CN114027805B - 一种基于微波雷达的生命体征测量方法及系统 - Google Patents
一种基于微波雷达的生命体征测量方法及系统 Download PDFInfo
- Publication number
- CN114027805B CN114027805B CN202110573898.1A CN202110573898A CN114027805B CN 114027805 B CN114027805 B CN 114027805B CN 202110573898 A CN202110573898 A CN 202110573898A CN 114027805 B CN114027805 B CN 114027805B
- Authority
- CN
- China
- Prior art keywords
- layer
- signal
- wavelet
- heart rate
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000009528 vital sign measurement Methods 0.000 title claims abstract description 13
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 42
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000001228 spectrum Methods 0.000 claims abstract description 9
- 230000036387 respiratory rate Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 10
- 230000036391 respiratory frequency Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 abstract description 13
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 238000009532 heart rate measurement Methods 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 210000000038 chest Anatomy 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000001121 heart beat frequency Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 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
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—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
-
- 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
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Physiology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pulmonology (AREA)
- Power Engineering (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及雷达生命探测技术和信号处理技术领域，尤其涉及一种基于微波雷达的生命体征测量方法及系统。该方法利用雷达发射的连续正弦波信号遇到运动物体反射后的多普勒效应计算呼吸率和心率，由于反射波相位中包含多种运动成分，该方法采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率，并通过自相关分析与重构的方法计算心率。由于心跳幅度较小，检测结果容易受到体动干扰的影响，通过小波分解、重构的方法滤除部分非心率信号成分，利用心率频率范围内的各层小波系数自相关性分析，剔除体动信号的影响，提高了心率测量的准确性和稳定性。
Description
技术领域
本发明涉及雷达生命探测技术和信号处理技术领域，尤其涉及一种基于微波雷达的生命体征测量方法及系统。
背景技术
中国发明专利说明书CN106821347B公开了一种无接触心率和呼吸率计算方法，该方法利用反射信号相位小波分解重构的方法提取心跳和呼吸成分，利用自适应滤波方法滤除小波系数中的杂波，使得最终计算更加准确。该方法的不足之处是自适应滤波计算过程比较复杂，占用计算机硬件资源较多。
中国发明专利说明书CN109875529B公开了一种心率和呼吸率计算方法，该方法通过时域滑动平均差值滤波，傅里叶变换后，频域滑动平均差值滤波，然后再对信号进行滑动平均滤波，最后对信号进行谐波倍数循环检测，提取呼吸率和心率。该方法的不足之处是计算过程需在频域时域范围内多次滤波，计算过程较复杂。
中国发明专利说明书CN109965858B也公开了一种心率和呼吸率计算方法，该方法首先对反射信号进行预处理，然后利用卷积神经网络模型计算呼吸率和心率。不足之处是神经网络方法需要大量数据预先训练模型，而且模型精度与训练数据量有关，过程较为复杂。
针对上述现有技术的缺陷，本发明采用小波分解、重构的方法计算心率和呼吸率。将小波系数频率在呼吸频率范围内的层级保留，然后重构计算呼吸率，对于心率，由于心跳位移小，受体动干扰影响较大，本发明采用自相关分析的方法判断小波系数是否包含心跳成分，相关系数大于阈值层级保留，然后重构计算心率。自相关分析计算简单，起到滤波作用，滤除噪声对心率计算的干扰。
发明内容
为解决现有技术的不足，本发明提出一种基于微波雷达的生命体征测量方法及系统。
为实现以上目的，本发明所采用的技术方案包括：
根据本发明的第一个方面，公开了一种基于微波雷达的生命体征测量方法，包括以下步骤：
通过雷达向受试者发射信号，接收反射信号并计算反射信号的相位；
采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率。
进一步地，还包括采用自相关分析的方法去除干扰信号，并通过重构的方法计算心率。
进一步地，所述通过雷达向受试者发射信号，接收反射信号并计算反射信号的相位包括如下子步骤：
雷达发射信号设为：G(t)＝cos(2πft+θ(t))，其中f表示发射信号频率，t表示时间，θ(t)表示噪声对信号相位的干扰；
假设雷达到受试者胸腔的距离为L0，呼吸和心跳使胸腔产生位移为S(t)，则雷达信号从发射到接受传播距离为：L(t)＝2L0+2S(t)；
假设雷达t时刻发射信号，则t+L(t)/c时刻接收到反射信号，其中c＝λ·f，c表示光速，λ表示雷达信号波长；
计算得到反射信号相位：Γ(t)＝4πfS(t)/c+β+Δθ(t)，其中β表示测量信号初始相位，Δθ(t)表示初始相位噪声。
进一步地，优选地通过变频变换、解调和反三角变换计算得到反射信号相位。
进一步地，所述采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率包括：
采用公式进行小波分解，其中，Wf表示分解后的小波系数，j表示分解层级，τ表示每一分解层级的自变量，/>表示小波函数，R表示实数域；小波系数每分解一层，频率降为上一层小波系数的1/2；
当最高层级小波系数频率小于呼吸频率范围时，停止小波分解；
确定落入呼吸率频率范围内的小波系数，将呼吸率层重构信号，并依据重构信号波形计算呼吸率。
进一步地，所述呼吸频率范围优选在0.1-0.5HZ范围之间。
进一步地，所述采用自相关分析的方法去除干扰信号，并通过重构的方法计算心率包括：
分析所述反射信号相位的频谱特性，确定落入心率频率范围内的小波系数，将心率频率范围内的各层小波系数至少分为两段，采用如下公式对每一层相邻两段之间进行自相关分析，计算得到每一层相邻两段之间的自相关系数，计算每一层自相关系数的平均值，得到每一层小波系数的自相关系数，
其中，rτ表示每一层相邻两段之间的自相关系数，xt表示反射信号，E(xt)表示一段时间内反射信号的平均值，τ表示时间差值，σ表示标准差；
每一层小波系数的自相关系数小于阈值的判断为噪声层，并去除噪声层；每一层小波系数的自相关系数大于阈值的判断为心率层，将心率层重构信号，并依据重构信号波形计算心率。
进一步地，所述心率频率范围优选在0.8-2HZ范围之间。
根据本发明的第二个方面，公开了一种基于微波雷达的生命体征测量装置，包括：
雷达发射单元：用于向受试者发射信号；
雷达接收单元：用于接收反射信号；
计算单元：用于计算反射信号的相位，采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率；
呼吸率、心率显示单元：用于显示呼吸率、心率数据。
进一步地，所述计算单元还包括采用自相关分析的方法去除干扰信号，并通过重构的方法计算心率。
本发明的有益效果为：
采用本发明所述一种基于微波雷达的生命体征测量方法及系统，该方法利用雷达发射的连续正弦波信号遇到运动物体反射后的多普勒效应计算呼吸率和心率，由于反射波相位中包含心跳、呼吸、身体摆动及其它干扰信息等多种运动成分，心跳运动幅度较小，测量结果受干扰影响较大。该方法采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率。由于心跳幅度较小，检测结果容易受到体动干扰的影响，通过小波分解、重构的方法滤除部分非心率信号成分，利用心率频率范围内的各层小波系数自相关性分析，剔除体动信号的影响，提高了心率测量的准确性和稳定性。
附图说明
图1为本发明实施例提供的基于微波雷达的生命体征测量方法流程示意图。
图2为本发明实施例提供的计算反射信号相位的方法流程示意图。
图3为本发明实施例提供的一种基于微波雷达的生命体征测量装置结构示意图。
具体实施方式
为了更清楚的理解本发明的内容，将结合附图和实施例详细说明。
下面详细描述本申请的实施例，各实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
本申请实施例提供了一种基于微波雷达的生命体征测量方法，如图1所示，该方法可以包括以下步骤：
步骤S101、通过雷达向受试者发射信号，接收反射信号并计算反射信号的相位；
步骤S102、采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率。
该方法还可以包括以下步骤：
步骤S103、采用自相关分析的方法去除干扰信号，并通过重构的方法计算心率。
具体地，首先利用雷达以5.8GHz频率向受试者发射正弦波信号，信号在碰到受试者后产生反射信号，由于受试者呼吸和心跳的影响，反射信号产生多普勒效应，分析反射信号相位的频谱特性。
进一步优选地，本申请实施例还提供了计算反射信号相位的方法，如图2所示，所述方法包括如下子步骤：
步骤S201、雷达发射信号设为：G(t)＝cos(2πft+θ(t))，其中f表示发射信号频率，t表示时间，θ(t)表示噪声对信号相位的干扰；
步骤S202、假设雷达到受试者胸腔的距离为L0，呼吸和心跳使胸腔产生位移为S(t)，则雷达信号从发射到接受传播距离为：L(t)＝2L0+2S(t)；
步骤S203、假设雷达t时刻发射信号，则t+L(t)/c时刻接收到反射信号，其中c＝λ·f，c表示光速，λ表示雷达信号波长；
步骤S204、计算得到反射信号相位：Γ(t)＝4πfS(t)/c+β+Δθ(t)，其中β表示测量信号初始相位，Δθ(t)表示初始相位噪声。
具体地，通过变频变换、解调和反三角变换计算得到反射信号相位。
具体地，г(t)包含心率和呼吸率信息。
进一步优选地，所述采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率包括：
采用公式进行小波分解，其中，Wf表示分解后的小波系数，j表示分解层级，τ表示每一分解层级的自变量，/>表示小波函数，R表示实数域；
小波系数每分解一层，频率降为上一层小波系数的1/2，根据呼吸频率范围确定小波分解层级j。受试者的呼吸频率范围在0.1-0.5HZ范围之间，当最高层级小波系数频率小于呼吸频率范围时，停止小波分解，确定落入呼吸率频率范围内的小波系数，将呼吸率层重构信号，并依据重构信号波形计算呼吸率。
由于受试者呼吸时胸腔运动幅度较大，通过上述小波分解、重构的方法可以直接计算呼吸率。选择小波系数频率落在呼吸率频率范围内的层级，将呼吸率层重构信号，并依据重构信号波形确定呼吸率。
由于心率的测量是基于心脏微小运动而引起的相位变化，依据微多普勒原理，当受试者的身体出现大幅摆动时，将会对其准确性造成影响，因此只采用上述小波分解、重构的方法计算得到的心率，会产生较大的误差，还需进一步采用自相关系数分析去除体动干扰。
自相关系数描述了信号的周期性，由于噪声是随机的，因此噪声信号的自相关性较弱，而来自同一个受试者的心跳频率具有好的自相关性，因此本发明在上述通过小波分解的方法分析反射信号相位频谱特性的基础上，进一步采用自相关分析的方法识别并去除心率频率范围内的干扰信号，并通过重构的方法计算心率。
进一步优选地，采用自相关分析的方法去除干扰信号，并通过重构的方法计算心率包括：
受试者的心率频率范围在0.8-2HZ范围之间，分析所述反射信号相位的频谱特性，确定落入心率频率范围内的小波系数，将心率频率范围内的各层小波系数至少分为两段，采用如下公式对每一层相邻两段之间进行自相关分析，计算得到每一层相邻两段之间的自相关系数，计算每一层自相关系数的平均值，得到每一层小波系数的自相关系数，
其中，rτ表示每一层相邻两段之间的自相关系数，xt表示反射信号，E(xt)表示一段时间内反射信号的平均值，τ表示时间差值，σ表示标准差；
根据实际经验确定心率频率范围内自相关系数阈值，每一层小波系数的自相关系数小于阈值的判断为噪声层，并去除噪声层；每一层小波系数的自相关系数大于阈值的判断为心率层，将心率层重构信号，并依据重构信号波形计算心率。
综上所述，上述方法利用雷达发射的连续正弦波信号遇到运动物体反射后的多普勒效应计算呼吸率和心率，由于反射波相位中包含心跳、呼吸、身体摆动及其它干扰信息等多种运动成分，心跳运动幅度较小，测量结果受干扰影响较大。该方法采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率。由于心跳幅度较小，检测结果容易受到体动干扰的影响，通过小波分解、重构的方法滤除部分非心率信号成分，利用心率频率范围内的各层小波系数自相关性分析，剔除体动信号的影响，提高了心率测量的准确性和稳定性。
如图3所示，为本申请实施例提供的一种基于微波雷达的生命体征测量装置结构示意图，该装置包括：
雷达发射单元301：用于向受试者发射信号；
具体地，所述发射信号优选为5.8GHz频率的正弦波信号；
雷达接收单元302：用于接收反射信号；
计算单元303：用于计算反射信号的相位，采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率；
具体地，所述计算单元303还包括采用自相关分析的方法去除干扰信号，并通过重构的方法计算心率。
呼吸率、心率显示单元304：用于显示呼吸率、心率数据。
具体地，所述呼吸率、心率显示单元304包括生命体征显示屏、显示模块及显示软件。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换等都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (6)
1.一种基于微波雷达的生命体征测量方法，其特征在于，包括以下步骤：
通过雷达向受试者发射信号，接收反射信号并计算反射信号的相位；
采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率；
采用自相关分析的方法去除干扰信号，并通过重构的方法计算心率；
所述采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率包括：
采用公式进行小波分解，其中，Wf表示分解后的小波系数，j表示分解层级，τ表示每一分解层级的自变量，/>表示小波函数，R表示实数域；小波系数每分解一层，频率降为上一层小波系数的1/2；
当最高层级小波系数频率小于呼吸频率范围时，停止小波分解；
确定落入呼吸率频率范围内的小波系数，将呼吸率层重构信号，并依据重构信号波形计算呼吸率；
所述采用自相关分析的方法去除干扰信号，并通过重构的方法计算心率包括：
分析所述反射信号相位的频谱特性，确定落入心率频率范围内的小波系数，将心率频率范围内的各层小波系数至少分为两段，采用如下公式对每一层相邻两段之间进行自相关分析，计算得到每一层相邻两段之间的自相关系数，计算每一层自相关系数的平均值，得到每一层小波系数的自相关系数，
其中，rτ表示每一层相邻两段之间的自相关系数，xt表示反射信号，E(xt)表示一段时间内反射信号的平均值，τ表示时间差值，σ表示标准差；
每一层小波系数的自相关系数小于阈值的判断为噪声层，并去除噪声层；每一层小波系数的自相关系数大于阈值的判断为心率层，将心率层重构信号，并依据重构信号波形计算心率。
2.如权利要求1所述的方法，其特征在于，所述通过雷达向受试者发射信号，接收反射信号并计算反射信号的相位包括如下子步骤：
雷达发射信号设为：G(t)＝cos(2πft+θ(t))，其中f表示发射信号频率，t表示时间，θ(t)表示噪声对信号相位的干扰；
假设雷达到受试者胸腔的距离为L0，呼吸和心跳使胸腔产生位移为S(t)，则雷达信号从发射到接受传播距离为：L(t)＝2L0+2S(t)；
假设雷达t时刻发射信号，则t+L(t)/c时刻接收到反射信号，其中c＝λ·f，c表示光速，λ表示雷达信号波长；
计算得到反射信号相位：Γ(t)＝4πfS(t)/c+β+Δθ(t)，其中β表示测量信号初始相位，Δθ(t)表示初始相位噪声。
3.如权利要求2所述的方法，其特征在于，通过变频变换、解调和反三角变换计算得到反射信号相位。
4.如权利要求1所述的方法，其特征在于，所述呼吸频率范围在0.1-0.5HZ之间。
5.如权利要求1所述的方法，其特征在于，所述心率频率范围在0.8-2HZ之间。
6.一种基于微波雷达的生命体征测量装置，其特征在于，包括：
雷达发射单元：用于向受试者发射信号；
雷达接收单元：用于接收反射信号；
计算单元：用于计算反射信号的相位，采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率，采用自相关分析的方法去除干扰信号，并通过重构的方法计算心率；
所述采用小波分解的方法分析反射信号相位的频谱特性，通过重构的方法计算呼吸率包括：
采用公式进行小波分解，其中，Wf表示分解后的小波系数，j表示分解层级，τ表示每一分解层级的自变量，/>表示小波函数，R表示实数域；小波系数每分解一层，频率降为上一层小波系数的1/2；
当最高层级小波系数频率小于呼吸频率范围时，停止小波分解；
确定落入呼吸率频率范围内的小波系数，将呼吸率层重构信号，并依据重构信号波形计算呼吸率；
所述采用自相关分析的方法去除干扰信号，并通过重构的方法计算心率包括：
分析所述反射信号相位的频谱特性，确定落入心率频率范围内的小波系数，将心率频率范围内的各层小波系数至少分为两段，采用如下公式对每一层相邻两段之间进行自相关分析，计算得到每一层相邻两段之间的自相关系数，计算每一层自相关系数的平均值，得到每一层小波系数的自相关系数，
其中，rτ表示每一层相邻两段之间的自相关系数，xt表示反射信号，E(xt)表示一段时间内反射信号的平均值，τ表示时间差值，σ表示标准差；
每一层小波系数的自相关系数小于阈值的判断为噪声层，并去除噪声层；每一层小波系数的自相关系数大于阈值的判断为心率层，将心率层重构信号，并依据重构信号波形计算心率；
呼吸率、心率显示单元：用于显示呼吸率、心率数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110573898.1A CN114027805B (zh) | 2021-05-25 | 2021-05-25 | 一种基于微波雷达的生命体征测量方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110573898.1A CN114027805B (zh) | 2021-05-25 | 2021-05-25 | 一种基于微波雷达的生命体征测量方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114027805A CN114027805A (zh) | 2022-02-11 |
| CN114027805B true CN114027805B (zh) | 2023-10-31 |
Family
ID=80134178
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110573898.1A Active CN114027805B (zh) | 2021-05-25 | 2021-05-25 | 一种基于微波雷达的生命体征测量方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114027805B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115278754B (zh) * | 2022-07-08 | 2024-05-10 | 中国联合网络通信集团有限公司 | 受激干扰源的确定方法、装置及计算机可读存储介质 |
| CN115844355B (zh) * | 2022-11-22 | 2024-08-09 | 哈尔滨理工大学 | 一种uwb生物雷达回波信号心率提取方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106821347A (zh) * | 2016-12-20 | 2017-06-13 | 中国人民解放军第三军医大学 | 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法 |
| CN111938613A (zh) * | 2020-08-07 | 2020-11-17 | 南京茂森电子技术有限公司 | 基于毫米波雷达的健康监测装置及方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3424418B1 (en) * | 2017-07-05 | 2023-11-08 | Stichting IMEC Nederland | A method and a system for detecting a vital sign of a subject |
| US20210093203A1 (en) * | 2019-09-30 | 2021-04-01 | DawnLight Technologies | Systems and methods of determining heart-rate and respiratory rate from a radar signal using machine learning methods |
-
2021
- 2021-05-25 CN CN202110573898.1A patent/CN114027805B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106821347A (zh) * | 2016-12-20 | 2017-06-13 | 中国人民解放军第三军医大学 | 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法 |
| CN111938613A (zh) * | 2020-08-07 | 2020-11-17 | 南京茂森电子技术有限公司 | 基于毫米波雷达的健康监测装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114027805A (zh) | 2022-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114027805B (zh) | 一种基于微波雷达的生命体征测量方法及系统 | |
| CN109965858B (zh) | 基于超宽带雷达人体生命体征检测方法和装置 | |
| EP2285276B1 (en) | Contactless respiration monitoring of a patient | |
| US20210093203A1 (en) | Systems and methods of determining heart-rate and respiratory rate from a radar signal using machine learning methods | |
| CN113440120B (zh) | 一种基于毫米波雷达的人员呼吸心跳检测方法 | |
| CN112754441B (zh) | 一种基于毫米波的非接触式心跳检测方法 | |
| CN107529646A (zh) | 一种基于欧拉影像放大的无接触式心率测量方法及装置 | |
| CN107153189B (zh) | 线性调频连续波雷达测距的信号处理方法 | |
| CN115969351B (zh) | 一种基于毫米波雷达实时计算呼吸的方法 | |
| CN115736872B (zh) | 一种基于毫米波雷达实时计算心率的方法 | |
| CN116172539A (zh) | 基于机器学习的生命体征检测方法、系统、设备及介质 | |
| CN113786176B (zh) | 精确的毫米波雷达呼吸心跳测量方法、系统和存储介质 | |
| CN103169449B (zh) | 呼吸信号检测方法和装置 | |
| CN117838083A (zh) | 一种基于毫米波雷达的体征快速精确检测方法 | |
| CN115755043A (zh) | 一种基于x波段非相参雷达的波浪场重构及预测方法 | |
| CN116831540B (zh) | 一种基于毫米波的非接触式生命体征监测方法及系统 | |
| EP1801611A1 (en) | Method for extracting a semantic parameter, computer system and computer program product | |
| CN110361723B (zh) | 多普勒雷达运动目标的时频特征提取方法 | |
| CN110269642B (zh) | 基于分数阶傅里叶变换和小波变换的多普勒心率估计方法 | |
| Miyachi et al. | Automated detection of arterial wall boundaries based on correlation between adjacent receive scan lines for elasticity imaging | |
| Fu et al. | EEMD-MICA Based Heart Rate Extraction Algorithm for Radar Signals | |
| Liu et al. | Wavelet analysis based noncontact vital signal measurements using mm-Wave radar | |
| CN106955098A (zh) | 一种血管流速计算方法及装置 | |
| Xiang et al. | Heart rate estimation algorithm for radar signals based on wavelet threshold noise reduction and Resnet50 | |
| Kang et al. | Non-Contact Realtime Vital Signs Monitoring System Based on Millimeter Wave FMCW Radar |
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 |