CN114343602A - 一种基于毫米波雷达的运动员竞技状态评估方法及系统 - Google Patents
一种基于毫米波雷达的运动员竞技状态评估方法及系统 Download PDFInfo
- Publication number
- CN114343602A CN114343602A CN202210006762.7A CN202210006762A CN114343602A CN 114343602 A CN114343602 A CN 114343602A CN 202210006762 A CN202210006762 A CN 202210006762A CN 114343602 A CN114343602 A CN 114343602A
- Authority
- CN
- China
- Prior art keywords
- signal
- athlete
- heartbeat
- beat
- millimeter wave
- 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
- 230000002860 competitive effect Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 230000000386 athletic effect Effects 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000006073 displacement reaction Methods 0.000 claims abstract description 7
- 238000000926 separation method Methods 0.000 claims abstract description 3
- 230000000747 cardiac effect Effects 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 208000008784 apnea Diseases 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 230000000241 respiratory effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 210000000038 chest Anatomy 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000003860 sleep quality Effects 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 230000037147 athletic performance Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000031864 metaphase Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- A61B5/05—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/10—Athletes
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/04—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/40—Measuring physiological parameters of the user respiratory characteristics
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physical Education & Sports Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (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毫米波雷达的运动员竞技状态评估方法及系统,该方法步骤包括,发射毫米波检测波信号,并接收所述检测波信号到达待测部位,形成的携带有胸部位移信号的回波信号;对所述检测波信号和回波信号进行混频与低通滤波,得到中频信号;对所述中频信号进行滤波与信号分离,得到呼吸信号和心跳信号;根据所述呼吸信号和心跳信号进行竞技状态评估;该系统包括包括检测单和信号处理单元;信号处理单元包括混频器、滤波器和数据处理器;本发明不影响运动员竞技状态有效发挥的情况下,实现对运动员竞技状态的非接触检测以及实现对运动员竞技状态的评估。
Description
技术领域
本发明涉及运动员竞技状态评估技术领域,更具体的说是涉及一种基于毫米波雷达的运动员竞技状态评估方法及系统。
背景技术
目前,睡眠是优秀运动员在训练或比赛期间达到身体快速恢复,消除疲劳的重要方式,可以有效促进运动员身体机能的恢复和竞技状态的良好发挥。研究运动员的睡眠时长和质量是为了更好地在训练或比赛期间为教练的指导训练和赛时的场上人员安排提供一定的理论依据和量化指导。也可以更好地了解运动员的整体睡眠质量和竞技状态之间的关系,根据睡眠检测结果有针对性的为每个运动员改善睡眠质量做出有效调整。因此,对运动员的睡眠过程和睡眠质量进行监护,分析运动员睡眠与体能恢复之间的内在联系对提高运动员的竞技状态具有重大意义。我们可通过监测运动员的睡眠生理指标,以及体能恢复的速率,评估教练对运动员的训练负荷和强度,为教练的训练安排做出理论指导,使得教练的训练安排趋于更加合理化,战术制定达到效能最优化。
然而,非接触式的生理信息监测正在受到人们的日益欢迎,比如基于光纤或压电等原理的心冲击信号采集等。相比心电、光电脉搏波等其他监测方式,非接触式生理信息监测具有无创无感、监测方便等优势,但是依然需要与待测人员进行间接接触,无法实现隔着空气非接触监测,并不是真正意义上的非接触监测方式。现有基于穿戴式监测传感器的运动员竞技状态评估系统存在监测负荷较大,影响运动员竞技状态有效发挥和依从性较差等不足;现有基于光纤、压电测振原理的生命体征信号监测传感器存在与人体之间需要间接接触的问题。
因此,如何提供一种基于毫米波雷达的运动员竞技状态评估方法及系统,是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于毫米波雷达的运动员竞技状态评估方法及系统,能够在不影响运动员竞技状态有效发挥的情况下,实现对运动员竞技状态的非接触检测以及实现对运动员竞技状态的评估。
为了实现上述目的,本发明采用如下技术方案:
一种基于毫米波雷达的运动员竞技状态评估方法,步骤包括,
发射毫米波检测波信号,并接收所述检测波信号到达待测部位后,形成的携带有胸部位移信号的回波信号;
对所述检测波信号和回波信号进行混频和低通滤波,得到中频信号;
对所述中频信号进行滤波和信号分离,得到呼吸信号和心跳信号;
根据所述呼吸信号和心跳信号进行竞技状态评估。
进一步的,所述中频信号的频率为所述检测波信号和所述回波信号的差频,相位为所述检测波信号和所述回波信号的相位差。
进一步的,所述根据呼吸信号和心跳信号进行竞技状态评估包括,根据心跳信号,采用自适应匹配模板和聚类算法获取逐拍心动周期信号,根据所述逐拍心动周期信号和呼吸信号对运动员竞技状态进行评估。
进一步的,采用自适应模板匹配和和聚类算法进行逐拍心动周期的提取,步骤包括:
S11:对心跳信号进行预处理;
S12:获取预处理后的心跳信号中的初始信号,采用聚类算法从所述初始信号中提取心跳模板;
S13:利用所述心跳模板对后续心跳信号进行探测,得到心跳信号的正向最大峰值;
S14:输出逐拍心动周期。
进一步的,所述S13还包括计算所述心跳模板和所述心跳信号的匹配度,当检测到心跳信号的匹配度下降或者用户状态判别检测到姿势发生变化时,以当前信号为起点重新计算心跳模板。
进一步的,所述根据呼吸信号和所述逐拍心动周期进行竞技状态评估还包括,
S21:根据逐拍心动周期和呼吸信号,分析呼吸模式、呼吸暂停情况和心率变异性;提取出呼吸信号和心跳信号的时域特征、频域特征和非线性特征;
S22:采用随机森林算法从所述呼吸信号和心跳信号的时域特征、频域特征和非线性特征中选择与运动员竞技状态相关的特征进行优化;
S23:采用支持向量机、神经网络或集成学习对选择的优化特征进行运动员竞技状态的综合评估。
一种基于毫米波雷达的运动员竞技状态评估系统,包括信号检测单元、数据传输单元和信号处理单元;
所述信号检测单元,用于发射毫米波检测波信号以及经待测部位形成并反射回来的回波信号;
所述信号处理单元包括混频器、滤波器和数据处理器;
所述混频器,用于对所述检测波信号和回波信号进行混频和低通滤波,得到中频信号;
所述滤波器,用于对所述中频信号进行滤波和信号分离,得到呼吸信号和心跳信号;
所述信息处理器,用于根据所述呼吸信号和心跳信号进行竞技状态评估。
进一步的,所述信息处理器还用于采用自适应模板匹配和聚类算法获取逐拍心动周期信号。
进一步的,所述信息处理器还用于,根据逐拍心动周期和呼吸信号,对呼吸模式、呼吸暂停情况、心率变异性等指标进行分析,提取特征参数,并根据所述特征参数对竞技状态进行评估。
进一步的,还包括数据传输单元和人机交互单元;
所述数据传输单元,用于通过有线或无线的方式将毫米波雷达的监测原始数据通过RJ45有线或WiFi、蓝牙无线通讯的方式向信号处理单元进行无线传输;
所述人机交互单元,用于接收外部控制信号,并显示运动员竞技状态监测评估结果。
本发明的有益效果:
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于毫米波雷达的运动员竞技状态评估方法及系统,基于毫米波雷达实现了对运动员竞技状态的非接触零负荷监测,同时不影响运动员竞技状态有效发挥。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的一种基于毫米波雷达的运动员竞技状态评估方法流程示意图;
图2附图为本发明提供的一种基于毫米波雷达的运动员竞技状态评估系统结构示意图;
图3附图为本发明提供的一种基于毫米波雷达的运动员竞技状态评估系统另一实施例结构示意图;
具体实施方式
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一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
如图1,本发明实施例公开了一种基于毫米波雷达的运动员竞技状态评估方法,步骤包括,
通过毫米波雷达设置并发射毫米波检测波信号;检测波信号到达待测部位后形成携带有胸部位移信号的回波信号;
对检测波信号和回波信号进行混频和低通滤波,得到中频信号;
对中频信号进行滤波和信号分离,得到呼吸信号和心跳信号;由于生理周期不同,心跳信号与呼吸信号在频带上有一定的差异,因此可以通过滤波的方式进行信号分离。
根据呼吸信号和心跳信号进行竞技状态评估。
为了进一步实施上述技术方案,中频信号的频率为检测波信号和回波信号的差频,相位为检测波信号和回波信号的相位差。
为了进一步实施上述技术方案,根据呼吸信号和心跳信号进行竞技状态评估包括,采用自适应匹配模板和聚类算法获取逐拍心动中期信号。
在本实施例中,采用基于互相关计算的模板匹配和多种类型的聚类算法,能够实现逐拍心动周期的精准解析。心动周期模板提取第一种是通过K-means方法,先通过指定聚类簇数和初始聚类中心,后以各聚类中心的欧式距离为标准将数据分为K类,该K类个数通过实际测试决定,并重新计算聚类中心,若聚类中心发生了变化则重新选取K值再重新计算聚类中心,若聚类中心未发生变化则直接输出聚类结果。第二种是通过AffinityPropagation方法,首先将算法初始化,即将吸引矩阵和归属矩阵都初始化为0矩阵,其中吸引度(Responsibility)r(i,k)用来描述点k适合作为数据点i的聚类中心的程度。归属度(Availability)a(i,k)用来描述点i选择点k作为其聚类中心的适合程度。之后迭代更新吸引度矩阵和归属度矩阵,通过衰减系数分别对两个矩阵进行衰减,直至最大迭代次数。
为了进一步实施上述技术方案,采用自适应模板匹配和和聚类算法进行逐拍心动周期的提取,步骤包括:
S11:对心跳信号进行预处理;
S12:获取预处理后的心跳信号中的初始信号,采用聚类算法从初始信号中提取心跳模板;
S13:利用心跳模板对后续心跳信号进行探测,得到心跳信号的正向最大峰值;
S14:输出逐拍心动周期。
为了进一步实施上述技术方案,S13还包括计算心跳模板和心跳信号的匹配度,当检测到心跳信号的匹配度下降或者用户状态判别检测到姿势发生变化时,以当前信号为起点重新计算心跳模板。
为了进一步实施上述技术方案,根据呼吸信号和逐拍心动周期进行竞技状态评估还包括,
S21:根据逐拍心动周期和呼吸信号,分析呼吸模式、呼吸暂停情况和心率变异性;提取出呼吸信号和心跳信号的时域特征、频域特征和非线性特征;
S22:采用随机森林算法从呼吸信号和心跳信号的时域特征、频域特征和非线性特征中选择与运动员竞技状态相关的特征进行优化;
S23:根据选择的优化特征,采用支持向量机、神经网络和集成学习进行运动员竞技状态的综合评估。根据特征参数对竞技状态进行评估可以采用支持向量机、神经网络或集成学习对选择的优化特征进行运动员竞技状态的综合评估。下面以支持向量机为例进行简要说明:
支持向量机由Vapnik等人提出,是一种以统计学为基础的分类算法。其核心思想是将样本特征空间映射到高维,对映射后的样本空间使用简单的线性分类器进行划分。SVM中包含最优分类超平面与支持向量两个重要的概念,其中最优分类超平面又称最优分类线;如果一个超平面能够将一个样本集中的特征向量正确划分,并且保证分类间隔最大,则该超平面称为最优分类超平面,支持向量就是这些离超平面最近并且对决策结果起到重要作用的样本点。在运动员竞技状态评估的本应用案例中,可将运动员竞技分为优和差两类,支持向量机算法的目标是寻找一个优化的分类超平面,保证竞技状态优和竞技状态差的两类之间特征向量之间的间隔最大。
如图2,一种基于毫米波雷达的运动员竞技状态评估系统,包括信号检测单元、数据传输单元和信号处理单元;
信号检测单元,用于发射毫米波检测波信号以及经待测部位形成并反射回来的回波信号;
信号处理单元包括混频器、滤波器和数据处理器;
混频器,用于对检测波信号和回波信号进行混频和低通滤波,得到中频信号;
滤波器,用于对中频信号进行滤波和信号分离,得到呼吸信号和心跳信号;
信息处理器,用于根据呼吸信号和心跳信号进行竞技状态评估。
其中,信号检测单元为毫米波生物雷达,能够测量心冲击图和胸腔的起伏运动;毫米波生物雷达,使用调频连续波(FrequencyModulatedContinuous Wave,FMCW)雷达测量胸腔因呼吸和心跳而产生的机械震动,获取呼吸和心跳原始信号。FMCW雷达中频信号的相位对微小位移十分敏感,可以实现从胸部位移信号中提取心率和呼吸率等多参数体征信息。
FMCW雷达周期发射频率线性增加正弦信号,混频器将发射的检测波信号和接收的回波信号进行下变频,得到中频(IntermediateFrequency,IF)信号。IF信号的频率为两个信号的差频,信号相位为两个信号的相位差;发射的检测波信号可表示为:
与雷达距离为R的静止物体产生的中频信号可表示为:
目标距离R决定了中频信号的频率和相位,单个静止物体将产生一个单频信号,以fs采样率对中频信号采样,采样间隔为Ts,采样点为N,则采样时长Tc=Ts×N,此时系统的频率分辨率为:
IF信号的相位Φ与R之间存在线性关系。故ΔΦ与ΔR之间也为线性关系:
上述公式表现了该雷达测量微小位移的能力。
如图3,高频毫米波信号由压控振荡器Oscillator产生,通过功率分配器将一部分经过额外放大后馈送至发射天线TX,另一部分耦合至混频器Mixer,与接收天线RX接收被人体反射后的回波信号混频后经低通滤波器LPF滤波后得到与人体体表微弱振动信号十分敏感的雷达中频信号。
为了进一步实施上述技术方案,信息处理器还用于采用自适应模板匹配和聚类算法获取逐拍心动中期信号。
为了进一步实施上述技术方案,信息处理器还用于,根据逐拍心动周期和呼吸信号,对呼吸模式、呼吸暂停情况、心率变异性等指标进行分析,提取特征参数,并根据特征参数对竞技状态进行评估。
为了进一步实施上述技术方案,还包括数据传输单元和人机交互单元;
数据传输单元,用于通过有线或无线的方式将毫米波雷达的监测原始数据通过RJ45有线或WiFi、蓝牙无线通讯的方式向信号处理单元进行无线传输;
人机交互单元,用于接收外部控制信号,并显示运动员竞技状态监测评估结果。
为了进一步实施上述技术方案,还包括电源管理单元,为信号处理单元和数据传输单元供电。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于毫米波雷达的运动员竞技状态评估方法,其特征在于,步骤包括,
发射毫米波检测波信号,并接收所述检测波信号到达待测部位,形成的携带有胸部位移信号的回波信号;
对所述检测波信号和回波信号进行混频与低通滤波,得到中频信号;
对所述中频信号进行滤波与信号分离,得到呼吸信号和心跳信号;
根据所述呼吸信号和心跳信号进行竞技状态评估。
2.根据权利要求1所述的一种基于毫米波雷达的运动员竞技状态评估方法,其特征在于,所述中频信号的频率为所述检测波信号和所述回波信号的差频,相位为所述检测波信号和所述回波信号的相位差。
3.根据权利要求1所述的一种基于毫米波雷达的运动员竞技状态评估方法,其特征在于,所述根据呼吸信号和心跳信号进行竞技状态评估包括,根据心跳信号,采用自适应匹配模板和聚类算法获取逐拍心动周期信号,根据所述逐拍心动周期信号和呼吸信号对运动员竞技状态进行评估。
4.根据权利要求3所述的一种基于毫米波雷达的运动员竞技状态评估方法,其特征在于,采用自适应模板匹配和和聚类算法进行逐拍心动周期的提取,步骤包括:
S11:对心跳信号进行预处理;
S12:获取预处理后的心跳信号中的初始信号,采用聚类算法从所述初始信号中提取心跳模板;
S13:利用所述心跳模板对后续心跳信号进行探测,得到心跳信号的正向最大峰值;
S14:输出逐拍心动周期。
5.根据权利要求4所述的一种基于毫米波雷达的运动员竞技状态评估方法,其特征在于,所述S13还包括计算所述心跳模板和所述后续心跳信号的匹配度,当检测到后续心跳信号的匹配度下降或者用户状态判别检测到姿势发生变化时,以当前信号为起点重新计算心跳模板。
6.根据权利要求4所述的一种基于毫米波雷达的运动员竞技状态评估方法,其特征在于,所述根据呼吸信号和所述逐拍心动周期进行竞技状态评估还包括,
S21:根据逐拍心动周期和呼吸信号,分析呼吸模式、呼吸暂停情况和心率变异性;提取出呼吸信号和心跳信号的时域特征、频域特征和非线性特征;
S22:采用随机森林算法从所述呼吸信号和心跳信号的时域特征、频域特征和非线性特征中选择与运动员竞技状态相关的特征进行优化;
S23:采用支持向量机、神经网络或集成学习对选择的优化特征进行运动员竞技状态的综合评估。
7.一种基于毫米波雷达的运动员竞技状态评估系统,其特征在于,包括检测单和信号处理单元;
所述信号检测单元,用于发射毫米波检测波信号以及经待测部位形成并反射回来的回波信号;
所述信号处理单元包括混频器、滤波器和数据处理器;
所述混频器,用于对所述检测波信号和回波信号进行混频和低通滤波,得到中频信号;
所述滤波器,用于对所述中频信号进行滤波和信号分离,得到呼吸信号和心跳信号;
所述信息处理器,用于根据所述呼吸信号和心跳信号进行竞技状态评估。
8.根据权利要求7所述的一种基于毫米波雷达的运动员竞技状态评估系统,其特征在于,所述信息处理器还用于采用自适应模板匹配和聚类算法获取逐拍心动周期信号。
9.根据权利要求8所述的一种基于毫米波雷达的运动员竞技状态评估系统,其特征在于,所述信息处理器还用于,根据逐拍心动周期和呼吸信号,对呼吸模式、呼吸暂停情况、心率变异性等指标进行分析,提取特征参数,并根据所述特征参数对竞技状态进行评估。
10.根据权利要求9所述的一种基于毫米波雷达的运动员竞技状态评估系统,其特征在于,还包括数据传输单元和人机交互单元;
所述数据传输单元,用于通过有线或无线的方式将毫米波雷达的监测原始数据通过RJ45有线或WiFi、蓝牙无线通讯的方式向信号处理单元进行无线传输;
所述人机交互单元,用于接收外部控制信号,并显示运动员竞技状态监测评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210006762.7A CN114343602A (zh) | 2022-01-05 | 2022-01-05 | 一种基于毫米波雷达的运动员竞技状态评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210006762.7A CN114343602A (zh) | 2022-01-05 | 2022-01-05 | 一种基于毫米波雷达的运动员竞技状态评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114343602A true CN114343602A (zh) | 2022-04-15 |
Family
ID=81107756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210006762.7A Pending CN114343602A (zh) | 2022-01-05 | 2022-01-05 | 一种基于毫米波雷达的运动员竞技状态评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114343602A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117491966A (zh) * | 2024-01-03 | 2024-02-02 | 天津爱仕凯睿科技发展有限公司 | 一种毫米波雷达信号处理方法及系统 |
-
2022
- 2022-01-05 CN CN202210006762.7A patent/CN114343602A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117491966A (zh) * | 2024-01-03 | 2024-02-02 | 天津爱仕凯睿科技发展有限公司 | 一种毫米波雷达信号处理方法及系统 |
CN117491966B (zh) * | 2024-01-03 | 2024-03-22 | 天津爱仕凯睿科技发展有限公司 | 一种毫米波雷达信号处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | WiFi-sleep: Sleep stage monitoring using commodity Wi-Fi devices | |
Wang et al. | mmHRV: Contactless heart rate variability monitoring using millimeter-wave radio | |
CN111142102B (zh) | 一种呼吸数据计算方法以及相关设备 | |
CN106037722B (zh) | 催眠状态脑电信号提取方法与系统 | |
KR101746590B1 (ko) | 무구속 생체정보 기반의 산만도 추정 시스템 | |
EP3866685B1 (en) | Systems and methods for micro impulse radar detection of physiological information | |
US20180271435A1 (en) | Learning sleep stages from radio signals | |
CN109363647A (zh) | 睡眠质量监测方法、装置及终端设备 | |
CN107028605A (zh) | 传感器信息处理设备 | |
US11963748B2 (en) | Portable monitor for heart rate detection | |
CN114343602A (zh) | 一种基于毫米波雷达的运动员竞技状态评估方法及系统 | |
Wang et al. | HeRe: Heartbeat signal reconstruction for low-power millimeter-wave radar based on deep learning | |
CN114847931A (zh) | 人体运动的跟踪方法、装置和计算机可读存储介质 | |
KR20180088019A (ko) | 레이더를 이용한 생체 신호 측정 방법 및 장치 | |
US20230139637A1 (en) | Vital sign monitoring via remote sensing on stationary exercise equipment | |
Bahache et al. | An inclusive survey of contactless wireless sensing: A technology used for remotely monitoring vital signs has the potential to combating covid-19 | |
CN117100241A (zh) | 一种心跳间期测量方法及装置 | |
KR20230077607A (ko) | 시간적 위상 코히어런시에 기반한 심박 측정 거리 결정 장치 및 방법 | |
Marty et al. | Investigation of mmwave radar technology for non-contact vital sign monitoring | |
Tsubota et al. | Heart Rate Variability and Body-Movement Extractions using Wi-Fi Channel State Information | |
Zhang et al. | Radar-Beat: Contactless beat-by-beat heart rate monitoring for life scenes | |
CN113288078A (zh) | 睡眠质量监测方法、装置及系统 | |
CN113925481A (zh) | 测量生理信号方法及生理信号测量装置 | |
CN107049293A (zh) | 传感器信息处理设备 | |
KR102444685B1 (ko) | 크기와 위상 사이의 코히어런시에 기반한 활력 징후 측정 거리 결정 장치 및 방법 |
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 |