CN113273978A - 一种基于超宽带雷达的人体呼吸和心跳频率的检测方法 - Google Patents

一种基于超宽带雷达的人体呼吸和心跳频率的检测方法 Download PDF

Info

Publication number
CN113273978A
CN113273978A CN202110559655.2A CN202110559655A CN113273978A CN 113273978 A CN113273978 A CN 113273978A CN 202110559655 A CN202110559655 A CN 202110559655A CN 113273978 A CN113273978 A CN 113273978A
Authority
CN
China
Prior art keywords
frequency
heartbeat
peak points
ultra
score
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.)
Granted
Application number
CN202110559655.2A
Other languages
English (en)
Other versions
CN113273978B (zh
Inventor
梁菁
敬芳菲
黄霞飞
罗子涵
徐泽楷
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202110559655.2A priority Critical patent/CN113273978B/zh
Publication of CN113273978A publication Critical patent/CN113273978A/zh
Application granted granted Critical
Publication of CN113273978B publication Critical patent/CN113273978B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/0205Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02444Details of sensor
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/08Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816Measuring devices for examining respiratory frequency
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/725Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7253Details of waveform analysis characterised by using transforms
    • A61B5/7257Details of waveform analysis characterised by using transforms using Fourier transforms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physiology (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Pulmonology (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明公开了一种基于超宽带雷达的人体呼吸和心跳频率的检测方法,对雷达回波信号进行预处理得到一维时域体征信号;对一维时域体征信号进行CZT变换得到频谱,获取频谱的最大峰值点的频率作为目标的呼吸频率;获取频谱的剩余峰值点,在心跳频率范围、心跳一次呼吸一次的互调波频率范围和心跳二次谐波频率范围内通过剩余峰值点获取所有可能的心跳频率;根据可能的心跳频率去计算各自对应的频率成份,在频谱中找到与频率最接近的峰值点,计算他们的频率差,将频率差和峰值点幅度作为模糊逻辑系统的输入,求评分值;对评分值做加权平均得到每个可能的心跳频率的评分,取最大的评分对应的心跳频率作为目标的心跳频率;提升了心跳频率估计的准确性。

Description

一种基于超宽带雷达的人体呼吸和心跳频率的检测方法
技术领域
本发明属于呼吸、心跳频率检测技术领域,涉及一种基于超宽带雷达的人体呼吸和心跳频率的检测方法。
背景技术
超宽带雷达技术具有低系统复杂性、低成本、低功耗、高数据速率和高穿透性等优点,可广泛应用于特殊患者监护、睡眠呼吸暂停监护、车内生命体征监测和震后救援等领域。传统的生命体征检测系统主要是基于接触式传感器的,在临床医学诊断中,目前使用的呼吸和心跳检测技术分别是电极式胸部阻抗扫描法和心电图法,这些接触式方法不适用于皮肤受损或患有传染性疾病的患者,而且在睡眠监测和行车安全监测等场景下使用不便,而超宽带雷达可以非接触地探测人体。
频谱分析是生命体征估计的常用方法,例如中国专利号CN201810288607.2公开了一种基于超宽带雷达的人体呼吸速率和心率的测定方法,该方法依据回波信号对人体位置进行估计,并提取到一维时间序列信号;对时域信号做巴特沃斯带通滤波,Min-Max归一化方法增强信号,汉宁窗做平滑处理;通过快速傅里叶变换得到频域信号;在呼吸和心跳频率区间内提取峰值对应的频率作为所求的呼吸和心跳频率。
上述方法只关注呼吸和心跳的基波峰值,而忽略了谐波和互调波,因为呼吸引起的身体位移比心跳大得多,从而导致频谱中呼吸的峰值最大,其谐波和互调波的峰值也很大,很可能与心跳基波的幅度差不多,而且和心跳的频率范围相似,所以它们很可能会掩盖了心跳基波,这使得心跳频率估计的准确性大打折扣。
发明内容
本发明的目的在于:提供了一种基于超宽带雷达的人体呼吸和心跳频率的检测方法,解决了因为呼吸引起的身体位移比心跳大得多,其谐波和互调波的峰值也很大,很可能与心跳基波的幅度差不多,而且和心跳的频率范围相似,所以它们很可能会掩盖了心跳基波,这使得心跳频率估计的准确性大打折扣的问题,本发明利用了呼吸和心跳的谐波和互调波成分,可提升心跳频率估计的准确性。
本发明采用的技术方案如下:
一种基于超宽带雷达的人体呼吸和心跳频率的检测方法,包括以下步骤:
对雷达回波信号进行预处理得到一维时域体征信号;
对一维时域体征信号进行CZT变换得到频谱,获取频谱的最大峰值点的频率作为目标的呼吸频率;
获取频谱的剩余峰值点,在心跳频率范围、心跳一次呼吸一次的互调波频率范围和心跳二次谐波频率范围内通过剩余峰值点获取所有可能的心跳频率;
根据可能的心跳频率去计算各自对应的频率成份,在频谱中找到与频率最接近的峰值点,计算他们的频率差,将频率差和峰值点幅度作为模糊逻辑系统的输入,求评分值;
对评分值做加权平均得到每个可能的心跳频率的评分,取最大的评分对应的心跳频率作为目标的心跳频率。
优选地,在心跳频率范围是否有均大于其它峰值点1.5dB的峰值点,若有则峰值点的频率作为目标的心跳频率。
具体地,所述心跳一次呼吸一次的互调波频率范围包括心跳频率范围与呼吸频率相减和心跳频率范围与呼吸频率相加两个范围。
优选地,所述心跳频率范围为0.95-1.8Hz,所述心跳二次谐波频率范围为1.9Hz-3.6Hz。
具体地,所述预处理包括去静止杂波、选择距离门、带通滤波和平滑处理。
优选地,频率差不能超过0.02Hz,若频率差超过0.02Hz则默认没有峰值点,评分值为0。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明一种基于超宽带雷达的人体呼吸和心跳频率的检测方法,综合利用谐波和互调波的信息,通过模糊逻辑方法对可能的心跳频率进行评分并加权平均,评分最大的心跳频率作为受试者的心跳频率,相比于只利用频谱峰值和检测二次谐波的方法,提升了心跳频率估计的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图,其中:
图1是实施例的流程示意图;
图2是不同呼吸位移下的仿真示意图;
图3是受试者一采用不同方法处理的对比图;
图4是受试者二采用不同方法处理的对比图;
图5是模糊逻辑系统的两个前因隶属度函数示意图;
图6是模糊逻辑系统的输出隶属度函数示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
呼吸和心跳会引起胸腔的振动,将该过程看作正弦波周期运动,那么雷达到人体胸腔的距离是随着时间变化的,可表示为:
d(t)=d0+mrsin(2πfrt)+mhsin(2πfht)
式中,d0为天线到人体的固定距离,t表示时间,mr表示呼吸位移,mh表示心跳位移,fr为呼吸频率,fh为呼吸频率。
脉冲到达时间为:
Figure BDA0003078463400000031
式中,c是光速。
接收到的UWB信号为发射脉冲s(τ)和信道脉冲响应h(t,τ)的卷积,包含了待测生命体的回波以及静止杂波两部分:
Figure BDA0003078463400000032
其中,t表示慢时间,τ表示快时间,ad是待测生命体的信道响应幅度,ai是静止背景的信道响应幅度;τd(t)是待测生命体到达雷达的时间,τi是静止背景到达雷达的时间。
将待测生命体产生的回波记为y(t,τ):
y(t,τ)=ads(τ-τd(t))
对上式做二维傅里叶变换:
Figure BDA0003078463400000041
由Bessel展开公式:
Figure BDA0003078463400000042
则可将Y(f,v)表示为:
Figure BDA0003078463400000043
对快时间维做反傅里叶变换得到Y(f,τ):
Figure BDA0003078463400000044
其中,
Figure BDA0003078463400000045
Figure BDA0003078463400000046
时,|Gk,l(τ)|最大,将该最大值记为Ck,l
Figure BDA0003078463400000047
因此得到:
Figure BDA0003078463400000048
上式说明Ck,l决定了基波、谐波和互调波的强度;基波、谐波和互调波可被统一表示为fk.l=kfr+lfh,其中,k是呼吸次数,l是心跳次数,呼吸基频为fr(也可以表示为f1,0),心跳基频为fh(也可以表示为f0,1);当k≠0,l=0时,fk,0为呼吸谐波;当k=0,l≠0时,f0,l为心跳谐波;当k≠0,l≠0时,fk,l为互调波。
由积分中值定理得:
Figure BDA0003078463400000049
其中,BW是超宽带雷达的带宽,fc是其中心频率,S(fc)表示发射脉冲的傅里叶变换在中心频率处的幅度。mr表示呼吸位移,mh表示心跳位移,c表示光速,
Figure BDA0003078463400000051
为在
Figure BDA0003078463400000052
上的k阶巴塞尔函数,
Figure BDA0003078463400000053
为在
Figure BDA0003078463400000054
上的l阶巴塞尔函数,k是呼吸次数,l是心跳次数。呼吸和心跳的基波频率、谐波频率和互调波频率关系为,fk.l=kf1,0+lf0,1
对于确定的系统,BW、fc和S(fc)是确定的,Ck,l仅由呼吸位移mr和心跳位移mh决定。相对幅度Ck.l/C1.0的仿真如图2所示,当呼吸位移越大,心跳基波越容易淹没在呼吸谐波和噪声中,且心跳基波和互调波的幅度差越小,这是提取心跳频率面临的一个挑战。因此本发明考虑利用谐波、互调波和基波之间的关系,即fk.l=kfr+lfh,对心跳进行更准确的估计。
实施例
如图1所示,本发明较佳实施例提供的一种基于超宽带雷达的人体呼吸和心跳频率的检测方法,包括以下步骤:
对雷达回波信号进行预处理得到一维时域体征信号。
本实施例中,所述预处理包括去静止杂波、选择距离门、带通滤波和平滑处理,具体如下:
采用动目标检测法将背景的静止杂波去除,动目标检测法具体如下:
Figure BDA0003078463400000055
式中,R[m,n]是回波数据矩阵,m是慢时间采样点,n表示快时间采样点,M表示慢时间采样点总数,R'[m,n]是去除静止杂波后的数据矩阵。
选择距离门为选择能量最大的快时间距离门信号作为生命体征信号,每个距离门信号的能量计算为:
Figure BDA0003078463400000056
滤波为采用巴特沃兹带通滤波器滤除低频和高频噪声,通带的频率范围设置为0.13Hz-4Hz。
平滑处理用凯塞窗平滑频谱。
对一维时域体征信号进行CZT变换得到频谱,获取频谱的最大峰值点的频率作为目标的呼吸频率f1,0
在心跳频率范围是否有均大于其它峰值点1.5dB的峰值点,若有则峰值点的频率作为目标的心跳频率f0,1;若没有,获取频谱的剩余峰值点,在心跳频率范围、心跳一次呼吸一次的互调波频率范围和心跳二次谐波频率范围内通过剩余峰值点获取所有可能的心跳频率
Figure BDA0003078463400000061
所述心跳一次呼吸一次的互调波频率范围包括心跳频率范围与呼吸频率相减和心跳频率范围与呼吸频率相加两个范围;所述心跳频率范围为0.95-1.8Hz,所述心跳二次谐波频率范围为1.9Hz-3.6Hz。
本实施例中,心跳频率范围是0.95-1.8Hz,其中,心跳一次呼吸一次的互调波频率范围有两个,一个搜索的范围是心跳频率范围与呼吸频率相减,即[0.95-f1,0,1.8-f1,0],另一个搜索范围是心跳频率范围与呼吸频率相加,即[0.95+f1,0,1.8+f1,0]。心跳二次谐波频率范围是二倍的心跳频率范围,即1.9Hz-3.6Hz。取这四个搜索的范围内的所有峰值,计算得到所有可能的心跳频率
Figure BDA0003078463400000062
如表1所示。
表1获取可能的心跳频率
Figure BDA0003078463400000063
Figure BDA0003078463400000064
根据可能的心跳频率去计算各自对应的频率成份
Figure BDA0003078463400000065
Figure BDA0003078463400000066
k是呼吸次数,l是心跳次数,i是可能的心跳频率的标号,本实施例中可能的频率成份包括
Figure BDA0003078463400000067
在频谱中找到与频率最接近的峰值点,计算他们的频率差
Figure BDA0003078463400000068
将频率差
Figure BDA0003078463400000069
和峰值点幅度
Figure BDA00030784634000000610
作为模糊逻辑系统(FLS)的输入,求评分值
Figure BDA00030784634000000611
需要说明的是,在频谱中找到与频率最接近的峰值点,计算他们的频率差
Figure BDA00030784634000000612
频率差不能超过0.02Hz,若频率差超过0.02Hz则默认没有峰值点,评分值为0。在这0.02Hz范围内,可能没有峰值点,也可能有多个峰值点,若没有峰值点则直接令其评分值
Figure BDA00030784634000000613
为0,若有多个峰值点,则将它们都输入进模糊逻辑系统中,选择评分最大作为该频点的评分值
Figure BDA0003078463400000071
模糊逻辑系统(FLS),使用单点集合模糊化、中心去模糊化和“IF-THEN”规则。通常选择最小
Figure BDA0003078463400000072
的谱峰或最大振幅
Figure BDA0003078463400000073
的谱峰作为最接近的想要的频率。因此,模糊逻辑系统的两个前因是频率差
Figure BDA0003078463400000074
和相应的峰值点幅度
Figure BDA0003078463400000075
这两个前因分为三个级别:小、中、大,隶属度函数(MFs)如图5所示。系统的输出结果分为5个级别:很低,低,中等,高,非常高,其隶属度函数如图6所示,其质心为c1=1.0561,c2=3,c3=5,c4=7,c5=8.9439。
如表2,建立了9条FLS规则,规则设计如下:如果频率差
Figure BDA0003078463400000076
较小,其频谱幅值
Figure BDA0003078463400000077
较大,则相应频率的评分
Figure BDA0003078463400000078
较高。
使用每个规则的所有响应的质心,得到了pth规则:Rp:如果频差
Figure BDA0003078463400000079
(前因x1)为
Figure BDA00030784634000000710
其频谱对应的幅值
Figure BDA00030784634000000711
(前因x2)为
Figure BDA00030784634000000712
计算得到的频率
Figure BDA00030784634000000713
(结果y)得分为
Figure BDA00030784634000000714
(p=1,…,9),
Figure BDA00030784634000000715
是由pth规则决定的cq(q=1,…,5,p=1,…,9),见表2。
表2 FLS的9条规则
Figure BDA00030784634000000716
对于所有的输入x1,x2输出结果y计算如下:
Figure BDA00030784634000000717
其中,
Figure BDA00030784634000000718
对评分值做加权平均得到每个可能的心跳频率的评分scorei,取最大的评分对应的心跳频率f0,1作为目标的心跳频率。
本发明与现有的处理方法存在的效果差异如图3和图4所示。
综上所述,综合利用谐波和互调波的信息,通过模糊逻辑方法对可能的心跳频率进行评分并加权平均,评分最大的心跳频率作为受试者的心跳频率,相比于只利用频谱峰值和检测二次谐波的方法,提升了心跳频率估计的准确性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明的保护范围,任何熟悉本领域的技术人员在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于超宽带雷达的人体呼吸和心跳频率的检测方法,其特征在于:包括以下步骤:
对雷达回波信号进行预处理得到一维时域体征信号;
对一维时域体征信号进行CZT变换得到频谱,获取频谱的最大峰值点的频率作为目标的呼吸频率;
获取频谱的剩余峰值点,在心跳频率范围、心跳一次呼吸一次的互调波频率范围和心跳二次谐波频率范围内通过剩余峰值点获取所有可能的心跳频率;
根据可能的心跳频率去计算各自对应的频率成份,在频谱中找到与频率最接近的峰值点,计算他们的频率差,将频率差和峰值点幅度作为模糊逻辑系统的输入,求评分值;
对评分值做加权平均得到每个可能的心跳频率的评分,取最大的评分对应的心跳频率作为目标的心跳频率。
2.根据权利要求1所述的一种基于超宽带雷达的人体呼吸和心跳频率的检测方法,其特征在于:在心跳频率范围是否有均大于其它峰值点1.5dB的峰值点,若有则峰值点的频率作为目标的心跳频率。
3.根据权利要求1所述的一种基于超宽带雷达的人体呼吸和心跳频率的检测方法,其特征在于:所述心跳一次呼吸一次的互调波频率范围包括心跳频率范围与呼吸频率相减和心跳频率范围与呼吸频率相加两个范围。
4.根据权利要求1-3任意一项所述的一种基于超宽带雷达的人体呼吸和心跳频率的检测方法,其特征在于:所述心跳频率范围为0.95-1.8Hz,所述心跳二次谐波频率范围为1.9Hz-3.6Hz。
5.根据权利要求1所述的一种基于超宽带雷达的人体呼吸和心跳频率的检测方法,其特征在于:所述预处理包括去静止杂波、选择距离门、带通滤波和平滑处理。
6.根据权利要求1所述的一种基于超宽带雷达的人体呼吸和心跳频率的检测方法,其特征在于:频率差不能超过0.02Hz,若频率差超过0.02Hz则默认没有峰值点,评分值为0。
CN202110559655.2A 2021-05-21 2021-05-21 一种基于超宽带雷达的人体呼吸和心跳频率的检测方法 Active CN113273978B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110559655.2A CN113273978B (zh) 2021-05-21 2021-05-21 一种基于超宽带雷达的人体呼吸和心跳频率的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110559655.2A CN113273978B (zh) 2021-05-21 2021-05-21 一种基于超宽带雷达的人体呼吸和心跳频率的检测方法

Publications (2)

Publication Number Publication Date
CN113273978A true CN113273978A (zh) 2021-08-20
CN113273978B CN113273978B (zh) 2022-04-29

Family

ID=77280736

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110559655.2A Active CN113273978B (zh) 2021-05-21 2021-05-21 一种基于超宽带雷达的人体呼吸和心跳频率的检测方法

Country Status (1)

Country Link
CN (1) CN113273978B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113854992A (zh) * 2021-10-13 2021-12-31 浙江理工大学 基于77GHz毫米雷达的非接触式精确心率检测方法
CN114027809A (zh) * 2021-12-14 2022-02-11 宁夏芯锐智联科技有限公司 基于毫米波雷达的奶牛呼吸心率监测方法
WO2023142380A1 (zh) * 2022-01-28 2023-08-03 中国第一汽车股份有限公司 一种车载人体信息获取方法、装置及车辆

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2257965A1 (en) * 1996-06-12 1997-12-18 K-One Technologies Wideband external pulse cardiac monitor
US20010042977A1 (en) * 2000-05-03 2001-11-22 Breed David S. Vehicular occupant motion detection system using radar
US20030225337A1 (en) * 2002-01-31 2003-12-04 Dolphin Medical, Inc. Separating motion from cardiac signals using second order derivative of the photo-plethysmogram and fast fourier transforms
US20060212193A1 (en) * 2000-09-08 2006-09-21 Automotive Technologies International, Inc. Tire Pressure Monitoring Using Hall Effect Sensors
US20080195261A1 (en) * 1992-05-05 2008-08-14 Intelligent Technologies International, Inc. Vehicular Crash Notification System
US20120018989A1 (en) * 2004-08-31 2012-01-26 Automotive Technologies International, Inc. Method for deploying a vehicular occupant protection system
WO2013056319A1 (en) * 2011-10-21 2013-04-25 University Of Technology, Sydney A system and method for determining blood pressure
WO2013152354A2 (en) * 2012-04-06 2013-10-10 Newport Brain Research Laboratory Inc. rTMS AT HARMONICS OF BIOLOGICAL SIGNALS
CN104814727A (zh) * 2015-05-20 2015-08-05 上海兆观信息科技有限公司 一种非接触式的生物反馈训练方法
US20160089052A1 (en) * 2014-09-26 2016-03-31 Industry-University Cooperation Foundation Hanyang University Method and device for measuring biometric data using uwb radar
CN105919568A (zh) * 2016-05-24 2016-09-07 北京千安哲信息技术有限公司 基于伽柏变换的呼吸与心跳信号的提取分析方法和装置
CN106821347A (zh) * 2016-12-20 2017-06-13 中国人民解放军第三军医大学 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法
US20180014792A1 (en) * 2015-02-03 2018-01-18 National University Corporation Nagoya University Heartbeat-signal detecting device
KR101895324B1 (ko) * 2018-06-27 2018-09-05 유메인주식회사 초광대역 임펄스 레이더 신호를 이용한 바이탈 정보 측정 방법
CN108577815A (zh) * 2018-04-03 2018-09-28 电子科技大学 一种基于超宽带雷达的人体呼吸速率和心率的测定方法
CN108614259A (zh) * 2018-05-02 2018-10-02 电子科技大学 一种基于超宽带雷达传感器的心跳呼吸特征监测方法
US20190142289A1 (en) * 2017-11-14 2019-05-16 Arizona Board Of Regents On Behalf Of Arizona State University Robust real-time heart rate monitoring method based on heartbeat harmonics using small-scale radar

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080195261A1 (en) * 1992-05-05 2008-08-14 Intelligent Technologies International, Inc. Vehicular Crash Notification System
CA2257965A1 (en) * 1996-06-12 1997-12-18 K-One Technologies Wideband external pulse cardiac monitor
US20010042977A1 (en) * 2000-05-03 2001-11-22 Breed David S. Vehicular occupant motion detection system using radar
US20060212193A1 (en) * 2000-09-08 2006-09-21 Automotive Technologies International, Inc. Tire Pressure Monitoring Using Hall Effect Sensors
US20030225337A1 (en) * 2002-01-31 2003-12-04 Dolphin Medical, Inc. Separating motion from cardiac signals using second order derivative of the photo-plethysmogram and fast fourier transforms
US20120018989A1 (en) * 2004-08-31 2012-01-26 Automotive Technologies International, Inc. Method for deploying a vehicular occupant protection system
WO2013056319A1 (en) * 2011-10-21 2013-04-25 University Of Technology, Sydney A system and method for determining blood pressure
WO2013152354A2 (en) * 2012-04-06 2013-10-10 Newport Brain Research Laboratory Inc. rTMS AT HARMONICS OF BIOLOGICAL SIGNALS
US20160089052A1 (en) * 2014-09-26 2016-03-31 Industry-University Cooperation Foundation Hanyang University Method and device for measuring biometric data using uwb radar
US20180014792A1 (en) * 2015-02-03 2018-01-18 National University Corporation Nagoya University Heartbeat-signal detecting device
CN104814727A (zh) * 2015-05-20 2015-08-05 上海兆观信息科技有限公司 一种非接触式的生物反馈训练方法
CN105919568A (zh) * 2016-05-24 2016-09-07 北京千安哲信息技术有限公司 基于伽柏变换的呼吸与心跳信号的提取分析方法和装置
CN106821347A (zh) * 2016-12-20 2017-06-13 中国人民解放军第三军医大学 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法
US20190142289A1 (en) * 2017-11-14 2019-05-16 Arizona Board Of Regents On Behalf Of Arizona State University Robust real-time heart rate monitoring method based on heartbeat harmonics using small-scale radar
CN108577815A (zh) * 2018-04-03 2018-09-28 电子科技大学 一种基于超宽带雷达的人体呼吸速率和心率的测定方法
CN108614259A (zh) * 2018-05-02 2018-10-02 电子科技大学 一种基于超宽带雷达传感器的心跳呼吸特征监测方法
KR101895324B1 (ko) * 2018-06-27 2018-09-05 유메인주식회사 초광대역 임펄스 레이더 신호를 이용한 바이탈 정보 측정 방법

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
DUAN, ZHENZHEN;LIANG, JING: "Non-Contact Detection of Vital Signs Using a UWB Radar Sensor", 《IEEE ACCESS》 *
HO, K.YAMAMOTO, K.TSUCHIYA, N.NAKAJIMA, H.KURAMOTO, K.KOBASHI, S: "Multi sensor approach to detection of heartbeat and respiratory rate aided by fuzzy logic", 《2010 IEEE INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS》 *
LE, M (MINHHUY LE): "Heart rate extraction based on eigenvalues using UWB impulse radar remote sensing", 《SENSORS AND ACTUATORS A-PHYSICAL》 *
刘先康 梁菁 任杰 蒋光庆: "基于HRRP中心矩特征的舰船目标识别", 《万方》 *
夏映湖: "基于谱估计的非接触式生命体征检测算法研究", 《万方》 *
杨国成,余慧敏.: "基于N次峰值捕捉的超宽带雷达生命体征检测", 《电子测量与仪器学报》 *
林丽丽: "脑电双频指数在ICU镇静监测中的应用研究", 《万方》 *
王锦章,魏存伟,刘先康,梁菁,任杰,孙菲.: "基于Relax散射点特征提取的舰船目标识别方法", 《电子科技》 *
郑春弟,李刚,陈荟慧,王爱国.: "二次谐波加权重构的77GHz FMCW雷达心率监测方法", 《西安电子科技大学学报》 *
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 (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113854992A (zh) * 2021-10-13 2021-12-31 浙江理工大学 基于77GHz毫米雷达的非接触式精确心率检测方法
CN114027809A (zh) * 2021-12-14 2022-02-11 宁夏芯锐智联科技有限公司 基于毫米波雷达的奶牛呼吸心率监测方法
WO2023142380A1 (zh) * 2022-01-28 2023-08-03 中国第一汽车股份有限公司 一种车载人体信息获取方法、装置及车辆

Also Published As

Publication number Publication date
CN113273978B (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN113273978B (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
CN107041743B (zh) 一种心电信号实时r波检测方法
CN109805931B (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
CN107788969B (zh) 一种心电信号中qrs波群的自动检测方法
CN113925475B (zh) 一种非接触式的人体健康监测系统及监测方法
Li et al. Design of a continuous blood pressure measurement system based on pulse wave and ECG signals
CN110141218B (zh) 一种心电信号分类方法、装置及程序产品、存储介质
CN109907752A (zh) 一种去除运动伪影干扰与心电特征检测的心电诊断与监护方法及系统
CN112754431A (zh) 基于毫米波雷达和轻量级神经网络的呼吸心跳监测系统
Nakano et al. Instantaneous heart rate detection using short-time autocorrelation for wearable healthcare systems
CN108577815A (zh) 一种基于超宽带雷达的人体呼吸速率和心率的测定方法
CN112998689B (zh) 非接触式多人实时呼吸状况评估系统、设备和存储介质
Nakai et al. Noise tolerant QRS detection using template matching with short-term autocorrelation
Qiao et al. Learning-refined integral null space pursuit algorithm for noncontact multisubjects vital signs measurements using SFCW-UWB and IR-UWB radar
Fujii et al. Noise-tolerant instantaneous heart rate and R-peak detection using short-term autocorrelation for wearable healthcare systems
CN111685760B (zh) 一种基于雷达测量的人体呼吸频率计算方法
CN115363547B (zh) 一种基于超宽带雷达相参积累的人体生命体征检测方法
CN115015867B (zh) 一种基于超宽带雷达的身份识别和跌倒检测方法
CN115040091A (zh) 基于vmd算法的毫米波雷达生命信号提取方法
CN114983359A (zh) 一种基于ir-uwb雷达的生命体征检测方法
Fei et al. A new type of wavelet de-noising algorithm for lung sound signals
CN112043256A (zh) 一种基于雷达的多目标心率实时测量方法
Zhang et al. Noninvasive detection of mechanical prosthetic heart valve disorder
Wang et al. Separation and denoising of respiratory heartbeat signals based on millimeter-wave radar
Vysiya et al. Automatic detection of cardiac arrhythmias in ECG signal for IoT application

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