CN114081459A - 一种基于雷达技术的多人呼吸状态监测方法和系统 - Google Patents
一种基于雷达技术的多人呼吸状态监测方法和系统 Download PDFInfo
- Publication number
- CN114081459A CN114081459A CN202111383524.XA CN202111383524A CN114081459A CN 114081459 A CN114081459 A CN 114081459A CN 202111383524 A CN202111383524 A CN 202111383524A CN 114081459 A CN114081459 A CN 114081459A
- Authority
- CN
- China
- Prior art keywords
- signals
- respiratory
- human body
- frequency
- monitoring
- 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
Links
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 75
- 238000012544 monitoring process Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000000241 respiratory effect Effects 0.000 claims abstract description 81
- 230000036391 respiratory frequency Effects 0.000 claims abstract description 37
- 230000036544 posture Effects 0.000 claims abstract description 33
- 238000013210 evaluation model Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000036541 health Effects 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 229910000859 α-Fe Inorganic materials 0.000 claims description 4
- 230000035565 breathing frequency Effects 0.000 claims description 3
- 230000036387 respiratory rate Effects 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 7
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001121 heart beat frequency Effects 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- A61B5/72—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physiology (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Cardiology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Pulmonology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于雷达技术的多人呼吸状态监测方法和系统,包括:人体定位与识别模块,识别人体姿态、数量及空间方位;天线及射频模块,向各目标人体发射信号,实时接收反射信号;呼吸信号处理模块,采用VMD算法分解各目标人体呼吸信号,处理多人信号混叠的问题,同时获取多人呼吸频率、心率;人体呼吸状态评估模型构建模块,构建人体呼吸状态评估模型;呼吸状态评估与预警模块,将获取的多人呼吸频率、心率输入训练好的呼吸状态评估模型,对人体是否处于正常呼吸状态进行评估和预警。本发明能够在不接触目标人体的情况下,对同一空间内多人的呼吸状态进行监测与预警,具有测量高效准确、可靠稳定、抗干扰能力强,应用场景广泛等优点。
Description
技术领域
本发明涉及呼吸监测技术领域,具体为一种基于雷达技术的多人呼吸状态监测方法和系统。
背景技术
传统医疗领域,呼吸监测设备一般为接触式,在使用过程中具有一定的局限性,如因婴幼儿患者不具有行为自控能力,所以穿戴式呼吸监测设备容易脱落,需要医护人员或陪护人员全程密切关注;对于大面积烧伤患者,皮肤的严重损坏不适合接触式的呼吸监测,甚至在一定程度上可能会加剧病人的伤势;对于传染病患者,为病患穿戴呼吸监测设备,会给医护人员带来感染风险,不利于医护人员的健康保障。此外,传统的呼吸监测设备组成复杂,且多为一套机器只能监测一人,成本相对较高,效率较低。而基于雷达技术的呼吸监测设备,具有非接触、高效、稳定的特性。目前的雷达呼吸监测设备大多只能进行一对一监测,不能对监测空间内的多个人体的呼吸状态进行精准监测,利用率较低;而少数的可用于多人监测设备,通常存在抗干扰性弱,测量结果不准确等问题;此外,目前还缺乏对呼吸状态同步进行监测与预警的方法及系统。
因此,利用非接触式的雷达技术,设计一种高效、准确、能同步监测及预警一定空间内的多人的呼吸状态的方法和系统,具有较高的实用价值。
发明内容
本发明的目的在于提供一种基于雷达技术的多人呼吸状态监测方法和系统,以解决上述背景技术中提到现有呼吸监测设备不能用于多人监测、设备组成复杂、效率低、抗干扰能力弱、准确度不高等问题。
为实现上述目的,本发明采用以下技术方案:
根据本发明的一个方面,提供一种基于雷达技术的多人呼吸状态监测方法,该方法的具体步骤如下:
S1:利用人体定位与识别模块,确认监测空间内的人体姿态、数量及方位;
S2:确定需要发射波束的数量,调整发射波束的方向和路径,获取监测各目标人体的最佳位置,然后分别向人体发射信号;
S3:接收天线接收携带人体呼吸信号的反射信号,并对其进行预处理;
S4:按照空间维度对预处理后的信号进行划分,并从各个空间维度中提取人体呼吸信号,然后利用VMD算法分别将其分解成相应数目的不同频率信号;
S5:处理多人信号混叠问题,去除相互之间的信号干扰,同时获取多人呼吸频率、心率;
S6:构建人体呼吸状态知识库,并利用该知识库训练呼吸状态评估模型;将获取的多人呼吸频率、心率输入训练好的呼吸状态评估模型,对人体是否处于正常呼吸状态进行评估和预警。
根据本发明的另一方面,提供一种基于雷达技术的多人呼吸状态监测系统,该装置包括:人体定位与识别模块、天线及射频模块、呼吸信号处理模块、人体呼吸状态评估模型构建模块、人体呼吸状态预警模块。其中:
人体定位与识别模块:通过3D相机和红外摄像头采集监测空间内的人体姿态、数量及方位信息;
天线及射频模块:根据人体定位与识别模块的采集信息,利用多波束天线控制单元,调用合适的波束,并设定其方向和路径,获取监测呼吸和心跳的最佳位置,分别向人体发射信号,并实时接收携带人体呼吸信号的反射信号,然后将反射信号组合成信号矩阵;
呼吸信号处理模块:对信号矩阵进行预处理,按照空间维度对预处理后的信号进行划分,并从各个空间维度中提取人体呼吸信号,然后利用VMD算法分别将其分解成相应数目的不同频率信号;处理多人信号混叠的问题,在远距离位置上基于相关性去除近距离位置人体呼吸信号的混叠干扰,同时获取多人呼吸频率、心率;
人体呼吸状态评估模型构建模块:构建人体呼吸状态知识库,并利用该知识库训练呼吸状态评估模型;
人体呼吸状态预警模块:将呼吸状态评估模型的输出数据进行存储和显示,并在目标人体出现呼吸异常时发出预警。
在本发明的一些实施例中,基于前述方案,上述S1中人体定位与识别模块包括3D相机和红外摄像头,两者配合以确定监测空间内人体数量、姿态及每人所处空间的三维坐标。
在本发明的一些实施例中,基于前述方案,上述S2中的获取监测各目标人体的最佳位置是根据目标人体的数量、各目标姿态及三维坐标,利用多波束天线控制单元,调用对应数量的波束、调试调用波束的方向和路径,获取监测呼吸和心跳的最佳位置。优选地,所述多波束天线控制单元通过电脉冲对多波束天线铁氧开关的激励,可使信号沿指定方向、路径和指定波束发射或接收。
在本发明的一些实施例中,基于前述方案,上述S3中的反射信号使用脉冲超宽带雷达对监测空间内的反射信号进行实时采集,并将反射信号组合成信号矩阵,然后对信号矩阵进行预处理。优选地,所述对信号矩阵的预处理包括去除直流分量、带通滤波和基于SVD方法去除杂波的信号。
在本发明的一些实施例中,基于前述方案,上述S4中从各个空间维度中提取人体呼吸信号,然后利用VMD算法将其分解成相应数目的不同频率信号的方法如下:
S41:由于发射波束方向及目标人体姿态、人体的三维坐标一定,则发射波束到各目标人体之间的距离和角度具有不变性,据此对信号进行空间维度划分;
S42:对应各目标人体的空间维度,从能量最大处提取包含呼吸频率、心率信号的回波信号f(t);
S43:对各目标人体的回波信号分别使用VMD算法,按照人体正常呼吸信号本身固有的频域特性将其分解成数目确定的IMF分量,根据目标人体与发射天线距离的远近,适当改变IMF分量的数目:
根据S431和S432中的初始变量,迭代第n+1次更新含有呼吸成分的子信号μk为:
S433:计算更新第n+1次拉格朗日乘子:
其中τ为噪声因子;
S44:根据人体的正常呼吸频率范围、心率范围,选取频率在有效范围内的IMF分量。
在本发明的一些实施例中,基于前述方案,上述S5中处理多人信号混叠的问题,当目标人体与发射天线距离较远时,基于相关性去除近距离位置人体呼吸频率、心率的混叠干扰,同时获取多人呼吸心跳频率,方法如下:
S51:将从距离雷达最近的空间维度提取分离出来的有效频率,作为对应位置处人体的呼吸频率和心率;
S52:以近距离方位上获取的人体的呼吸频率和心率为基础,将其对应的频域信号与较远位置对应的人体呼吸信号中分解出的频率在有效范围内的IMF分量的频域信号计算相关性,并将较远位置中相关性大于一定阈值的IMF分量去除,以获取较远位置上人体的真实呼吸频率和心率,去除多人信号混叠的干扰,同时获取多人呼吸频率和心率。
在本发明的一些实施例中,基于前述方案,上述S6中构建人体呼吸状态知识库的方法如下:
S61:获取人体处在坐、站、躺的稳定姿态下的呼吸频率、心率数据;
S62:对稳定姿态下的呼吸频率、心率数据设定健康评分;
S63:对稳定姿态下的呼吸频率、心率数据,健康评分进行存储,建立人体呼吸状态知识库。
由上述技术方案可知,本发明与现有技术相比至少具备以下优点和积极效果:
(1)本发明采用雷达技术监测人体呼吸状态,能够在无接触的情况下,使用一套设备完成一定空间范围内多人呼吸状态的监测,设备简单、使用效率较高。
(2)本发明按照空间维度对接收信号进行划分,利用VMD算法将从各个空间维度中提取的人体呼吸信号分解成相应数目的不同频率信号;由于在一定空间范围,人体的呼吸信号会经过多次反射,从而造成各人体呼吸信号间出现混叠问题,由于对距离较远的人体影响更大,本发明在远距离位置上,基于相关性去除人体呼吸信号的混叠干扰,能够同时获取多人呼吸频率、心率,具有抗干扰能力强、高效、精准的优点,能一次性获取多人的呼吸频率和心率。
(3)本发明设计了人体呼吸状态评估模型构建模块及呼吸状态预警模块,在完成呼吸状态监测的基础上,还能对非正常的呼吸状态进行预警,能在一定程度上减轻陪护人员及医护人员的工作强度。
本发明应当理解的是,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,并不能限制本发明。
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,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。在附图中:
图1为本发明监测方法流程框图;
图2为本发明多波束天线控制单元对仰卧状态下人体进行监测的示意图;
图3为本发明呼吸信号处理方法流程框图;
图4为本发明的去除多人混叠信号干扰方法流程框图;
图5为本发明构建呼吸状态知识库的方法流程框图;
图6为本发明监测系统框架图。
具体实施方式
为了更加清楚的阐述本发明的目的、技术方案和优点,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
下面结合具体实施例对本发明进行详细的说明:
实施例1
如图1所示,本实施例提供了一种基于雷达技术的多人呼吸状态监测方法,具体步骤,参考图1,该图所示实施例包括:
S1:利用人体定位与识别模块,确认监测空间内的人体姿态、数量及方位;
S2:确定需要发射波束的数量,调整发射波束的方向和路径,获取监测各目标人体的最佳位置,然后分别向人体发射信号;
S3:接收天线接收携带人体呼吸信号的反射信号,并对其进行预处理;
S4:按照空间维度对预处理后的信号进行划分,并从各个空间维度中提取人体呼吸信号,然后利用VMD算法分别将其分解成相应数目的不同频率信号;
S5:处理多人信号混叠问题,去除相互之间的信号干扰,同时获取多人呼吸频率、心率;
S6:构建人体呼吸状态知识库,并利用该知识库训练呼吸状态评估模型;将获取的多人呼吸频率、心率输入训练好的呼吸状态评估模型,对人体是否处于正常呼吸状态进行评估和预警。
在图1所示实施例提供的技术方案中,通过红外摄像头拍摄监测空间内的红外图像,确定该空间内目标人体数量,同时利用3D相机采集人目标人体所处姿态及在监测空间所处的方位,实现空间内场景建模,便于实时、清楚的监测空间各人所处位置及姿态,为后续步骤调整发射天线射频信号的路径和方向提供依据。
为了更加精确的获取各人体的呼吸信号,并区分来自不同人的呼吸信号,应该控制发射及接收波束的方向和角度,且雷达应当尽可能置于与各目标人体距离均不同的位置上。如图2所示,在本实施例的监测空间内,雷达安装于房间的墙壁的右上角,信号能够完全覆盖了目标1到目标3,且到达每个目标的距离、角度都不同,以便有效区分来自不同目标的呼吸信号。需要说明的是雷达安装的位置并不限于本实施例提供的位置,可以是房间内其他满足要求的任何位置。
本实施例中应用多波束天线控制单元控制雷达波的发射与接收,根据上述人体数量、姿态及空间位置的呈现结果,调试确定发射及接收波束的数量、路径、方向及角度,获取监测呼吸和心跳的最佳位置,以确保在监测空间内接收到的每个人的呼吸信号都是相对其个人最强的。优选地,本实施例中通过电脉冲激励铁氧体开关的方式控制波束,可使信号沿指定方向、路径和指定波束发射或接收。
进一步地,使用脉冲超宽带雷达采集病房或其他封闭空间内人体的呼吸信号,为了确保监测范围覆盖空间内的每个人,设置的雷达探测面积应大于监测空间的面积。本实施例使用单个探测距离达10米的脉冲超宽带雷达,对监测空间内的目标人进行监测。需要说明的是,若监测空间较大,为保障信号全面覆盖,可设置两个或两个以上的雷达完成整个空间的监测。由于雷达响应时间较快,能保障监测空间内人体呼吸信号的实时采集;进一步地,使用信号矩阵器将多行单独接收的反射信号组合成信号矩阵,进行存储与判断。需要说明的是,存储和判断的反应时间不能太长,以确保采集的呼吸信号具有实时性;但时长也不能过短,以提高人体呼吸信号监测的准确度,具体的时间长短可根据空间大小、目标数量、雷达波束的量等情况进行设定。
优选地,采集到的信号矩阵需要进行预处理,具体为使用一个10μF电容以隔离去除直流分量;再用基于汉明窗的带通滤波器滤除不期望频率的信号;最后采用SVD方法去除杂波信号,具体为进行自适应波束形成抑制“瞬态干扰”,以消除抑制干扰过程对信号调制所产生的频谱拓宽影响,将干扰抑制的结果组合成时域矩阵,通过奇异值分解获得呼吸杂波频率的变化历程,通过矩阵分析在时域将其滤除,最终达到滤除杂波信号的目的。
如图3所示,示例性的呈现了利用VMD算法分解呼吸信号的方法,具体如下:
S41:由于发射波束方向及目标人体姿态、人体的三维坐标一定,则发射波束到各目标人体之间的距离和角度具有不变性,据此对信号进行空间维度划分;
S42:对应各目标人体的空间维度,从能量最大处提取包含呼吸频率、心率信号的回波信号f(t);
S43:对各目标人体的回波信号分别使用VMD算法,按照人体正常呼吸信号本身固有的频域特性及目标人体与发射天线距离的远近将其分解成数目确定的IMF分量;
S44:并根据人体的正常呼吸频率范围0.1Hz~0.6Hz、心率范围0.9~1.6Hz之间,选取频率在有效范围内的IMF分量。
优选地,在有限的空间范围内,距离雷达较近位置上的人体的呼吸信号会经过多次反射,并会与较远位置上的人体的呼吸信号发生混叠,导致难以区分。因此为了充分分解出较远位置上人体的呼吸信号,在提取较远位置上的人体呼吸信号时,增加了所分解的IMF分量的数目。
如图4所示,所述S5中处理多人信号混叠的问题,当目标人体与发射天线距离较远时,基于相关性去除近距离位置人体呼吸频率、心率的混叠干扰,同时获取多人呼吸心跳频率,方法如下:
S51:将从距离雷达最近的空间维度提取分离出来的有效频率,作为对应位置处人体的呼吸频率和心率;
S52:以近距离方位上获取的人体的呼吸频率和心率为基础,将其对应的频域信号与较远位置对应的人体呼吸信号中分解出的频率在有效范围内的IMF分量的频域信号计算相关性,并将较远位置中相关性大于一定阈值的IMF分量去除,以获取较远位置上人体的真实呼吸频率和心率,去除多人信号混叠的干扰,同时获取多人呼吸频率和心率。
VMD是完全非递归的一种信号分解方法,它依据原始信号本身固有的频域特性来划分频带,将其分解成数目确定的IMF分量。其中每个IMF分量都是一个带通信号,随着信号分解过程的进行,其中心频率能够自动更新。
如图5所示,所述S6中构建人体呼吸状态知识库的方法如下:
S61:获取人体处在坐、站、躺的稳定姿态下的呼吸频率、心率数据;
S62:对稳定姿态下的呼吸频率、心率数据设定健康评分;
S63:对稳定姿态下的呼吸频率、心率数据,健康评分进行存储,建立人体呼吸状态知识库。
S631:将人体定位与识别模块识别的人体姿态输出数据和呼吸信号处理模块输出数据输入至训练完成的人体呼吸状态评估模型,得到健康评分,其中,健康状态评分模块的公式为:
其中,Y为健康评分,α0、α1、α2均为健康评估系数,x为稳定姿态心跳数据,y为稳定姿态呼吸数据,λ1为心跳数据误差系数,λ2为呼吸数据误差系数,γ1、γ2均为时间误差系数。
S632:判断健康评分是否大于健康评分阈值,若是,则为正常状态,若否,则为异常状态,并通过人体呼吸状态预警模块对异常状态进行预警。
实施例2
如图6所示,本发明提供一种基于雷达技术的多人呼吸状态监测系统,其特征在于,包括以下几个模块:
人体定位与识别模块:包括3D相机和红外摄像头。具体地,红外摄像头用于拍摄监测空间内的红外图像,确定该空间内的人数,3D相机同步采集各目标人体所处姿态及其三维坐标,实现空间内场景建模,并将采集到的数据实时传输到多波束天线控制单元;
天线及射频模块:包括多波速天线控制单元和信号矩阵器。具体地,根据监测空间内目标人体数量、姿态及所处位置,利用多波束天线控制单元,调用对应数量的波束、调试调用波束的方向和路径,以获取最强的呼吸信号处为最佳位置,分别向人体发射信号,并实时接收携带人体呼吸信号的反射信号。需要说明的是,监测空间内各人体不需要均保持一致。优选地,本实施例通过电脉冲激励铁氧体开关的方式控制波束,使用单个探测距离达10米的脉冲超宽带雷达采集病房或其他封闭空间内人体的呼吸信号,需要说明的是为了确保无监测盲区,当监测空间变大或人数较多时,可使用两个或两个以上的雷达。然后使用信号矩阵器将多行单独接收的反射信号组合成信号矩阵,进行存储与判断;
呼吸信号处理模块:包括对信号的预处理、利用VMD算法分别分解每个人对应的呼吸信号及去除多人呼吸信号混叠干扰。具体地,对信号矩阵的预处理包括去除直流分量、带通滤波和基于SVD方法去除杂波信号;在利用VMD算法对信号进行预处理前,按照空间维度对预处理后的信号进行划分,并从各个空间维度中提取人体呼吸信号,然后利用VMD算法分别将其分解成相应数目的不同频率信号,具体数目依据人体正常呼吸的频域范围及距离雷达的远近确定;人体与雷达的距离变远,会出现多人信号混叠问题,可在远距离位置上基于相关性去除近距离位置人体呼吸信号的混叠干扰,同时获取多人呼吸频率、心率,并将数据实时传输至人体呼吸状态评估模型中;
人体呼吸状态评估模型构建模块:包括呼吸状态知识库和呼吸状态评估模型。大量采集正常人体在站、坐、躺等姿态下对应的呼吸频率和心率,并对其进行将健康评分,贮存相关数据以完成人体呼吸状态知识库;利用该知识库训练呼吸状态评估模型,用于评估监测到的人体吸呼状态,并将数据传输至呼吸状态预警模块;
人体呼吸状态预警模块:将呼吸状态评估模型的输出数据进行存储和显示,并在目标人体出现呼吸异常时发出预警。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明的一般性原理并包括本发明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,本发明的真正范围和精神由权利要求指出。应当理解的是,本发明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。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于雷达技术的多人呼吸状态监测方法,其特征在于,具体方法步骤如下:
S1:利用人体定位与识别模块,确认监测空间内的人体姿态、数量及方位;
S2:获取监测各目标人体的最佳位置,然后分别向人体发射信号;
S3:接收天线接收携带人体呼吸信号的反射信号,并对其进行预处理;
S4:按照空间维度对预处理后的信号进行划分,并从各个空间维度中提取人体呼吸信号,然后利用VMD算法分别将其分解成相应数目的不同频率信号;
S5:去除多人信号混叠干扰,同时获取多人呼吸频率、心率;
S6:构建人体呼吸状态知识库,并利用该知识库训练呼吸状态评估模型;将获取的多人呼吸频率、心率输入训练好的呼吸状态评估模型,对人体是否处于正常呼吸状态进行评估和预警。
2.根据权利要求1所述的一种基于雷达技术的多人呼吸状态监测方法,其特征在于,所述S1中人体定位与识别模块包括3D相机和红外摄像头,两者配合以确定监测空间内人体数量、姿态及每人所处空间的三维坐标。
3.根据权利要求1所述的一种基于雷达技术的多人呼吸状态监测方法,其特征在于,所述S2中的获取监测各目标人体的最佳位置是利用多波束天线控制单元,选取适用的波束,确定发射信号的方向和路径,获取监测呼吸和心跳的最佳位置。
4.根据权利要求3所述的一种基于雷达技术的多人呼吸状态监测方法,其特征在于,所述多波束天线控制单元通过电脉冲对多波束天线铁氧开关的激励,可使信号沿指定方向、路径和指定波束发射或接收。
5.根据权利要求1所述的一种基于雷达技术的多人呼吸状态监测方法,其特征在于,所述S3中的反射信号使用脉冲超宽带雷达对监测空间内的反射信号进行实时采集,并将反射信号组合成信号矩阵,对信号矩阵进行预处理。
6.根据权利要求5所述的一种基于雷达技术的多人呼吸状态监测方法,其特征在于,所述对信号矩阵进行预处理包括去除直流分量、带通滤波和基于SVD方法去除杂波的信号。
7.根据权利要求1所述的一种基于雷达技术的多人呼吸状态监测方法,其特征在于,所述S4中从各个空间维度中提取人体呼吸信号,然后利用VMD算法分别将其分解成相应数目的不同频率信号的方法如下:
S41:对信号进行空间维度划分;
S42:对应各目标人体的空间维度,从能量最大处提取包含呼吸频率、心率信号的回波信号f(t);
S43:对各目标人体的回波信号分别使用VMD算法,按照人体正常呼吸信号本身固有的频域特性及天线与人体距离的远近将回波信号分解成数目确定的IMF分量;
S44:根据人体的正常呼吸频率范围、心率范围,选取频率在有效范围内的IMF分量。
8.根据权利要求1所述的一种基于雷达技术的多人呼吸状态监测方法,其特征在于,所述S5中去除多人信号混叠干扰,方法如下:
S51:将从距离雷达最近的空间维度中提取分离出来的有效频率,作为对应位置处人体的呼吸频率和心率;
S52:以近距离维度上获取的人体的呼吸频率和心率为基础,将其对应的频域信号与较远位置对应的人体呼吸信号中分解出的频率在有效范围内的IMF分量的频域信号计算相关性,并将较远位置中相关性大于一定阈值的IMF分量去除,以获取较远位置上人体的真实呼吸频率和心率,同时获取多人呼吸频率和心率。
9.根据权利要求1所述的一种基于雷达技术的多人呼吸状态监测方法,其特征在于,所述S6中构建人体呼吸状态知识库的方法如下:
S61:获取人体处在稳定姿态下的呼吸频率、心率数据;
S62:对稳定姿态下的呼吸频率、心率数据设定健康评分;
S63:对稳定姿态下的呼吸频率、心率数据,健康评分进行存储,建立人体呼吸状态知识库。
10.一种基于雷达技术的多人呼吸状态监测系统,其特征在于,包括以下几个模块:
人体定位与识别模块:通过3D相机和红外摄像头采集监测空间内的人体姿态、数量及方位信息;
天线及射频模块:根据人体定位与识别模块的采集信息,利用多波束天线控制单元,选取适用的波束、发射信号的方向和路径,获取监测呼吸和心跳的最佳位置,分别向人体发射信号,并实时接收携带人体呼吸信号的反射信号,然后将反射信号组合成信号矩阵;
呼吸信号处理模块:对信号矩阵进行预处理,按照空间维度对预处理后的信号进行划分,并从各个空间维度中提取人体呼吸信号,然后利用VMD算法分别将其分解成相应数目的不同频率信号;处理多人信号混叠的问题,在远距离位置上基于相关性去除近距离位置人体呼吸信号的混叠干扰,同时获取多人呼吸频率、心率;
人体呼吸状态评估模型构建模块:构建人体呼吸状态知识库,并利用该知识库训练呼吸状态评估模型;
人体呼吸状态预警模块:将呼吸状态评估模型的输出数据进行存储和显示,并在目标人体出现呼吸异常时发出预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111383524.XA CN114081459A (zh) | 2021-11-22 | 2021-11-22 | 一种基于雷达技术的多人呼吸状态监测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111383524.XA CN114081459A (zh) | 2021-11-22 | 2021-11-22 | 一种基于雷达技术的多人呼吸状态监测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114081459A true CN114081459A (zh) | 2022-02-25 |
Family
ID=80302520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111383524.XA Pending CN114081459A (zh) | 2021-11-22 | 2021-11-22 | 一种基于雷达技术的多人呼吸状态监测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114081459A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117064349A (zh) * | 2023-08-17 | 2023-11-17 | 德心智能科技(常州)有限公司 | 毫米波雷达与智能床联动的姿态控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160345832A1 (en) * | 2015-05-25 | 2016-12-01 | Wearless Tech Inc | System and method for monitoring biological status through contactless sensing |
CN108888249A (zh) * | 2018-06-07 | 2018-11-27 | 北京邮电大学 | 一种非接触式车内多人生命体征监测的方法及装置 |
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 |
CN111883257A (zh) * | 2020-09-25 | 2020-11-03 | 西南交通大学 | 基于多传感器的人体健康状态评估与预警系统及方法 |
CN111938623A (zh) * | 2020-08-25 | 2020-11-17 | 成都宋元科技有限公司 | 一种基于uwb定位引导的呼吸心率动态测量方法及装置 |
CN113534141A (zh) * | 2021-07-01 | 2021-10-22 | 深圳晶华相控科技有限公司 | 基于相控阵雷达技术的远距生命体征探测方法及装置 |
-
2021
- 2021-11-22 CN CN202111383524.XA patent/CN114081459A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160345832A1 (en) * | 2015-05-25 | 2016-12-01 | Wearless Tech Inc | System and method for monitoring biological status through contactless sensing |
CN108888249A (zh) * | 2018-06-07 | 2018-11-27 | 北京邮电大学 | 一种非接触式车内多人生命体征监测的方法及装置 |
CN111938623A (zh) * | 2020-08-25 | 2020-11-17 | 成都宋元科技有限公司 | 一种基于uwb定位引导的呼吸心率动态测量方法及装置 |
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 |
CN111883257A (zh) * | 2020-09-25 | 2020-11-03 | 西南交通大学 | 基于多传感器的人体健康状态评估与预警系统及方法 |
CN113534141A (zh) * | 2021-07-01 | 2021-10-22 | 深圳晶华相控科技有限公司 | 基于相控阵雷达技术的远距生命体征探测方法及装置 |
Non-Patent Citations (2)
Title |
---|
LI, ZHI;JIN, TIAN; DAI, YP: "Through-Wall Multi-Subject Localization and Vital Signs Monitoring Using UWB MIMO Imaging Radar", REMOTE SENSING, vol. 13, no. 15 * |
马铖, 李静霞, 徐航等: "基于VMD的宽带混沌雷达多生命信号探测方法", 信号处理, vol. 38, no. 6 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117064349A (zh) * | 2023-08-17 | 2023-11-17 | 德心智能科技(常州)有限公司 | 毫米波雷达与智能床联动的姿态控制方法及系统 |
CN117064349B (zh) * | 2023-08-17 | 2024-02-06 | 德心智能科技(常州)有限公司 | 毫米波雷达与智能床联动的姿态控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111481184B (zh) | 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 | |
CN109875529B (zh) | 一种基于超宽带雷达的生命体征检测方法及系统 | |
Shang et al. | Multiple object localization and vital sign monitoring using IR-UWB MIMO radar | |
Korürek et al. | Clustering MIT–BIH arrhythmias with Ant Colony Optimization using time domain and PCA compressed wavelet coefficients | |
US9888866B2 (en) | System for extracting respiratory rates from a pulse oximeter | |
CN106901695B (zh) | 一种生命信号提取方法及装置 | |
CN111856455A (zh) | 匹配不同雷达带宽的多目标心率呼吸测量方法及系统 | |
CN112686094B (zh) | 一种基于毫米波雷达的非接触式身份识别方法及系统 | |
US20220218231A1 (en) | Method for monitoring a recumbent patient to obtain information on a body position of the patient | |
Rissacher et al. | Cardiac radar for biometric identification using nearest neighbour of continuous wavelet transform peaks | |
Upadhyay et al. | Vital sign detection via angular and range measurements with mmWave MIMO radars: Algorithms and trials | |
CN114081459A (zh) | 一种基于雷达技术的多人呼吸状态监测方法和系统 | |
Qiao et al. | Learning-refined integral null space pursuit algorithm for noncontact multisubjects vital signs measurements using SFCW-UWB and IR-UWB radar | |
Li et al. | Remote respiratory and cardiac motion patterns separation with 4D imaging radars | |
CN114052740B (zh) | 基于毫米波雷达的非接触心电图监测方法 | |
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 | |
CN112998689B (zh) | 非接触式多人实时呼吸状况评估系统、设备和存储介质 | |
Barbi et al. | Impact of receivers location on the accuracy of capsule endoscope localization | |
Gao et al. | A new direction for biosensing: RF sensors for monitoring cardio-pulmonary function | |
CN114903469A (zh) | 生命体征监测方法及装置 | |
CN113100738B (zh) | 一种非接触式穿墙检测生命信息的方法 | |
Aardal et al. | Medical radar literature overview | |
Vo Dai | Remote Human Vital Sign Monitoring Using Multiple-Input Multiple-Output Radar at Millimeter-Wave Frequencies | |
Kim et al. | Multi-target localization of breathing humans | |
Wang et al. | Contactless Radar Heart Rate Variability Monitoring Via Deep Spatio-Temporal Modeling |
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 |