CN113100738B - 一种非接触式穿墙检测生命信息的方法 - Google Patents
一种非接触式穿墙检测生命信息的方法 Download PDFInfo
- Publication number
- CN113100738B CN113100738B CN202110405479.7A CN202110405479A CN113100738B CN 113100738 B CN113100738 B CN 113100738B CN 202110405479 A CN202110405479 A CN 202110405479A CN 113100738 B CN113100738 B CN 113100738B
- Authority
- CN
- China
- Prior art keywords
- imfs
- signal
- dimension direction
- time dimension
- fti
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
Abstract
本申请公开了一种非接触式穿墙检测生命信息的方法,包括:对待测目标信号去噪;采用EEMD处理去噪后的待测目标信号的快时间维度方向的信号,得到第一IMFs集合;定位第一IMFs集合中的特征时间指数采样点;采用EEMD处理去噪后待测目标信号的慢时间维度方向的信号,得到在慢时间维度方向的特征时间指数采样点的第二IMFs集合,并构建第二IMFs集合矩阵;获取第二IMFs集合矩阵中满足呼吸率特征和心率特征的信号,找到对应的呼吸信号和心率信号。本申请能够去除雷达接收回波信号中的固定背景噪声,并可以利用其穿墙检测功能,采用非接触式检测实现生命信息的检测。
Description
技术领域
本申请涉及生理信息监测技术领域,尤其涉及一种非接触式穿墙检测生命信息的方法。
背景技术
在判断个人身体健康状况层面需要获取一定的人体生命体征信息。人体四个主要的生命体征信息是体温(BT)、心率(HR)、呼吸频率(BR)和血压(BP)。根据检测方式的不同,人体生命信息的检测可分为接触式检测和非接触式检测。而由于接触式检测要求传感器或电极等与人体直接或间接的接触,这样会给被检查人员带来约束,不适于长时间的连续的生命体征监测,其次这类方法在医疗环境下如传染病治疗、烧伤病人治疗等的生命信息检测与监测中,患者和医生有被交叉感染或者接触式检测有给患者带来二次伤害的风险,不宜实施。因此实际临床应用的需求必须寻求非接触的检测方法,获取特殊场合病人的生命体征信息,同时希望在相对舒适的环境状况下,可以进行长时间的生理参数监测。
现阶段的非接触检测方法大多基于激光、红外、电磁波等技术。目前,基于雷达的生命体征监测作为一种重要的非接触式检测技术,引起了人们的广泛关注。基于雷达检测的人体生命参数信号是借助雷达发射的电磁波穿透障碍物照射人体,由于人体生理运动(如心跳、呼吸等)引起机体表面微动,采集到反射的回波信号中人体生命信息信号混合在环境和电子噪声信号中,通过后续的解调、信号处理等方法提取得到生命特征参数,表征生命状态信息。由于雷达式生命检测技术应用的是电磁波原理不受环境温度、环境杂物的影响,能比较好的克服了激光和红外检测受温度影响和障碍物阻挡失效等使得检测灵敏度降低或误报率提高的问题。因此随着雷达技术、信号处理技术等的发展,基于雷达式非接触人体生命信息检测技术受到越来越广泛的关注,在社会应用需求上也不断提高。
发明内容
本申请提供了一种非接触式穿墙检测生命信息的方法,使得去除雷达接收回波信号中的固定背景噪声,并可以利用其穿墙检测功能,利用非接触式检测实现生命信息的检测。
有鉴于此,本申请第一方面提供了一种非接触式穿墙检测生命信息的方法,所述方法包括:
对待测目标信号去噪;
采用EEMD处理去噪后的所述待测目标信号的快时间维度方向的信号,得到第一IMFs集合;
定位所述第一IMFs集合中的特征时间指数采样点;
采用EEMD处理去噪后所述待测目标信号的慢时间维度方向的信号,得到在所述慢时间维度方向的所述特征时间指数采样点的第二IMFs集合,并构建第二IMFs集合矩阵;
获取所述第二IMFs集合矩阵中满足呼吸率特征和心率特征的信号,找到对应的呼吸信号和心率信号。
可选的,在所述获取第二IMFs集合矩阵中满足呼吸率特征和心率特征的信号,找到对应的呼吸信号和心率信号,之后还包括:
对找到的所述呼吸信号和所述心率信号进行FFT变换,得到呼吸率和心率信息。
可选的,所述对所述待测目标信号去噪,包括:
接收周围环境的回波信号;
计算所述周围环境的回波信号的快时间维度方向上每个点在慢时间维度方向上的所有数据的平均值,作为背景噪声在对应快时间维度方向的一个背景噪声值,将快时间维度方向的所述背景噪声值构成新的快时间维度方向向量;
将所述新的快时间维度方向向量构造成二维矩阵,作为固定背景噪声;
将所述待测目标信号减去所述固定背景噪声,完成对所述待测目标信号的去噪。
可选的,所述采用EEMD处理去噪后的所述待测目标信号的快时间维度方向的信号,得到第一IMFs集合,包括:
采用EEMD处理去噪后的所述待测目标信号X(t,τ)的第m个快时间维度方向的信号,得到多个IMF分量cj(t=m,τ)和对应的残差s(t=m,τ):
其中j表示第j个次序的IMF分量,j=1,2,…,J;t表示IR-UWB雷达的发射周期;τ表示IR-UWB雷达的接收采样周期;cj(t=m,τ)和s(t=m,τ)分别表示第m个fasttime方向的第j个IMF分量和对应残差。
将每一个fasttime分解出的第j个IMF分量组合在一起,形成一个IMFs集合:
可选的,所述定位所述第一IMFs集合中的特征时间指数采样点,包括:
对fast time方向上的每个点进行能量计算:
其中ej(t,n)表示第j个IMFs分量集合上第n个fasttime点的能量;
取最大能量的点作为定位到的特征时间指数采样点:
FTI=max{e1(t,n)},n=1,2,…,N1。
可选的,所述采用EEMD处理去噪后所述待测目标信号的慢时间维度方向的信号,得到在所述慢时间维度方向的所述特征时间指数采样点的第二IMFs集合,并构建第二IMFs集合矩阵,包括:
对特征时间指数采样点所处的slowtime方向进行EEMD处理,得到对应的IMF分量yk(t,FTI)和对应残差h(t,FTI):
其中k表示EEMD分解出的第k个IMF分量,k=1,2,…,K;j表示第j个第二IMFs集合,j=1,2,…,J;
合并所有同样序列的IMF作为一个K×1维的集合Yj(t,FTI),K代表的是EEMD分解出的IMF数量,则Yj(t,FTI)可以表示为:
Yj(t,FTI)=[y1(t,FTI)…yk(t,FTI)…yK(t,FTI)]
最后将所有Yj(t,FTI),j=1,2,…,J共J个第二IMFs集合合并成第二IMFs集合矩阵:
从以上技术方案可以看出,本申请具有以下优点:
本申请中,提供了一种非接触式穿墙检测生命信息的方法,包括:对待测目标信号去噪;采用EEMD处理去噪后的待测目标信号的快时间维度方向的信号,得到第一IMFs集合;定位第一IMFs集合中的特征时间指数采样点;采用EEMD处理去噪后待测目标信号的慢时间维度方向的信号,得到在慢时间维度方向的特征时间指数采样点的第二IMFs集合,并构建第二IMFs集合矩阵;获取第二IMFs集合矩阵中在预置范围内的有用信号,并从有用信号中找到呼吸信号和心率信号。
本申请对待测目标信号进行去噪,减少背景噪声对回波信号的影响,提高了呼吸信号和心跳信号的准确度。通过雷达获取待测目标信号,利用其穿墙检测功能,采用非接触式检测实现生命信息的检测。
附图说明
图1为本申请一种非接触式穿墙检测生命信息的方法的一个实施例的方法流程图;
图2为本申请实施例中回波信号的二维数据矩阵示意图;
图3为本申请实施例中采用本申请方法对待测目标信号进行处理的信号变化示意图;
图4为本申请实施例中采用本申请方法之前的待测目标信号能量谱示意图;
图5为本申请实施例中采用本申请方法之后的待测目标信号能量谱示意图;
图6为本申请实施例中穿墙检测的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请一种非接触式穿墙检测生命信息的方法的一个实施例的方法流程图,如图1所示,图1中包括:
101、对待测目标信号去噪;
需要说明的是,本申请可以去除待测目标信号中的固定背景噪声。具体的,对待测目标信号去噪的过程包括:
1011、接收周围环境的回波信号;
需要说明的是,本申请中利用IR-UWB雷达接收回波信号,雷达接收回波信号可以表达为:
其中s(t,τ)表示IR-UWB雷达以固定周期发射的脉冲信号;h(t,τ)表示环境的的系统函数;n(t,τ)表示系统噪声。
所以接收到的雷达回波信号可以表达为:
可知,经IR-UWB雷达接收到的回波信号是一个二维信号矩阵。示意图如图2所示,坐标轴方向分别为fast time方向和slow time方向。
因此,本申请中的所处环境的回波信号,可以表示为:
式中,N1和M1分别表示单个发射脉冲的回波采样点和IR-UWB雷达发射脉冲的数量;t表示IR-UWB雷达的发射周期,τ表示IR-UWB雷达的接收采样周期(t>>τ)。
1012、计算周围环境的回波信号的快时间维度方向上每个点在慢时间维度方向上的所有数据的平均值,作为背景噪声在对应快时间维度方向的一个背景噪声值,将快时间维度方向的背景噪声值构成新的快时间维度方向向量;
需要说明的是,可以计算周围环境的回波信号的fast time方向的每一个点(即每一个FTI(the feature time index,特征时间指数))在slow time方向上的所有数据的平均值,作为背景噪声在对应fasttime点处的一个背景噪声值,计算过程可以表达为:
将fast time方向上每个计算的点组合成一个新的fast time向量:
1013、将新的快时间维度方向向量构造成二维矩阵,作为固定背景噪声;
1014、将待测目标信号减去固定背景噪声,完成对待测目标信号的去噪;
需要说明的是,使用IR-UWB雷达对待测目标进行检测,记录下的待测目标信号为:
去掉待测目标信号中的固定背景噪声信号,得到去噪后的待测目标信号的数据矩阵;
去除背景目标信号中的固定背景噪声,获得去噪后的待测目标信号的数据矩阵X(t,τ)为:
102、采用EEMD处理去噪后的所述待测目标信号的快时间维度方向的信号,得到第一IMFs集合;
需要说明的是,本申请可以采用EEMD(Ensemble Empirical ModeDecomposition,集合经验模态分解)处理去噪后的待测目标信号的数据矩阵的fasttime方向信号和slowtime方向信号。
其中,对fasttime方向信号进行处理的过程包括:
对X(t,τ)矩阵的第m个fasttime方向使用EEMD算法进行处理,会获得有限个数的IMF分量cj(t=m,τ)和对应的残差s(t=m,τ):
其中j表示第j个次序的IMF分量,j=1,2,…,J;cj(t=m,τ)和s(t=m,τ)分别表示第m个fasttime方向的第j个IMF分量和对应残差。
将每一个fasttime分解出的第j个IMF分量组合在一起,形成一个IMFs集合:
Cj(t,τ)=[cj(t=1,τ)…cj(t=m,τ)…cj(t=M2,τ)]T。
103、定位第一IMFs集合中的特征时间指数采样点;
需要说明的是,对fasttime方向上的每个点进行能量计算:
其中ej(t,n)表示第j个IMFs分量集合上第n个fasttime点的能量.
然后取最大能量的点作为定位到的FTI点:
FTI=max{e1(t,n)},n=1,2,…,N1。
104、采用EEMD处理去噪后待测目标信号的慢时间维度方向的信号,得到在慢时间维度方向的特征时间指数采样点的第二IMFs集合,并构建第二IMFs集合矩阵;
需要说明的是,定位到FTI点后,对FTI点所处的slow time方向进行EEMD处理,因此还会得到一系列的IMF分量yk(t,FTI)和对应残差h(t,FTI),可以表达为:
其中k表示第二次EEMD分解出的第k个IMF分量,k=1,2,…,K;j表示第j个IMFs集合,j=1,2,…,J。
同样的,合并所有同样序列的IMF(即cj(t,τ=FTI))作为一个K×1维的集合Yj(t,FTI),K代表的是第二次EEMD分解出的IMF数量。Yj(t,FTI)可以表示为:
Yj(t,FTI)=[y1(t,FTI)…yk(t,FTI)…yK(t,FTI)]
最后将所有Yj(t,FTI),j=1,2,…,J共J个矩阵合并成一个新矩阵:
105、获取第二IMFs集合矩阵中满足呼吸率特征和心率特征的信号,找到对应的呼吸信号和心率信号。
需要说明的是,从合并后的新矩阵Y(t,FTI)中找到满足呼吸率和心率特征的信号,从而找到呼吸和心率的信号。
本申请在获取第二IMFs集合矩阵中在预置范围内的有用信号,并从有用信号中找到呼吸信号和心率信号,之后还包括:
对找到的呼吸信号和心率信号进行FFT变换,得到呼吸率和心率信息。
本申请对待测目标信号进行去噪,减少背景噪声对回波信号的影响,提高了呼吸信号和心跳信号的准确度。通过雷达获取待测目标信号,利用其穿墙检测功能,采用非接触式检测实现生命信息的检测。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (4)
1.一种非接触式穿墙检测生命信息的方法,其特征在于,包括:
对待测目标信号去噪,所述待测目标信号是穿墙回波信号;
采用EEMD处理去噪后的所述待测目标信号的快时间维度方向的信号,得到第一IMFs集合;
定位所述第一IMFs集合中的特征时间指数采样点,包括:
对fast time方向上的每个点进行能量计算:
其中ej(t,n)表示第j个IMFs分量集合上第n个fast time点的能量,N1表示单个发射脉冲的回波采样点,t表示IR-UWB雷达的发射周期;
取最大能量的点作为定位到的特征时间指数采样点:
FTI=max{e1(t,n)},n=1,2,…,N1;
采用EEMD处理去噪后所述待测目标信号的慢时间维度方向的信号,得到在所述慢时间维度方向的所述特征时间指数采样点的第二IMFs集合,并构建第二IMFs集合矩阵;
获取所述第二IMFs集合矩阵中满足呼吸率特征和心率特征的信号,找到对应的呼吸信号和心率信号;
所述对所述待测目标信号去噪,包括:
接收周围环境的回波信号;接收到的回波信号是一个二维信号矩阵,坐标轴分别为fast time方向和slow time方向;
计算所述周围环境的回波信号的快时间维度方向上每个点在慢时间维度方向上的所有数据的平均值,作为背景噪声在对应快时间维度方向的一个背景噪声值,将快时间维度方向的所述背景噪声值构成新的快时间维度方向向量;
将所述新的快时间维度方向向量构造成二维矩阵,作为固定背景噪声;
将所述待测目标信号减去所述固定背景噪声,完成对所述待测目标信号的去噪。
2.根据权利要求1所述的非接触式穿墙检测生命信息的方法,其特征在于,在所述获取所述第二IMFs集合矩阵中满足呼吸率特征和心率特征的信号,找到对应的呼吸信号和心率信号,之后还包括:
对找到的所述呼吸信号和所述心率信号进行FFT变换,得到呼吸率和心率信息。
3.根据权利要求1所述的非接触式穿墙检测生命信息的方法,其特征在于,所述采用EEMD处理去噪后的所述待测目标信号的快时间维度方向的信号,得到第一IMFs集合,包括:
采用EEMD处理去噪后的待测目标信号X(t,τ)的第m个快时间维度方向的信号,得到多个IMF分量cj(t=m,τ)和对应的残差s(t=m,τ):
其中j表示第j个次序的IMF分量,j=1,2,…,J;t表示IR-UWB雷达的发射周期;τ表示IR-UWB雷达的接收采样周期;cj(t=m,τ)和s(t=m,τ)分别表示第m个fast time方向的第j个IMF分量和对应残差;
将每一个fast time分解出的第j个IMF分量组合在一起,形成一个IMFs集合:
Cj(t,τ)=[cj(t=1,τ)…cj(t=m,τ)…cj(t=M2,τ)]T。
4.根据权利要求3所述的非接触式穿墙检测生命信息的方法,其特征在于,所述采用EEMD处理去噪后所述待测目标信号的慢时间维度方向的信号,得到在所述慢时间维度方向的所述特征时间指数采样点的第二IMFs集合,并构建第二IMFs集合矩阵,包括:
对特征时间指数采样点所处的slow time方向进行EEMD处理,得到对应的IMF分量yk(t,FTI)和对应残差h(t,FTI):
其中k表示EEMD分解出的第k个IMF分量,k=1,2,…,K;j表示第j个第二IMFs集合,j=1,2,…,J;
合并所有同样序列的IMF作为一个K×1维的集合Yj(t,FTI),K代表的是EEMD分解出的IMF数量,则Yj(t,FTI)可以表示为:
Yj(t,FTI)=[y1(t,FTI)…yk(t,FTI)…yK(t,FTI)]
最后将所有Yj(t,FTI),j=1,2,…,J共J个第二IMFs集合合并成第二IMFs集合矩阵:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110405479.7A CN113100738B (zh) | 2021-04-15 | 2021-04-15 | 一种非接触式穿墙检测生命信息的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110405479.7A CN113100738B (zh) | 2021-04-15 | 2021-04-15 | 一种非接触式穿墙检测生命信息的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113100738A CN113100738A (zh) | 2021-07-13 |
CN113100738B true CN113100738B (zh) | 2022-11-04 |
Family
ID=76717417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110405479.7A Active CN113100738B (zh) | 2021-04-15 | 2021-04-15 | 一种非接触式穿墙检测生命信息的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113100738B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115670390B (zh) * | 2022-12-30 | 2023-04-07 | 广东工业大学 | 一种帕金森病轴向症状严重程度表征方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105232026A (zh) * | 2015-10-29 | 2016-01-13 | 无锡南理工科技发展有限公司 | 一种非接触式生命体征检测系统的心跳频率检测算法 |
CN108776336B (zh) * | 2018-06-11 | 2022-06-03 | 电子科技大学 | 一种基于emd的自适应穿墙雷达静止人体目标定位方法 |
CN110507293B (zh) * | 2019-07-26 | 2022-01-07 | 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 |
-
2021
- 2021-04-15 CN CN202110405479.7A patent/CN113100738B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113100738A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106901695B (zh) | 一种生命信号提取方法及装置 | |
Chourasia et al. | A novel approach for phonocardiographic signals processing to make possible fetal heart rate evaluations | |
EP3420891B1 (en) | System for obtaining useful data associated with heart rate variability pattern | |
CN114732384B (zh) | 基于微波雷达的心脏健康数据监测方法、装置、存储介质 | |
Goldfine et al. | Respiratory rate monitoring in clinical environments with a contactless ultra-wideband impulse radar-based sensor system | |
CN113100738B (zh) | 一种非接触式穿墙检测生命信息的方法 | |
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 | |
CN115736854A (zh) | 一种基于毫米波雷达的呼吸心跳监测系统 | |
Hasan et al. | Fetal electrocardiogram extraction and R-peak detection for fetal heart rate monitoring using artificial neural network and Correlation | |
Rong et al. | Is radar cardiography (rcg) possible? | |
Mansouri et al. | A Real‐Time Heart Rate Detection Algorithm Based on Peripheral Electrical Bioimpedance | |
Kew et al. | Wearable patch-type ECG using ubiquitous wireless sensor network for healthcare monitoring application | |
CN115969351A (zh) | 一种基于毫米波雷达实时计算呼吸的方法 | |
CN115736872A (zh) | 一种基于毫米波雷达实时计算心率的方法 | |
Abu-Sardanah et al. | A wearable mm-wave radar platform for cardiorespiratory monitoring | |
Pröll et al. | Heart rate estimation from ballistocardiographic signals using deep learning | |
Gao et al. | A new direction for biosensing: RF sensors for monitoring cardio-pulmonary function | |
CN115040091A (zh) | 基于vmd算法的毫米波雷达生命信号提取方法 | |
CN112617786A (zh) | 基于tof摄像头的心率检测装置及方法 | |
Tsuchiya et al. | A comparative study of heart rate estimation via air pressure sensor | |
Georgieva-Tsaneva | Wavelet Based method for Non-Stationary Time Series Processing | |
Jingbo et al. | Method of Extracting Respiration Rate and Heartrate by Ultra-wideband Radar for Human Monitoring. | |
Shakfa et al. | Detection of Human Respiratory and Range by IR-UWB Radar | |
Anishchenko et al. | Comparison study of two approaches for bioradar data processing | |
Shamanin | COPING STRATEGIES OF BEHAVIOR IN PATIENTS WITH ONCOLOGICAL DISEASES |
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 |