CN113729674A - 一种呼吸检测方法及装置 - Google Patents

一种呼吸检测方法及装置 Download PDF

Info

Publication number
CN113729674A
CN113729674A CN202111120333.4A CN202111120333A CN113729674A CN 113729674 A CN113729674 A CN 113729674A CN 202111120333 A CN202111120333 A CN 202111120333A CN 113729674 A CN113729674 A CN 113729674A
Authority
CN
China
Prior art keywords
human body
target
channels
cross
target human
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
Application number
CN202111120333.4A
Other languages
English (en)
Inventor
任兆亭
慕安臻
殷豪杰
崔国龙
梁菁菁
唐川田
张佳舒
欧渝
杨晓波
郭世盛
韩海力
孔令讲
刘宏
贾勇
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.)
Qingdao Hisense Hitachi Air Conditioning System Co Ltd
Original Assignee
Qingdao Hisense Hitachi Air Conditioning System Co Ltd
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 Qingdao Hisense Hitachi Air Conditioning System Co Ltd filed Critical Qingdao Hisense Hitachi Air Conditioning System Co Ltd
Priority to CN202111120333.4A priority Critical patent/CN113729674A/zh
Publication of CN113729674A publication Critical patent/CN113729674A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/05Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/0507Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  using microwaves or terahertz waves
    • 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
    • A61B5/7235Details of waveform analysis
    • 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)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Pulmonology (AREA)
  • Mathematical Physics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请提供一种呼吸检测方法及装置,涉及雷达检测技术领域,用于提高呼吸检测的准确性。该方法包括:向目标空间发射电磁波,并获取M个通道的回波信号;对M个通道的回波信号进行处理,得到M个通道的目标人体的呼吸特征信号;对M个通道的目标人体的呼吸特征信号进行处理,得到目标人体对应的互相关熵;对互相关熵进行傅里叶变换,得到互功率谱;根据互功率谱,确定目标人体的呼吸频率。

Description

一种呼吸检测方法及装置
技术领域
本申请涉及雷达检测技术领域,尤其涉及一种呼吸检测方法及装置。
背景技术
在医疗健康领域,呼吸频率的实时监测有利于医护人员及时掌握病患状态,也便于普通用户及时了解自身的健康状况。因此呼吸频率的正确测量具有重要的现实意义,有着广泛的应用前景。
传统的接触式测量方法,往往会引起受测者身体或心理上的不适,影响测量结果的准确性,也不便于在诸如居家环境或者重症监护环境下的连续监测。因此,基于雷达的呼吸特征检测方法由于无需直接接触到用户,使其具有越来越广泛的应用。
目前,基于雷达的呼吸检测方法很多,包括快速傅里叶变换方法(FFT)、短时傅里叶变换方法(STFT)、小波变换方法等。单纯的FFT方法存在高次谐波干扰问题,且只能获取频率信息;STFT方法和小波变换同为时频分析方法,除了能获取频率信息外,还可获取目标距离信息,但仍无法有效处理干扰信号。
综上,现有技术提供的基于雷达的呼吸检测方法的准确性较低,不能满足用户需求。
发明内容
本申请实施例提供一种呼吸检测方法及装置,用于提高呼吸检测的准确性,满足用户的使用需求。
第一方面,提供一种呼吸检测方法,应用于雷达设备,该雷达设备包括具有M个通道的接收机,M为大于1的整数。该方法包括:向目标空间发射电磁波,并获取M个通道的回波信号;对M个通道的回波信号进行处理,得到M个通道的目标人体的呼吸特征信号;对M个通道的目标人体的呼吸特征信号进行处理,得到目标人体对应的互相关熵;对互相关熵进行傅里叶变换,得到互功率谱;根据互功率谱,确定目标人体的呼吸频率。
本申请实施例提供的技术方案,对M个通道的目标人体的呼吸特征信号进行处理,得到目标人体对应的互相关熵,该互相关熵反映了目标人体的呼吸特征,并且处理过程中采用到的相关熵算法提高了信噪比,从而避免有用信号淹没在噪声中,从而可以提升最终确定的呼吸频率的准确性。
第二方面,提供一种雷达设备,包括:雷达模块,用于向目标空间发射电磁波,并获取M个通道的回波信号;信号处理模块,用于对M个通道的回波信号进行处理,得到M个通道的目标人体的呼吸特征信号;对M个通道的目标人体的呼吸特征信号进行处理,得到目标人体对应的互相关熵;对互相关熵进行傅里叶变换,得到互功率谱;呼吸特征检测模块,用于根据互功率谱,确定目标人体的呼吸频率。
第三方面,提供一种雷达设备,包括:一个或多个处理器;一个或多个存储器;其中,一个或多个存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,当一个或多个处理器执行计算机指令时,雷达设备执行权利要求1至7任一项的呼吸检测方法。
第四方面,提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当该指令在计算机上运行时,使得计算机执行上述第一方面所提供的任一种呼吸检测方法。
第五方面,提供一种计算机程序产品,该计算机程序产品可直接加载到存储器中,并含有软件代码,该计算机程序产品经由计算机载入并执行后能够实现如第一方面所提供的任一种呼吸检测方法。
本申请中第二方面至第五方面的有益效果,可以参考第一方面的有益效果分析,此处不再赘述。
附图说明
图1为本申请实施例提供的一种雷达设备的应用场景示意图;
图2为本申请实施例提供的一种呼吸检测系统的示意图;
图3为本申请实施例提供的一种电子设备的结构示意图;
图4为本申请实施例提供的一种呼吸检测方法的流程图;
图5为一种调频连续波的时域波形示意图;
图6为一种调频连续波的频域波形示意图;
图7为本申请实施例提供的一种雷达设备发射的调频连续波的波形示意图;
图8为本申请实施例提供的另一种呼吸检测方法的流程图;
图9为本申请实施例提供的又一种呼吸检测方法的流程图;
图10为本申请实施例提供的一种回波信号的去斜原理的示意图;
图11为本申请实施例提供的又一种呼吸检测方法的流程图;
图12为本申请实施例提供的一种目标人体的回波信号的示意图;
图13为本申请实施例提供的一种雷达设备的结构示意图。
具体实施方式
下面将结合附图对本申请提供的一种呼吸检测方法及装置进行详细的描述。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象,或者用于区别对同一对象的不同处理,而不是用于描述对象的特定顺序。
此外,本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选的还包括其他没有列出的步骤或单元,或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请的描述中,除非另有说明,“多个”的含义是指两个或两个以上。
如背景技术所述,由于呼吸特征信号幅度较小,信噪比不高,现有的基于雷达的呼吸检测方法直接利用傅里叶变换算法对呼吸特征信号进行处理,容易导致信号淹没在噪声中,从而影响最终确定的呼吸频率的准确性。
对此,本申请实施例提供了一种呼吸检测方法,具体包括:向目标空间发射电磁波,并获取M个通道的回波信号;对M个通道的回波信号进行处理,得到M个通道的目标人体的呼吸特征信号;对M个通道的目标人体的呼吸特征信号进行处理,得到目标人体对应的互相关熵;对互相关熵进行傅里叶变换,得到互功率谱;根据互功率谱,确定目标人体的呼吸频率。
本申请实施例提供的技术方案,对M个通道的目标人体的呼吸特征信号进行处理,得到目标人体对应的互相关熵,该互相关熵反映了目标人体的呼吸特征,并且处理过程中采用到的相关熵算法提高了信噪比,从而避免有用信号淹没在噪声中,从而可以提升最终确定的呼吸频率的准确性。
在本申请实施例中,雷达设备是利用电磁波进行目标探测的电子设备,例如:毫米波雷达、微波雷达、超宽带雷达等。本申请的一些实施例中,采用抗干扰能力强、分辨能力强、测量精度高的毫米波雷达。
其中,毫米波是指30~300GHz频率(波长为1~10mm)的电磁波。毫米波具有极宽的带宽,能够缓解频域资源紧张的问题;毫米波的波束窄,能够更为清晰地观察目标物体的细节。如此,本申请的一些实施例采用毫米波进行呼吸检测,有效的提升了雷达设备的抗干扰能力、分辨能力和测量精度。
示例性的,雷达设备可以由雷达发射机、雷达接收机和天线组成。
雷达发射机,是为雷达设备提供大功率射频信号的无线电装置,能够产生载波受调制的大功率射频信号,即电磁波。按调制方式,发射机可分为连续波发射机和脉冲发射机两类。发射机由一级射频振荡器和脉冲调制器组成。
雷达接收机,是雷达设备中进行变频、滤波、放大和解调的装置。通过适当的滤波将天线接收到的微弱高频信号从伴随的噪声和干扰中选择出来,并经过放大和检波后,用于目标检测、显示或其它雷达信号处理。
天线,是雷达设备中用来发射或接收电磁波并决定其探测方向的装置。在发射时,将能量集中辐射到需要照射的方向;在接收时,接收探测方向的回波,并分辨出目标的方位和/或仰角。
雷达设备测量距离的原理为,雷达设备通过测量发射电磁波与接收电磁波之间的时间差,可以得到目标物体的距离。
上述雷达设备可以应用于对人体进行呼吸检测的场景。如图1所示,雷达设备通过发射天线向目标人体所处空间发射电磁波,通过接收天线接收经目标人体反射的电磁波,即回波信号,并将该回波信号送至接收机进行信号处理。在回波信号经过处理之后,雷达设备可以确定目标人体的呼吸频率。
图2所示,为本申请实施例提供的一种呼吸检测系统的示意图。该系统可以包括:雷达设备和电子设备。其中,雷达设备与电子设备之间可以通过有线或无线的方式进行连接。例如,雷达设备与电子设备之间通过无线局域网连接。
其中,电子设备用于向雷达设备发出操控指令和接收雷达设备的检测结果。示例性的,本申请实施例中的电子设备可以是手机、平板电脑、桌面型、膝上型、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本,以及蜂窝电话、个人数字助理(personal digital assistant,PDA)、增强现实(augmentedreality,AR)\虚拟现实(virtual reality,VR)设备等。本公开对该电子设备的具体形态不作特殊限制。其可以与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互。
如图3所示,本申请实施例中的电子设备可以为手机100。下面以手机100为例对实施例进行具体说明。手机100可包括总线110、处理器120、存储器130、用户输入模块150、显示模块160、通信接口170和其它相似和/或合适组件。
总线110可以是将上述元件相互连接并在上述元件之间传递通信(例如控制消息)的电路。
处理器120可以通过总线110从上述其它元件(例如存储器130、用户输入模块150、显示模块160、通信接口170等)接收命令,可以解释接收到的命令,并可以根据所解释的命令来执行计算或数据处理。
存储器130可以存储从处理器120或其它元件(例如用户输入模块150、显示模块160、通信接口170等)接收的命令或数据或者由处理器120或其它元件产生的命令或数据。
用户输入模块150可以接收经由输入-输出手段(例如,传感器、键盘、触摸屏等)从用户输入的命令或数据,并可以通过总线110向处理器120或存储器130传送接收到的命令或数据。显示模块160可以向用户显示视频、图像、数据等。
显示模块160可以显示从上述元件接收到的各种信息(例如多媒体数据、文本数据)。
通信接口170可以控制与另一电子设备之间的短距离通信连接。
应该理解的时,如图3所示的手机100仅是上述电子设备的一个范例,并且手机100可以具有比图3中所示出的更多或者更少的部件,可以组合两个或更多的部件,或者可以具有不同的部件配置。
下面结合说明书附图,对本申请提供的方案进行具体说明。
本申请实施例提供了一种呼吸特征的检测方法,应用于雷达设备,该雷达设备包括具有M个通道的接收机,M为大于1的整数。如图4所示,该方法包括以下步骤:
S101、向目标空间发射电磁波,并获取M个通道的回波信号。
在本申请实施例中,目标空间可以为需要进行呼吸检测的空间,例如病房、卧室、书房等,对此不作限定。
在一些实施例中,雷达设备发射的电磁波与雷达设备接收的回波信号统称为雷达信号。雷达信号可以采用脉冲调频连续波(frequency modulated continuous wave,FMCW)进行检测,能够有效降低被截获干扰的概率。图5为FMCW时域波形的示意图,从图5中可以看出信号频率随时间线性增加的特点。图6为FMCW频域波形的示意图,从图6中可以看出FMCW信号的频域波形为一条直线,其中Tc为线性调频信号的脉冲宽度,B为雷达信号波形的带宽,初始频率为fc
在一些实施例中,雷达设备向目标空间发射FMCW信号来进行呼吸检测。如图7所示,为雷达设备发射的脉冲FMCW波,每帧之间的间隔称为帧周期(或脉冲间隔)。可选的,雷达设备的采样频率可以为20HZ,脉冲重复间隔(pulse repetition interval,PRI)为50ms,线性调频信号(Chirp信号)持续时间为50us。
作为一种可能的实现方式中,雷达设备在接收到检测指令后,开启雷达功能,向目标空间发射电磁波,并获取M个通道的回波信号。其中,上述检测指令用于指示检测呼吸频率。
例如,上述雷达设备可以通过有线连接(例如,信号线)或无线连接(例如蓝牙、Wi-Fi)的方式与电子设备连接。用户在需要进行呼吸检测时,通过电子设备开启检测功能。电子设备响应于用户开启检测功能的操作,向雷达设备发送检测指令。雷达设备接收来自于电子设备的检测指令。
S102、对M个通道的回波信号进行处理,得到M个通道的目标人体的呼吸特征信号。
S103、对M个通道的目标人体的呼吸特征信号进行处理,得到目标人体对应的互相关熵。
可选的,如图8所示,步骤S103可以具体实现为以下步骤:
S1031、分别对每个通道的呼吸特征信号进行自相关处理,得到每个通道的自相关熵。
其中,上述自相关也叫做序列相关,指同一个信号与其自身在不同时间点的互相关。对信号进行自相关处理,可以从干扰信号中的提取出重复的有用信号。
上述自相关熵属于信息熵,应用于信道通信。自相关熵可以表示为以下公式(1):
V[m]=E[k(x(n)-x*(n-m))] 公式(1)
其中,V[·]表示自相关熵,k(·)为核函数,E[·]为随机过程变量的数学期望,x(n)指离散时间随机过程。
核函数可以减少把输入数据从低维空间到高位空间映射后产生的计算量,同时映射到高维空间的维数越大,区分输入数据差异的性能越好。其中,高斯核函数可以将输入数据映射到无限维空间,而其余的方法只能映射到有限维空间,因此,在本申请的一些实施例中选用高斯核函数,高斯核函数可以表示为以下公式(2):
Figure BDA0003276851200000071
其中,σ表示核的尺度参数值,xt与xt+τ *表示平稳随机过程变量,应用于公式1时可替换为离散时间随机过程变量。
示例性的,假设M=4,则M个通道可以包括第一通道、第二通道、第三通道和第四通道。
假设第一通道接收的目标人体的回波信号为s1(t),噪声信号为n1(t),则第一通道接收到的回波信号为e1(t)=s1(t)+n1(t),对第一通道的回波信号进行自相关处理,得到第一通道的自相关熵为:V1[m]=E[k(e1(n)-e1 *(n-m))]。
假设第二通道接收的目标人体的回波信号为s2(t),噪声信号为n2(t),则第二通道接收到的回波信号为e2(t)=s2(t)+n2(t),对第二通道的回波信号进行自相关处理,得到第二通道的自相关熵为:V2[m]=E[k(e2(n)-e2 *(n-m))]。
假设第三通道接收的目标人体的回波信号为s3(t),噪声信号为n3(t),则第三通道接收到的回波信号为e3(t)=s3(t)+n3(t),对第三通道的回波信号进行自相关处理,得到第三通道的自相关熵为:V3[m]=E[k(e3(n)-e3 *(n-m))]。
假设第四通道接收的目标人体的回波信号为s4(t),噪声信号为n4(t),则第四通道接收到的回波信号为e4(t)=s4(t)+n4(t),对第四通道的回波信号进行自相关处理,得到第四通道的自相关熵为:V4[m]=E[k(e4(n)-e4 *(n-m))]。
S1032、根据每个通道的自相关熵,确定目标人体的互相关熵。
假设M=4,也即M个通道包括第一通道、第二通道、第三通道和第四通道,则步骤S1032可以具体实现为:对第一通道的自相关熵和第二通道的自相关熵进行互相关处理,得到第一互相关熵;对第三通道的自相关熵和第四通道的自相关熵进行互相关处理,得到第二互相关熵;对第一互相关熵和第二互相关熵进行互相关处理,得到目标人体对应的互相关熵。
示例性的,第一互相关熵可以根据以下公式(3)确定:
Figure BDA0003276851200000081
其中,RV1V2表示第一互相关熵。
示例性的,第二互相关熵可以根据以下公式(4)确定:
Figure BDA0003276851200000082
其中,
Figure BDA0003276851200000083
表示第二互相关熵。
示例性的,目标人体对应的互相关熵可以根据以下公式(5)确定:
Figure BDA0003276851200000084
其中,R(m)表示目标人体对应的互相关熵。
假设M=2,也即M个通道包括第一通道和第二通道,则步骤S1032可以具体实现为:对第一通道的自相关熵和第二通道的自相关熵进行互相关处理,确定目标人体的互相关熵。
S104、对目标人体对应的互相关熵进行傅里叶变换,得到互功率谱。
其中,上述傅里叶变换的目的是将时域信号转化为频域信号,更加直观的进行信号处理。
在一些实施例中,对目标人体对应的互相关熵R(m)进行傅里叶变换,得到互功率谱P(ω)。可选的,互功率P(ω)可以满足以下公式(6):
Figure BDA0003276851200000085
在一些实施例中,上述傅里叶变换可以替换为快速傅里叶变换(fast fouriertransformation,FFT),FFT是根据离散傅里叶变换的奇、偶、虚、实等特性,对离散傅立叶变换的算法进行改进获得的。
示例性的,FFT可以满足以下公式(7):
Figure BDA0003276851200000091
在本申请实施例中,将目标人体对应的互相关熵代入公式(7)中的x[n]即可得到目标人体的互功率谱。
S105、根据互功率谱,确定目标人体的呼吸频率。
在一些实施例中,在互功率谱上确定最大值,以最大值在频率轴上对应的索引作为目标人体的呼吸频率。
在一些实施例中,雷达设备可以向电子设备发送呼吸检测信息,该呼吸检测信息包括目标人体的呼吸频率。这样,用户可以在电子设备上查看呼吸检测信息,以便于了解被检测者的呼吸情况。
进一步的,电子设备还可以根据该呼吸检测信息进行健康状况评估,并显示健康状况评估的结果。此外,电子设备还可以根据健康状况评估的结果,显示改善建议。
在一些实施例中,雷达设备采用滑窗算法进行数据采集。滑窗算法通过限制各个时间窗口内所能接收的最大信元数对业务量进行控制。示例性的,雷达设备可以首先采集30s时长的数据,通过不断滑窗,得到一系列30s的数据,每一个30s的数据通过上述步骤S102-S105的一系列处理,可以得到30s对应的呼吸频率,该呼吸频率可视作用户实时的呼吸频率,这样相当于完成实时检测。如此,本申请实施例采用滑窗算法,能够弥补相关熵算法缺失的时域信息,能够实现实时检测。
基于图4所示的实施例,通过对M个通道的目标人体的呼吸特征信号进行处理,得到目标人体对应的互相关熵,该互相关熵反映了目标人体的呼吸特征,并且处理过程中采用到的相关熵算法提高了信噪比,从而避免有用信号淹没在噪声中,从而可以提升最终确定的呼吸频率的准确性。
可选的,如图9所示,步骤S102可以具体实现为以下步骤:
S1021、对M个通道的回波信号依次进行脉冲压缩以及动目标显示处理,分别确定M个通道的目标距离像。
其中,上述目标距离像指目标的散射点的散射强度分布图,提供了目标的散射点沿距离方向的分布信息。目标距离像能够反映目标的形状和结构特点。
脉冲压缩指对线性调频信号回波进行脉冲压缩和旁瓣抑制,将宽脉冲压缩成窄脉冲,使输出信号在目标的距离门处出现峰值,同时提高信噪比。雷达设备在发射端发射大时宽、带宽信号,以提高信号的速度测量精度和速度分辨力;在接收端,通过脉冲压缩将宽脉冲信号压缩为窄脉冲信号,能够提高雷达设备对目标的距离分辨精度和距离分辨力。
在一些实施例中,回波信号在脉冲压缩之前,首先进行去斜处理,以获取目标的距离信息。如图10所示,为回波信号的去斜原理图,假设目标在距离雷达设备R处,雷达设备发射的电磁波接触到目标后会反射回波信号。雷达设备接收机与目标之间的距离会引起一段信号时延td,可以表示为2R/c。通过发射电磁波与接收的回波信号进行混频(mixer)得到差值信号(IF signal),其频率为fb,fb可以满足以下公式(8):
Figure BDA0003276851200000101
其中,Tc为线性调频信号的脉冲宽度,B为回波信号波形的带宽,c为光速常数,R为目标与雷达的距离。IF信号仅存在TX线性调频脉冲和RX线性调频脉冲重叠的时间段内。
通过上述脉冲压缩处理可以得到原始的目标距离像。然而,通常情况下目标空间会存在一些静态目标,例如柜子、床、墙面等。因此,通过脉冲压缩得到的原始的目标距离像会存在很多静态目标的干扰。
在一些实施例中,由于静态物体完全处于静止状态,而被检测的目标人体会有小幅波动,因此,雷达设备可以采用动目标显示(moving target indication,MTI)技术来消除静态目标。因为雷达设备接收的回波信号中杂波分量都相同,只有运动的目标因为其距离的变化带来相位的变化,因此,MTI主要采用脉冲对消的方法,将前后两个脉冲对消,使得静态目标完全对消。上述动目标显示处理可以满足以下公式(9):
RIMTI(t-Tr)=RI(t-Tr)-RI(t) 公式(9)
其中,RI(t)表示未进行动目标显示的目标距离像,RIMTI(t-Tr)表示经过动目标显示的目标距离像,RI(t-Tr)表示距离当前时刻前Tr时刻的目标距离像。
基于上述步骤S1021,通过采用脉冲压缩和动目标显示对M个通道的回波信号进行处理,进而得到排除了静态目标干扰的M个通道的目标距离像,能够有效的提升人体目标检测的准确度。
S1022、对M个通道的目标距离像进行人体目标检测,确定目标人体的距离单元。
其中,上述目标人体的距离单元用于指示目标人体与雷达设备之间的相对距离。
可选的,如图11所示,步骤S1022可以具体实现为以下步骤:
S10221、对M个通道的目标距离像进行非相干积累,得到非相干积累后的数据。
应理解,经过步骤S1021得到的目标距离像中包括一个或多个峰值,通过峰值检测可以获取目标人体的距离单元。在进行峰值检测之前可以采取有效的措施改善信噪比。常用的改善信噪比的方法有相干积累和非相干积累两种。相干积累,是将相邻周期的信号直接相加,利用积分时间内信号的相关性,将信号的能量累加起来。由于噪声在积分时间内没有相干性,因此可显著提高信噪比。非相干积累,是将信号求模的平方(检波)后再进行累加。与相干积累相比,非相干积累去除了相位信息,仅保留了幅度信息,处理起来比较简单。因此,在本申请的一些实施例中,采用非相干积累的方式来处理数据。
在本申请实施例中,通过将M个通道的目标距离像进行非相干积累,得到信噪比高的数据,能够更加准确的确定目标人体的距离单元。
S10222、基于排序统计的恒虚警率检测方法,从非相干积累后的数据中,确定目标人体的距离单元。
其中,上述排序统计(ordered statistics,OS)的恒虚警率(constant falsealarm rate,CFAR)检测方法,是指在雷达检测中,随着外界强度干扰的变化,雷达能够自动调节其灵敏度,使其虚警概率保持不变的方法。在目标检测中,目标门限为VT,当噪声电平没有超过设定的门限电平且没有检测到目标,称为“漏警”,漏警概率为Pla;当噪声电平超过设定的门限电平而误认为检测到目标,称为“虚警”,虚警概率为Pfa。因此,为了使检测概率Pd最大,需要保证虚警概率在一定范围内。
在一些实施例中,从非相干积累后的数据中采集参考单元样本数据xi(i=1,2,……,R)。假设雷达接收机中的噪声信号和杂波信号服从高斯分布,其包络为瑞利分布,则经过平方律检波器后,参考单元采样xi(i=1,2,……,R)服从指数分布,其概率密度函数(probability density function,PDF)可以满足以下公式(10),累积分布函数(cumulative distribution function,CDF)可以满足以下公式(11):
Figure BDA0003276851200000121
F(x)=1-e-x/λ',x≥0 公式(11)
其中,λ'可以满足以下公式(12):
Figure BDA0003276851200000122
其中,μ代表杂波信号和噪声信号总的功率水平,λ是回波信号与杂波信号和噪声信号的平均功率的比值,H0是不存在目标的假设,H1是目标存在的假设。在均匀杂波背景中xi(i=1,2,……,R)是统计独立同分布的。
OS的CFAR检测中,对参考单元样本从小到大作排序处理。在均匀杂波背景中,来自R个总体样本中第k个有序样本的PDF可以满足以下公式(13):
Figure BDA0003276851200000123
来自R个总体样本中第k个有序样本的CDF可以满足以下公式(14):
Figure BDA0003276851200000124
其中,f(x)和F(x)分别代表均匀杂波背景中参考单元样本xi(i=1,2,……,R)的PDF和CDF。
OS的CFAR检测中,待检测单元(cell under test,CUT)是待检测参考单元样本,首先对参考单元样本按大小作排序处理,该排序处理可以满足以下公式(15):
x(1)≤x(2)≤…≤x(R) 公式(15)
在上述排序处理后,取走第k个排序样本x(k)作为对杂波信号功率水平的估计Z,即Z=x(k)。那么,由公式(13)可知,在均匀杂波背景中Z的PDF可以满足以下公式(16):
Figure BDA0003276851200000125
在均匀杂波背景中,Z的矩母函数(moment-generating function,MGF)可以满足以下公式(17):
Figure BDA0003276851200000131
其中,u是矩母函数的变量。当
Figure BDA0003276851200000132
时,可以由矩母函数计算得到目标的检测概率。其中,T定义为标称化因子。
因此,OS的CFAR检测在均匀杂波背景中的检测概率可以满足以下公式(18),虚警概率可以满足以下公式(19):
Figure BDA0003276851200000133
Figure BDA0003276851200000134
由公式(16)可知,Z的统计平均可以满足以下公式(20):
Figure BDA0003276851200000135
因此,OS的CFAR检测的平均判决门限(average decision threshold,ADT)可以满足以下公式(21):
Figure BDA0003276851200000136
在一些实施例中,在基于排序统计的恒虚警率检测到目标人体出现时,开始进行数据采集,并将采集到的数据累积存放在雷达设备的指定地址中。可选的,雷达设备通过CFAR检测到一个或多个目标人体的距离单元,并将每个目标人体的距离单元单独存放,单独进行信号处理,以实现目标分离。
S1023、对于M个通道中的每一个通道,根据目标人体的距离单元,从通道的目标距离像中确定目标人体的距离单元数据;对目标人体的距离单元数据依次进行相位解缠、相位差分以及带通滤波处理,得到目标人体的呼吸特征信号。
(1)相位解缠
在一些实施例中,雷达设备在实现目标分离后,上述目标距离像的峰值由复信号表示,其实部和虚部构成了信号的真实相位信息。如图12所示,图12中的(a)为目标人体的雷达回波实部信号,图12中的(b)为目标人体的雷达回波虚部信号。该信号波形包含了目标人体的位置信息和呼吸特征信号的相位信息。
应理解,在数学上可以通过反正切函数得到回波信号的相位值,但是在计算机运行中存在相位卷绕的问题。即在计算中反正切函数在第一象限和第二象限中的角度为0~π,在第三象限和第四象限的角度为0~-π。若一个角度从0变到2π,但实际结果得到的却是0~π,再有-π~0,在角度π处发生跳变,跳变幅度为2π,这就是相位卷绕问题。在雷达信号处理中,通过反正切函数得到每个脉冲经过距离傅里叶变换后的相位值。为了解决相位卷绕问题(即相位解缠),要通过算法进行相位解缠,对处理得到的相位数据进行校正。
在一些实施例中,相位解产的算法流程如下:设当前相位值为
Figure BDA0003276851200000141
下一个相位值为
Figure BDA0003276851200000143
Figure BDA0003276851200000142
时,则说明角度在π处发生跳变。接着再分两种情况进行分析,当
Figure BDA0003276851200000144
时,则
Figure BDA0003276851200000145
Figure BDA0003276851200000146
时,则
Figure BDA0003276851200000147
(2)相位差分
经过相位解缠的瞬时相位变化曲线,不仅包含了目标人体的呼吸特征信息,还包含了雷达非线性系统带来的一系列谐波干扰和高频噪声等。
在一些实施例中,采用相位差分的方法,通过减去相邻的相位值,对展开的相位执行相位差运算,以消除谐波干扰和高频噪声。可选的,相位差运算可以满足以下公式(22):
a(m)=a(m)-a(m-1) 公式(22)
其中,m指点序列的索引,a(m)指对应点的幅度。
(3)带通滤波
带通滤波,指在信号处理的过程中,过滤掉高、低频信号,保留中频信号的滤波方法。滤波器在数据采集和分析中具有很多应用,其通过减小或放大某些频率来改变时间信号的频率成分,可以通过滤波器来进行带通滤波处理。常见数字滤波器包括:IIR滤波器和FIR滤波器。其中,IIR滤波器的单位脉冲响应为无限长,网络中有反馈回路。FIR滤波器的单位脉冲响应是有限长的,网络中没有反馈回路。
在呼吸特征检测的过程中,可以通过带通滤波将呼吸特征信号提取出来。经过调研可知,呼吸频率的典型值范围在0.1Hz~0.6Hz。
在一些实施例中,将滤波器的通带截至频率设置为0.1Hz,阻带截止频率设置为0.6Hz,信号采样频率设置为20Hz,可以将呼吸频率之外的频率分量以及杂波信号、噪声信号等滤除。
基于上述步骤S1023,通过带通滤波,不仅可以将不需要的频率分量以及杂波信号、噪声信号等滤除,还可以将呼吸频率从回波信号中过滤出来,从而确定目标人体的呼吸特征信号。
可以看出,上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,本申请实施例提供了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
本申请实施例可以根据上述方法示例对网络节点进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。可选的,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图13所示,本申请实施例提供了一种雷达设备,应用于雷达设备,能够兼顾用户的舒适性与检测的准确性,满足用户的使用需求。上述雷达设备300包括:雷达模块301、信号处理模块302、呼吸特征检测模块303。在一些实施例中,上述雷达设备300还包括通信模块304。
雷达模块301,用于向目标空间发射电磁波,并获取M个通道的回波信号。
信号处理模块302,用于对M个通道的回波信号进行处理,得到M个通道的目标人体的呼吸特征信号;对M个通道的目标人体的呼吸特征信号进行处理,得到目标人体对应的互相关熵;对目标人体对应的互相关熵进行傅里叶变换,得到互功率谱。
呼吸特征检测模块303,用于根据互功率谱,确定目标人体的呼吸频率。
在一些实施例中,M个通道包括第一通道、第二通道、第三通道以及第四通道。上述信号处理模块302,具体用于分别对每个通道的呼吸特征信号进行自相关处理,得到每个通道的自相关熵;对第一通道的自相关熵和第二通道的自相关熵进行互相关处理,得到第一互相关熵;对第三通道的自相关熵和第四通道的自相关熵进行互相关处理,得到第二互相关熵;对第一互相关熵和第二互相关熵进行互相关处理,得到目标人体对应的互相关熵。
在一些实施例中,上述信号处理模块302,具体用于对M个通道的回波信号依次进行脉冲压缩以及动目标显示处理,分别确定M个通道的目标距离像;对M个通道的目标距离像进行人体目标检测,确定目标人体的距离单元;对于M个通道中的每一个通道,根据目标人体的距离单元,从通道的目标距离像中确定目标人体的距离单元数据;对目标人体的距离单元数据依次进行相位解缠、相位差分以及带通滤波处理,得到目标人体的呼吸特征信号。
在一些实施例中,上述信号处理模块302,具体用于对M个通道的目标距离像进行非相干积累,得到非相干积累后的数据;基于排序统计的恒虚警率检测方法,从非相干积累后的数据中,确定目标人体的距离单元。
在一些实施例中,上述呼吸特征检测模块303,具体用于在互功率谱上确定最大值;以最大值在频率轴上对应的索引作为目标人体的呼吸频率。
在一些实施例中,上述通信模块304,用于接收电子设备的检测指令,该检测指令用于指示检测呼吸频率。
在一些实施例中,上述通信模块304,还用于向电子设备发送呼吸检测信息,该呼吸检测信息包括目标人体的呼吸频率。
本申请实施例提供一种雷达设备,包括:一个或多个处理器;一个或多个存储器。其中,一个或多个存储器用于存储计算机程序代码,计算机程序代码包括计算机指令,当一个或多个处理器执行计算机指令时,雷达设备执行上述实施例提供的任一项呼吸检测方法。
本申请实施例还提供一种计算可读存储介质,该计算机可读存储介质包括计算机执行指令,当计算机执行指令在计算机上运行时,使计算机执行上述实施例提供的任一项呼吸检测方法。
本发明实施例还提供一种计算机程序产品,该计算机程序产品包括计算机指令,该计算机指令在计算机上运行时,使得计算机执行后能够实现上述实施例提供的任一项呼吸检测方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机执行指令。在计算机上加载和执行计算机执行指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机执行指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机执行指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看附图、公开内容、以及所附权利要求书,可理解并实现公开实施例的其他变化。在权利要求中,“包括”(Comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种呼吸检测方法,其特征在于,所述方法应用于雷达设备,所述雷达设备包括具有M个通道的接收机,M为大于1的整数;所述方法包括:
向目标空间发射电磁波,并获取所述M个通道的回波信号;
对所述M个通道的回波信号进行处理,得到所述M个通道的目标人体的呼吸特征信号;
对所述M个通道的目标人体的呼吸特征信号进行处理,得到所述目标人体对应的互相关熵;
对所述目标人体对应的互相关熵进行傅里叶变换,得到互功率谱;
根据所述互功率谱,确定所述目标人体的呼吸频率。
2.根据权利要求1所述的方法,其特征在于,若M个通道包括第一通道、第二通道、第三通道以及第四通道,所述对所述M个通道的目标人体的呼吸特征信号进行处理,得到所述目标人体对应的互相关熵,包括:
分别对每个通道的呼吸特征信号进行自相关处理,得到每个通道的自相关熵;
对所述第一通道的自相关熵和所述第二通道的自相关熵进行互相关处理,得到第一互相关熵;
对所述第三通道的自相关熵和所述第四通道的自相关熵进行互相关处理,得到第二互相关熵;
对所述第一互相关熵和所述第二互相关熵进行互相关处理,得到所述目标人体对应的互相关熵。
3.根据权利要求1所述的方法,其特征在于,对所述M个通道的回波信号进行处理,得到所述M个通道的目标人体的呼吸特征信号,包括:
对所述M个通道的回波信号依次进行脉冲压缩以及动目标显示处理,分别确定所述M个通道的目标距离像;
对所述M个通道的目标距离像进行人体目标检测,确定所述目标人体的距离单元;
对于所述M个通道中的每一个通道,根据所述目标人体的距离单元,从通道的目标距离像中确定所述目标人体的距离单元数据;对所述目标人体的距离单元数据依次进行相位解缠、相位差分以及带通滤波处理,得到所述目标人体的呼吸特征信号。
4.根据权利要求3所述的方法,其特征在于,所述对所述M个通道的目标距离像进行人体目标检测,确定所述目标人体的距离单元,包括:
对所述M个通道的目标距离像进行非相干积累,得到非相干积累后的数据;
基于排序统计的恒虚警率检测方法,从所述非相干积累后的数据中,确定所述目标人体的距离单元。
5.根据权利要求1所述的方法,其特征在于,所述根据所述互功率谱,确定所述目标人体的呼吸频率,包括:
在所述互功率谱上确定最大值;
以所述最大值在频率轴上对应的索引作为所述目标人体的呼吸频率。
6.根据权利要求1所述的方法,其特征在于,在所述向目标空间发射电磁波,并获取所述M个通道的回波信号之前,所述方法还包括:
接收电子设备的检测指令,所述检测指令用于指示检测呼吸频率。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
向电子设备发送呼吸检测信息,所述呼吸检测信息包括所述目标人体的呼吸频率。
8.根据权利要求1至7任一项所述的方法,其特征在于,所述电磁波为毫米波。
9.一种雷达设备,其特征在于,包括:
一个或多个处理器;
一个或多个存储器;
其中,所述一个或多个存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,当所述一个或多个处理器执行所述计算机指令时,所述雷达设备执行权利要求1至7任一项所述的呼吸检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括计算机执行指令,当所述计算机执行指令在计算机上运行时,使得所述计算机执行如权利要求1至7任一项所述的呼吸检测方法。
CN202111120333.4A 2021-09-24 2021-09-24 一种呼吸检测方法及装置 Pending CN113729674A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111120333.4A CN113729674A (zh) 2021-09-24 2021-09-24 一种呼吸检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111120333.4A CN113729674A (zh) 2021-09-24 2021-09-24 一种呼吸检测方法及装置

Publications (1)

Publication Number Publication Date
CN113729674A true CN113729674A (zh) 2021-12-03

Family

ID=78740715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111120333.4A Pending CN113729674A (zh) 2021-09-24 2021-09-24 一种呼吸检测方法及装置

Country Status (1)

Country Link
CN (1) CN113729674A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114190917A (zh) * 2021-12-07 2022-03-18 中国科学院苏州生物医学工程技术研究所 一种基于毫米波雷达的生命体征监测方法及系统
CN114305354A (zh) * 2021-12-31 2022-04-12 青岛海信日立空调系统有限公司 一种生命特征检测方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011019091A1 (ja) * 2009-08-13 2011-02-17 帝人ファーマ株式会社 呼吸波形情報の演算装置及び呼吸波形情報を利用した医療機器
WO2019122412A1 (en) * 2017-12-22 2019-06-27 Resmed Sensor Technologies Limited Apparatus, system, and method for health and medical sensing
CN110146876A (zh) * 2019-05-31 2019-08-20 湖南省顺鸿智能科技有限公司 基于信息熵进行人体目标定位的方法
CN110161491A (zh) * 2019-06-28 2019-08-23 电子科技大学 一种针对微弱生命体的测距和呼吸频率估计方法
WO2021174414A1 (zh) * 2020-03-03 2021-09-10 苏州七星天专利运营管理有限责任公司 微波识别方法及系统
CN113384264A (zh) * 2021-06-11 2021-09-14 森思泰克河北科技有限公司 基于雷达的呼吸频率检测方法及睡眠监测设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011019091A1 (ja) * 2009-08-13 2011-02-17 帝人ファーマ株式会社 呼吸波形情報の演算装置及び呼吸波形情報を利用した医療機器
WO2019122412A1 (en) * 2017-12-22 2019-06-27 Resmed Sensor Technologies Limited Apparatus, system, and method for health and medical sensing
CN110146876A (zh) * 2019-05-31 2019-08-20 湖南省顺鸿智能科技有限公司 基于信息熵进行人体目标定位的方法
CN110161491A (zh) * 2019-06-28 2019-08-23 电子科技大学 一种针对微弱生命体的测距和呼吸频率估计方法
WO2021174414A1 (zh) * 2020-03-03 2021-09-10 苏州七星天专利运营管理有限责任公司 微波识别方法及系统
CN113384264A (zh) * 2021-06-11 2021-09-14 森思泰克河北科技有限公司 基于雷达的呼吸频率检测方法及睡眠监测设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XINYUE ZHANG 等: "Contactless Simultaneous Breathing and Heart Rate Detections in Physical Activity Using IR-UWB Radars", 《MDPI》, vol. 21, no. 16, 4 September 2022 (2022-09-04), pages 1 - 18 *
吴若凡等: "一种基于自适应相关熵的生命探测方法", 《雷达科学与技术》, 15 August 2020 (2020-08-15), pages 351 - 358 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114190917A (zh) * 2021-12-07 2022-03-18 中国科学院苏州生物医学工程技术研究所 一种基于毫米波雷达的生命体征监测方法及系统
CN114305354A (zh) * 2021-12-31 2022-04-12 青岛海信日立空调系统有限公司 一种生命特征检测方法及装置
CN114305354B (zh) * 2021-12-31 2024-08-23 青岛海信日立空调系统有限公司 一种生命特征检测方法及装置

Similar Documents

Publication Publication Date Title
CN112014837B (zh) 一种基于毫米波雷达的体征无接触式智能监测系统
CN108652601B (zh) 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
CN113854990B (zh) 一种心跳检测方法及装置
US7679545B2 (en) Suppressing motion interference in a radar detection system
Chia et al. Through-wall UWB radar operating within FCC's mask for sensing heart beat and breathing rate
CN113729674A (zh) 一种呼吸检测方法及装置
US20130222172A1 (en) Determining penetrability of a barrier
CN111505631A (zh) 基于lfmcw雷达的心率估计算法
KR20160105178A (ko) 침입자 탐지 장치 및 방법
Zhang et al. An experimental study to optimize the stepped-frequency continuous-wave radar parameters for noncontact multi-target vital sign monitoring
Shirodkar et al. Heart-beat detection and ranging through a wall using ultra wide band radar
US7339519B2 (en) Methods and apparatus for target radial extent determination using deconvolution
EP3335056B1 (en) Coupled radar
CN113281740B (zh) 一种超宽带多普勒雷达生命探测系统
CN114509749A (zh) 一种室内定位检测系统及方法
Zhao et al. Multi-target vital signs remote monitoring using mmWave FMCW radar
Xue et al. Accurate multi-target vital signs detection method for FMCW radar
KR102122758B1 (ko) 생체신호 측정용 레이더에서 레이더 수집신호의 랜덤노이즈 제거방법 및 그 장치
CN209946381U (zh) 一种隧道安全距测量系统
CN114305354B (zh) 一种生命特征检测方法及装置
KR101007406B1 (ko) 광대역 선형 주파수 변조 파형에 기반한 레이더 영상 데이터의 해상도 향상 장치 및 방법
CN114280568A (zh) 墙体的轮廓识别方法及装置
CN115792884A (zh) 一种基于fmcw雷达的人员检测系统及方法
Abdul-Atty et al. C-band FMCW radar design and implementation for breathing rate estimation
Liang et al. An accelerated algorithm for detecting micro-moving objects of radar life detector of smart campus based on block data analysis

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