CN113768483B - 一种基于毫米波雷达的hrv信号提取方法及设备 - Google Patents
一种基于毫米波雷达的hrv信号提取方法及设备 Download PDFInfo
- Publication number
- CN113768483B CN113768483B CN202111075111.5A CN202111075111A CN113768483B CN 113768483 B CN113768483 B CN 113768483B CN 202111075111 A CN202111075111 A CN 202111075111A CN 113768483 B CN113768483 B CN 113768483B
- Authority
- CN
- China
- Prior art keywords
- signal
- heartbeat period
- heartbeat
- millimeter wave
- preset
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 33
- 238000001914 filtration Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000012216 screening Methods 0.000 claims abstract description 6
- 230000033001 locomotion Effects 0.000 claims description 14
- 210000000038 chest Anatomy 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 210000000115 thoracic cavity Anatomy 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 230000007774 longterm Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000000241 respiratory effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- 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
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Power Engineering (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请公开了一种基于毫米波雷达的HRV信号提取方法及设备，用以解决现有的HRV信号提取方法无法对使用者进行非接触长期监测的技术问题。方法包括：采集人体在睡眠状态下的雷达回波数据，并对所述雷达回波数据进行处理，得到所述人体的生命体征信号；其中，所述雷达回波数据是通过毫米波雷达作用于所述人体得到的；基于第一预设滤波器对所述生命体征信号进行滤波，得到第一滤波信号，以及基于第二预设滤波器对所述生命体征信号进行滤波，得到第二滤波信号；通过第一预设算法对所述第一滤波信号进行心跳周期划分，得到心跳周期信号；通过第二预设算法，利用所述第二滤波信号对所述心跳周期信号进行筛选得到HRV信号。
Description
技术领域
本申请涉及雷达信号处理和生物医学工程处理技术领域，尤其涉及一种基于毫米波雷达的HRV信号提取方法及设备。
背景技术
随着医疗技术水平的不断提高，现代人越来越关注自己的健康。心脏是人体最重要的器官之一，正常人的心率不是绝对规则的，心率变异性(Heart Rate Variability，HRV)信号描述了心率节奏快慢随时间所发生的变化，通过对HRV信号的分析可获得控制心脏节律的神经系统的有关信息，对心血管疾病早期诊断、病中监护、预后评估等具有重要意义。
传统的HRV信号获取方式主要是接触式的，通过导联电极从使用者或者病人胸前测量心电信号，但这种方式极容易引起使用者或者病人的不适，不便于对其进行长期的监测。
发明内容
本申请实施例提供了一种基于毫米波雷达的HRV信号提取方法及设备，用以解决现有的HRV信号获取方法无法实现对使用者或者病人通过非接触的方式进行长期监测的技术问题。
一方面，本申请实施例提供了一种基于毫米波雷达的HRV信号提取方法，所述方法包括：采集人体在睡眠状态下的雷达回波数据，并对所述雷达回波数据进行处理，得到所述人体的生命体征信号；其中，所述雷达回波数据是通过毫米波雷达作用于所述人体得到的；基于第一预设滤波器对所述生命体征信号进行滤波，得到第一滤波信号，以及基于第二预设滤波器对所述生命体征信号进行滤波，得到第二滤波信号；通过第一预设算法对所述第一滤波信号进行心跳周期划分，得到心跳周期信号；通过第二预设算法，利用所述第二滤波信号对所述心跳周期信号进行筛选，得到HRV信号。
在本申请实施例的一种可能实现方式中，所述通过第一预设算法对所述第一滤波信号进行心跳周期划分，具体包括：将所述第一滤波信号的起始时刻作为待划分信号的起始时刻；基于所述起始时刻以及预设信号处理长度，在所述第一滤波信号中截取所述待划分信号；对所述待划分信号进行自相关处理，得到自相关信号；在预设的最小心跳周期以及最大心跳周期对应的时间段内，确定所述自相关信号的幅值最大值；将所述幅值最大值对应的时间点确定为所述待划分信号对应的心跳周期。
在本申请实施例的一种可能实现方式中，在确定所述待划分信号对应的心跳周期之后，所述方法还包括：将所述待划分信号的终止时刻，作为下一次心跳周期划分的待划分信号的起始时刻；其中，所述待划分信号的终止时刻为所述待划分信号的起始时刻与所述待划分信号对应的心跳周期之和对应的时间点；重复执行上述过程，直至无法截取到满足所述预设信号处理长度的待划分信号，得到所述第一滤波信号对应的若干心跳周期；将所述若干心跳周期在所述第一滤波信号上进行标记，得到所述心跳周期信号。
在本申请实施例的一种可能实现方式中，所述预设信号处理长度为所述最大心跳周期的2倍。
在本申请实施例的一种可能实现方式中，所述通过第二预设算法，利用所述第二滤波信号对所述心跳周期信号进行筛选，具体包括：在第k次心跳周期划分使用的待划分信号的起始时刻tk-1与终止时刻tk对应的时间段内，确定所述第二滤波信号的幅值最大值ak与幅值最小值bk；以及，在第k+1次心跳周期划分使用的待划分信号的起始时刻tk与终止时刻tk+1对应的时间段内，确定所述第二滤波信号的幅值最大值ak+1与幅值最小值bk+1；通过以下公式，对所述第k次心跳周期划分进行有效性检测：|ak-ak+1|/(ak+ak+1-bk-bk+1)
|bk-bk+1|/(ak+ak+1-bk-bk+1)。
在本申请实施例的一种可能实现方式中，对所述第k次心跳周期划分进行有效性检测，具体包括：在|ak-ak+1|/(ak+ak+1-bk-bk+1)的值小于第一预设阈值，且|bk-bk+1|/(ak+ak+1-bk-bk+1)的值小于第二预设阈值的情况下，确定所述第k次心跳周期划分有效，并保留所述第k次心跳周期划分得到的心跳周期；以及，在|ak-ak+1|/(ak+ak+1-bk-bk+1)的值大于或等于第一预设阈值，和/或|bk-bk+1|/(ak+ak+1-bk-bk+1)的值大于或等于第二预设阈值的情况下，确定所述第k次心跳周期划分无效，并剔除所述第k次心跳周期划分得到的心跳周期。
在本申请实施例的一种可能实现方式中，所述第一预设滤波器与所述第二预设滤波器均采用FIR滤波器；以及，所述第一预设滤波器的阶数与所述第二滤波器的阶数相同，且所述第一滤波器的通带范围包含所述第二滤波器的通带范围。
在本申请实施例的一种可能实现方式中，对所述雷达回波数据进行处理，得到所述人体的生命体征信号，具体包括：对所述雷达回波数据进行体动检测，以将所述雷达回波数据划分为体动段数据与平稳段数据；在所述平稳段数据中，确定所述人体胸腔对应的距离门；其中，所述距离门用于指示所述人体胸腔与所述毫米波雷达之间的距离信息；基于所述距离门，在所述平稳段数据中提取原始相位信号；其中，所述原始相位信号用于指示时间与所述距离门相位角之间的对应关系；对所述原始相位信号进行解缠绕处理，得到所述人体的生命体征信号。
在本申请实施例的一种可能实现方式中，所述毫米波雷达安装于所述人体所在床位的床头中心正上方墙壁上，且与所述床位的床面之间的距离为1米；所述毫米波雷达发射的雷达波束指向所述人体的胸腔位置。
另一方面，本申请实施例还提供了一种基于毫米波雷达的HRV信号提取设备，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能够被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一实施方式所述的一种基于毫米波雷达的HRV信号提取方法。
本申请实施例提供的一种基于毫米波雷达的HRV信号提取方法及设备，至少具有以下有益效果：
通过毫米波雷达发射的雷达波束作用于人体采集雷达回波信号，并基于该雷达回波信号进行HRV信号的提取，实现了在不接触人体的情况下探测人体的生命体征数据，避免了引起使用者或者病人的不适，十分适合连续长期的对使用者或者病人进行监测。另外，通过两个滤波器对生命体征信号进行滤波，并基于滤波得到的滤波信号对生命体征信号进行心跳周期划分以及筛选，进而提取到最终的HRV信号，良好地抑制了人体呼吸信号对HRV信号提取的不良影响，并且保证了提取的HRV信号的有效性及准确性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种基于毫米波雷达的HRV信号提取方法流程图；
图2为本申请实施例提供的一种毫米波雷达安装位置示意图；
图3为本申请实施例提供的一种生命体征信号波形示意图；
图4为本申请实施例提供的一种心跳周期划分结果示意图；
图5为本申请实施例提供的一种基于毫米波雷达的HRV信号提取设备内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供了一种基于毫米波雷达的HRV信号提取方法及设备，通过对雷达回波数据进行处理得到被测人员的生命体征信号，然后基于该生命体征信号通过两个通带范围不同的滤波器进行滤波得到滤波信号；基于较宽通带范围滤波器对应的滤波信号进行心跳周期划分，然后基于较窄通带范围的滤波器对应的滤波信号进行心跳周期的筛选，以此得到最终提取的HRV信号，实现了非接触式的HRV信号提取过程，能够对被测人员进行长期且连续的监测，并且能够保证提取的HRV信号的有效性及准确性。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种基于毫米波雷达的HRV信号提取方法流程图。需要说明的是，本申请实施例中的HRV信号提取方法，其执行主体可以是具有数据处理功能的计算机设备或者服务器。如图1所示，本申请实施例提供的HRV信号提取方法，主要包括以下实现过程：
步骤101、采集人体在睡眠状态下的雷达回波数据，并对所述雷达回波数据进行处理，得到所述人体的生命体征信号。
本申请实施例中提供的HRV信号提取方法，首先是通过毫米波雷达作用于被测人员的人体，采集到人体的雷达回波数据。需要说明的是，在进行雷达回波数据采集时，被测人员最好是处于睡眠状态下的，因为睡眠状态下的人体的呼吸信号较为平稳，且心跳也较为平稳，对提取HRV信号的影响较弱。
图2为本申请实施例提供的一种毫米波雷达安装位置示意图。如图2所示，毫米波雷达安装于墙壁上，具体安装于被测人员所处床位的床头正上方，且使毫米波雷达的雷达波束指向被测人员的胸腔位置。在本申请的一个或多个实施例中，将毫米波雷达距床面的高度设置为1米，此时能够保证有较多的毫米波雷达发射的雷达波束作用于被测人员的胸腔位置。
进一步地，本申请实施例中的毫米波雷达发射的是调频连续波FMCW信号。且在本申请实施例中，将一个周期内的FMCW信号称为一个Chirp，信号调制方式为锯齿波，Chirp周期为TChirp秒，连续发射的N个Chirp组成一帧，帧周期为Tframe秒。即本申请实施例中的毫米波雷达的发射信号或者雷达回波数据中，包含若干个帧，每个帧内包含N个Chirp，且一个Chirp就是一个周期内的FMCW信号。
在上述安装方式以及上述信号发射方式下，将接收到的毫米波雷达的回波信号与发射信号进行混频处理得到差频信号，然后对该差频信号进行高通滤波、低噪声放大以及ADC采样处理，最终得到数字化的雷达回波数据。需要说明的是，上述高通滤波、低噪声放大以及ADC采样处理均可以通过现有设备或者现有算法实现，本申请实施例在此不作赘述。
在采集到被测人员在睡眠状态下的雷达回波数据之后，继续对该雷达回波数据进行处理，以得到被测人员的生命体征信号。具体地，首先对采集到的雷达回波数据进行体动检测，以将雷达回波数据划分为体动段数据与平稳段数据；然后，通过在平稳段数据中，确定被测人员的胸腔对应的距离门，并基于该距离门在上述平稳段数据中提取原始相位信号；最后，对提取到的原始相位信号进行解缠绕处理，该解缠绕处理后得到的相位信号即为所述生命体征信号，其中包含了与被测人员心脏活动有关的信息。需要说明的是，上述距离门指示的是毫米波雷达与被测人员胸腔之间的距离信息，上述原始相位信号指示的是时间与距离门相位角之间的对应关系。
在本申请的一个或多个实施例中，将采集到的雷达回波数据通过体动检测划分为体动段数据与平稳段数据，可以通过以下方式实现：首先，以Chirp为处理单位，对采集到的雷达回波数据进行去直流处理以及FFT变换处理，得到距离维复信号。需要说明的是，该距离维复信号的横轴指示的是距离信息，纵轴指示的是FFT变换后的复信号。其次，对于每帧内的N个距离维复信号进行慢时间去直流，即以距离门为处理单位，对每个距离门对应的N个复信号进行去直流处理；然后利用去直流之后的距离维复信号得到当前帧时刻监测距离范围内的功率值；其具体方式为：对N个去直流之后的距离维复信号(一帧内的N个距离维复信号)截取毫米波雷达监测距离范围内的部分并作功率累加，该累加值作为当前帧时刻监测距离范围内的功率值。再次，采用滑窗检测的方式进行体动检测，具体方式为：分别计算当前滑窗窗口内左半侧的平均功率与右半侧的平均功率，当两侧平均功率存在较大差异时认为当前滑窗窗口内存在体动，否则认为当前滑窗窗口内被测人员处于平稳状态。例如，将滑窗窗口的时间设置为10s，然后将该滑窗窗口在上述功率信号(横轴为帧时刻，纵轴为该帧时刻对应的监测距离范围内的功率值)上进行移动，并且计算该滑窗窗口左侧5s对应的平均功率以及计算该滑窗窗口右侧5s对应的平均功率。最后，基于上述体动检测结果，将雷达回波数据划分为平稳段数据与体动段数据。
进一步地，在上述平稳段数据中提取包含生命体征信息的原始相位信号，可以利用平稳段数据每帧的第一个Chirp对应的距离维复信号实现，其具体的实现方式为：首先沿每帧的时间维去除距离维复信号中的静态杂波；然后沿每帧的距离维寻找毫米波雷达监测距离范围内的功率最强点，并将该功率最强点所对应的距离门(指示的是毫米波雷达与被测人员胸腔之间的距离信息)作为提取生命体征信号的备选距离门。为了保证所选择的生命体征信号的提取距离门的可靠性，本申请实施例中使用中值滤波对一段时间窗口内的备选距离门进行平滑，将平滑结果作为最终的生命体征信号的提取距离门，并且按固定时间间隔对生命体征信号的提取距离门信息进行更新。最后，提取每帧第一个Chirp对应的距离维复信号中的距离门相位角，进而得到包含生命体征信息的原始相位信号。
更进一步地，本申请实施例中对原始相位信号进行的解缠绕处理，可以通过现有设备或者现有算法实现，本申请实施例在此不作赘述。
至此，得到被测人员的生命体征信号。图3为本申请实施例提供的一种生命体征信号波形示意图。如图3所示，本申请实施例中的生命体征信号波形横轴表示的是时间，纵轴表示的是相位角。
步骤102、基于第一预设滤波器对所述生命体征信号进行滤波，得到第一滤波信号，以及基于第二预设滤波器对所述生命体征信号进行滤波，得到第二滤波信号。
由于人体呼吸运动引起的胸腔位移远大于心跳运动引起的胸腔位移，这就使得提取的生命体征信号中呼吸信号的能量远大于心跳信号。因此，为了抑制呼吸信号对HRV信号提取的不利影响，本申请实施例中需要对生命体征信号进行滤波处理。具体地，本申请实施例中分别使用两个FIR滤波器对上述生命体征信号进行滤波处理，得到第一滤波信号和第二滤波信号。其中，第一预设滤波器得到的是第一滤波信号，第二预设滤波器得到的是第二滤波信号。
在本申请的一个或者多个实施例中，第一预设滤波器与第二预设滤波器具有相同的阶数，不同的通带范围。且，第一预设滤波器的通带范围包含第二预设滤波器的通带范围。例如，第一预设滤波器的通带范围设置为0.7Hz～10.0Hz，第二预设滤波器的通带范围设置为0.7Hz～2.0Hz。
步骤103、通过第一预设算法对所述第一滤波信号进行心跳周期划分，得到心跳周期信号。
在通过上述步骤得到第一滤波信号之后，通过第一预设算法对该第一滤波信号进行心跳周期划分，得到心跳周期信号。在本申请的一个或者多个实施例中，上述第一预设算法可以采用自相关法，即利用自相关法实现第一滤波信号的心跳周期划分过程。
具体地，首先，设定最小心跳周期Tmin、最大心跳周期Tmax以及自相关的信号处理长度Tcor。本申请实施例中设定的最小心跳周期为0.45秒，设定的最大心跳周期为2秒，以及设定的自相关信号处理长度为2倍的最大心跳周期即4秒。然后，将第一滤波信号的起始时刻作为待划分信号的起始时刻，基于该起始时刻与设定的自相关信号处理长度，在第一滤波信号中截取待划分信号。例如，第一滤波信号的起始时刻为0s，此时截取的带划分信号的长度即为0～4s内的第一滤波信号。其次，对待划分信号进行自相关处理，得到自相关信号；并通过设定的最小心跳周期与最大心跳周期确定该自相关信号的幅值最大值；最后，将上述幅值最大值对应的时间点，确定为该待划分信号对应的心跳周期。
进一步地，在上述待划分信号划分完成之后，将确定出的心跳周期与起始时刻之和作为该待划分信号的终止时刻；然后将该终止时刻作为下一次心跳周期划分所使用的待划分信号的起始时刻，重复执行上述自相关等过程，直至无法截取到满足所述预设信号处理长度的待划分信号，此时完成第一滤波信号的心跳周期划分过程。在上述过程中会得到若干个心跳周期，将这若干个心跳周期在第一滤波信号上进行标记，得到心跳周期信号。
例如，假设第k次心跳周期划分的起始时刻为tk-1，截取第一滤波信号S1(t)中tk-1至tk-1+Tcor时段的信号做自相关，得到自相关信号Scor(v)，其中，0≤v≤Tcor。然后，对自相关信号Scor(v)中Tmin至Tmax时段的信号求幅值最大值，并将该幅值最大值对应的时间点作为本次估计的心跳周期Tk。进一步地，确定第k次心跳周期划分的结束时刻为tk＝tk-1+Tk，第k+1次心跳周期划分的起始时刻为tk，重复执行以上过程得到逐次心跳周期划分序列X＝[t0，...tk，...tK]和逐次心跳周期信号Y＝[T1，...Tk，...TK]，其中，t0为心跳周期划分的起始时刻，K为总的心跳周期划分次数。
图4为本申请实施例提供的一种心跳周期划分结果示意图。如图4所示，心跳周期信号的横轴指示的是时间，纵轴指示的是相位角。且在图4中，虚线指示的第一滤波信号(经通带范围0.7Hz～10.0Hz的第一预设滤波器所得)，实线指示的第二滤波信号(经通带范围0.7Hz～2.0Hz的第二预设滤波器所得)，星号表示的是心跳周期划分结果。由图4可以看出，心跳周期划分结果是将各个待划分信号对应的心跳周期以星号的形式在第一滤波信号上标记出来的，即心跳周期信号。
步骤104、通过第二预设算法，利用所述第二滤波信号对所述心跳周期信号进行筛选，得到HRV信号。
为了保证所提取的HRV信号的有效性，本申请实施例中还会利用第二滤波信号对上述心跳周期划分进行筛选，得到最终的HRV信号。
具体地，对于第k次心跳周期划分，对第二滤波信号S2(t)中tk-1至tk时间段内的信号求幅值最大值ak与幅值最小值bk；以及，对于第k+1次心跳周期划分，对第二滤波信号S2(t)中tk至tk+1时间段内的信号求幅值最大值ak+1与幅值最小值bk+1。然后，利用上述结果，通过|ak-ak+1|/(ak+ak+1-bk-bk+1)与|bk-bk+1|/(ak+ak+1-bk-bk+1)对第k次心跳周期划分的有效性进行检测；具体地，在|ak-ak+1|/(ak+ak+1-bk-bk+1)的值小于第一预设阈值，且|bk-bk+1|/(ak+ak+1-bk-bk+1)的值小于第二预设阈值的情况下，认为第k次心跳周期划分有效，此时保留第k次心跳周期划分得到的心跳周期。否则，则认为第k次心跳周期划分无效，此时剔除第k次心跳周期划分得到的心跳周期。
进一步地，重复执行上述过程，对所有心跳周期划分进行筛选，并记录所有有效的心跳周期划分对应的心跳周期，得到筛选后的心跳周期信号Z＝[R1，...，Rm，...，RM]，其中，Rm表示筛选出的第m个有效的心跳周期数值，M为筛选出的有效心跳周期数目，Z即为本申请实施例所提取的睡眠心率变异性信号即HRV信号。
以上为本申请实施例中的方法实施例，基于同样的发明构思，本申请实施例还提供了一种基于毫米波雷达的HRV信号提取设备，其内部结构如图5所示。
图5为本申请实施例提供的一种基于毫米波雷达的HRV信号提取设备内部结构示意图。如图5所示，设备包括：
至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有能够被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行：
采集人体在睡眠状态下的雷达回波数据，并对雷达回波数据进行处理，得到人体的生命体征信号；
基于第一预设滤波器对生命体征信号进行滤波，得到第一滤波信号，以及基于第二预设滤波器对生命体征信号进行滤波，得到第二滤波信号；
通过第一预设算法对第一滤波信号进行心跳周期划分，得到心跳周期信号；
通过第二预设算法，利用第二滤波信号对心跳周期信号进行筛选得到HRV信号。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (6)
1.一种基于毫米波雷达的HRV信号提取方法，其特征在于，所述方法包括：
采集人体在睡眠状态下的雷达回波数据，并对所述雷达回波数据进行处理，得到所述人体的生命体征信号；其中，所述雷达回波数据是通过毫米波雷达作用于所述人体得到的；
基于第一预设滤波器对所述生命体征信号进行滤波，得到第一滤波信号，以及基于第二预设滤波器对所述生命体征信号进行滤波，得到第二滤波信号；其中，所述第一预设滤波器与所述第二预设滤波器均采用FIR滤波器；以及，所述第一预设滤波器的阶数与所述第二预设滤波器的阶数相同，且所述第一预设滤波器的通带范围包含所述第二预设滤波器的通带范围；
通过第一预设算法对所述第一滤波信号进行心跳周期划分，得到心跳周期信号；
通过第二预设算法，利用所述第二滤波信号对所述心跳周期信号进行筛选，得到HRV信号；
所述通过第二预设算法，利用所述第二滤波信号对所述心跳周期信号进行筛选，具体包括：
在第k次心跳周期划分使用的待划分信号的起始时刻与终止时刻/>对应的时间段内，确定所述第二滤波信号的幅值最大值/>与幅值最小值/>；
以及，在第k+1次心跳周期划分使用的待划分信号的起始时刻与终止时刻/>对应的时间段内，确定所述第二滤波信号的幅值最大值/>与幅值最小值/>；
通过以下公式，对所述第k次心跳周期划分进行有效性检测：
；
对所述第k次心跳周期划分进行有效性检测，具体包括：
在的值小于第一预设阈值，且
的值小于第二预设阈值的情况下，确定所述第k次心跳周期划分有效，并保留所述第k次心跳周期划分得到的心跳周期；
以及，在的值大于或等于第一预设阈值，和/或/>的值大于或等于第二预设阈值的情况下，确定所述第k次心跳周期划分无效，并剔除所述第k次心跳周期划分得到的心跳周期；
所述通过第一预设算法对所述第一滤波信号进行心跳周期划分，具体包括：
S1：将所述第一滤波信号的起始时刻作为第一待划分信号的起始时刻；
S2：基于所述起始时刻以及预设信号处理长度，在所述第一滤波信号中截取所述第一待划分信号；
S3：对所述第一待划分信号进行自相关处理，得到自相关信号；
S4：在预设的最小心跳周期以及最大心跳周期对应的时间段内，确定所述自相关信号的幅值最大值；
S5:将所述幅值最大值对应的时间点确定为所述第一待划分信号对应的心跳周期。
2.根据权利要求1所述的一种基于毫米波雷达的HRV信号提取方法，其特征在于，在确定所述待划分信号对应的心跳周期之后，所述方法还包括：
S6:将所述第一待划分信号的终止时刻，作为下一次心跳周期划分的第二待划分信号的起始时刻；其中，所述第一待划分信号的终止时刻为所述第一待划分信号的起始时刻与所述第一待划分信号对应的心跳周期之和对应的时间点；
S7:重复执行上述S2-S6的过程，直至无法截取到满足所述预设信号处理长度的待划分信号，得到所述第一滤波信号对应的若干心跳周期；
S8:将所述若干心跳周期在所述第一滤波信号上进行标记，得到所述心跳周期信号。
3.根据权利要求1所述的一种基于毫米波雷达的HRV信号提取方法，其特征在于，所述预设信号处理长度为所述最大心跳周期的2倍。
4.根据权利要求1所述的一种基于毫米波雷达的HRV信号提取方法，其特征在于，对所述雷达回波数据进行处理，得到所述人体的生命体征信号，具体包括：
对所述雷达回波数据进行体动检测，以将所述雷达回波数据划分为体动段数据与平稳段数据；
在所述平稳段数据中，确定所述人体胸腔对应的距离门；其中，所述距离门用于指示所述人体胸腔与所述毫米波雷达之间的距离信息；
基于所述距离门，在所述平稳段数据中提取原始相位信号；其中，所述原始相位信号用于指示时间与所述距离门相位角之间的对应关系；
对所述原始相位信号进行解缠绕处理，得到所述人体的生命体征信号。
5.根据权利要求4所述的一种基于毫米波雷达的HRV信号提取方法，其特征在于，所述毫米波雷达安装于所述人体所在床位的床头中心正上方墙壁上，且与所述床位的床面之间的距离为1米；
所述毫米波雷达发射的雷达波束指向所述人体的胸腔位置。
6.一种基于毫米波雷达的HRV信号提取设备，其特征在于，所述设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有能够被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据权利要求1-5任一项所述的一种基于毫米波雷达的HRV信号提取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111075111.5A CN113768483B (zh) | 2021-09-14 | 2021-09-14 | 一种基于毫米波雷达的hrv信号提取方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111075111.5A CN113768483B (zh) | 2021-09-14 | 2021-09-14 | 一种基于毫米波雷达的hrv信号提取方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113768483A CN113768483A (zh) | 2021-12-10 |
| CN113768483B true CN113768483B (zh) | 2023-12-29 |
Family
ID=78843552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111075111.5A Active CN113768483B (zh) | 2021-09-14 | 2021-09-14 | 一种基于毫米波雷达的hrv信号提取方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113768483B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116548939A (zh) * | 2023-07-04 | 2023-08-08 | 贵州省人民医院 | 一种急危重症患者智能监测方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108283489A (zh) * | 2017-12-16 | 2018-07-17 | 湖南明康中锦医疗科技发展有限公司 | 睡眠呼吸系统及方法 |
| CN108833085A (zh) * | 2018-04-04 | 2018-11-16 | 深圳大学 | 一种基于心跳信号的可穿戴智能设备配对方法及系统 |
| CN112190241A (zh) * | 2020-10-16 | 2021-01-08 | 北京清雷科技有限公司 | 心跳呼吸检测方法及装置 |
| CN113116342A (zh) * | 2021-04-26 | 2021-07-16 | 上海交通大学 | 一种基于毫米波雷达的生命信号监测方法 |
| CN113288058A (zh) * | 2021-05-27 | 2021-08-24 | 北京清雷科技有限公司 | 信号处理方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019232695A1 (zh) * | 2018-06-05 | 2019-12-12 | 深圳迈瑞生物医疗电子股份有限公司 | 一种基于运动传感器的生理参数优化方法及监护装置 |
-
2021
- 2021-09-14 CN CN202111075111.5A patent/CN113768483B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108283489A (zh) * | 2017-12-16 | 2018-07-17 | 湖南明康中锦医疗科技发展有限公司 | 睡眠呼吸系统及方法 |
| CN108833085A (zh) * | 2018-04-04 | 2018-11-16 | 深圳大学 | 一种基于心跳信号的可穿戴智能设备配对方法及系统 |
| CN112190241A (zh) * | 2020-10-16 | 2021-01-08 | 北京清雷科技有限公司 | 心跳呼吸检测方法及装置 |
| CN113116342A (zh) * | 2021-04-26 | 2021-07-16 | 上海交通大学 | 一种基于毫米波雷达的生命信号监测方法 |
| CN113288058A (zh) * | 2021-05-27 | 2021-08-24 | 北京清雷科技有限公司 | 信号处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113768483A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jezewski et al. | A novel technique for fetal heart rate estimation from Doppler ultrasound signal | |
| US7729753B2 (en) | Automated analysis of a cardiac signal based on dynamical characteristics of the cardiac signal | |
| US9585582B2 (en) | Method and system to fully-automatically measure the ST-segment level of electrocardiograms in real-time ECG monitoring | |
| JP6310401B2 (ja) | 生理的リズムを表す信号を処理する方法、システム及びコンピュータプログラム | |
| US20150150515A1 (en) | Respiration rate extraction from cardiac signals | |
| Tadi et al. | Seismocardiography: Toward heart rate variability (HRV) estimation | |
| Das et al. | Real time heart rate detection from PPG signal in noisy environment | |
| van Gent et al. | Heart rate analysis for human factors: Development and validation of an open source toolkit for noisy naturalistic heart rate data | |
| CN114305364B (zh) | 基于毫米波雷达的血压检测方法、系统及设备 | |
| Song et al. | New real-time heartbeat detection method using the angle of a single-lead electrocardiogram | |
| CN113768483B (zh) | 一种基于毫米波雷达的hrv信号提取方法及设备 | |
| Illanes-Manriquez et al. | An algorithm for robust detection of QRS onset and offset in ECG signals | |
| Hasan et al. | Fetal electrocardiogram extraction and R-peak detection for fetal heart rate monitoring using artificial neural network and Correlation | |
| Xie et al. | Heart rate estimation from ballistocardiography based on hilbert transform and phase vocoder | |
| Choudhary et al. | Orthogonal subspace projection based framework to extract heart cycles from SCG signal | |
| Foroozan et al. | Robust beat-to-beat detection algorithm for pulse rate variability analysis from wrist photoplethysmography signals | |
| Chang et al. | Variations of HRV analysis in different approaches | |
| Ahlstrom et al. | A method for accurate localization of the first heart sound and possible applications | |
| WO2018045499A1 (zh) | 一种兼具呼吸波采集的脉搏波诊断系统 | |
| van Duijvenboden et al. | Pulse arrival time and pulse interval as accurate markers to detect mechanical alternans | |
| Reklewski et al. | Real time ECG R-peak detection by extremum sampling | |
| Xie et al. | Heart rate estimation from ballistocardiogram using hilbert transform and viterbi decoding | |
| Lee et al. | Towards higher accuracy and better noise-tolerance for fetal heart rate monitoring using Doppler ultrasound | |
| CN209733969U (zh) | 一种脉搏波传播时间的测量设备 | |
| Szczepański et al. | A new method for ECG signal feature extraction |
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 |