CN113642440A - 一种呼吸频率估计方法、装置、设备及存储介质 - Google Patents
一种呼吸频率估计方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113642440A CN113642440A CN202110900766.5A CN202110900766A CN113642440A CN 113642440 A CN113642440 A CN 113642440A CN 202110900766 A CN202110900766 A CN 202110900766A CN 113642440 A CN113642440 A CN 113642440A
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- respiratory
- candidate signal
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000036391 respiratory frequency Effects 0.000 title claims abstract description 42
- 230000000241 respiratory effect Effects 0.000 claims abstract description 86
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 68
- 238000000605 extraction Methods 0.000 claims abstract description 47
- 238000001228 spectrum Methods 0.000 claims abstract description 42
- 230000036387 respiratory rate Effects 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 8
- 230000001427 coherent effect Effects 0.000 claims description 4
- 230000000149 penetrating effect Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 210000000038 chest Anatomy 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 210000001015 abdomen Anatomy 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 2
- 230000035565 breathing frequency Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003094 perturbing effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000000779 thoracic wall Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- 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
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
- A61B2560/0247—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value
- A61B2560/0252—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value using ambient temperature
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Pulmonology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种呼吸频率估计方法、装置、设备及存储介质。该方法包括：获取雷达回波信号；根据雷达回波信号确定目标坐标；根据目标坐标确定候选信号提取区域；提取所述候选信号提取区域内每个候选信号对应的呼吸波形；根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形；根据所述目标呼吸波形估计呼吸频率，通过本发明的技术方案，能够在提高呼吸信号的信噪比和稳健性的同时，提升干扰条件下的呼吸估计性能，具有非接触、可穿透遮挡物、不易天气和外界环境条件影响、全天时全天候工作和保护用户个人隐私的优点。
Description
技术领域
本发明实施例涉及生物雷达或者雷达式生命探测技术领域，尤其涉及一种呼吸频率估计方法、装置、设备及存储介质。
背景技术
随着社会经济的发展，工作生活节奏日渐加快，给人们身体带来较大的负担，因此越来越多人逐渐重视自身的健康问题。在日常生活中，最能直观地体现人体健康情况的生命体征主要有呼吸、心率和血压等，其中呼吸能够直接、客观地反映当前人体的生理状态，因而人体呼吸监测具有重要的研究意义。
人体呼吸信号检测方法通常有：(1)基于PSG监测多导仪的人体呼吸监测方法。多导仪记录人体体位、肢体活动、鼻气流、心电、脑电以及动眼电波等信号，被认为是测量生命体征的金标准。由于仪器复杂，需要在专业人员操作，不适合日常生活使用，并且由于需要连接多种传感器，令使用者产生较大的不适感和束缚感。(2)基于呼吸电感体积描记法(RIP)的人体呼吸信号检测法。利用连接在受试者腹部或者胸部的磁性线圈的交流电变化测量人体的胸壁位移从而进行呼吸信号估计，然而其测量准确率容易受到受试者胸部或者腹部的运动伪影影响，并且长时间佩戴容易使用户产生较大的不适感，不适合日常生活使用。(3)基于光纤型应变传感器(FBG)的呼吸监测法。将传感器嵌入纺织品中，测量受试者腹部，胸部以及肩膀等部位在呼吸时产生的应变信号，胸腹部的信号幅度最强，获得应变信号后可计算得出呼吸频率。该类传感器常用于智能睡眠床垫等类似产品中，用于监测人体在睡眠时的呼吸信号。该类传感器检测范围受到产品铺设大小限制，一旦受试者的姿态发生变化，应变信号受到干扰或者信号微弱无法准确估计出呼吸频率。(4)利用人体呼吸时产生的气流的不同特征可以进行呼吸频率估计。基于人体吸入和呼出的二氧化碳水平变化确认呼吸频率的技术为二氧化碳测定法，受试者佩戴呼吸罩或者呼吸管，采集其呼吸的气体并送入传感器进行成分分析，该方法容易给使用者带来较大的不适感，同时传感器易受到其他气体成分以及环境的湿度和温度等条件影响；基于人体吸入和呼出气体的温度变化测量呼吸率，通过外接温度传感器例如热敏电阻、热电偶等将温度转换为电信号，经过后续处理可以得到人体呼吸率。该方法也同样受到环境温度的影响，并且不同的温度传感器对温度变化的响应速度不同，因而需要根据实际传感器的效用对算法进行调整，缺乏移植性。(5)基于摄像头或者麦克风等非侵入式传感器的呼吸监测手段，前者易受到光照、遮挡物等影响，对于系统传输、处理图像数据有较高要求；后者易受到环境噪声影响，同时对语音数据的处理也有一定的要求，二者都在一定程度上存在侵犯个人隐私的问题。
发明内容
本发明实施例提供一种呼吸频率估计方法、装置、设备及存储介质，能够在提高呼吸信号的信噪比和稳健性的同时，提升干扰条件下的呼吸估计性能，具有非接触、可穿透遮挡物、不易天气和外界环境条件影响、全天时全天候工作和保护用户个人隐私的优点。
第一方面，本发明实施例提供了一种呼吸频率估计方法，包括：
获取雷达回波信号；
根据雷达回波信号确定目标坐标；
根据目标坐标确定候选信号提取区域；
提取所述候选信号提取区域内每个候选信号对应的呼吸波形；
根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形；
根据所述目标呼吸波形估计呼吸频率。
进一步的，根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形包括：
获取每个候选信号对应的呼吸波形的功率谱；
根据所述每个候选信号对应的呼吸波形的功率谱计算出每个呼吸波形的信噪比；
将所述候选信号提取区域内，信噪比最高的呼吸波形确定为目标呼吸波形。
进一步的，提取所述候选信号提取区域内每个候选信号对应的呼吸波形，包括：
获取波束形成器的权系数；
根据所述目标坐标对雷达回波信号进行整合，得到第一回波信号；
根据波束形成器的权系数、第一回波信号、目标的角度信息确定目标候选信号；
基于扩展微分交叉相乘算法确定所述目标候选信号对应的呼吸波形。
进一步的，在根据雷达回波信号确定目标坐标之前，还包括：
对所述雷达回波信号的快时间维进行傅里叶变换，得到第二回波信号；
对所述第二回波信号中当前帧内的脉冲信号进行相干积累，并取均值，得到第三回波信号；
对所述第三回波信号中前预设帧数的雷达回波信号进行移动平均积累，得到第四回波信号。
进一步的，根据雷达回波信号确定目标坐标，包括：
在同一个滑窗内的，获取快时间维上人体目标对应的距离单元；
基于Capon算法在空间上进行波束扫描，获取各个角度的输出功率；
将最大输出功率对应的角度确定为人体目标的方位角；
根据所述人体目标对应的距离单元和人体目标的方位角确定目标坐标。
第二方面，本发明实施例还提供了一种呼吸频率估计装置，该装置包括：
获取模块，用于获取雷达回波信号；
确定模块，用于根据雷达回波信号确定目标坐标；
第一提取模块，用于根据目标坐标确定候选信号提取区域；
第二提取模块，用于提取所述候选信号提取区域内每个候选信号对应的呼吸波形；
选取模块，用于根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形；
估计模块，用于根据所述目标呼吸波形估计呼吸频率。
进一步的，所述选取模块具体用于：
获取每个候选信号对应的呼吸波形的功率谱；
根据所述每个候选信号对应的呼吸波形的功率谱计算出每个呼吸波形的信噪比；
将所述候选信号提取区域内，信噪比最高的呼吸波形确定为目标呼吸波形。
进一步的，所述第二提取模块具体用于：
获取波束形成器的权系数；
根据所述目标坐标对雷达回波信号进行整合，得到第一回波信号；
根据波束形成器的权系数、第一回波信号、目标的角度信息确定目标候选信号；
基于扩展微分交叉相乘算法确定所述目标候选信号对应的呼吸波形。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的呼吸频率估计方法。
第四方面，本发明实施例还提供了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本发明实施例中任一所述的呼吸频率估计方法。
本发明实施例通过获取雷达回波信号；根据雷达回波信号确定目标坐标；根据目标坐标确定候选信号提取区域；提取所述候选信号提取区域内每个候选信号对应的呼吸波形；根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形；根据所述目标呼吸波形估计呼吸频率，解决需要连接多种传感器，令使用者产生较大的不适感和束缚感的问题、受到产品铺设大小限制，一旦受试者的姿态发生变化，应变信号受到干扰或者信号微弱无法准确估计出呼吸频率的问题以及受到环境温度的影响，并且不同的温度传感器对温度变化的响应速度不同，因而需要根据实际传感器的效用对算法进行调整，缺乏移植性的问题，能够在提高呼吸信号的信噪比和稳健性的同时，提升干扰条件下的呼吸估计性能，具有非接触、可穿透遮挡物、不易天气和外界环境条件影响、全天时全天候工作和保护用户个人隐私的优点。
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。
图1是本发明实施例中的一种呼吸频率估计方法的流程图；
图1a是本发明实施例中的实验场景图示；
图1b是本发明实施例中的干扰条件下基于所给出的算法进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的数据进行对比的结果图；
图1c是本发明实施例中的无干扰条件下基于所给出的算法进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的数据进行对比的结果图；
图1d是本发明实施例中的在干扰条件下进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的数据进行对比的结果图；
图1e是本发明实施例中的在无干扰条件下进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的数据进行对比的结果图；
图2是本发明实施例中的一种呼吸频率估计装置的结构示意图；
图3是本发明实施例中的一种电子设备的结构示意图；
图4是本发明实施例中的一种包含计算机程序的计算机可读存储介质的结构示意图。
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。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
图1为本发明实施例提供的一种呼吸频率估计方法的流程图，本实施例可适用于呼吸频率估计的情况，该方法可以由本发明实施例中的呼吸频率估计装置来执行，该呼吸频率估计装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
S110，获取雷达回波信号。
其中，所述雷达回波信号的获取方式可以为：通过多通道雷达模块采集雷达回波信息，例如可以是，选用IWR1642多通道雷达模块，不限于该雷达射频模块。雷达模块发射线性调频连续波形的电磁波信号到空间，经由人体散射后被雷达接收机接收，经过低噪声放大器、混频器以及ADC采样后，得到一个包含：快时间维、时间维和角度维，三个维度信息的离散回波信号。
S120，根据雷达回波信号确定目标坐标。
具体的，根据雷达回波信号确定目标坐标的方式可以为：获取快时间维上人体目标对应的距离单元和人体目标的方向角，根据人体目标对应的距离单元和人体目标的方向角确定目标坐标，例如可以是，在同一个滑窗内，对上述已经完成的快速傅里叶变换的回波信号，根据回波能量最大的准择，得到距离维上人体目标所在的距离单元Q；基于Capon算法计算得到权矢量w，在空间上进行波束扫描，比较各方向的输出功率，最大输出功率对应的角度θP(对应角度单元为P)为人体目标的方位角，根据人体目标所在的距离单元Q和人体目标的方位角确定目标坐标。
S130，根据目标坐标确定候选信号提取区域。
具体的，根据目标坐标确定候选信号提取区域的方式可以为：根据人体目标对应的距离单元和人体目标的方向角确定候选信号提取区域，例如可以是，得到距离维上人体目标所在的距离单元Q，最大输出功率对应的角度θP(对应角度单元为P)为人体目标的方位角，选取2j+1个距离单元：[Q-j,Q+j]，同理选取2h+1个角度单元：[P-h,P+h]，得到距离-角度维上的候选波形提取区域，共有(2j+1)*(2h+1)个候选对象。
S140，提取所述候选信号提取区域内每个候选信号对应的呼吸波形。
具体的，提取所述候选信号提取区域内每个候选信号对应的呼吸波形的方式可以为：获取波束形成器的权系数；根据所述目标坐标对雷达回波信号进行整合，得到第一回波信号；根据波束形成器的权系数、第一回波信号、目标的角度信息确定目标候选信号；基于扩展微分交叉相乘算法确定所述目标候选信号对应的呼吸波形。例如可以是，在给定的距离范围[Q-j,Q+j]，先固定距离单元q，此时x(i,l,k)表示为xq(i,k)，遍历所有角度单元：以固定波束形成器为例(但不限于该类波束形成器)，设波束的第一零点为θ0，得到所设计波束形成器的权系数：
得到固定波束形成器的权系数a(θ0)，整合所有通道回波信号xq(i)＝[xq(i,1),…xq(i,K)]，得到
(其中
表示哈达玛积，即对应元素相乘运算)，得到当前选定的信号xq,p(i)，(q,p)为所选定的目标在候选信号区域内的距离和角度单元坐标，其中，
表示目标角度为θp时，雷达接收信号的导向矢量，其中d为雷达阵元间距；
对选取到的信号采用扩展微分交叉相乘算法(extended differential andcross-multiply,DACM)提取出呼吸波形，记为φq,p(i)：
Rq,p(i)、Iq,p(i)分别为xq,p(i)的实部和虚部，i的取值范围为[2,I]，I为滑窗的窗长；
滑动到下一个距离单元，重复上述流程，得到所有候选单元呼吸波形。
S150，根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形。
具体的，根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形的方式可以为：获取每个候选信号对应的呼吸波形的功率谱；根据所述每个候选信号对应的呼吸波形的功率谱计算出每个呼吸波形的信噪比；将所述候选信号提取区域内，信噪比最高的呼吸波形确定为目标呼吸波形。例如可以是，估计出每个候选对象呼吸波形φq,p(i)的功率谱Pq,p(ω)，其中ω表示频率，根据功率谱计算出该信号的信噪比，选取出质量最好(信噪比最高)的波形作为最终的目标呼吸波形估计结果。例如可以是：利用快速傅里叶变换实现呼吸波形Φq,p(i)的自相关估计，对自相关估计序列
做傅里叶变换得到相应的功率谱Pq,p(ω)。
将功率谱Pq,p(ω)划分成两部分：频率范围ω1为0.1Hz-0.75Hz的部分(记为Pq,p(ω1))，以及除该频率范围以外的部分(记为Pq,p(ω2))。
计算所有候选波形的信噪比：
从所有候选波形中选取最优的人体目标呼吸波形估计结果：φopt＝argmax(q,p)SNRq,p。
S160，根据所述目标呼吸波形估计呼吸频率。
具体的，对目标呼吸波形φopt,可采用多种方法估计呼吸频率，譬如傅里叶变换法、自相关函数法以及谱估计方法等，这里以时频相位回归法(frequency-time phaseregression,FTPR)为例进行呼吸频率估计，对φopt的自相关估计序列
进行傅里叶变换，保留最高频点以及左右两个频点，其余点置为0，对处理后的频谱进行反傅里叶变换，得到FIFFT，最后求解呼吸频率
其中Slope为求斜率运算。
具体的，为了获取更多维度的信息，选用IWR1642多通道雷达模块，不限于该雷达射频模块。雷达模块发射线性调频连续波形的电磁波信号到空间，经由人体散射后被雷达接收机接收，经过低噪声放大器、混频器以及ADC采样后，得到一个包含：快时间维、时间维和角度维，三个维度信息的离散回波信号。IWR1642雷达模块接收的雷达回波可以表示为y((i-1)*M+m,n,k)，其中，i表示帧数；m表示慢时间维的第m个脉冲回波，每帧共有M个脉冲回波；n表示快时间维的第n个距离采样单元，共有N个距离单元；k表示天线索引，共有K个天线。
可选的，根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形包括：
获取每个候选信号对应的呼吸波形的功率谱；
根据所述每个候选信号对应的呼吸波形的功率谱计算出每个呼吸波形的信噪比；
将所述候选信号提取区域内，信噪比最高的呼吸波形确定为目标呼吸波形。
具体的，估计出每个候选对象呼吸波形φq,p(i)的功率谱Pq,p(ω)，其中ω表示频率，根据功率谱计算出该信号的信噪比，选取出质量最好(信噪比最高)的波形作为最终的目标呼吸波形估计结果。例如可以是：利用快速傅里叶变换实现呼吸波形Φq,p(i)的自相关估计，对自相关估计序列
做傅里叶变换得到相应的功率谱Pq,p(ω)。
将功率谱Pq,p(ω)划分成两部分：频率范围ω1为0.1Hz-0.75Hz的部分(记为Pq,p(ω1))，以及除该频率范围以外的部分(记为Pq,p(ω2))。
计算所有候选波形的信噪比：
从所有候选波形中选取最优的人体目标呼吸波形估计结果：φopt＝argmax(q,p)SNRq,p。
呼吸频率估计：对目标呼吸波形φopt,可采用多种方法估计呼吸频率，譬如傅里叶变换法、自相关函数法以及谱估计方法等，这里以时频相位回归法(frequency-time phaseregression,FTPR)为例进行呼吸频率估计，对φopt的自相关估计序列
进行傅里叶变换，保留最高频点以及左右两个频点，其余点置为0，对处理后的频谱进行反傅里叶变换，得到FIFFT，最后求解呼吸频率
其中，Slope为求斜率运算。
可选的，提取所述候选信号提取区域内每个候选信号对应的呼吸波形，包括：
获取波束形成器的权系数；
根据所述目标坐标对雷达回波信号进行整合，得到第一回波信号；
根据波束形成器的权系数、第一回波信号、目标的角度信息确定目标候选信号；
基于扩展微分交叉相乘算法确定所述目标候选信号对应的呼吸波形。
具体的，在给定的距离范围[Q-j,Q+j]，先固定距离单元q，此时x(i,l,k)表示为xq(i,k)，遍历所有角度单元：以固定波束形成器为例(但不限于该类波束形成器)，设波束的第一零点为θ0，得到所设计波束形成器的权系数：
得到固定波束形成器的权系数a(θ0)，整合所有通道回波信号xq(i)＝[xq(i,1),…xq(i,K)]，得到
(其中
表示哈达玛积，即对应元素相乘运算)，得到当前选定的信号xq,p(i)，(q,p)为所选定的目标在候选信号区域内的距离和角度单元坐标，其中，
表示目标角度为θp时，雷达接收信号的导向矢量，其中d为雷达阵元间距。
对选取到的信号采用扩展微分交叉相乘算法(extended differential andcross-multiply,DACM)提取出呼吸波形，记为φq,p(i)：
Rq,p(i)、Iq,p(i)分别为xq,p(i)的实部和虚部，i的取值范围为[2,I]，I为滑窗的窗长；
滑动到下一个距离单元，得到所有候选单元呼吸波形。
可选的，在根据雷达回波信号确定目标坐标之前，还包括：
对所述雷达回波信号的快时间维进行傅里叶变换，得到第二回波信号；
对所述第二回波信号中当前帧内的脉冲信号进行相干积累，并取均值，得到第三回波信号；
对所述第三回波信号中前预设帧数的雷达回波信号进行移动平均积累，得到第四回波信号。
具体的，首先对接收到的雷达信号回波进行快时间维上的傅里叶变换得到yFFT((i-1)*M+m,l,k)(其中，l是距离单元，l∈[1,L]，L＝N)；
对第i帧内所有脉冲信号进行相干积累并取均值，得到
再进行帧平滑，对前若干帧的数据进行移动平均积累，得到当前帧的表达式：
可选的，根据雷达回波信号确定目标坐标，包括：
在同一个滑窗内的，获取快时间维上人体目标对应的距离单元；
基于Capon算法在空间上进行波束扫描，获取各个角度的输出功率；
将最大输出功率对应的角度确定为人体目标的方位角；
根据所述人体目标对应的距离单元和人体目标的方位角确定目标坐标。
具体的，在同一个滑窗内，对上述已经完成的快速傅里叶变换的回波信号，根据回波能量最大的准择，得到距离维上人体目标所在的距离单元Q；基于Capon算法计算得到权矢量w，在空间上进行波束扫描，比较各方向的输出功率，最大输出功率对应的角度θP(对应角度单元为P)为人体目标的方位角；分别以距离维和角度维上获得的目标坐标(Q,P)为中心。
在一个具体的例子中，以IWR1642雷达为例进行本发明实施例的效果说明。
实验场景如图1a所示，雷达安装在距离地面1.2m高的地方，与胸腔距离为1m。分别在带干扰和不带干扰两种场景下进行呼吸率估计：其中干扰源设为风扇，风扇摆放在与人体胸腔同一距离单元，不同角度位置处，不带干扰的情况下风扇断电不工作。
利用提供的算法估计呼吸波形，根据呼吸波形求出相应的呼吸频率，与MP36型号多导生理记录仪进行对比。
图1b和图1c分别为不同条件下基于所给出的算法进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的数据进行对比的结果图。
两个实验图的结果显示：大部分时间内，该算法估计的结果与参考数据的结果一致，但在部分时间段内会出现较大的偏差，导致整体的估计误差变大；而在有干扰的条件下，由于算法不够稳健，容易受到干扰的影响从而出现更多偏差，在无干扰条件下，偏差较小且出现的次数较少。
本发明实施例：基于距离——多波束选择，生成最优候选呼吸波形，并根据最大信噪比的准择选取最优波形，根据该结果求出响应的呼吸频率，与MP36型号多导生理记录仪进行对比。
图1d和图1e是基于本发明实施例所提算法，在不同条件下进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的数据进行对比的结果图。由两个结果图可以看出：本发明实施例所估计的呼吸频率与参考数据的结果一致，在实验时间内没有出现较大的偏差。在干扰条件下，所提方法相比参考数据有较小的偏差出现，但是总体估计趋势一致；在无干扰条件下，所提方法估计的呼吸频率曲线与参考数据基本吻合，偏差极小；相比传统的方法，本发明实施例提升了在干扰条件下呼吸频率的估计性能。
对比以上两种方法，在有干扰和无干扰的条件下，相比提供的传统估计呼吸频率的方法，本发明实施例充分利用了距离和角度维的信息，整合多个通道的信号，抗干扰能力增强，准确性和可靠性都更高。
本发明实施例克服了多通道雷达的不同通道获得的人体呼吸波形质量存在差异，利用单通道信号估计的呼吸信号误差较大；可以利用多个通道数据进行合成，提高信噪比和稳健性；利用了多通道雷达的角度分辨能力，可使用多个通道的波束形成克服同距离单元的干扰影响，提高干扰条件下的呼吸估计性能。
本实施例的技术方案，通过获取雷达回波信号；根据雷达回波信号确定目标坐标；根据目标坐标确定候选信号提取区域；提取所述候选信号提取区域内每个候选信号对应的呼吸波形；根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形；根据所述目标呼吸波形估计呼吸频率，解决需要连接多种传感器，令使用者产生较大的不适感和束缚感的问题、受到产品铺设大小限制，一旦受试者的姿态发生变化，应变信号受到干扰或者信号微弱无法准确估计出呼吸频率的问题以及受到环境温度的影响，并且不同的温度传感器对温度变化的响应速度不同，因而需要根据实际传感器的效用对算法进行调整，缺乏移植性的问题，能够在提高呼吸信号的信噪比和稳健性的同时，提升干扰条件下的呼吸估计性能，具有非接触、可穿透遮挡物、不易天气和外界环境条件影响、全天时全天候工作和保护用户个人隐私的优点。
图2为本发明实施例提供的一种呼吸频率估计装置的结构示意图。本实施例可适用于呼吸频率估计的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在任何提供呼吸频率估计功能的设备中，如图2所示，所述呼吸频率估计装置具体包括：获取模块210、确定模块220、第一提取模块230、第二提取模块240、选取模块250和估计模块260。
其中，获取模块，用于获取雷达回波信号；
确定模块，用于根据雷达回波信号确定目标坐标；
第一提取模块，用于根据目标坐标确定候选信号提取区域；
第二提取模块，用于提取所述候选信号提取区域内每个候选信号对应的呼吸波形；
选取模块，用于根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形；
估计模块，用于根据所述目标呼吸波形估计呼吸频率。
可选的，所述选取模块具体用于：
获取每个候选信号对应的呼吸波形的功率谱；
根据所述每个候选信号对应的呼吸波形的功率谱计算出每个呼吸波形的信噪比；
将所述候选信号提取区域内，信噪比最高的呼吸波形确定为目标呼吸波形。
可选的，所述第二提取模块具体用于：
获取波束形成器的权系数；
根据所述目标坐标对雷达回波信号进行整合，得到第一回波信号；
根据波束形成器的权系数、第一回波信号、目标的角度信息确定目标候选信号；
基于扩展微分交叉相乘算法确定所述目标候选信号对应的呼吸波形。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
本实施例的技术方案，通过获取雷达回波信号；根据雷达回波信号确定目标坐标；根据目标坐标确定候选信号提取区域；提取所述候选信号提取区域内每个候选信号对应的呼吸波形；根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形；根据所述目标呼吸波形估计呼吸频率，解决需要连接多种传感器，令使用者产生较大的不适感和束缚感的问题、受到产品铺设大小限制，一旦受试者的姿态发生变化，应变信号受到干扰或者信号微弱无法准确估计出呼吸频率的问题以及受到环境温度的影响，并且不同的温度传感器对温度变化的响应速度不同，因而需要根据实际传感器的效用对算法进行调整，缺乏移植性的问题，能够在提高呼吸信号的信噪比和稳健性的同时，提升干扰条件下的呼吸估计性能，具有非接触、可穿透遮挡物、不易天气和外界环境条件影响、全天时全天候工作和保护用户个人隐私的优点。
图3为本发明实施例中的一种电子设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图3显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。另外，本实施例中的电子设备12，显示器24不是作为独立个体存在，而是嵌入镜面中，在显示器24的显示面不予显示时，显示器24的显示面与镜面从视觉上融为一体。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的呼吸频率估计方法：
获取雷达回波信号；
根据雷达回波信号确定目标坐标；
根据目标坐标确定候选信号提取区域；
提取所述候选信号提取区域内每个候选信号对应的呼吸波形；
根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形；
根据所述目标呼吸波形估计呼吸频率。
图4为本发明实施例中的一种包含计算机程序的计算机可读存储介质的结构示意图。本发明实施例提供了一种计算机可读存储介质61，其上存储有计算机程序610，该程序被一个或多个处理器执行时实现如本申请所有发明实施例提供的呼吸频率估计方法：
获取雷达回波信号；
根据雷达回波信号确定目标坐标；
根据目标坐标确定候选信号提取区域；
提取所述候选信号提取区域内每个候选信号对应的呼吸波形；
根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形；
根据所述目标呼吸波形估计呼吸频率。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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，本发明不限于这里所述的特定实施例，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)
1.一种呼吸频率估计方法，其特征在于，包括：
获取雷达回波信号；
根据雷达回波信号确定目标坐标；
根据目标坐标确定候选信号提取区域；
提取所述候选信号提取区域内每个候选信号对应的呼吸波形；
根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形；
根据所述目标呼吸波形估计呼吸频率。
2.根据权利要求1所述的方法，其特征在于，根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形包括：
获取每个候选信号对应的呼吸波形的功率谱；
根据所述每个候选信号对应的呼吸波形的功率谱计算出每个呼吸波形的信噪比；
将所述候选信号提取区域内，信噪比最高的呼吸波形确定为目标呼吸波形。
3.根据权利要求1所述的方法，其特征在于，提取所述候选信号提取区域内每个候选信号对应的呼吸波形，包括：
获取波束形成器的权系数；
根据所述目标坐标对雷达回波信号进行整合，得到第一回波信号；
根据波束形成器的权系数、第一回波信号、目标的角度信息确定目标候选信号；
基于扩展微分交叉相乘算法确定所述目标候选信号对应的呼吸波形。
4.根据权利要求1所述的方法，其特征在于，在根据雷达回波信号确定目标坐标之前，还包括：
对所述雷达回波信号的快时间维进行傅里叶变换，得到第二回波信号；
对所述第二回波信号中当前帧内的脉冲信号进行相干积累，并取均值，得到第三回波信号；
对所述第三回波信号中前预设帧数的雷达回波信号进行移动平均积累，得到第四回波信号。
5.根据权利要求4所述的方法，其特征在于，根据雷达回波信号确定目标坐标，包括：
在同一个滑窗内的，获取快时间维上人体目标对应的距离单元；
基于Capon算法在空间上进行波束扫描，获取各个角度的输出功率；
将最大输出功率对应的角度确定为人体目标的方位角；
根据所述人体目标对应的距离单元和人体目标的方位角确定目标坐标。
6.一种呼吸频率估计装置，其特征在于，包括：
获取模块，用于获取雷达回波信号；
确定模块，用于根据雷达回波信号确定目标坐标；
第一提取模块，用于根据目标坐标确定候选信号提取区域；
第二提取模块，用于提取所述候选信号提取区域内每个候选信号对应的呼吸波形；
选取模块，用于根据每个候选信号对应的呼吸波形的功率谱选取目标呼吸波形；
估计模块，用于根据所述目标呼吸波形估计呼吸频率。
7.根据权利要求6所述的装置，其特征在于，所述选取模块具体用于：
获取每个候选信号对应的呼吸波形的功率谱；
根据所述每个候选信号对应的呼吸波形的功率谱计算出每个呼吸波形的信噪比；
将所述候选信号提取区域内，信噪比最高的呼吸波形确定为目标呼吸波形。
8.根据权利要求6所述的装置，其特征在于，所述第二提取模块具体用于：
获取波束形成器的权系数；
根据所述目标坐标对雷达回波信号进行整合，得到第一回波信号；
根据波束形成器的权系数、第一回波信号、目标的角度信息确定目标候选信号；
基于扩展微分交叉相乘算法确定所述目标候选信号对应的呼吸波形。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述处理器实现如权利要求1-5中任一所述的方法。
10.一种包含计算机程序的计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被一个或多个处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110900766.5A CN113642440B (zh) | 2021-08-06 | 2021-08-06 | 一种呼吸频率估计方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110900766.5A CN113642440B (zh) | 2021-08-06 | 2021-08-06 | 一种呼吸频率估计方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113642440A true CN113642440A (zh) | 2021-11-12 |
| CN113642440B CN113642440B (zh) | 2024-05-14 |
Family
ID=78419847
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110900766.5A Active CN113642440B (zh) | 2021-08-06 | 2021-08-06 | 一种呼吸频率估计方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113642440B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114767087A (zh) * | 2022-06-20 | 2022-07-22 | 精华隆智慧感知科技（深圳）股份有限公司 | 一种多目标呼吸频率估计方法、装置、设备和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120157857A1 (en) * | 2010-12-15 | 2012-06-21 | Sony Corporation | Respiratory signal processing apparatus, respiratory signal processing method, and program |
| US20140107435A1 (en) * | 2011-05-16 | 2014-04-17 | Cardiogal Ltd. | Methods and systems of aiming sensor(s) for measuring cardiac parameters |
| US20160331273A1 (en) * | 2014-01-17 | 2016-11-17 | The General Hospital Corporation | Method and apparatus for processing cardiac signals and deriving non-cardiac physiological informatoin |
| CN111856455A (zh) * | 2020-09-04 | 2020-10-30 | 四川长虹电器股份有限公司 | 匹配不同雷达带宽的多目标心率呼吸测量方法及系统 |
| CN111896944A (zh) * | 2020-07-29 | 2020-11-06 | 西安京维智网科技有限公司 | 一种基于毫米波雷达的智能消防安全监控系统及监控方法 |
| CN112882016A (zh) * | 2019-11-29 | 2021-06-01 | 南京理工大学 | 基于改进的稳健自适应波束形成的多人生命体征检测方法 |
| CN113140312A (zh) * | 2020-01-19 | 2021-07-20 | Oppo广东移动通信有限公司 | 用户数据处理、会话数据处理方法和装置、电子设备 |
-
2021
- 2021-08-06 CN CN202110900766.5A patent/CN113642440B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120157857A1 (en) * | 2010-12-15 | 2012-06-21 | Sony Corporation | Respiratory signal processing apparatus, respiratory signal processing method, and program |
| US20140107435A1 (en) * | 2011-05-16 | 2014-04-17 | Cardiogal Ltd. | Methods and systems of aiming sensor(s) for measuring cardiac parameters |
| US20160331273A1 (en) * | 2014-01-17 | 2016-11-17 | The General Hospital Corporation | Method and apparatus for processing cardiac signals and deriving non-cardiac physiological informatoin |
| CN112882016A (zh) * | 2019-11-29 | 2021-06-01 | 南京理工大学 | 基于改进的稳健自适应波束形成的多人生命体征检测方法 |
| CN113140312A (zh) * | 2020-01-19 | 2021-07-20 | Oppo广东移动通信有限公司 | 用户数据处理、会话数据处理方法和装置、电子设备 |
| CN111896944A (zh) * | 2020-07-29 | 2020-11-06 | 西安京维智网科技有限公司 | 一种基于毫米波雷达的智能消防安全监控系统及监控方法 |
| CN111856455A (zh) * | 2020-09-04 | 2020-10-30 | 四川长虹电器股份有限公司 | 匹配不同雷达带宽的多目标心率呼吸测量方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| 张家成;邱天爽;马济通;: "基于改进色度模型的非接触式心率检测与估计", 中国生物医学工程学报, no. 06, 20 December 2017 (2017-12-20) * |
| 张自启;吕昊;陈扶明;安强;祁富贵;王健琪;: "UWB生物雷达多静止人体目标呼吸检测中"遮蔽效应"的实验研究", 医疗卫生装备, no. 04, 15 April 2017 (2017-04-15) * |
| 房炫伯等: "基于自相关功率谱的生命迹象探测算法", 《雷达科学与技术》, vol. 11, no. 6, pages 626 - 632 * |
| 李文超;王绪本;何永波;于振华;: "冲激超宽带雷达多生命特征检测初步研究", 计算机应用研究, no. 04, 15 April 2009 (2009-04-15) * |
| 王健琪, 王海滨, 荆西京, 杨国胜, 杨波, 董秀珍, 邱力军: "呼吸、心率的雷达式非接触检测系统设计与研究", 中国医疗器械杂志, no. 03, 30 May 2001 (2001-05-30) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114767087A (zh) * | 2022-06-20 | 2022-07-22 | 精华隆智慧感知科技（深圳）股份有限公司 | 一种多目标呼吸频率估计方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113642440B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | A self-calibrating radar sensor system for measuring vital signs | |
| CN106725488B (zh) | 一种无线场强呼吸检测方法、装置及呼吸检测仪 | |
| Yamamoto et al. | ECG signal reconstruction via Doppler sensor by hybrid deep learning model with CNN and LSTM | |
| US20200121207A1 (en) | Method of processing a signal representing a physiological rhythm | |
| US11234613B2 (en) | Respiration estimation method and apparatus | |
| CN103385702A (zh) | 一种无创血压连续检测装置及方法 | |
| CN106618497A (zh) | 复杂环境下基于信道状态信息监测睡眠的方法 | |
| US20140107501A1 (en) | Wireless multi-sensor platform for continuous real-time monitoring of cardiovascular respiratory dynamics | |
| Afandizadeh Zargari et al. | An accurate non-accelerometer-based ppg motion artifact removal technique using cyclegan | |
| CN109009124A (zh) | 基于超宽带雷达的呼吸频率测量及目标定位方法 | |
| Jeyhani et al. | Comparison of simple algorithms for estimating respiration rate from electrical impedance pneumography signals in wearable devices | |
| Shi et al. | Neural network based real-time heart sound monitor using a wireless wearable wrist sensor | |
| Liu et al. | Human biometric signals monitoring based on wifi channel state information using deep learning | |
| Li et al. | Design of a wireless sensor system with the algorithms of heart rate and agility index for athlete evaluation | |
| Cesareo et al. | A novel acquisition platform for long-term breathing frequency monitoring based on inertial measurement units | |
| CN113642440B (zh) | 一种呼吸频率估计方法、装置、设备及存储介质 | |
| 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 | |
| CN112244794A (zh) | 基于周期性特征的生命体征检测方法、装置和存储介质 | |
| CN113397524B (zh) | 一种呼吸检测方法、装置、设备和存储介质 | |
| CN114767087A (zh) | 一种多目标呼吸频率估计方法、装置、设备和存储介质 | |
| CN112450900B (zh) | 一种基于智能音箱的非接触式心跳检测方法 | |
| CN111685760B (zh) | 一种基于雷达测量的人体呼吸频率计算方法 | |
| Bresnahan et al. | Measurement of multiple simultaneous human vital signs using a millimeter-wave FMCW radar | |
| US20200107989A1 (en) | System and method of noninvasive blood flow measurement during cardiopulmonary resuscitation using signal gating | |
| Liang et al. | SFA-based ELM for remote detection of stationary objects |
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 |