CN113384250B - 用于生命体征探测的毫米波雷达系统低功耗实现方法 - Google Patents
用于生命体征探测的毫米波雷达系统低功耗实现方法 Download PDFInfo
- Publication number
- CN113384250B CN113384250B CN202110576661.9A CN202110576661A CN113384250B CN 113384250 B CN113384250 B CN 113384250B CN 202110576661 A CN202110576661 A CN 202110576661A CN 113384250 B CN113384250 B CN 113384250B
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- mode
- fmcw
- signals
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000006073 displacement reaction Methods 0.000 claims abstract description 45
- 238000001228 spectrum Methods 0.000 claims abstract description 30
- 210000000115 thoracic cavity Anatomy 0.000 claims abstract description 14
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 30
- 230000035559 beat frequency Effects 0.000 claims description 27
- 230000004927 fusion Effects 0.000 claims description 17
- 210000000038 chest Anatomy 0.000 claims description 14
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 230000035565 breathing frequency Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000001427 coherent effect Effects 0.000 claims description 2
- 230000001121 heart beat frequency Effects 0.000 claims description 2
- 230000000241 respiratory effect Effects 0.000 claims description 2
- 230000036391 respiratory frequency Effects 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 239000003205 fragrance Substances 0.000 claims 1
- 230000008054 signal transmission Effects 0.000 claims 1
- 230000001360 synchronised effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000013186 photoplethysmography Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000000779 thoracic wall Anatomy 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
-
- 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
- A61B5/113—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
- A61B5/72—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
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Mathematical Physics (AREA)
- Pulmonology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种用于生命体征探测的毫米波雷达系统低功耗实现方法，通过FMCW模式从接收到的FMCW模式的信号中进行目标的定位，对得到的绝对距离信息FFT变换后建立距离谱，根据距离谱的峰值判断接收到的FMCW信号所对应的方向上是否存在人体以及绝对距离信息，即为目标与雷达之间的距离，对于存在人体的FMCW信号所对应的方向上，再通过CW模式从接收到的CW模式的信号中解调并恢复出小位移信息，即人体胸腔的位移信息，从而利用位移信息的频域特征对生命体征信号进行判断。本发明仅发射频率固定的电磁波的CW模式来进行微小运动的检测，从而提取出人体的心跳、呼吸等生命体征数据，可以完成对于室内2D人体的定位和细微生命体征的检测。
Description
技术领域
本发明涉及的是一种微波雷达领域的技术，具体是一种连续波(CW)雷达和调频连续波 (FMCW)毫米波雷达融合的面向生命体征检测的低功耗实现方法。
背景技术
目前的微波雷达系统在完全实时处理人体活动及生命体征信号方面仍存在一定的局限性，如何以较低的成本提供足够的距离探测和位移监测精度是微波雷达传感器面临的最大挑战。当前几种主流的雷达架构包括多普勒(干涉)雷达、脉冲无线电超宽带(IR-UWB)雷达、调频连续波(FMCW)雷达和步进调频连续波(SFCW)雷达。多普勒雷达基于单音连续波(CW)来获取相位历史。由于其测量精度高，在位移测量中得到了广泛的应用，但它们很难探测到距离信息。虽然多个多普勒雷达配合到达角(AOA)算法可以估计运动目标的位置，但单个多普勒雷达难以在空间上区分多个目标，这限制了传统室内多普勒雷达传感器主要应用于生命体征监测和手势识别。
发明内容
本发明针对现有技术存在的上述不足，提出一种用于生命体征探测的毫米波雷达系统低功耗实现方法，利用FMCW模式来进行绝对距离的探测和目标识别与跟踪，不需要进行扫频，仅发射频率固定的电磁波的CW模式来进行微小运动的检测，从而提取出人体的心跳、呼吸等生命体征数据，可以完成对于室内2D人体的定位和细微生命体征的检测。
本发明是通过以下技术方案实现的：
本发明涉及一种用于生命体征探测的毫米波雷达系统低功耗实现方法，通过FMCW模式从接收到的FMCW模式的信号中进行目标的定位，对得到的绝对距离信息FFT变换后建立距离谱，根据距离谱的峰值判断接收到的FMCW信号所对应的方向上是否存在人体以及绝对距离信息，即为目标与雷达之间的距离，对于存在人体的FMCW信号所对应的方向上，再通过 CW模式从接收到的CW模式的信号中解调并恢复出小位移信息，即人体胸腔的位移信息，从而利用位移信息的频域特征对生命体征信号进行判断。
所述的绝对距离信息是指距离谱上峰值的间距。
本发明涉及一种实现上述方法的系统，包括：融合信号生成单元、基带信号处理单元、拍频信号处理单元、干涉信号处理单元、人体存在检测单元、环境杂波去除单元和多普勒生命体征提取单元，其中：融合信号生成单元生成双模融合的发射信号，基带信号处理单元将FMCW 模式和CW模式的信号进行分割并处理，拍频信号处理单元对FMCW模式的信号进行傅里叶变换后从中提取出距离谱并重建出绝对距离信息，干涉信号处理单元对CW模式的信号进行解调并进行微小位移检测，人体存在检测单元利用干涉模式，即发射波和接收波都工作在相同的频点的解调信号进行人体判断，杂波去除单元通过多个周期的拍频信号对比剔除中频信号中所包含的静止的反射物体和杂波的干扰，多普勒生命体征提取单元利用人体胸腔的位移信息，对胸腔位移信息进行傅里叶变化，从而利用频域特征对生命体征信号进行判断。
所述的分割是指：按照FMCW/CW混合发射模式发射的波形时间，对接收信号中分别属于FMCW模式和CW模式的两端中频信号进行时域上的划分，并分别存储两种模式的中频信号。
技术效果
本发明整体解决了现有的CW雷达无法获得物体的绝对距离和FMCW雷达对于微小运动的探测必须依赖于非常高的带宽的不足；与现有技术相比，本发明在较低的频段和极小的带宽内，可以精确的获得目标的绝对距离信息和微笑的位移运动信息，从而解调出人体的呼吸及心跳，完成室内人体的2D定位及生命体征检测。本发明在5.8GHz频段，以及160MHz的带宽内，可以实现角度分辨率为5°，在4m探测距离内距离定位的最大误差小于8cm，相对误差小于3％，同时可以实现距离内任意位置的人体的而呼吸及心跳的检测。
附图说明
图1为实施例应用系统示意图；
图2为本发明的CW与FMCW混合发射波形图；
图3为接收信号的时域与频域图；
图4为干涉信号还原过程的示意图；
图5为拍频信号对人体和静止物体的区分示意图；
图6为人体生命体征检测实验结果图；
图7为屏住呼吸时人体心跳检测结果图；
图8为雷达检测信号和PPG测试信号对比图。
具体实施方式
如图1所示，为本实施例涉及的一种混合雷达系统，包括：融合信号生成单元、功率分配器PD、功率放大器PA、发射天线TX、接收天线RX、低噪声放大器LNA、混频器Mixer、基带信号处理单元、拍频信号处理单元、干涉信号处理单元、人体存在检测单元、环境杂波去除单元和多普勒生命体征提取单元，其中：融合信号生成单元根据预设的FMCW/CW融合波形，产生电磁波发射信号，功率分配器PD、功率放大器PA、发射天线TX、接收天线RX、低噪声放大器LNA、混频器Mixer构成射频前端，功率分配器将发射信号分别输出至发射天线端进行发射、输出至混频器用于和接收信号混频来产生下变频的中频信号，功率放大器将发射信号进行功率放大，发射天线将经过功率放大器放大之后的信号进行电磁辐射，接收天线接收发射的电磁波经物体反射回来的电磁波，低噪声放大器将接收天线接收到的电磁波信号进行放大并抑制噪声，混频器将经过低噪声放大器放大后的接收信号与功率分配器分配过来的发射信号进行混频，得到下变频的中频信号，基带信号处理单元对得到的中频信号根据双模融合发射的时域波形进行切割，分别得到FMCW模式的拍频信号和CW模式的中频干涉信号，拍频信号处理单元根据FMCW模式的拍频信号信息进行绝对距离的求解和距离谱估计处理得到距离谱信息，干涉信号处理单元根据CW模式的中频干涉信息进行相位还原处理完成微小位移检测，得到人体胸腔的位移信息，人体存在检测单元根据距离谱信息的幅度值，进行人体判断，环境杂波去除单元根据多个FMCW拍频信号，对相邻的拍频信号进行相减得到去除环境杂波的拍频信号，多普勒生命体征提取单元根据人体胸腔的位移信息对胸腔位移信息进行傅里叶变化，从而利用频域特征对生命体征信号进行判断，得到人体的呼吸和心跳的频率。
所述的融合信号生成单元利用可编程基带矢量信号发生器精确定义相干FMCW信号的频率和相位，并将融合信号生成单元的时钟输出并作为ADC的参考时钟，因此发射器和接收器就实现同步，最终输出嵌入在单音连续波信号中的一系列FMCWchirp信号，线性调频chirp 信号扫频范围为5.72～5.88GHz，持续时间为2ms，发射功率为13dBm，干涉信号的工作频率为5.72GHz。
如图2所示，所述的电磁波发射信号的波形图在频域(图2(a))和时域(图2(b))的图像，其中：FMCW信号在时域上具有与CW信号相同的幅度。该融合信号生成单元所提出的调制信号是嵌入在单音干涉信号中的一个chirp周期序列。
所述的FMCW模式的信号是一个上行线性调频信号，而干涉信号有一个固定的工作频率。chirp信号的持续时间为Tf，干涉测量信号的持续时间为Ti。
本实施例中，发射信号经过一个威尔金森功分器分成两路：一路经过功率放大器PA通往发射天线TX；接收天线RX接收信号，依次经过两级低噪声放大和一级放大器，到达混频器 MIXER，总体增益为47.5dB。发射与接收的双天线分立采用，TX和RX天线在水平面的增益为17dBi，在垂直面的增益为14dBi。天线在水平面上可以机械旋转，两个天线垂直上下放置，使其辐射束对齐。
如图3所示，所述的基带信号处理单元提取积分拍频信号并重建干涉测量信号，分别用于提供距离信息和位移信息。如图3(b)所示，干涉信号的变化比拍频信号的变化要慢得多。这是从干涉测量信号中分离拍频信号的基础：应用一个长度与拍频信号持续时间相同大小的滑动窗口来计算该窗口中基带输出的标准偏差。最大滑动窗口的位置对应着拍频信号的位置。这个过程只需要一次就可以找到第一个节拍频信号，根据第一个节拍频信号的位置和两个相邻节拍频信号之间的总时间间隔，可以很容易地定位其余的节拍频信号。需要注意的是，信号发生器、数字化器和基带信号处理器之间需要严格的时钟同步。否则两个时钟频率之间的差异将累积，并最终使下列节拍频信号的实际位置不一致。
所述的拍频信号处理单元根据FMCW信号发射间隔进行预测，具体为：在拍频信号前后留出一段保护间隔，以确保完整的拍频信号波形能够被恢复。如图3(a)所示，拍频信号处理单元对于FMCW雷达下变频后的中频信号
进行的具体处理是：通过对sIF(t)进行频域变换，得到其频域的函数sIF(f)，通过寻找最大值得到中频频域信号的最大值点
则目标和雷达的绝对距离信息即为其中
sTx(t)和sRx(t)为接收和发射的信号，A为信号幅度，γ为调频连续波频率调制的斜率，fc为载波频率，R(τ)为目标和雷达的相对距离，τ为所谓的“慢时间”，c为光速，fMax为频谱的最大值。拍频信号提取过程如图3所示。图3(c)为所提取的拍频信号的距离谱。
所述的微小位移检测具体包括：当得到的CW模式的中频干涉信号的时域表达式为xIF(t)，对xIF(t)进行相位展开还原的EDACM处理，得到中频信号相位所对应的人体胸腔位移表达式 xpeople(t)。相位展开过程是一段需要关联信号前后值的算法，因此插入的拍频信号不能被简单地忽略，即使它们的持续时间只占整个发射波形的很小一部分，否则插入的拍频信号将严重破坏相位记录。干涉测量信号重建过程如图4所示。图4(c)为重建后的无FMCW突发的干涉测量信号，可用于位移信息的解调。
所述的人体判断具体包括：根据距离信息和角度信息构建2D坐标，显示物体在是室内的俯视图位置。当距离谱信息为S(r)，而当人体存在时，雷达接收到的距离谱上的经验幅值为 R0，当存在
其中rMax为雷达能探测的最远距离，满足S(r)＞R0，则判断为存在人体，否则不存在人体。
杂波去除过程如下：当在两个不同的时间间隔检测静止杂波和运动目标时的两个拍频信号。目标和杂波分别位于距离雷达2m和5m的位置。由于运动目标的运动振幅不大于1cm，因此其对应的拍频信号的频率几乎没有变化。但是由于运动目标上的多点散射叠加，目标的振幅变化要比静止杂波大得多，两种距离谱的差异只保留了运动目标对应的信息。
所述的去除环境杂波的拍频信号，具体通过以下方式得到：利用相邻两个周期的发射信号进行时域和频域上的两次相减，从而消去环境中固定不动的静止物体和固有存在的杂散信号。静止杂波的去除需要干涉模式和FMCW模式协同进行。为了减少计算量，只有当干涉测量方式检测到的位移幅值超过一个阈值时，才会启动背景比较算法。通常情况下，目标并不是给定的 angular-bin中的唯一对象。每个人体目标都与其他静止的杂波在一个给定的角箱里。在理想的情况下，背景减法算法可以将第一个拍频信号作为参考，然后在频率或时域中从后面的拍频信号中减去，从而消除静止的杂波。然而考虑到运动是周期性的，两个时刻的节拍频信号可能是相似的。因此，在实际实验中采用距离谱标准差来区分同角方向的目标和静止目标。
所述的人体的呼吸和心跳的频率，具体通过以下方式得到：当人体胸腔的运动幅度时域函数为xchest(t)，对xchest(t)进行快速傅里叶变换，得到胸腔运动的频域函数xchest(f)，对xchest(f) 分段求幅值峰值点所对应的频率：呼吸频率所对应的频率为：fresp＝max{|xchest(f)|2}|f∈{0，0.8}，心跳频率所对应的频率为：fheart＝max{|xchest(f)|2}|f∈{0.9，2.5}。所述生命体征信号具体为人体的每分钟的呼吸次数和每分钟的心跳次数，每分钟呼吸次数Bresp＝60*fresp，每分钟心跳次数Bheart＝60*fheart。
本实施例通过FMCW模式从接收到的FMCW模式的信号中进行目标的定位，对得到的绝对距离信息FFT变换后建立距离谱，根据距离谱的峰值判断接收到的FMCW信号所对应的方向上是否存在人体以及绝对距离信息，即为目标与雷达之间的距离，对于存在人体的FMCW 信号所对应的方向上，再通过CW模式从接收到的CW模式的信号中解调并恢复出小位移信息，即人体胸腔的位移信息，从而利用位移信息的频域特征对生命体征信号进行判断从而实现系统低功耗。
如图5所示，该方法具体步骤包括：
步骤1、向目标发射FMCW/CW双模融合信号并接收回波信号后从中分离FMCW/CW 双模融合信号，具体操作包括：采用时域分割的FMCW/CW双模融合信号，在不同的时间段发射不同模式的波形。由于发射信号波形与时间的对应信息移植，因此在基带信号处理单元通过将不同模式对应的时间切割，把接收到的中频信号切割为两种模式：FMCW模式的拍频信号和 CW模式的中频干涉信号；
步骤2、通过FMCW模式获得的拍频信号计算距离谱并判断是否存在人体，具体操作包括：当距离谱信息为S(r)，而当人体存在时，雷达接收到的距离谱上的经验幅值为R0，当存在
其中rMax为雷达能探测的最远距离，满足S(r)＞R0，则判断为存在人体，否则不存在人体；
步骤3、当无人体则运行结束，否则分别进行环境杂波的去除以及CW模式的干涉信号的处理，以获得人体胸腔的位移信息，具体操作包括：当得到的CW模式的中频干涉信号的时域表达式为xIF(t)，对xIF(t)进行相位展开还原的EDACM处理，得到中频信号相位所对应的人体胸腔位移表达式xpeople(t)。
步骤4、利用位移信息的频域特征对生命体征信号提取进行提取，具体操作为：对于获得的人体胸腔的位移信息，其表征胸腔表面的整体运动，包括人体呼吸和心跳运动，该位移信息表示为：x(t)＝mh(t)+mb(t)，其中：mh(t),mb(t)(t)分别代表呼吸、心跳的运动情况；通过对输入信号和人体正常的呼吸时域信号进行互相关滤波能够最大化恢复隐藏在输入信号中和模板信号相似的信号，强化有用信号甚至精确恢复该信号。
所述的互相关滤波器算法是指：通过对信号x(t)做卷积计算得到，卷积的对象是模板信号h(t)的共轭时域反转信号，即mh(t)＝x(t)*h*(-t)。由此可以得到心跳信号的时域幅度信息，从而可以通过每一次心跳的峰值点来判断胸腔是否处于正常的起伏状态、通过峰值点的时间间隔判断呼吸频次。
如图6所示，经过具体实际实验，在60厘米距离处胸壁运动和心跳的测量结果。CONTEC CMS50E光电容积描记术(PPG)用于提供比较的基础事实。雷达工作在24GHz，其中FMCW的扫频带宽为2GHz，CW的频率固定为24GHz，发射波形的一个周期为20ms。所得到的人体胸腔活动的位移如图6(b)所示，人体心跳和呼吸的频谱结果为图6(c)中展示。从图中可以看出，除了由非线性解调引起的谐波之外，还可以在60cm的距离处轻松提取呼吸(≈0.35Hz) 和心跳(≈1.4Hz)。
如图7所示，为在60厘米距离处屏住呼吸时感测到的心跳结果。信号FFT结果的主峰与PPG所获得的峰完全吻合，这表明可以通过非接触方法感测在紧急情况中令人窒息的人的生命体征。并通过提取如图8(a)和(b)所示的R-R间隔，可以计算出心率。图8(c)演示了1分钟内测得的结果，可见两个轨迹吻合良好。
与现有技术相比，本方法利用了CW与FMCW融合模式进行室内的生命体征探测和定位，雷达主要工作在固定的频点，因此要比纯FMCW模式的雷达运行功耗极大降低。同时，应用于人体生命体征检测，锯齿波重复周期(PRT)也极大程度的减少，相比与应用在自动当和车载雷达上的毫米波雷达系统，本发明所提出的PRT降低了两个数量级以上。通过使用FMCW模式进行绝对距离信息的提取和判断，利用CW模式进行小位移的提取和解析，在完成人体生命体征探测的同时，极大程度的降低了毫米波雷达系统的功耗。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。
Claims (9)
1.一种用于生命体征探测的毫米波雷达系统低功耗实现方法，其特征在于，通过FMCW模式从接收到的FMCW模式的信号中进行目标的定位，对得到的绝对距离信息FFT变换后建立距离谱，根据距离谱的峰值判断接收到的FMCW信号所对应的方向上是否存在人体以及绝对距离信息，即为目标与雷达之间的距离，对于存在人体的FMCW信号所对应的方向上，再通过CW模式从接收到的CW模式的信号中解调并恢复出小位移信息，即人体胸腔的位移信息，从而利用位移信息的频域特征对生命体征信号进行判断；
所述方法具体包括：
步骤1、向目标发射FMCW/CW双模融合信号并接收回波信号后从中分离FMCW/CW双模融合信号，具体操作包括：采用时域分割的FMCW/CW双模融合信号，在不同的时间段发射不同模式的波形；由于发射信号波形与时间的对应信息移植，因此在基带信号处理单元通过将不同模式对应的时间切割，把接收到的中频信号切割为两种模式：FMCW模式的拍频信号和CW模式的中频干涉信号；
步骤2、通过FMCW模式获得的拍频信号计算距离谱并判断是否存在人体，具体操作包括：当距离谱信息为S(r)，而当人体存在时，雷达接收到的距离谱上的经验幅值为R0，当存在
其中rMax为雷达能探测的最远距离，满足S(r)＞R0，则判断为存在人体，否则不存在人体；
步骤3、当无人体则运行结束，否则分别进行环境杂波的去除以及CW模式的干涉信号的处理，以获得人体胸腔的位移信息，具体操作包括：当得到的CW模式的中频干涉信号的时域表达式为xIF(t)，对xIF(t)进行相位展开还原的EDACM处理，得到中频信号相位所对应的人体胸腔位移表达式xpeople(t)；
步骤4、利用位移信息的频域特征对生命体征信号提取进行提取，具体操作为：对于获得的人体胸腔的位移信息，其表征胸腔表面的整体运动，包括人体呼吸和心跳运动，该位移信息表示为：x(t)＝mh(t)+mb(t)，其中：mh(t),mb(t)分别代表呼吸、心跳的运动情况；通过对输入信号和人体正常的呼吸时域信号进行互相关滤波能够最大化恢复隐藏在输入信号中和模板信号相似的信号，强化有用信号甚至精确恢复该信号。
2.根据权利要求1所述的用于生命体征探测的毫米波雷达系统低功耗实现方法，其特征是，所述的互相关滤波是指：通过对信号x(t)做卷积计算得到，卷积的对象是模板信号h(t)的共轭时域反转信号，即mh(t)＝x(t)*h*(-t)，由此可以得到心跳信号的时域幅度信息，从而可以通过每一次心跳的峰值点来判断胸腔是否处于正常的起伏状态、通过峰值点的时间间隔判断呼吸频次。
3.一种实现权利要求1或2所述方法的系统，其特征在于，包括：融合信号生成单元、基带信号处理单元、拍频信号处理单元、干涉信号处理单元、人体存在检测单元、环境杂波去除单元和多普勒生命体征提取单元，其中：融合信号生成单元生成双模融合的发射信号，基带信号处理单元将FMCW模式和CW模式的信号进行分割并处理，拍频信号处理单元对FMCW模式的信号进行傅里叶变换后从中提取出距离谱并重建出绝对距离信息，干涉信号处理单元对CW模式的信号进行解调并进行微小位移检测，人体存在检测单元利用干涉模式，即发射波和接收波都工作在相同的频点的解调信号进行人体判断，杂波去除单元通过多个周期的拍频信号对比剔除中频信号中所包含的静止的反射物体和杂波的干扰并得到去除环境杂波的拍频信号，多普勒生命体征提取单元利用人体胸腔的位移信息，对胸腔位移信息进行傅里叶变化，从而利用频域特征对生命体征信号进行判断；
所述的分割是指：按照FMCW/CW混合发射模式发射的波形时间，对接收信号中分别属于FMCW模式和CW模式的两端中频信号进行时域上的划分，并分别存储两种模式的中频信号。
4.根据权利要求3所述的系统，其特征是，所述的融合信号生成单元利用可编程基带矢量信号发生器精确定义相干FMCW信号的频率和相位，并将融合信号生成单元的时钟输出并作为ADC的参考时钟，因此发射器和接收器就实现同步，最终输出嵌入在单音连续波信号中的一系列FMCW chirp信号，线性调频chirp信号扫频范围为5.72～5.88GHz，持续时间为2ms，发射功率为13dBm，干涉信号的工作频率为5.72GHz。
5.根据权利要求3所述的系统，其特征是，所述的拍频信号处理单元根据FMCW信号发射间隔进行预测，具体为：在拍频信号前后留出一段保护间隔，以确保完整的拍频信号波形能够被恢复，拍频信号处理单元对于FMCW雷达下变频后的中频信号
具体为：通过对sIF(t)进行频域变换，得到其频域的函数sIF(f)，通过寻找最大值得到中频频域信号的最大值点
则目标和雷达的绝对距离信息即为其中
sTx(t)和sRx(t)为接收和发射的信号，香为信号幅度，γ为调频连续波频率调制的斜率，fc为载波频率，R(τ)为目标和雷达的相对距离，τ为所谓的“慢时间”，c为光速，fMax为频谱的最大值。
6.根据权利要求3所述的系统，其特征是，所述的微小位移检测具体包括：当得到的CW模式的中频干涉信号的时域表达式为xIF(t)，对xIF(t)进行相位展开还原的EDACM处理，得到中频信号相位所对应的人体胸腔位移表达式xpeople(t)；相位展开过程是一段需要关联信号前后值的算法，因此插入的拍频信号不能被简单地忽略，即使它们的持续时间只占整个发射波形的很小一部分，否则插入的拍频信号将严重破坏相位记录。
7.根据权利要求3所述的系统，其特征是，所述的人体判断具体包括：根据距离信息和角度信息构建2D坐标，显示物体在是室内的俯视图位置，当距离谱信息为S(r)，而当人体存在时，雷达接收到的距离谱上的经验幅值为R0，当存在
其中rMax为雷达能探测的最远距离，满足S(r)＞R0，则判断为存在人体，否则不存在人体。
8.根据权利要求3所述的系统，其特征是，所述的去除环境杂波的拍频信号，具体通过以下方式得到：利用相邻两个周期的发射信号进行时域和频域上的两次相减，从而消去环境中固定不动的静止物体和固有存在的杂散信号；
静止杂波的去除需要干涉模式和FMCW模式协同进行；
为了减少计算量，只有当干涉测量方式检测到的位移幅值超过阈值时，才会启动背景比较算法：将第一个拍频信号作为参考，然后在频率或时域中从后面的拍频信号中减去，从而消除静止的杂波。
9.根据权利要求3所述的系统，其特征是，所述的人体的呼吸和心跳的频率，具体通过以下方式得到：当人体胸腔的运动幅度时域函数为xchest(t)，对xchest(t)进行快速傅里叶变换，得到胸腔运动的频域函数xchest(f)，对xchest(f)分段求幅值峰值点所对应的频率：呼吸频率所对应的频率为：fresp＝max{|xchest(f)|2}|f∈{0，0.8}，心跳频率所对应的频率为：fheart＝max{|xchest(f)|2}|f∈{0.9，2.5}；
所述生命体征信号具体为人体的每分钟的呼吸次数和每分钟的心跳次数，每分钟呼吸次数Bresp＝60*fresp，每分钟心跳次数Bheart＝60*fheart。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110576661.9A CN113384250B (zh) | 2021-05-26 | 2021-05-26 | 用于生命体征探测的毫米波雷达系统低功耗实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110576661.9A CN113384250B (zh) | 2021-05-26 | 2021-05-26 | 用于生命体征探测的毫米波雷达系统低功耗实现方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113384250A CN113384250A (zh) | 2021-09-14 |
| CN113384250B true CN113384250B (zh) | 2022-03-15 |
Family
ID=77619151
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110576661.9A Active CN113384250B (zh) | 2021-05-26 | 2021-05-26 | 用于生命体征探测的毫米波雷达系统低功耗实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113384250B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114052740B (zh) * | 2021-11-29 | 2022-12-30 | 中国科学技术大学 | 基于毫米波雷达的非接触心电图监测方法 |
| CN114280532B (zh) * | 2021-12-27 | 2024-04-19 | 中山大学 | 一种基于带内共轭点乘的雷达目标角度估计方法及系统 |
| CN114509749A (zh) * | 2022-04-19 | 2022-05-17 | 亿慧云智能科技（深圳）股份有限公司 | 一种室内定位检测系统及方法 |
| CN115267698B (zh) * | 2022-06-29 | 2023-05-23 | 珠海正和微芯科技有限公司 | Fmcw雷达移动和微动目标检测和识别方法和系统 |
| CN115299892B (zh) * | 2022-08-02 | 2023-07-18 | 郑州大学 | 基于边缘计算的非接触式微动检测系统 |
| CN116643247B (zh) * | 2023-07-25 | 2023-10-27 | 南京航空航天大学 | 一种舱内活体检测杂波抑制方法和装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105842685A (zh) * | 2016-03-18 | 2016-08-10 | 浙江大华技术股份有限公司 | 一种多目标雷达探测方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9164168B2 (en) * | 2009-03-20 | 2015-10-20 | Wright State University | Systems for detecting movement of a target |
| WO2015184406A1 (en) * | 2014-05-30 | 2015-12-03 | Texas Tech University System | Hybrid fmcw-intererometry radar for positioning and monitoring and methods of using the same |
| JP7202385B2 (ja) * | 2017-12-22 | 2023-01-11 | レスメッド センサー テクノロジーズ リミテッド | 健康および医療的感知のための装置、システムおよび方法 |
| US11278241B2 (en) * | 2018-01-16 | 2022-03-22 | Infineon Technologies Ag | System and method for vital signal sensing using a millimeter-wave radar sensor |
| CN108652601B (zh) * | 2018-05-24 | 2021-04-30 | 厦门精益远达智能科技有限公司 | 一种基于调频连续波毫米波雷达的睡眠监控方法、装置和雷达系统 |
| KR102235982B1 (ko) * | 2019-05-02 | 2021-04-02 | 재단법인대구경북과학기술원 | 생체 fmcw 레이더를 위한 생체 심장 박동 파라미터 추정 장치 및 그 방법 |
| CN110187342B (zh) * | 2019-05-14 | 2023-01-13 | 南京理工大学 | 一种基于fmcw移动平台的生命体征检测与成像方法 |
| CN111208507B (zh) * | 2020-01-10 | 2022-03-22 | 浙江大学 | 一种基于Doppler传感网络的室内移动目标定位方法 |
| CN111289966B (zh) * | 2020-02-20 | 2022-05-10 | 上海交通大学 | 基于mimo调频连续波雷达相干相位追踪的运动信息测量方法 |
| CN111938613B (zh) * | 2020-08-07 | 2023-10-31 | 南京茂森电子技术有限公司 | 基于毫米波雷达的健康监测装置及方法 |
| CN112741611A (zh) * | 2020-12-25 | 2021-05-04 | 上海交通大学 | 基于毫米波感知的多人体生命体征同步监测系统及方法 |
-
2021
- 2021-05-26 CN CN202110576661.9A patent/CN113384250B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105842685A (zh) * | 2016-03-18 | 2016-08-10 | 浙江大华技术股份有限公司 | 一种多目标雷达探测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113384250A (zh) | 2021-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113384250B (zh) | 用于生命体征探测的毫米波雷达系统低功耗实现方法 | |
| Ahmad et al. | Vital signs monitoring of multiple people using a FMCW millimeter-wave sensor | |
| Singh et al. | Multi-resident non-contact vital sign monitoring using radar: A review | |
| Wang et al. | mmHRV: Contactless heart rate variability monitoring using millimeter-wave radio | |
| CN106821347B (zh) | 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法 | |
| Sun et al. | Remote measurement of human vital signs based on joint-range adaptive EEMD | |
| US10746852B2 (en) | Vital signs monitoring via radio reflections | |
| US7679545B2 (en) | Suppressing motion interference in a radar detection system | |
| CN113534141A (zh) | 基于相控阵雷达技术的远距生命体征探测方法及装置 | |
| WO2009009722A2 (en) | Random body movement cancellation for non-contact vital sign detection | |
| Rong et al. | Harmonics-based multiple heartbeat detection at equal distance using uwb impulse radar | |
| KR102201371B1 (ko) | 신호 분리 기반의 잡음 환경 내 실시간 생체 신호 탐지 장치 및 그 방법 | |
| Ling et al. | Non-contact heart rate monitoring based on millimeter wave radar | |
| Nejadgholi et al. | Time-frequency based contactless estimation of vital signs of human while walking using PMCW radar | |
| JP2023533883A (ja) | 生体情報取得装置及び生体情報取得方法 | |
| CN113009584A (zh) | 一种超宽带mimo雷达生命体征探测定位方法 | |
| Fathy et al. | Comparison of UWB Doppler radar and camera based photoplethysmography in non-contact multiple heartbeats detection | |
| Sarkar et al. | Accurate sensing of multiple humans buried under rubble using IR-UWB SISO radar during search and rescue | |
| Rong et al. | Novel Respiration-Free Heartbeat Detection Algorithm Using Millimeter-Wave Radar | |
| Gharamohammadi et al. | Multi-Bin Breathing Pattern Estimation by Radar Fusion for Enhanced Driver Monitoring | |
| JP2022185752A (ja) | 生体情報検出システム、プログラム、及び、生体情報検出方法 | |
| Yamamoto et al. | Non-contact heartbeat detection by MUSIC with discrete cosine transform-based parameter adjustment | |
| Xue et al. | Accurate multi-target vital signs detection method for FMCW radar | |
| Liu et al. | Radar-based vital signs monitoring | |
| CN116087935A (zh) | 一种基于毫米波雷达的三维定位和身份识别方法与系统 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230223 Address after: 200240 No. 800, Dongchuan Road, Shanghai, Minhang District Patentee after: Gu Changzhan Address before: 200240 No. 800, Dongchuan Road, Shanghai, Minhang District Patentee before: SHANGHAI JIAO TONG University |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231115 Address after: 200241, 1st Floor, Building 5, No. 951 Jianchuan Road, Minhang District, Shanghai Patentee after: Shanghai Xikali Technology Co.,Ltd. Address before: 200240 No. 800, Dongchuan Road, Shanghai, Minhang District Patentee before: Gu Changzhan |