元为人体胸腔完全扩张时胸腔所在位置，在这种情况下，当人体吸气过程中，胸腔不断扩张，渐渐靠近该距离单元，雷达回波出现峰值，当呼气时，胸腔逐渐远离该距离单元，雷达回波逐渐出现谷值，这种情况下的特点为当人体吸气结束时胸腔位于该距离单元内，雷达回波能量较大，峰值的回波幅值大于谷值，且出现峰值代表吸气过程；2、雷达检测距离单元为人体胸腔收缩时所在的位置，在这种情况下，当人体吸气过程中，胸腔逐渐远离该距离单元，雷达回波出现谷值，当呼气过程中，胸腔逐渐靠近该距离单元，雷达回波逐渐出现峰值，在这种情况下，当人体吸气时，随着胸腔的远离该距离单元，人体的骨骼、肌肉等会出现在该距离单元内，所以其回波幅值具有不确定性。
针对上述两种检测情况，可以采用如下方法：当得到目标的呼吸波形数据后，统计所有峰值和谷值的位置信息和幅度信息，如果峰值绝对值的均值大于谷值绝对值的均值，即峰值的回波幅度高于谷值，即认为当前呼吸波形中峰值代表吸气，谷值代表呼气；如果谷值回波幅值高于峰值，我们就取当前距离单元的前一距离单元的数据作为呼吸波形数据重新判断，直到找到满足峰值的回波幅度高于谷值的距离单元内的数据。
步骤S105，根据确定的呼气和吸气位置，得到人体目标的呼气时长和吸气时长。
通过峰值状态判定后，可以确认当前数据的峰值代表吸气，谷值代表呼气，那么就可以根据确定的呼气和吸气位置，得到人体目标的呼气时长和吸气时长。通过计算所有峰值与前一谷值的慢时间维差值的第一均值，将第一均值除以雷达回波信号的采样频率作为当前时刻测试者的吸气时长；计算所有峰值与后一谷值的慢时间维差值的第二均值，将第二均值除以雷达回波信号的采样频率作为当前时刻测试者的呼气时长。
步骤S103-步骤S105可以统称为对呼吸时长的计算流程，图2为本发明实施例提供的基于幅度特征的人体呼吸时长检测方法中对呼吸时长进行计算的具体流程图，如图2所示，在对雷达回波信号进行预处理后，进行呼吸时长计算的流程可以区分为三个部分，分别为获取呼吸波形数据、确定呼气和吸气位置以及呼气和时长和吸气时长的确定，也分别与步骤S103-步骤S105对应。
本实施例提供的基于幅度特征的人体呼吸时长检测方法，首先向待检测区域发送雷达信号，并接收待检测区域返回的雷达回波信号，然后对雷达回波信号进行信号预处理，确定待检测区域人体目标的状态，若待检测区域人体目标为呼吸状态，则获取人体目标的呼吸波形数据；对呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置；根据确定的呼气和吸气位置，得到人体目标的呼气时长和吸气时长，由于使用了雷达信号进行检测，实现了无接触的呼吸时长检测，且基于幅度特征对呼吸时长进行提取，提高了呼吸时长的检测精度。
下面以根据本申请实施例提供的基于幅度特征的人体呼吸时长检测方法进行具体测试的实验为例，对本申请实施例提供的基于幅度特征的人体呼吸时长检测方法效果进行验证。本次实验的录取的环境为：雷达距离人体目标约为1米左右，且正对于人体目标胸腔位置，以Novalda公司生产的X4M03雷达模块为例说明方法性能，X4M03雷达模块的具体参数如表1所示。与此同时，BIOPAC接触式呼吸测量传感器固定于人体目标的胸腔部位，与雷达同时录取数据。
表1雷达基本参数表
Figure BDA0002756660900000131
为验证所提出的基于幅度特征的人体呼气吸气时长估计方法的有效性和准确性，采用BIOPAC公司出产的MP36型号接触式呼吸测量仪器作为测量标准仪器，该仪器是行业的金标准。
为了证明本发明实施例提供的基于幅度特征的人体呼吸时长检测方法的可行性，通过MP36接触式传感器进行标定，该传感器呼吸波形峰值为吸气，谷值为呼气。图3为本申请实施例提供的基于幅度特征的人体呼吸时长检测方法的呼吸波形与多导睡眠监测仪呼吸波形对比图，如图3所示，雷达传感器检测到的呼吸波形数据与MP36数据相对应。图4为本申请实施例提供的基于幅度特征的人体呼吸时长检测方法的雷达回拨信号峰谷值幅度对比图，图中曲线41为回波峰值幅度曲线，曲线42为回波谷值幅度曲线。如图4所示，峰值幅度均值为0.00154，谷值幅度均值为0.00145，符合设计目的。
为了证明本申请实施例提供的基于幅度特征的人体呼吸时长检测方法的准确性，录取了测试者距离雷达0.5-2m，不同距离的数据，同步记录了MP36呼吸测量仪的数据，通过准确率(Inhale And Exhale Accuracy,IAEA)和均方差(Mean Squared Error,MSE)来说明本算法的准确度，其公式如下式式：
Figure BDA0002756660900000141
Figure BDA0002756660900000142
其中，Ri表示使用本申请方法第i次计算的吸气/呼气时长，Bi表示MP36接触式传感器第i次计算的呼气/吸气时长，
Figure BDA0002756660900000143
为使用本申请方法当前时间内的呼气/吸气时长均值和
Figure BDA0002756660900000144
为MP36接触式传感器当前时间内的呼气/吸气时长均值，如表2所示，不同距离准确率达到93％往上。
表2吸气时长、呼气时长准确度表
Figure BDA0002756660900000145
图5为本发明实施例提供的基于幅度特征的人体呼吸时长检测装置的结构示意图，如图5所示，本实施例提供的基于幅度特征的人体呼吸时长检测装置包括：
雷达信号检测模块51，用于向待检测区域发送雷达信号，并接收待检测区域返回的雷达回波信号。
人体目标检测模块52，用于对雷达回波信号进行信号预处理，确定待检测区域人体目标的状态。
呼吸数据提取模块53，用于若待检测区域人体目标为呼吸状态，则获取人体目标的呼吸波形数据。
呼吸位置确定模块54，用于对呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置。
呼吸时长确定模块55，用于根据确定的呼气和吸气位置，得到人体目标的呼气时长和吸气时长。
本实施例提供的基于幅度特征的人体呼吸时长检测装置用于实现图1所示基于幅度特征的人体呼吸时长检测方法的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明还提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种基于幅度特征的人体呼吸时长检测方法，该方法包括：
向待检测区域发送雷达信号，并接收待检测区域返回的雷达回波信号；对雷达回波信号进行信号预处理，确定待检测区域是否存在人体目标；若待检测区域存在人体目标，则获取人体目标的呼吸波形数据；对呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置；根据确定的呼气和吸气位置，得到人体目标的呼气时长和吸气时长。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种基于幅度特征的人体呼吸时长检测方法，其特征在于，包括：
向待检测区域发送雷达信号，并接收所述待检测区域返回的雷达回波信号；
对所述雷达回波信号进行信号预处理，确定所述待检测区域人体目标的状态；
若所述待检测区域人体目标为呼吸状态，则获取所述人体目标的呼吸波形数据；
对所述呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置；
根据确定的呼气和吸气位置，得到所述人体目标的呼气时长和吸气时长。
2.根据权利要求1所述的方法，其特征在于，所述对所述雷达回波信号进行信号预处理，确定所述待检测区域人体目标的状态，包括：
对所述雷达回波信号进行杂波抑制，得到杂波抑制后的雷达回波信号；
根据杂波抑制后的雷达回波信号进行人体目标检测，确定所述待检测区域是否存在人体目标；
对确定的人体目标进行人体状态检测，验证所述待检测区域人体目标的状态。
3.根据权利要求2所述的方法，其特征在于，所述对所述雷达回波信号进行杂波抑制，包括：
使用如下公式对所述雷达回波信号进行杂波抑制，
Figure FDA0002756660890000011
Rm＝Xm-Cm
其中，Xm表示第m时刻的雷达回波信号，Cm表示第m时刻的背景杂波，Rm为第m时刻杂波抑制后的雷达回波信号，k表示积累的慢时间维的长度。
4.根据权利要求3所述的方法，其特征在于，所述根据杂波抑制后的雷达回波信号进行人体目标检测，确定所述待检测区域是否存在人体目标，包括：
将预设时间段的雷达回波数据进行慢时间维的叠加；
对预设时间段的快时间维的数据进行目标检测；
提取目标所在区域，确定所述待检测区域是否存在人体目标。
5.根据权利要求4所述的方法，其特征在于，对确定的人体目标进行人体状态检测，验证所述待检测区域人体目标的状态，包括：
将确定存在人体目标后的待检测区域每一距离单元K秒的数据进行快速傅里叶变换：
根据变换后的频域信号高于正常人体生命体征信号频率范围内的能量值ZHigh(m)以及总能量Zsum(m)；
当正常人体生命体征信号频率范围内的能量值占总能量比例高于其他能量值占总能量比例时，确定所述待检测区域人体目标为呼吸状态。
6.根据权利要求1～5任一项所述的方法，其特征在于，所述获取所述人体目标的呼吸波形数据，包括：
对所述待检测区域的雷达回波信号进行滤波处理；
计算每一快时间维的能量值；
将能量最大的距离单元的数据作为呼吸波形数据。
7.根据权利要求1～5任一项所述的方法，其特征在于，所述对所述呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置，包括：
统计所述呼吸波形数据所有峰值和谷值的位置信息和幅度信息；
如果峰值绝对值的均值大于谷值绝对值的均值，则将呼吸波形中的峰值作为吸气位置，谷值作为呼气位置；
如果谷值回波幅值高于峰值回波幅值，取当前距离单元的前一距离单元的数据作为呼吸波形数据重新判断。
8.根据权利要求7所述的方法，其特征在于，所述根据确定的呼气和吸气位置，得到所述人体目标的呼气时长和吸气时长，包括：
计算所有峰值与前一谷值的慢时间维差值的第一均值，将所述第一均值除以所述雷达回波信号的采样频率作为当前时刻测试者的吸气时长；
计算所有峰值与后一谷值的慢时间维差值的第二均值，将所述第二均值除以所述雷达回波信号的采样频率作为当前时刻测试者的呼气时长。
9.一种基于幅度特征的人体呼吸时长检测装置，其特征在于，包括：
雷达信号检测模块，用于向待检测区域发送雷达信号，并接收所述待检测区域返回的雷达回波信号；
人体目标检测模块，用于对所述雷达回波信号进行信号预处理，确定所述待检测区域人体目标的状态；
呼吸数据提取模块，用于若所述待检测区域人体目标为呼吸状态，则获取所述人体目标的呼吸波形数据；
呼吸位置确定模块，用于对所述呼吸波形数据的峰值状态进行判断，确定呼气和吸气位置；
呼吸时长确定模块，用于根据确定的呼气和吸气位置，得到所述人体目标的呼气时长和吸气时长。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～8中任一所述的基于幅度特征的人体呼吸时长检测方法。
CN202011204833.1A 2020-11-02 2020-11-02 基于幅度特征的人体呼吸时长检测方法、装置和存储介质 Pending CN112363139A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011204833.1A CN112363139A (zh) 2020-11-02 2020-11-02 基于幅度特征的人体呼吸时长检测方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011204833.1A CN112363139A (zh) 2020-11-02 2020-11-02 基于幅度特征的人体呼吸时长检测方法、装置和存储介质

Publications (1)

Publication Number Publication Date
CN112363139A true CN112363139A (zh) 2021-02-12

Family

ID=74512609

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011204833.1A Pending CN112363139A (zh) 2020-11-02 2020-11-02 基于幅度特征的人体呼吸时长检测方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN112363139A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113296094A (zh) * 2021-05-13 2021-08-24 上海交通大学 面向人体监护的小型化非接触雷达系统
CN113397524A (zh) * 2021-06-16 2021-09-17 深圳大学 一种呼吸检测方法、装置、设备和存储介质
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

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101588832A (zh) * 2005-11-21 2009-11-25 Ric投资有限公司 监测呼吸事件的系统和方法
CN105997083A (zh) * 2016-04-27 2016-10-12 深圳市前海万象智慧科技有限公司 一种人体呼吸的检测装置及其检测方法
CN108065916A (zh) * 2017-12-14 2018-05-25 中国人民解放军国防科技大学 一种基于生物雷达的非接触式睡眠质量监测方法
CN109009023A (zh) * 2018-08-03 2018-12-18 深圳市大耳马科技有限公司 一种呼吸信号的提取方法、装置、处理设备和系统
CN109222928A (zh) * 2018-08-03 2019-01-18 深圳市大耳马科技有限公司 呼吸信号的提取方法、装置、处理设备和系统
CN109875529A (zh) * 2019-01-23 2019-06-14 北京邮电大学 一种基于超宽带雷达的生命体征检测方法及系统
CN110192850A (zh) * 2019-05-31 2019-09-03 湖南省顺鸿智能科技有限公司 基于雷达回波强噪声背景下心跳信号的提取方法及系统
CN110192862A (zh) * 2019-05-31 2019-09-03 湖南省顺鸿智能科技有限公司 一种基于雷达的非接触式人体呼吸检测方法及装置
CN110596705A (zh) * 2019-08-22 2019-12-20 南京理工大学 基于生命体征sar成像的人体目标身份识别方法及系统
CN111148467A (zh) * 2017-10-20 2020-05-12 明菲奥有限公司 用于分析对象的行为或活动的系统和方法
CN111568399A (zh) * 2020-05-15 2020-08-25 中国人民解放军陆军军医大学 一种基于雷达的呼吸和心跳信号检测方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101588832A (zh) * 2005-11-21 2009-11-25 Ric投资有限公司 监测呼吸事件的系统和方法
CN105997083A (zh) * 2016-04-27 2016-10-12 深圳市前海万象智慧科技有限公司 一种人体呼吸的检测装置及其检测方法
CN111148467A (zh) * 2017-10-20 2020-05-12 明菲奥有限公司 用于分析对象的行为或活动的系统和方法
CN108065916A (zh) * 2017-12-14 2018-05-25 中国人民解放军国防科技大学 一种基于生物雷达的非接触式睡眠质量监测方法
CN109009023A (zh) * 2018-08-03 2018-12-18 深圳市大耳马科技有限公司 一种呼吸信号的提取方法、装置、处理设备和系统
CN109222928A (zh) * 2018-08-03 2019-01-18 深圳市大耳马科技有限公司 呼吸信号的提取方法、装置、处理设备和系统
CN109875529A (zh) * 2019-01-23 2019-06-14 北京邮电大学 一种基于超宽带雷达的生命体征检测方法及系统
CN110192850A (zh) * 2019-05-31 2019-09-03 湖南省顺鸿智能科技有限公司 基于雷达回波强噪声背景下心跳信号的提取方法及系统
CN110192862A (zh) * 2019-05-31 2019-09-03 湖南省顺鸿智能科技有限公司 一种基于雷达的非接触式人体呼吸检测方法及装置
CN110596705A (zh) * 2019-08-22 2019-12-20 南京理工大学 基于生命体征sar成像的人体目标身份识别方法及系统
CN111568399A (zh) * 2020-05-15 2020-08-25 中国人民解放军陆军军医大学 一种基于雷达的呼吸和心跳信号检测方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113296094A (zh) * 2021-05-13 2021-08-24 上海交通大学 面向人体监护的小型化非接触雷达系统
CN113296094B (zh) * 2021-05-13 2022-06-03 上海交通大学 面向人体监护的小型化非接触雷达系统
CN113397524A (zh) * 2021-06-16 2021-09-17 深圳大学 一种呼吸检测方法、装置、设备和存储介质
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

Similar Documents

Publication Publication Date Title
Liu et al. TagSheet: Sleeping posture recognition with an unobtrusive passive tag matrix
US20210219925A1 (en) Apparatus and method for detection of physiological events
CN112363139A (zh) 基于幅度特征的人体呼吸时长检测方法、装置和存储介质
Murthy et al. Noncontact measurement of breathing function
CN113925475B (zh) 一种非接触式的人体健康监测系统及监测方法
Kim et al. 1D CNN based human respiration pattern recognition using ultra wideband radar
WO2018170009A1 (en) Imaging-based spirometry systems and methods
CN112244794B (zh) 基于周期性特征的生命体征检测方法、装置和存储介质
CN108670200A (zh) 一种基于深度学习的睡眠鼾声分类检测方法及系统
EP2819571B1 (en) Processing a signal representing a physiological rhythm
Waltisberg et al. Detecting disordered breathing and limb movement using in-bed force sensors
CA2847412C (en) System and methods for estimating respiratory airflow
CN104055498A (zh) 一种基于红外序列图像的人体呼吸和心率信号非接触式检测方法
CN113273998B (zh) 一种基于rfid标签矩阵的人体睡眠信息获取方法及装置
Al-Khalidi et al. Facial tracking method for noncontact respiration rate monitoring
CN105050502B (zh) 用于根据图像数据确定呼吸体积信号的装置和方法
CN117958761A (zh) 一种基于毫米波雷达的睡眠呼吸暂停检测方法及系统
CN111685760B (zh) 一种基于雷达测量的人体呼吸频率计算方法
CN113456061A (zh) 一种基于无线信号睡眠姿势监测方法及系统
Yuasa et al. Wearable flexible device for respiratory phase measurement based on sound and chest movement
CN110292383B (zh) 一种基于rf技术的多目标呼吸频率检测方法及系统
Gilakjani et al. Improved sensor selection method during movement for breathing rate estimation with unobtrusive pressure sensor arrays
Park et al. Force-sensing-based unobtrusive system for awakening and respiration rate analysis during sleep
Yang et al. Non-contact breathing rate detection based on time of flight sensor
Vasu et al. Using the Lomb periodogram for non-contact estimation of respiration rates

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