CN113116342A - 一种基于毫米波雷达的生命信号监测方法 - Google Patents
一种基于毫米波雷达的生命信号监测方法 Download PDFInfo
- Publication number
- CN113116342A CN113116342A CN202110451549.2A CN202110451549A CN113116342A CN 113116342 A CN113116342 A CN 113116342A CN 202110451549 A CN202110451549 A CN 202110451549A CN 113116342 A CN113116342 A CN 113116342A
- Authority
- CN
- China
- Prior art keywords
- data
- signal
- respiration
- frequency
- heartbeat
- 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
- A61B5/103—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
-
- 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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Cardiology (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Pulmonology (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毫米波雷达的生命信号监测方法,包括数据获取模块,其包括毫米波雷达,所述毫米波雷达发射调频信号,人体胸腔反射回波信号,通过毫米波雷达集成的混合器和采样器最终将数据传输到数据处理模块;数据处理模块,通过背景噪声滤除、相位提取、呼吸心跳分离、呼吸心跳重建、距离频率分离和降低计算量方法,对数据获取模块发送的数据中的中频信号进行处理,获得心率、呼吸和人体胸腔位移距离;后续应用模块,通过多进程实时采集数据和处理数据,并将数据上传至云服务器,利用GUI将心率、呼吸和人体胸腔位移距离可视化,方便监护人员随时查看。
Description
技术领域
本发明涉及生命体征监测领域,尤其涉及到一种基于毫米波雷达的生命信号监测方法。
背景技术
近年来,中国人口老龄化快速发展,65岁及以上人口的数量和在总人口中所占比例不断提高,预计在2022年中国将由老龄化社会步入老龄社会。随着老龄化现象的不断加剧,老人赡养问题正受到越来越多的关注,如何为老人健康预警也成为一大课题。如果能够对老人的生命体征信号进行实时、长期地监测,就将有助于为老人建立健康基线,并且在老人健康恶化时向老人与医生发出预警,表明可能需要进一步的医疗护理。
主要的生命体征信号包括体温、心率、呼吸频率和血压。其中,心率是衡量人体生理和心理状态的一个关键指标,心率的变化能够反映出人的身体或者精神的重大变化。心脏将人体血液循环中的脱氧血液循环通过肺部,并通过主动脉将新氧化的血液泵入人体的过程称为心动周期,心率就是心动周期的频率。心率的测量方法主要包括心电图法和脉搏波描记法,前者需要在被测目标的胸口贴上电极,后者需要光学或者压力传感器贴在皮肤上进行测量。呼吸频率同样是一个重要的生命体征,通过呼吸人获得足够的氧气并排出二氧化碳以此维持生命,而且呼吸异常是许多疾病的症状。呼吸频率的测量可以通过测量呼吸时口鼻处的气体流量或者测量呼吸过程中胸腹部的胀缩实现,常用的方法如电阻抗体积描记法和应变测量法都需要在胸腹部贴电极或者应变传感器。
上述的心率、呼吸频率检测方法所需设备都是接触式检测设备,长时间或者在睡觉时佩戴设备往往会使用户感觉不适,而且接触式检测设备一般只对单人适用,无法应对多人同时检测的场景。
因此,我们有必要对这样一种结构进行改善,以克服上述缺陷。
发明内容
本发明的目的是提供一种基于毫米波雷达的生命信号监测方法,可以长时间利用毫米波雷达非接触式监测老人的心跳呼吸,为老人的健康情况恶化做出及时的预警,帮助老人获得及时的医疗护理,以解决现有技术中存在的问题。
本发明的上述技术目的是通过以下技术方案实现的:
一种基于毫米波雷达的生命信号监测方法,包括
数据获取模块,其包括毫米波雷达,所述毫米波雷达发射调频信号,人体胸腔反射回波信号,通过毫米波雷达集成的混合器和采样器最终将数据传输到数据处理模块;
数据处理模块,通过背景噪声滤除、相位提取、呼吸心跳分离、呼吸心跳重建、距离频率分离和降低计算量方法,对数据获取模块发送的数据中的中频信号进行处理,获得心率、呼吸和人体胸腔位移距离;
后续应用模块,通过多进程实时采集数据和处理数据,并将数据上传至云服务器,利用GUI将心率、呼吸和人体胸腔位移距离可视化,方便监护人员随时查看。
进一步的,所述数据获取模块采用长短窗的模式,长窗具有100个frame的数据用于呼吸心跳监测,短窗具有20个frame数据用于距离判断;根据先进先出的原则,数据流入和流出的数量相等,使得长短窗得到更新。
进一步的,所述人体胸腔位移距离采用两个三角函数的叠加,数学公式建模:
x(t)=d0+ARsin(2πfRt)+AHsin(2πfHt)
其中,d0为人体胸部相对于传感器的平均距离,dR和dH分别是呼吸和心跳造成的胸部相对于传感器的变化的距离,dR和dH被简化为正弦位移函数,AR和AH分别为呼吸和心跳造成的胸部相对于传感器的距离幅值,fR和fH分别为呼吸频率和心率;
人体胸腔位移距离通过反射强度+方差变化综合判断;射频信号TX和回波信号RX混频处理得到的中频信号IF成为一个chirp,将chirp排列成矩阵,每一行代表每个chirp通过ADC得到的离散采样点;横轴Fast Time表示FMCW频率上升的单次过程中获得中频信号的时间轴,纵轴Slow Time为各FMCW频率上升过程获得中频信号起始时间的时间轴;
将每一列range对应的傅里叶变换后的绝对值纵向求和,挑选出其中的波峰对应的距离,这些距离代表有物体反射;单一的反射强度判断只能筛选出具有反射能力的物体距离,其包括人体、静态家具反射物,下一步工作在于从各种反射物中筛选出人体;由于心跳呼吸引起的胸腔微动可以反映在相位的变化上,而变化可以通过计算方差判断;第一次FFT后获得的的相位云图,对每一列range纵向进行方差计算,可以获得方差的极值点;综合考虑反射强度和方差判断,匹配排名均在前列的极值点,获得胸腔的距离;
为了消除杂波波峰对结果判断的影响,需要引入指数加权滑动平均EWMA;指数加权滑动平均是对我们待处理的信号分别进行不同的加权,按照不同权重获得移动平均值,并以最后的移动平均值为基础,获得预测值,其数学公式如下:
进一步的,所述呼吸的幅度较大会产生谐波干扰,在心跳区间会同时存在呼吸的谐波波峰,谐波干扰会严重影响本就微弱的心跳信号的测量,需要将呼吸心跳进行分离,呼吸心跳分离算法如下:
采用差分增强(DE)+数字滤波+自相关分析+FFT的流程来完成上述工作;差分增强主要采用一阶差分或者二阶差分,一阶差分如下式:
二阶差分如下式所示:
根据获得的数据选用相应的差分方法;
差分后,进行滤波,截至频率可以设置为0.8-5Hz,滤除呼吸区间;由于自相关分析可以保留主频信号,抑制杂波频率;在滤波后采用自相关分析增强心跳主频,对于获得的自相关系数,可以再次进行FFT以获得更详细的频率信息。
进一步的,所述数据处理模块每次监测心跳呼吸,需要300个frame,即每次需要对153600个采样点进行FFT计算,越高的分辨精度对应着越大的数据量,需要较大算力,且计算时间较长,不能满足实时性的要求,需要通过方法降低计算量,其方法如下:
采用纵向降采样的方法,在不降低分辨率的情况下,降低计算量;物理分辨率是指能够将原始信号中两个靠的很近的谱峰仍然能保持分开的能力,其关系式如下:
其中,T0为信号长度,N为抽样点数,fs为时域采样频率,T为时域抽样间隔;为了提高物理分辨率,首先需要将数据长度增加,即frame数量从原始50个提高到300个frame。
进一步的,所述中频信号是个正弦函数,其混杂着线性噪声分量、低频噪声分量、高频噪声分量,这些噪声来源于外部直流信号分量、振荡器信号泄露、中频信号混合器的非线性性,频域图看不出信息,需要对背景噪声进行滤除;噪声的很大一部分来源是IQ信号中直流偏置,为了消除噪声,需要IQ分解的方法获得IQ信号,并进行直流偏置矫正;
一个正弦函数可以利用载波解调为IQ分量,将中频信号与载波相乘进行解调,利用三角函数积化和差公式:
A(t)cos(2πfct+φ(t))*2 cos(2πfct)
=A(t)cos(φ(t))+A(t)cos(4πfct+φ(t))
其中,第一项即为I(t),第二项高频载波通过低通滤波器进行滤除;同理可以求得Q(t);实际获得的IQ信号包含直流分量,表达式如下:
IQ信号在复平面应该是一个圆周,直流分量的存在使得圆心偏离原点,导致相位变化不准确;采用圆心动态跟踪法进行DC offset,将圆周圆心坐标矫正到原点,对低频噪声进行滤除;
为了达到实时监测的目的,在主进程的基础上开设了两个子进程;子进程p1进行雷达数据的采集,一直连续运行,并将采集到的数据传输给子进程p2;p2进行数据处理过程和GUI展示;前端界面采用VUE框架完成,后端采用Django框架完成。
附图说明
图1是本发明的FMCW雷达基本框架。
图2是本发明的FMCW雷达微小位移变化检测原理图。
图3是本发明的载波解调原理示意图。
图4是本发明的多进程管理示意图。
图5是本发明的连续采集数据示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合图示与具体实施例,进一步阐述本发明。
如图1至图5所示,本发明提出的一种基于毫米波雷达的生命信号监测方法,包括
数据获取模块,其包括毫米波雷达,所述毫米波雷达发射调频信号,人体胸腔反射回波信号,通过毫米波雷达集成的混合器和采样器最终将数据传输到数据处理模块;
数据处理模块,通过背景噪声滤除、相位提取、呼吸心跳分离、呼吸心跳重建、距离频率分离和降低计算量方法,对数据获取模块发送的数据中的中频信号进行处理,获得心率、呼吸和人体胸腔位移距离;
后续应用模块,通过多进程实时采集数据和处理数据,并将数据上传至云服务器,利用GUI将心率、呼吸和人体胸腔位移距离可视化,方便监护人员随时查看。
所述数据获取模块采用长短窗的模式,长窗具有100个frame的数据用于呼吸心跳监测,短窗具有20个frame数据用于距离判断;根据先进先出的原则,数据流入和流出的数量相等,使得长短窗得到更新。
所述人体胸腔位移距离采用两个三角函数的叠加,数学公式建模:
x(t)=d0+ARsin(2πfRt)+AHsin(2πfHt)
其中,d0为人体胸部相对于传感器的平均距离,dR和dH分别是呼吸和心跳造成的胸部相对于传感器的变化的距离,dR和dH被简化为正弦位移函数,AR和AH分别为呼吸和心跳造成的胸部相对于传感器的距离幅值,fR和fH分别为呼吸频率和心率;
人体胸腔位移距离通过反射强度+方差变化综合判断;射频信号TX和回波信号RX混频处理得到的中频信号IF成为一个chirp,将chirp排列成矩阵,每一行代表每个chirp通过ADC得到的离散采样点;横轴Fast Time表示FMCW频率上升的单次过程中获得中频信号的时间轴,纵轴Slow Time为各FMCW频率上升过程获得中频信号起始时间的时间轴;
将每一列range对应的傅里叶变换后的绝对值纵向求和,挑选出其中的波峰对应的距离,这些距离代表有物体反射;单一的反射强度判断只能筛选出具有反射能力的物体距离,其包括人体、静态家具反射物,下一步工作在于从各种反射物中筛选出人体;由于心跳呼吸引起的胸腔微动可以反映在相位的变化上,而变化可以通过计算方差判断;第一次FFT后获得的的相位云图,对每一列range纵向进行方差计算,可以获得方差的极值点;综合考虑反射强度和方差判断,匹配排名均在前列的极值点,获得胸腔的距离;
为了消除杂波波峰对结果判断的影响,需要引入指数加权滑动平均EWMA;指数加权滑动平均是对我们待处理的信号分别进行不同的加权,按照不同权重获得移动平均值,并以最后的移动平均值为基础,获得预测值,其数学公式如下:
所述呼吸的幅度较大会产生谐波干扰,在心跳区间会同时存在呼吸的谐波波峰,谐波干扰会严重影响本就微弱的心跳信号的测量,需要将呼吸心跳进行分离,呼吸心跳分离算法如下:
采用差分增强(DE)+数字滤波+自相关分析+FFT的流程来完成上述工作;差分增强主要采用一阶差分或者二阶差分,一阶差分如下式:
二阶差分如下式所示:
根据获得的数据选用相应的差分方法;
差分后,进行滤波,截至频率可以设置为0.8-5Hz,滤除呼吸区间;由于自相关分析可以保留主频信号,抑制杂波频率;在滤波后采用自相关分析增强心跳主频,对于获得的自相关系数,可以再次进行FFT以获得更详细的频率信息。
所述数据处理模块每次监测心跳呼吸,需要300个frame,即每次需要对153600个采样点进行FFT计算,越高的分辨精度对应着越大的数据量,需要较大算力,且计算时间较长,不能满足实时性的要求,需要通过方法降低计算量,其方法如下:
采用纵向降采样的方法,在不降低分辨率的情况下,降低计算量;物理分辨率是指能够将原始信号中两个靠的很近的谱峰仍然能保持分开的能力,其关系式如下:
其中,T0为信号长度,N为抽样点数,fs为时域采样频率,T为时域抽样间隔;为了提高物理分辨率,首先需要将数据长度增加,即frame数量从原始50个提高到300个frame。
所述中频信号是个正弦函数,其混杂着线性噪声分量、低频噪声分量、高频噪声分量,这些噪声来源于外部直流信号分量、振荡器信号泄露、中频信号混合器的非线性性,频域图看不出信息,需要对背景噪声进行滤除;噪声的很大一部分来源是IQ信号中直流偏置,为了消除噪声,需要IQ分解的方法获得IQ信号,并进行直流偏置矫正;
一个正弦函数可以利用载波解调为IQ分量,将中频信号与载波相乘进行解调,利用三角函数积化和差公式:
A(t)cos(2πfct+φ(t))*2 cos(2πfct)
=A(t)cos(φ(t))+A(t)cos(4πfct+φ(t))
其中,第一项即为I(t),第二项高频载波通过低通滤波器进行滤除;同理可以求得Q(t);实际获得的IQ信号包含直流分量,表达式如下:
IQ信号在复平面应该是一个圆周,直流分量的存在使得圆心偏离原点,导致相位变化不准确;采用圆心动态跟踪法进行DC offset,将圆周圆心坐标矫正到原点,对低频噪声进行滤除;
为了达到实时监测的目的,在主进程的基础上开设了两个子进程;子进程p1进行雷达数据的采集,一直连续运行,并将采集到的数据传输给子进程p2;p2进行数据处理过程和GUI展示;前端界面采用VUE框架完成,后端采用Django框架完成。
在本文中,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”、“竖直”、“水平”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,仅是为了表达技术方案的清楚及描述方便,因此不能理解为对本发明的限制。
在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,除了包含所列的那些要素,而且还可包含没有明确列出的其他要素。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。
Claims (6)
1.一种基于毫米波雷达的生命信号监测方法,其特征在于,包括
数据获取模块,其包括毫米波雷达,所述毫米波雷达发射调频信号,人体胸腔反射回波信号,通过毫米波雷达集成的混合器和采样器最终将数据传输到数据处理模块;
数据处理模块,通过背景噪声滤除、相位提取、呼吸心跳分离、呼吸心跳重建、距离频率分离和降低计算量方法,对数据获取模块发送的数据中的中频信号进行处理,获得心率、呼吸和人体胸腔位移距离;
后续应用模块,通过多进程实时采集数据和处理数据,并将数据上传至云服务器,利用GUI将心率、呼吸和人体胸腔位移距离可视化,方便监护人员随时查看。
2.根据权利要求1所述的基于毫米波雷达的生命信号监测方法,其特征在于,所述数据获取模块采用长短窗的模式,长窗具有100个frame的数据用于呼吸心跳监测,短窗具有20个frame数据用于距离判断;根据先进先出的原则,数据流入和流出的数量相等,使得长短窗得到更新。
3.根据权利要求1所述的基于毫米波雷达的生命信号监测方法,其特征在于,所述人体胸腔位移距离采用两个三角函数的叠加,数学公式建模:
x(t)=d0+ARsin(2πfRt)+AHsin(2πfHt)
其中,d0为人体胸部相对于传感器的平均距离,dR和dH分别是呼吸和心跳造成的胸部相对于传感器的变化的距离,dR和dH被简化为正弦位移函数,AR和AH分别为呼吸和心跳造成的胸部相对于传感器的距离幅值,fR和fH分别为呼吸频率和心率;
人体胸腔位移距离通过反射强度+方差变化综合判断;射频信号TX和回波信号RX混频处理得到的中频信号IF成为一个chirp,将chirp排列成矩阵,每一行代表每个chirp通过ADC得到的离散采样点;横轴Fast Time表示FMCW频率上升的单次过程中获得中频信号的时间轴,纵轴Slow Time为各FMCW频率上升过程获得中频信号起始时间的时间轴;
将每一列range对应的傅里叶变换后的绝对值纵向求和,挑选出其中的波峰对应的距离,这些距离代表有物体反射;单一的反射强度判断只能筛选出具有反射能力的物体距离,其包括人体、静态家具反射物,下一步工作在于从各种反射物中筛选出人体;由于心跳呼吸引起的胸腔微动可以反映在相位的变化上,而变化可以通过计算方差判断;第一次FFT后获得的的相位云图,对每一列range纵向进行方差计算,可以获得方差的极值点;综合考虑反射强度和方差判断,匹配排名均在前列的极值点,获得胸腔的距离;
为了消除杂波波峰对结果判断的影响,需要引入指数加权滑动平均EWMA;指数加权滑动平均是对我们待处理的信号分别进行不同的加权,按照不同权重获得移动平均值,并以最后的移动平均值为基础,获得预测值,其数学公式如下:
4.根据权利要求1所述的基于毫米波雷达的生命信号监测方法,其特征在于,所述呼吸的幅度较大会产生谐波干扰,在心跳区间会同时存在呼吸的谐波波峰,谐波干扰会严重影响本就微弱的心跳信号的测量,需要将呼吸心跳进行分离,呼吸心跳分离算法如下:
采用差分增强(DE)+数字滤波+自相关分析+FFT的流程来完成上述工作;差分增强主要采用一阶差分或者二阶差分,一阶差分如下式:
二阶差分如下式所示:
根据获得的数据选用相应的差分方法;
差分后,进行滤波,截至频率可以设置为0.8-5Hz,滤除呼吸区间;由于自相关分析可以保留主频信号,抑制杂波频率;在滤波后采用自相关分析增强心跳主频,对于获得的自相关系数,可以再次进行FFT以获得更详细的频率信息。
5.根据权利要求1所述的基于毫米波雷达的生命信号监测方法,其特征在于,所述数据处理模块每次监测心跳呼吸,需要300个frame,即每次需要对153600个采样点进行FFT计算,越高的分辨精度对应着越大的数据量,需要较大算力,且计算时间较长,不能满足实时性的要求,需要通过方法降低计算量,其方法如下:
采用纵向降采样的方法,在不降低分辨率的情况下,降低计算量;物理分辨率是指能够将原始信号中两个靠的很近的谱峰仍然能保持分开的能力,其关系式如下:
其中,T0为信号长度,N为抽样点数,fs为时域采样频率,T为时域抽样间隔;为了提高物理分辨率,首先需要将数据长度增加,即frame数量从原始50个提高到300个frame。
6.根据权利要求1所述的基于毫米波雷达的生命信号监测方法,其特征在于,所述中频信号是个正弦函数,其混杂着线性噪声分量、低频噪声分量、高频噪声分量,这些噪声来源于外部直流信号分量、振荡器信号泄露、中频信号混合器的非线性性,频域图看不出信息,需要对背景噪声进行滤除;噪声的很大一部分来源是IQ信号中直流偏置,为了消除噪声,需要IQ分解的方法获得IQ信号,并进行直流偏置矫正;
一个正弦函数可以利用载波解调为IQ分量,将中频信号与载波相乘进行解调,利用三角函数积化和差公式:
A(t)cos(2πfct+φ(t))*2cos(2πfct)
=A(t)cos(φ(t))+A(t)cos(4πfct+φ(t))
其中,第一项即为I(t),第二项高频载波通过低通滤波器进行滤除;同理可以求得Q(t);实际获得的IQ信号包含直流分量,表达式如下:
IQ信号在复平面应该是一个圆周,直流分量的存在使得圆心偏离原点,导致相位变化不准确;采用圆心动态跟踪法进行DC offset,将圆周圆心坐标矫正到原点,对低频噪声进行滤除;
为了达到实时监测的目的,在主进程的基础上开设了两个子进程;子进程p1进行雷达数据的采集,一直连续运行,并将采集到的数据传输给子进程p2;p2进行数据处理过程和GUI展示;前端界面采用VUE框架完成,后端采用Django框架完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110451549.2A CN113116342A (zh) | 2021-04-26 | 2021-04-26 | 一种基于毫米波雷达的生命信号监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110451549.2A CN113116342A (zh) | 2021-04-26 | 2021-04-26 | 一种基于毫米波雷达的生命信号监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113116342A true CN113116342A (zh) | 2021-07-16 |
Family
ID=76779925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110451549.2A Pending CN113116342A (zh) | 2021-04-26 | 2021-04-26 | 一种基于毫米波雷达的生命信号监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113116342A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113729677A (zh) * | 2021-10-12 | 2021-12-03 | 九州云合(山东)智能科技有限公司 | 一种智能生命体征监护方法 |
CN113768483A (zh) * | 2021-09-14 | 2021-12-10 | 北京清雷科技有限公司 | 一种基于毫米波雷达的hrv信号提取方法及设备 |
CN113885078A (zh) * | 2021-09-28 | 2022-01-04 | 哈尔滨工程大学 | 一种基于峰值判别的差分累加高分辨浅剖分层处理方法 |
CN114305355A (zh) * | 2022-01-05 | 2022-04-12 | 北京科技大学 | 基于毫米波雷达的呼吸心跳检测方法、系统及装置 |
CN114305364A (zh) * | 2022-01-05 | 2022-04-12 | 北京科技大学 | 基于毫米波雷达的血压检测方法、系统及设备 |
CN114366052A (zh) * | 2021-12-21 | 2022-04-19 | 山东师范大学 | 一种基于毫米波雷达的养老院智能监护系统及方法 |
CN114527463A (zh) * | 2022-04-24 | 2022-05-24 | 南京楚航科技有限公司 | 一种利用相位匹配的车内活体检测方法及设备 |
CN115089143A (zh) * | 2022-08-24 | 2022-09-23 | 江苏亿连通信技术有限公司 | 毫米波雷达生命体征信号提取和测量方法 |
TWI833125B (zh) * | 2021-10-29 | 2024-02-21 | 緯創資通股份有限公司 | 非接觸運動生理感測方法與運動生理感測雷達 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101949799B1 (ko) * | 2018-08-10 | 2019-02-20 | 주식회사 아이티아이씨앤씨 | 생체 신호 감지용 밀리미리파 레이더 센서를 활용한 보호 시설 관리 시스템 |
CN109522826A (zh) * | 2018-10-31 | 2019-03-26 | 广东工业大学 | 一种基于fmcw毫米波雷达的生命信号检测方法和系统 |
CN111166342A (zh) * | 2020-01-07 | 2020-05-19 | 四川宇然智荟科技有限公司 | 一种毫米波雷达和摄像头融合跌倒检测装置及其检测方法 |
CN111358464A (zh) * | 2018-12-26 | 2020-07-03 | 北京信息科技大学 | 一种针对卧床病人的非接触式生命体征监测方法 |
CN111603138A (zh) * | 2020-05-19 | 2020-09-01 | 杭州电子科技大学 | 一种基于毫米波雷达的睡眠呼吸暂停监测系统 |
CN111856452A (zh) * | 2020-05-21 | 2020-10-30 | 重庆邮电大学 | 基于omp的静态人体心跳和呼吸信号分离重构方法 |
CN112472051A (zh) * | 2020-12-16 | 2021-03-12 | 山东润一智能科技有限公司 | 一种生命体征监测的毫米波雷达装置、方法及系统 |
CN112674740A (zh) * | 2020-12-22 | 2021-04-20 | 北京工业大学 | 一种基于毫米波雷达的生命体征检测方法 |
-
2021
- 2021-04-26 CN CN202110451549.2A patent/CN113116342A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101949799B1 (ko) * | 2018-08-10 | 2019-02-20 | 주식회사 아이티아이씨앤씨 | 생체 신호 감지용 밀리미리파 레이더 센서를 활용한 보호 시설 관리 시스템 |
CN109522826A (zh) * | 2018-10-31 | 2019-03-26 | 广东工业大学 | 一种基于fmcw毫米波雷达的生命信号检测方法和系统 |
CN111358464A (zh) * | 2018-12-26 | 2020-07-03 | 北京信息科技大学 | 一种针对卧床病人的非接触式生命体征监测方法 |
CN111166342A (zh) * | 2020-01-07 | 2020-05-19 | 四川宇然智荟科技有限公司 | 一种毫米波雷达和摄像头融合跌倒检测装置及其检测方法 |
CN111603138A (zh) * | 2020-05-19 | 2020-09-01 | 杭州电子科技大学 | 一种基于毫米波雷达的睡眠呼吸暂停监测系统 |
CN111856452A (zh) * | 2020-05-21 | 2020-10-30 | 重庆邮电大学 | 基于omp的静态人体心跳和呼吸信号分离重构方法 |
CN112472051A (zh) * | 2020-12-16 | 2021-03-12 | 山东润一智能科技有限公司 | 一种生命体征监测的毫米波雷达装置、方法及系统 |
CN112674740A (zh) * | 2020-12-22 | 2021-04-20 | 北京工业大学 | 一种基于毫米波雷达的生命体征检测方法 |
Non-Patent Citations (2)
Title |
---|
安东港: "基于毫米波雷达的生命体征信号检测研究", 《中国优秀硕士学位论文全文数据库》 * |
陈德肯: "基于雷达信号的非接触体征检测技术研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113768483A (zh) * | 2021-09-14 | 2021-12-10 | 北京清雷科技有限公司 | 一种基于毫米波雷达的hrv信号提取方法及设备 |
CN113768483B (zh) * | 2021-09-14 | 2023-12-29 | 北京清雷科技有限公司 | 一种基于毫米波雷达的hrv信号提取方法及设备 |
CN113885078B (zh) * | 2021-09-28 | 2023-08-08 | 哈尔滨工程大学 | 一种基于峰值判别的差分累加高分辨浅剖分层处理方法 |
CN113885078A (zh) * | 2021-09-28 | 2022-01-04 | 哈尔滨工程大学 | 一种基于峰值判别的差分累加高分辨浅剖分层处理方法 |
CN113729677A (zh) * | 2021-10-12 | 2021-12-03 | 九州云合(山东)智能科技有限公司 | 一种智能生命体征监护方法 |
TWI833125B (zh) * | 2021-10-29 | 2024-02-21 | 緯創資通股份有限公司 | 非接觸運動生理感測方法與運動生理感測雷達 |
CN114366052A (zh) * | 2021-12-21 | 2022-04-19 | 山东师范大学 | 一种基于毫米波雷达的养老院智能监护系统及方法 |
CN114305355A (zh) * | 2022-01-05 | 2022-04-12 | 北京科技大学 | 基于毫米波雷达的呼吸心跳检测方法、系统及装置 |
CN114305364B (zh) * | 2022-01-05 | 2023-08-11 | 北京科技大学 | 基于毫米波雷达的血压检测方法、系统及设备 |
CN114305355B (zh) * | 2022-01-05 | 2023-08-22 | 北京科技大学 | 基于毫米波雷达的呼吸心跳检测方法、系统及装置 |
CN114305364A (zh) * | 2022-01-05 | 2022-04-12 | 北京科技大学 | 基于毫米波雷达的血压检测方法、系统及设备 |
CN114527463B (zh) * | 2022-04-24 | 2022-08-12 | 南京楚航科技有限公司 | 一种利用相位匹配的车内活体检测方法及设备 |
CN114527463A (zh) * | 2022-04-24 | 2022-05-24 | 南京楚航科技有限公司 | 一种利用相位匹配的车内活体检测方法及设备 |
CN115089143A (zh) * | 2022-08-24 | 2022-09-23 | 江苏亿连通信技术有限公司 | 毫米波雷达生命体征信号提取和测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113116342A (zh) | 一种基于毫米波雷达的生命信号监测方法 | |
Charlton et al. | Extraction of respiratory signals from the electrocardiogram and photoplethysmogram: technical and physiological determinants | |
Brüser et al. | Robust inter-beat interval estimation in cardiac vibration signals | |
CN109875529B (zh) | 一种基于超宽带雷达的生命体征检测方法及系统 | |
CN111856452B (zh) | 基于omp的静态人体心跳和呼吸信号分离重构方法 | |
EP2819571B1 (en) | Processing a signal representing a physiological rhythm | |
CN109805931A (zh) | 基于太赫兹多普勒雷达的远距离生命微动信号检测方法 | |
CN110236508A (zh) | 一种无创血压连续监测方法 | |
CN114305364B (zh) | 基于毫米波雷达的血压检测方法、系统及设备 | |
Chen et al. | Unconstrained detection of respiration rhythm and pulse rate with one under-pillow sensor during sleep | |
CN115644840A (zh) | 基于毫米波雷达的生命体征检测方法 | |
CN116172539A (zh) | 基于机器学习的生命体征检测方法、系统、设备及介质 | |
Nayan et al. | Development of respiratory rate estimation technique using electrocardiogram and photoplethysmogram for continuous health monitoring | |
He et al. | A new approach for daily life Blood-Pressure estimation using smart watch | |
Wen et al. | Noninvasive continuous blood pressure monitoring based on wearable radar sensor with preliminary clinical validation | |
Will et al. | Intelligent signal processing routine for instantaneous heart rate detection using a Six-Port microwave interferometer | |
Kew et al. | Wearable patch-type ECG using ubiquitous wireless sensor network for healthcare monitoring application | |
CN115054211A (zh) | 动态血压与房颤同步监测装置 | |
JP7170147B2 (ja) | 非一時的なコンピュータ可読記憶媒体、コンピュータ実装方法及びシステム | |
Matsunag et al. | Non-contact and noise tolerant heart rate monitoring using microwave doppler sensor and range imagery | |
Wang et al. | Separation and denoising of respiratory heartbeat signals based on millimeter-wave radar | |
Johnson et al. | A Review of Photoplethysmography-based Physiological Measurement and Estimation, Part 1: Single Input Methods | |
Zhe et al. | Design and research of continuous blood pressure monitoring system based on lora | |
Kong et al. | Non-contact cardiopulmonary signal monitoring based on magnetic eddy current induction | |
Xie et al. | An ECG feature extraction with wavelet algorithm for personal healthcare |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210716 |
|
RJ01 | Rejection of invention patent application after publication |