CN113786175A - 一种基于n次差时强体征信息提取的超宽带雷达回波信号处理方法和装置 - Google Patents
一种基于n次差时强体征信息提取的超宽带雷达回波信号处理方法和装置 Download PDFInfo
- Publication number
- CN113786175A CN113786175A CN202110937399.6A CN202110937399A CN113786175A CN 113786175 A CN113786175 A CN 113786175A CN 202110937399 A CN202110937399 A CN 202110937399A CN 113786175 A CN113786175 A CN 113786175A
- Authority
- CN
- China
- Prior art keywords
- echo signal
- extraction
- ultra
- wideband radar
- radar echo
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/02—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
-
- 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
- A61B5/08—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
- A61B5/7203—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
- A61B5/7235—Details of waveform analysis
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Pulmonology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Radar Systems Or Details Thereof (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本公开关于一种基于N次差时强体征信息提取的超宽带雷达回波信号处理方法和装置。根据所述方法，对包含在超宽带雷达回波信号中的噪声性质进行分析；根据分析的结果对回波信号进行预处理；以及对经预处理的回波信号，进行N次差时提取，获得N组体征信息，并且对获取的N组体征信息进行FFT变换，提取出呼吸频率和心跳频率根据本公开的方法和装置，确定N＝16为最佳提取次数。经过试验发现，16次差时提取在静止目标与微动目标的呼吸和心跳频率提取上更具有稳定性。
Description
技术领域
本公开涉及目标探测领域，尤其涉及基于N次差时强体征信息提取的超宽带(Ultra-Wideband Radar，UWB)雷达回波信号处理。
背景技术
通常，在地震、坍塌、建筑物倒塌下的废墟救援中，在消防、市政、矿山救护、反恐等机构中，在诸如反馈塌陷的建筑物、深井、矿井等的有限空间及常规方法救援人员难以接近的救援工作中，以及在养老院、医院中，等等，都需要对人体目标进行探测和定位。然而，在对人体目标进行探测和定位过程中，生命体征信号被大量背景杂波和环境噪声淹没，信噪比过低导致无法直接识别人类目标。因此，要实现人类目标探测，就要通过消除背景杂波、提升信噪比等处理提取出生命体征信号。
图1示出了使用UWB雷达进行生命探测的原理图。在图1中，UWB雷达探测仪对人体胸腔进行测试，在探测仪和被测人体之间设置有墙体。该探测仪到人体胸腔前壁的距离为d0，到人体胸腔后壁的距离为d，因而从探测仪出发经过人体胸腔前后壁再返回探测仪的信号路径距离之差为Δd＝2(d-d0)。在这种情况下进行的生命特征信号测量，由于存在复杂噪声干扰，回波信号生命体征信息较弱，并且被测目标微动导致的体征信息可能丢失。
现有技术中存在各种方案来对生命体征信号进行提取，例如，采用N次峰值捕捉的生命体征监测方法可以滤除杂波和噪声，提取出呼吸频率并抑制了其高次谐波；还利用周期抽样叠加的超宽带雷达信号处理方法，将人体频率信息转移到基带，避免了因频谱分散导致的信息损耗；在使用奇异值分解来消除生命信号中的噪声的方法中，采用FFT和Hilbert-Huang变换提取出了生命体征；也可以采用经验模态分解(Empirical modedecomposition，EMD)对雷达回波信号进行分解，筛选出合适的模态分量对呼吸和心跳信号进行重构。
然而，在这些现有技术的体征提取方法中，提取的依据均为含有生命体征的单一慢时间切片。但是，在复杂的噪声干扰情况下，单一的慢时间切片中包含的生命体征较弱，很难被提取，或者因为其他的外部原因引起的受困者身体微动，使选择的基准切片含有的体征信息缺失，更无法准确的获得受困者的体征信息。
发明内容
为此，本发明提出一种基于N次差时强体征信息提取的超宽带(UWB)雷达回波信号处理方法和装置。本发明的技术方案是这样实现的：进行体征提取时，将N次提取的体征信息进行FFT变换，分别在呼吸频率范围内寻找峰值，记录对应频率以及幅值，将得到的N次结果融合，确定出现峰值次数最多的频率为呼吸频率，若多个频率处的峰值次数相同，且均为最大次数，选择所有备选频率对应平均幅值最大的作为最终频率，若平均幅值依然相同，则将对应频率取平均值。按照如上方法即可以确定受困者的呼吸频率，将搜索范围改为心跳的频率范围，即可完成心跳频率的提取。
根据本公开的第一方面，提供一种基于N次差时强体征信息提取的超宽带雷达回波信号处理方法，包括：对包含在超宽带雷达回波信号中的噪声性质进行分析；根据分析的结果对回波信号进行预处理；以及对经预处理的回波信号，进行N次差时提取，获得N组体征信息，并且对获取的N组体征信息进行FFT变换，提取出呼吸频率和心跳频率，其中，所述N次差时提取包括：1)根据回波信号能量，确定初次采样慢时间切片位置以及搜索区域，在该切片的前2秒内，均匀选取N个提取起始点；2)开始第一次搜索，初始化n＝1；3)选择第n个起始点开始生命体征提取；4)以2秒为步长，向后提取对应区域的最强体征信息，更新下次提取基准点以及搜索区域，直到完成该次信号提取过程；5)如果n＝N，则进行步骤6)，否则n＝n+1，重新进行步骤3)；6)对得到的N组体征信息进行FFT变换，提取出呼吸频率以及心跳频率。
在本发明的一个实施例中，所述N的取值为16。
在本发明的一个实施例中，所述回波信号包括人体体征信息、背景噪声、线性巨大干扰以及随机噪声干扰。
在本发明的一个实施例中，对回波信号进行预处理的方法包括：数值偏差矫正，线性趋势抑制和信号增强。
在本发明的一个实施例中，所述信号增强包括利用带通频率为0.1Hz-3Hz的带通滤波器进行巴特沃斯滤波，并且接着采用信号自相关处理。
根据本公开的另一方面，提供一种基于N次差时强体征信息提取的超宽带雷达回波信号处理装置，包括：噪声性质分析模块，用于对包含在超宽带雷达回波信号中的噪声性质进行分析；预处理模块，用于根据分析的结果对回波信号进行预处理；N次差时提取模块，用于对经预处理的回波信号，进行N次差时提取，获得N组体征信息，并且对获取的N组体征信息进行FFT变换，提取出呼吸频率和心跳频率，其中，所述N次差时提取包括：1)根据回波信号能量，确定初次采样慢时间切片位置以及搜索区域，在该切片的前2秒内，均匀选取N个提取起始点；2)开始第一次搜索，初始化n＝1；3)选择第n个起始点开始生命体征提取；4)以2秒为步长，向后提取对应区域的最强体征信息，更新下次提取基准点以及搜索区域，直到完成该次信号提取过程；5)如果n＝N，则进行步骤6)，否则n＝n+1，重新进行步骤3)；6)对得到的N组体征信息进行FFT变换，提取出呼吸频率以及心跳频率。
在本发明的一个实施例中，所述N的取值为16。
在本发明的一个实施例中，所述回波信号包括人体体征信息、背景噪声、线性巨大干扰以及随机噪声干扰。
在本发明的一个实施例中，对回波信号进行预处理的方法包括：数值偏差矫正，线性趋势抑制和信号增强。
在本发明的一个实施例中，所述信号增强包括利用带通频率为0.1Hz-3Hz的带通滤波器进行巴特沃斯滤波，并且接着采用信号自相关处理。
根据本公开的方法和装置，通过一种适用于静止目标以及微动目标的N次差时强体征信息提取方法和装置(确定N＝16为最佳提取次数)，16次差时提取在静止目标与微动目标的呼吸和心跳频率提取上更具有稳定性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据本公开一示例性实施例的UWB生命探测原理图。
图2是根据本公开一示例性实施例的回波信号处理流程图。
图3是根据本公开一示例性实施例的基于N次差时强体征信息提取的超宽带雷达回波信号处理方法的流程图。
图4是根据本公开一示例性实施例的基于N次差时强体征信息提取的超宽带雷达回波信号处理装置的方框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
下面参照图2来描述根据本发明实施例的回波信号处理流程图。在进行体征提取时，将N次提取的体征信息进行FFT变换，分别在呼吸频率范围内寻找峰值，记录对应频率以及幅值，将得到的N次结果融合，确定出现峰值次数最多的频率为呼吸频率，若多个频率处的峰值次数相同，且均为最大次数，选择所有备选频率对应平均幅值最大的作为最终频率，若平均幅值依然相同，则将对应频率取平均值。按照如上方法即可以确定受困者的呼吸频率，将搜索范围改为心跳的频率范围，即可完成心跳频率的提取。
图3说明了根据本公开一示例性实施例的基于N次差时强体征信息提取的超宽带雷达回波信号处理方法的流程图。
参照图3，首先，在步骤S301，对回波信号中的噪声性质进行分析。为了方便后续的信号处理工作，提高信号的信噪比，在生命信号提取前需要对回波信号进行预处理。UWB生命探测系统的回波信号中除了人体体征信息外，还包括众多的噪声干扰，主要包括背景噪声、线性巨大干扰以及随机噪声干扰。
在步骤S302，根据分析结果对回波信号进行预处理。具体的预处理方法例如包括数值偏差矫正、线性趋势抑制和信号增强。在数据偏差矫正中，为了解决雷达不稳定性导致的数值偏差问题，计算回波信号中慢时间切片的方差，方差的大小可以反映该慢时间切片与其均值的偏差程度，理想状态下的背景噪声慢时间切片方差为0。在线性趋势抑制中，完成了数值偏差矫正后的慢时间信号仍然存在线性趋势，针对回波信号存在的线性趋势问题，从慢时间维度对回波矩阵进行线性趋势抑制，分别估计出每个慢时间切片的线性趋势，并将线性趋势从原本慢时间切片中减去，即可获得去除静态杂波和线性趋势项的矩阵。并且在信号增强中，首先采用巴特沃斯滤波方法，设计带通滤波器，带通频率为0.1Hz-3Hz，在保留原有频率特性基础上，滤除低频和高频干扰。再采用信号自相关处理来实现信号增强，进一步提高信噪比。
在步骤S303，对经过预处理的信号执行N次差时提取。下面的表1列出了N次差时强体征信息提取的算法步骤。
表1N次差时强体征提取算法步骤
在表1中，根据本发明的N次差时提取算法包括：
1)根据回波信号能量，确定初次采样慢时间切片位置以及搜索区域，在该切片的前2秒内，均匀选取N个提取起始点；
2)开始第一次搜索，初始化n＝1；
3)选择第n个起始点开始生命体征提取；
4)以2秒为步长，向后提取对应区域的最强体征信息，更新下次提取基准点以及搜索区域，直到完成该次信号提取过程；
5)如果n＝N，则进行步骤6)，否则n＝n+1，重新进行步骤3)；
6)对得到的N组体征信息进行FFT变换，提取出呼吸频率以及心跳频率。
根据本发明的实施例，所提出的N次差时强体征信息提取方法适用于静止目标以及微动目标，并且确定N＝16为最佳提取次数。对于静止目标，16次差时提取得到的呼吸频率相对误差比单切片提取结果小6.53％，呼吸频率的相对误差小3.08％；并且对于微动目标的呼吸和心跳频率，16次差时提取结果比单切片提取结果相对误差分别降低1.82％和7.3％。根据两种提取方法的方差对比，16次差时提取在静止目标与微动目标的呼吸和心跳频率提取上更具有稳定性。
图4是根据本公开一示例性实施例的基于N次差时强体征信息提取的超宽带雷达回波信号处理装置的方框图。参照图4，该基于N次差时强体征信息提取的超宽带雷达回波信号处理装置包括：噪声性质分析模块401，用于对包含在超宽带雷达回波信号中的噪声性质进行分析；预处理模块402，用于根据分析的结果对回波信号进行预处理；以及N次差时提取模块403，用于对经预处理的回波信号，进行N次差时提取，获得N组体征信息，并且对获取的N组体征信息进行FFT变换，提取出呼吸频率和心跳频率，其中，所述N次差时提取模块的工作过程为：1)根据回波信号能量，确定初次采样慢时间切片位置以及搜索区域，在该切片的前2秒内，均匀选取N个提取起始点；2)开始第一次搜索，初始化n＝1；3)选择第n个起始点开始生命体征提取；4)以2秒为步长，向后提取对应区域的最强体征信息，更新下次提取基准点以及搜索区域，直到完成该次信号提取过程；5)如果n＝N，则进行步骤6)，否则n＝n+1，重新进行步骤3)；6)对得到的N组体征信息进行FFT变换，提取出呼吸频率以及心跳频率。根据图4所示的装置按照上面描述的各种方法步骤进行操作。
需要说明的是，前述对基于N次差时强体征信息提取的超宽带雷达回波信号处理方法实施例的解释说明也适用于该实施例的基于N次差时强体征信息提取的超宽带雷达回波信号处理装置实施例，此处不再赘述。
根据本公开的基于N次差时强体征信息提取的超宽带雷达回波信号处理方法和装置，利用适用于静止目标以及微动目标的16次差时强体征信息提取方法和装置，对于静止目标，16次差时提取得到的呼吸频率相对误差比单切片提取结果小6.53％，呼吸频率的相对误差小3.08％；对于微动目标的呼吸和心跳频率，16次差时提取结果比单切片提取结果相对误差分别降低1.82％和7.3％。根据两种提取方法的方差对比，16次差时提取在静止目标与微动目标的呼吸和心跳频率提取上更具有稳定性。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
在本公开的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本公开中，对上述术语的示意性表述不必针对的是相同的实时或示例。而且，描述的具体特征、结构、材料或者特点可以在任意一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本公开中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于N次差时强体征信息提取的超宽带雷达回波信号处理方法，包括：
对包含在超宽带雷达回波信号中的噪声性质进行分析；
根据分析的结果对回波信号进行预处理；以及
对经预处理的回波信号，进行N次差时提取，获得N组体征信息，并且对获取的N组体征信息进行FFT变换，提取出呼吸频率和心跳频率，
其中，所述N次差时提取包括：
1)根据回波信号能量，确定初次采样慢时间切片位置以及搜索区域，在该切片的前2秒内，均匀选取N个提取起始点；
2)开始第一次搜索，初始化n＝1；
3)选择第n个起始点开始生命体征提取；
4)以2秒为步长，向后提取对应区域的最强体征信息，更新下次提取基准点以及搜索区域，直到完成该次信号提取过程；
5)如果n＝N，则进行步骤6)，否则n＝n+1，重新进行步骤3)；
6)对得到的N组体征信息进行FFT变换，提取出呼吸频率以及心跳频率。
2.根据权利要求1所述的基于N次差时强体征信息提取的超宽带雷达回波信号处理方法，其中，所述N的取值为16。
3.根据权利要求1所述的基于N次差时强体征信息提取的超宽带雷达回波信号处理方法，其中，所述回波信号包括人体体征信息、背景噪声、线性巨大干扰以及随机噪声干扰。
4.根据权利要求1所述的基于N次差时强体征信息提取的超宽带雷达回波信号处理方法，其中，对回波信号进行预处理的方法包括：数值偏差矫正，线性趋势抑制和信号增强。
5.根据权利要求4所述的基于N次差时强体征信息提取的超宽带雷达回波信号处理方法，其中，所述信号增强包括利用带通频率为0.1Hz-3Hz的带通滤波器进行巴特沃斯滤波，并且接着采用信号自相关处理。
6.一种基于N次差时强体征信息提取的超宽带雷达回波信号处理装置，包括：
噪声性质分析模块，用于对包含在超宽带雷达回波信号中的噪声性质进行分析；
预处理模块，用于根据分析的结果对回波信号进行预处理；
N次差时提取模块，用于对经预处理的回波信号，进行N次差时提取，获得N组体征信息，并且对获取的N组体征信息进行FFT变换，提取出呼吸频率和心跳频率，
其中，所述N次差时提取包括：
1)根据回波信号能量，确定初次采样慢时间切片位置以及搜索区域，在该切片的前2秒内，均匀选取N个提取起始点；
2)开始第一次搜索，初始化n＝1；
3)选择第n个起始点开始生命体征提取；
4)以2秒为步长，向后提取对应区域的最强体征信息，更新下次提取基准点以及搜索区域，直到完成该次信号提取过程；
5)如果n＝N，则进行步骤6)，否则n＝n+1，重新进行步骤3)；
6)对得到的N组体征信息进行FFT变换，提取出呼吸频率以及心跳频率。
7.根据权利要求6所述的基于N次差时强体征信息提取的超宽带雷达回波信号处理装置，其中，所述N的取值为16。
8.根据权利要求6所述的基于N次差时强体征信息提取的超宽带雷达回波信号处理装置，其中，所述回波信号包括人体体征信息、背景噪声、线性巨大干扰以及随机噪声干扰。
9.根据权利要求6所述的基于N次差时强体征信息提取的超宽带雷达回波信号处理装置，其中，对回波信号进行预处理的方法包括：数值偏差矫正，线性趋势抑制和信号增强。
10.根据权利要求9所述的基于N次差时强体征信息提取的超宽带雷达回波信号处理装置，其中，所述信号增强包括利用带通频率为0.1Hz-3Hz的带通滤波器进行巴特沃斯滤波，并且接着采用信号自相关处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110937399.6A CN113786175B (zh) | 2021-08-16 | 2021-08-16 | 一种基于n次差时强体征信息提取的超宽带雷达回波信号处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110937399.6A CN113786175B (zh) | 2021-08-16 | 2021-08-16 | 一种基于n次差时强体征信息提取的超宽带雷达回波信号处理方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113786175A true CN113786175A (zh) | 2021-12-14 |
| CN113786175B CN113786175B (zh) | 2022-11-25 |
Family
ID=79181753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110937399.6A Active CN113786175B (zh) | 2021-08-16 | 2021-08-16 | 一种基于n次差时强体征信息提取的超宽带雷达回波信号处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113786175B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107167802A (zh) * | 2017-05-24 | 2017-09-15 | 北京大学 | 一种基于超宽带雷达的呼吸信号检测算法 |
| CN109009124A (zh) * | 2018-06-05 | 2018-12-18 | 南通大学 | 基于超宽带雷达的呼吸频率测量及目标定位方法 |
| CN110507293A (zh) * | 2019-07-26 | 2019-11-29 | 中国电子科技集团公司第三十八研究所 | 一种超宽带穿墙雷达人体呼吸及心跳检测方法及系统 |
| WO2020004721A1 (ko) * | 2018-06-27 | 2020-01-02 | 유메인주식회사 | 초광대역 임펄스 레이더 신호를 이용한 바이탈 정보 측정 방법 |
-
2021
- 2021-08-16 CN CN202110937399.6A patent/CN113786175B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107167802A (zh) * | 2017-05-24 | 2017-09-15 | 北京大学 | 一种基于超宽带雷达的呼吸信号检测算法 |
| CN109009124A (zh) * | 2018-06-05 | 2018-12-18 | 南通大学 | 基于超宽带雷达的呼吸频率测量及目标定位方法 |
| WO2020004721A1 (ko) * | 2018-06-27 | 2020-01-02 | 유메인주식회사 | 초광대역 임펄스 레이더 신호를 이용한 바이탈 정보 측정 방법 |
| CN110507293A (zh) * | 2019-07-26 | 2019-11-29 | 中国电子科技集团公司第三十八研究所 | 一种超宽带穿墙雷达人体呼吸及心跳检测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| BONING GUO等: "Respiratory Frequency Estimation Method Based on Periodic Features Using UWB Radar", 《2020 IEEE 3RD INTERNATIONAL CONFERENCE ON ELECTRONIC INFORMATION AND COMMUNICATION TECHNOLOGY (ICEICT)》, 1 February 2021 (2021-02-01), pages 139 - 143 * |
| 陈德肯: "基于雷达信号的非接触体征检测技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》, no. 9, 15 September 2019 (2019-09-15), pages 1 - 57 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113786175B (zh) | 2022-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109965858B (zh) | 基于超宽带雷达人体生命体征检测方法和装置 | |
| Chen et al. | Intrinsic chirp component decomposition by using Fourier series representation | |
| US10401479B2 (en) | Remote sensing of human breathing at a distance | |
| CN106659428B (zh) | 通过无线电反射的生命体征监测 | |
| Zhou et al. | Detection and diagnosis of bearing faults using shift-invariant dictionary learning and hidden Markov model | |
| CN106019271B (zh) | 一种基于变分模态分解的多人穿墙时变呼吸信号检测方法 | |
| US20180235506A1 (en) | Method and device for measuring biometric data using uwb radar | |
| CN107422381B (zh) | 一种基于eemd-ica的地震低频信息流体预测方法 | |
| KR102221839B1 (ko) | 잡음 환경 내 실시간 심장 박동수 탐지 장치 및 그 방법 | |
| CN110059633A (zh) | 一种基于超声波的人体步态感知及其身份识别方法 | |
| Shi et al. | The VMD-scale space based hoyergram and its application in rolling bearing fault diagnosis | |
| Chen et al. | Improved VMD-FRFT based on initial center frequency for early fault diagnosis of rolling element bearing | |
| Xiaomeng | A new real-time ecg r-wave detection algorithm | |
| CN101251445A (zh) | 旋转机械碰摩声发射信号的分形特征分析方法 | |
| CN113887398A (zh) | 一种基于变分模态分解和奇异谱分析的gpr信号去噪方法 | |
| CN102018515A (zh) | 单通道基于uwb雷达式生命探测仪的多个人体目标识别和一维定位方法 | |
| CN106100762A (zh) | 一种循环平稳谱分析的弱通信信号检测方法 | |
| Tian et al. | Early fault feature extraction for rolling bearings using adaptive variational mode decomposition with noise suppression and fast spectral correlation | |
| CN105138823B (zh) | 一种基于自相关函数的生理信号质量检测方法 | |
| CN113786175B (zh) | 一种基于n次差时强体征信息提取的超宽带雷达回波信号处理方法和装置 | |
| Xu et al. | Application of fast singular spectrum decomposition method based on order statistic filter in rolling bearing fault diagnosis | |
| Dai et al. | A continuous wavelet transform approach for harmonic parameters estimation in the presence of impulsive noise | |
| CN108507782A (zh) | 一种强背景噪声下周期信号隐周期的检测方法 | |
| Wang et al. | Automated weak signal frequency estimation method based on Duffing oscillator and particle swarm optimization | |
| Moca et al. | Superlets: time-frequency super-resolution using wavelet sets |
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 | ||
| CB02 | Change of applicant information |
Address after: 100013 No. 5 Youth ditch East Road, Hepingli, Beijing, Chaoyang District Applicant after: General Coal Research Institute Co.,Ltd. Applicant after: LIAONING TECHNICAL University Address before: 100013 No. 5 Youth ditch East Road, Hepingli, Beijing, Chaoyang District Applicant before: CHINA COAL Research Institute Applicant before: LIAONING TECHNICAL University |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |