CN114403820B - 一种移动目标的生命体征检测方法及系统 - Google Patents
一种移动目标的生命体征检测方法及系统 Download PDFInfo
- Publication number
- CN114403820B CN114403820B CN202210038536.7A CN202210038536A CN114403820B CN 114403820 B CN114403820 B CN 114403820B CN 202210038536 A CN202210038536 A CN 202210038536A CN 114403820 B CN114403820 B CN 114403820B
- Authority
- CN
- China
- Prior art keywords
- signal
- target
- phase
- vital sign
- respiratory
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 230000000241 respiratory effect Effects 0.000 claims abstract description 27
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 22
- 238000005516 engineering process Methods 0.000 claims abstract description 19
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 19
- 230000036391 respiratory frequency Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 12
- 230000036387 respiratory rate Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- ADEORFBTPGKHRP-UHFFFAOYSA-N 1-[7-(dimethylamino)-4-methyl-2-oxochromen-3-yl]pyrrole-2,5-dione Chemical compound O=C1OC2=CC(N(C)C)=CC=C2C(C)=C1N1C(=O)C=CC1=O ADEORFBTPGKHRP-UHFFFAOYSA-N 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 230000010363 phase shift Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000001121 heart beat frequency Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 18
- 238000012544 monitoring process Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000003322 Coinfection Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012360 testing method 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
- A61B5/02—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
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves using microwaves or terahertz waves
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Mathematical Physics (AREA)
- Pulmonology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供一种移动目标的生命体征检测方法及系统，方法包括：基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据；获取目标距离信息，提取目标相位信号；基于模态分解算法，从目标相位信号中分解得到目标的心跳信号和呼吸信号，估算目标心率和呼吸频率。本发明使用非接触式的毫米波雷达检测，实现对移动目标的呼吸速率和心率检测，相比佩戴式、接触式的设备，在保证隐私性的同时给用户带来了愉快的体验；对比其他传统非接触生命体征监测方法，该方法不需要被监测人员正坐在椅子上或正躺在床上使胸腔正对着雷达设备，支持目标在监测区域内进行正常活动，实现生命体征的监测。
Description
技术领域
本发明涉及通信领域，更具体地，涉及一种移动目标的生命体征检测方法及系统。
背景技术
目前，随着电子硬件技术、网络通信技术以及物联网技术的高速发展，在智能楼宇、工厂、汽车领域中越来越多的应用被推出以便捷人们的生活。其中，生命体征信息是现代卫生保健和医疗应用中的重要指标和监测重要参数，例如心跳和呼吸，生命体征的监测有助于及时的发现生命活动的异常，进行疾病的预警和治疗，可为医疗应用提供可靠的诊断和治疗依据。例如：呼吸暂停的疾病预防、疗养院的监护、对驾驶员的健康疲劳状况进行监测。
传统的生命体征检测方法主要使用接触式可穿戴传感器或粘性电极直接监测心跳和呼吸信号。这种直接接触测试物体的传感器方法固然能够准确的检测信息，居然绝对的权威性，但是对于如重度烧伤患者，接触式设备一方面会增加患者的痛苦，另一方面容易引发二次感染；对于正常家用的体征监护，特别的老人的体征监护，佩戴接触式设备一方面操作复杂，另一方面可能会影响老人的正常行动和生活。
在目前，非接触式的生命体征检测方法仍然具有许多局限性，要求测试人员保持静止正坐在椅子上或者正躺在床上，胸腔正对传感器设备，这些缺陷限制了其应用场景。同时对于心率的检测，一些方法尝试直接利用频率分析和带通滤波器(BPF)估算心率，然而，由于呼吸引入的谐波，很容易拾取错误的峰进行估算。
发明内容
本发明针对现有技术中存在的技术问题，提供一种移动目标的生命体征检测方法及系统。
根据本发明的第一方面，提供了一种移动目标的生命体征检测方法，包括：
基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据；
基于所述多组不同距离分辨率的信号数据，获取目标距离信息；
从所述目标距离信息中提取目标相位信号；
基于模态分解算法，从所述目标相位信号中分解得到目标的心跳信号和呼吸信号；
根据目标的心跳信号和呼吸信号，估算目标心率和呼吸频率。
在上述技术方案的基础上，本发明还可以作出如下改进。
可选的，所述基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据，包括：
基于MIMO技术配置毫米波模块的多发多收模式，利用虚拟天线阵列获取多组不同距离分辨率的信号数据。
可选的，所述基于所述多组不同距离分辨率的信号数据，得到目标距离信息，包括：
对每一组信号数据进行傅里叶变换，得到对应的距离维度信息；
通过自适应阈值检测算法筛选出目标距离仓位置，进而得到目标距离信息。
可选的，所述从所述目标距离信息中提取目标相位信号，之后还包括对所述目标相位信号进行预处理，以消除相位直流偏执和相位模糊：
使用梯度下降算法对所述目标相位信号实现动态DC偏移跟踪，执行DC偏移校正；
使用扩展DACM算法消除由相位不连续和相位跳变引起的相位模糊，将反正切函数转换为导数运算；
对相位展开的信号执行相位差分运算以增强心跳信号，抑制相位偏移现象。
可选的，所述使用梯度下降算法对所述目标相位信号实现动态DC偏移跟踪，执行DC偏移校正，包括：
使用以下函数实现最小化优化：
其中，k是采样点数，XI(k)是接收到的同相信号，DCI为同相信号的直流变量，XQ(k)是接收到的正切信号，DCQ为正切信号的直流变量，F(DCI，DCQ，A)为偏移校正后的目标相位信号。
可选的，所述扩展DACM算法使用以下公式实现相位的计算：
相应的，对相位展开的信号执行相位差分运算以增强心跳信号，抑制相位偏移现象，包括：
对相位展开信号φ(k)利用相位差分φ(k)-φ(k-1)进行运算。
可选的，所述模态分解算法为变分模态分解算法，所述变分模态分解用以下公式理解为一个变分约束问题：
f＝∑kuk；
其中，k是VIMF分量的个数，f是输入信号，并且f＝s(n)；此外，{uK}＝{u1，u2，……，uK}和{ωk}＝{ω1，ω2，……，ωk}分别是所有VIMF分量及其中心频率。
可选的，所述根据目标的心跳信号和呼吸信号，估算目标心率和呼吸频率，包括：
对目标的心跳信号和呼吸信号分别进行傅里叶变换，得到对应的频谱信号；
将频谱信号中的最大峰值作为估算的目标心跳频率和呼吸频率。
根据本发明的第二方面，提供一种移动目标的生命体征检测系统，包括：
获取模块，用于基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据；以及基于所述多组不同距离分辨率的信号数据，获取目标距离信息；
提取模块，用于从所述目标距离信息中提取目标相位信号；
分解模块，用于基于模态分解算法，从所述目标相位信号中分解得到目标的心跳信号和呼吸信号；
估算模块，用于根据目标的心跳信号和呼吸信号，估算目标心率和呼吸频率。
根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现移动目标的生命体征检测方法的步骤。
根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现移动目标的生命体征检测方法的步骤。
本发明提供的一种移动目标的生命体征检测方法及系统，使用非接触式的毫米波雷达检测，实现对移动目标的呼吸速率和心率检测，相比佩戴式、接触式的设备，在保证隐私性的同时给用户带来了愉快的体验；对比其他传统非接触生命体征监测方法，该方法不需要被监测人员正坐在椅子上或正躺在床上使胸腔正对着雷达设备，支持目标在监测区域内进行正常活动，实现生命体征的监测。
附图说明
图1为本发明提供的一种移动目标的生命体征检测方法流程图；
图2为相位补偿校准流程示意图；
图3为呼吸和心跳信号检测流程示意图；
图4为本发明实施例提供的一种移动目标的生命体征检测系统的结构示意图；
图5为本发明提供的一种可能的电子设备的硬件结构示意图；
图6为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例一
一种移动目标的生命体征检测方法，参见图1，该生命体征检测方法主要包括以下步骤：
S1，基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据。
作为实施例，所述基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据，包括：基于MIMO技术配置毫米波模块的多发多收模式，利用虚拟天线阵列获取多组不同距离分辨率的信号数据。
具体的，本发明实施例使用的的毫米波模块支持3发4收的天线模式，使用MIMO技术，得到的信号数据为3×4＝12组数据，其中3组数据的chirp的斜率频率S配置不一样，在相同的持续时间tc里，其产生的信号带宽B＝Stc也不一样，根据FMCW的原理得知，其距离精度为C/2B，对应的不同的发射天线的chirp的距离精度也不一样。一般地，三个天线的配置距离精度分为高精度，中精度，低精度。
S2，基于所述多组不同距离分辨率的信号数据，获取目标距离信息。
具体的，利用MIMO得到的多组不同距离分辨率的信号数据，对每一组信号数据进行傅里叶变换，得到对应的距离维度信息。基于距离维度信息，通过常用的自适应阈值检测算法可以筛选出对应的目标距离仓位置，进而得到目标距离信息。至于所述的傅里叶变换和自适应阈值检测算法，这些为本领域技术人员所熟知，在此不再赘述。
如图2所示为本发明提供的移动场景中目标位置变化的相位补偿校准流程图，对于移动目标其距离仓位置是改变的，对于低精度的配置，距离仓位置跨度大，在短时间内，其目标所处距离仓位置不会改变，一旦目标所处距离仓位置发生改变，由于每个距离仓初相不同，其相位会发生跳变。当相位发生跳变时，选取其他精度chirp的同距离位置，不同的距离仓进行相位的补偿校准。
S3，从所述目标距离信息中提取目标相位信号。
作为实施例，所述从所述目标距离信息中提取目标相位信号，之后还包括对所述目标相位信号进行预处理，以消除相位直流偏执和相位模糊：使用梯度下降算法对所述目标相位信号实现动态DC偏移跟踪，执行DC偏移校正；使用扩展DACM算法消除由相位不连续和相位跳变引起的相位模糊，将反正切函数转换为导数运算；对相位展开的信号执行相位差分运算以增强心跳信号，抑制相位偏移现象。
具体的，根据上述步骤得到的目标距离仓位置和目标距离信息，由于使用IQ采样，对应的信号为复数，提取目标位置的数据相位，即目标相位信号。
对于初步提取的目标相位信号，必须确保任何非线性失真和干扰删除，两个I/Q通道的DC偏移是一个典型的干扰，它会影响生命体征的相位提取精度。DC偏移有两个主要原因，原因之一是外部直流信号分量叠加在原始信号上；另一个来自本地振荡器泄漏以及混频器或解调器的非线性。传统方法的偏移校准是使用ADC数据在真空环境中收集由于周围静止目标、热噪声和电路引起的直流偏移。但是，这种方法在测量和收集过程中应严格保持相同的环境，这在实践中很难实现。本发明实施例使用了圆心动态DC偏移跟踪方法，该方法使用有效的梯度下降算法来实现动态DC偏移跟踪，然后执行DC偏移校正。具体而言，在两个I/Q通道上执行DC偏移校正，梯度下降算法可以用以下函数实现最小化优化：
其中，k是采样点数，XI(k)是接收到的同相信号，DCI为其直流变量，XQ(k)是接收到的正切信号，DCQ为其直流变量，F(DCI，DCQ，A)为偏移校正后的行为信号，也可以理解为目标相位信号。
由于呼吸和胸部移位运动相对于毫米波波长是非常大的，是毫米波波长的几倍，会产生由相位不连续和相位跳变引起的相位模糊。本发明实施例提出了扩展的微分与乘法(differentiate andcross-multiply，DACM)算法，扩展DACM算法可以用以下公式实现相位的计算：
尽管扩展的DACM算法解决了相位模糊性问题，但心跳频率非常小，很容易淹没在呼吸谐波频率和噪声中。因此，对相位展开信号执行相位差分以增强心跳信号，差分相位是相邻连续相位值之间的差，即φ(k)-φ(k-1)。
S4，基于模态分解算法，从所述目标相位信号中分解得到目标的心跳信号和呼吸信号。
具体的，考虑到呼吸信号谐波带来的干扰，本发明实施例使用变分模态分解算法(VMD)将目标的呼吸信号和心跳信号与噪声分离开，并进一步估算了心率。变分模态分解(VMD)可以用以下公式理解为一个变分约束问题：
f＝∑k uk；
其中，k是VIMF分量的个数，f是输入信号，并且f＝s(n)；此外，{uK}＝{u1，u2，……，uK}和{ωk}＝{ω1，ω2，……，ωk}分别是所有VIMF分量及其中心频率。
通过引入二次惩罚函数和拉格朗日乘数来解决上述等式，应用微分的欧拉-拉格朗日公式如下：
其中，α表示数据保真约束的平衡参数。然后，用交替方向乘子法(ADMM)求解方程式计算这些中心频率和模式函数，从频谱域的解中获得的所有模态分量：
其中，ωk是在相应模式的功率谱的重心处计算的，其中使用梯度下降更新。因此，维纳滤波被嵌入到VMD算法中，这使其对采样和噪声更加健壮。
在预处理之后将VMD算法应用于接收到的数据，可以将信号分解为多个VIMF，{uK}＝{u1，u2，……，uK}。根据呼吸和心跳的频率范围，可以选择代表呼吸和心跳的ur和uh分量。根据以往的实验经验，可设定K为3，人信号的呼吸和心跳分量分别是VIMF1和VIMF2。
S5，根据目标的心跳信号和呼吸信号，估算目标心率和呼吸频率。
作为实施例，所述根据目标的心跳信号和呼吸信号，估算目标心率和呼吸频率，包括：对目标的心跳信号和呼吸信号分别进行傅里叶变换，得到对应的频谱信号；将频谱信号中的最大峰值作为估算的目标心跳频率和呼吸频率。
具体的，在确定了心跳和呼吸的信号后，可以使用频谱分析(FFT)方法计算呼吸速率和心率，通过对快速傅里叶变换后的信号进行峰值检测，检测到的峰值点来估计呼吸速率和心率。这种办法的频率分辨率为Δf＝60/w每分钟(BPM)，其中w是以秒为单位的窗口长度。
本发明在借助物联网和信号高效处理流程的情况下，实现对人员生命体征监测方式，解决现有呼吸速率和心率监测系统的至少一种局限性；并通过利用多种分解算法流程，提高检测的精确度和鲁棒性，支持在复杂场景下得到可靠的结果。
实施例二
一种移动目标的生命体征检测系统，参见图4，该生命体征检测系统包括获取模块401、提取模块402、分解模块403和估算模块404。
其中，获取模块401，用于基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据；以及基于所述多组不同距离分辨率的信号数据，获取目标距离信息；提取模块402，用于从所述目标距离信息中提取目标相位信号；分解模块403，用于基于模态分解算法，从所述目标相位信号中分解得到目标的心跳信号和呼吸信号；估算模块404，用于根据目标的心跳信号和呼吸信号，估算目标心率和呼吸频率。
可以理解的是，本发明提供的一种移动目标的生命体征检测系统与前述各实施例提供的移动目标的生命体征检测方法相对应，移动目标的生命体征检测系统的相关技术特征可参考移动目标的生命体征检测方法的相关技术特征，在此不再赘述。
实施例三
请参阅图5，图5为本发明实施例提供的电子设备的实施例示意图。如图5所示，本发明实施例提了一种电子设备500，包括存储器510、处理器520及存储在存储器510上并可在处理器520上运行的计算机程序511，处理器520执行计算机程序511时实现以下步骤：基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据；基于所述多组不同距离分辨率的信号数据，获取目标距离信息；从所述目标距离信息中提取目标相位信号；基于模态分解算法，从所述目标相位信号中分解得到目标的心跳信号和呼吸信号；根据目标的心跳信号和呼吸信号，估算目标心率和呼吸频率。
实施例四
请参阅图6，图6为本发明提供的一种计算机可读存储介质的实施例示意图。如图6所示，本实施例提供了一种计算机可读存储介质600，其上存储有计算机程序611，该计算机程序611被处理器执行时实现如下步骤：基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据；基于所述多组不同距离分辨率的信号数据，获取目标距离信息；从所述目标距离信息中提取目标相位信号；基于模态分解算法，从所述目标相位信号中分解得到目标的心跳信号和呼吸信号；根据目标的心跳信号和呼吸信号，估算目标心率和呼吸频率。
本发明实施例提供的一种移动目标的生命体征检测方法及系统，针对呼吸速率和心率检测，使用多个收发天线进行不同配置的chirp信号，利用之间的相位信息进行补偿校正，支持对移动场景中的人员呼吸和心跳检测，监测人员能够在监测区域内正常活动同时监测呼吸和心跳，解决了其他非接触式呼吸带来的局限性。同时本发明考虑到传统的呼吸和心跳信号分离的方法没有考虑到呼吸信号带来的二次谐波的影响，使用变分模态分离的方法分离呼吸和心跳信号，保证了信号的完整性，提高了信噪比，可以有助于在更复杂的环境中提高检测精度，并增加检测范围，这可以帮助雷达适应许多不同的环境，甚至适应不同的人体姿势。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。
Claims (9)
1.一种移动目标的生命体征检测方法，其特征在于，包括：
基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据；
基于所述多组不同距离分辨率的信号数据，获取目标距离信息；
从所述目标距离信息中提取目标相位信号；
基于模态分解算法，从所述目标相位信号中分解得到目标的心跳信号和呼吸信号；
根据目标的心跳信号和呼吸信号，估算目标心率和呼吸频率；
所述基于所述多组不同距离分辨率的信号数据，得到目标距离信息，包括：
对每一组信号数据进行傅里叶变换，得到对应的距离维度信息；
通过自适应阈值检测算法筛选出目标距离仓位置，进而得到目标距离信息。
2.根据权利要求1所述的生命体征检测方法，其特征在于，所述基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据，包括：
基于MIMO技术配置毫米波模块的多发多收模式，利用虚拟天线阵列获取多组不同距离分辨率的信号数据。
3.根据权利要求1所述的生命体征检测方法，其特征在于，所述从所述目标距离信息中提取目标相位信号，之后还包括对所述目标相位信号进行预处理，以消除相位直流偏执和相位模糊：
使用梯度下降算法对所述目标相位信号实现动态DC偏移跟踪，执行DC偏移校正；
使用扩展DACM算法消除由相位不连续和相位跳变引起的相位模糊，将反正切函数转换为导数运算；
对相位展开的信号执行相位差分运算以增强心跳信号，抑制相位偏移现象。
4.根据权利要求3所述的生命体征检测方法，其特征在于，所述使用梯度下降算法对所述目标相位信号实现动态DC偏移跟踪，执行DC偏移校正，包括：
使用以下函数实现最小化优化：
其中，k是采样点数，XI(k)是接收到的同相信号，DCI为同相信号的直流变量，XQ(k)是接收到的正切信号，DCQ为正切信号的直流变量，F(DCI,DCQ,A)为偏移校正后的目标相位信号。
5.根据权利要求4所述的生命体征检测方法，其特征在于，所述扩展DACM算法使用以下公式实现相位的计算：
相应的，对相位展开的信号执行相位差分运算以增强心跳信号，抑制相位偏移现象，包括：
对相位展开信号φ(k)利用相位差分φ(k)-φ(k-1)进行运算。
6.根据权利要求1所述的生命体征检测方法，其特征在于，所述模态分解算法为变分模态分解算法，所述变分模态分解用以下公式理解为一个变分约束问题：
f＝∑kuk；
其中，k是VIMF分量的个数，f是输入信号，并且f＝s(n)；此外，{uK}＝{u1,u2,……，uK}和{ωk}＝{ω1,ω2,……，ωk}分别是所有VIMF分量及其中心频率。
7.根据权利要求1所述的生命体征检测方法，其特征在于，所述根据目标的心跳信号和呼吸信号，估算目标心率和呼吸频率，包括：
对目标的心跳信号和呼吸信号分别进行傅里叶变换，得到对应的频谱信号；
将频谱信号中的最大峰值作为估算的目标心跳频率和呼吸频率。
8.一种移动目标的生命体征检测系统，其特征在于，包括：
获取模块，用于基于MIMO技术发射配置斜率频率不同的chirp信号，获取多组不同距离分辨率的信号数据；以及基于所述多组不同距离分辨率的信号数据，获取目标距离信息；
提取模块，用于从所述目标距离信息中提取目标相位信号；
分解模块，用于基于模态分解算法，从所述目标相位信号中分解得到目标的心跳信号和呼吸信号；
估算模块，用于根据目标的心跳信号和呼吸信号，估算目标心率和呼吸频率；
所述基于所述多组不同距离分辨率的信号数据，得到目标距离信息，包括：
对每一组信号数据进行傅里叶变换，得到对应的距离维度信息；
通过自适应阈值检测算法筛选出目标距离仓位置，进而得到目标距离信息。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-7任一项所述的移动目标的生命体征检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210038536.7A CN114403820B (zh) | 2022-01-13 | 2022-01-13 | 一种移动目标的生命体征检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210038536.7A CN114403820B (zh) | 2022-01-13 | 2022-01-13 | 一种移动目标的生命体征检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114403820A CN114403820A (zh) | 2022-04-29 |
| CN114403820B true CN114403820B (zh) | 2024-07-12 |
Family
ID=81272635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210038536.7A Active CN114403820B (zh) | 2022-01-13 | 2022-01-13 | 一种移动目标的生命体征检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114403820B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114869294B (zh) * | 2022-05-05 | 2023-05-30 | 电子科技大学 | 基于vmd分解和let模型的粒子滤波运动伪迹抑制方法 |
| CN116999024B (zh) * | 2023-05-26 | 2024-07-16 | 荣耀终端有限公司 | 生理参数检测方法、电子设备、存储介质及程序产品 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111856452A (zh) * | 2020-05-21 | 2020-10-30 | 重庆邮电大学 | 基于omp的静态人体心跳和呼吸信号分离重构方法 |
| CN112401863A (zh) * | 2020-11-19 | 2021-02-26 | 华中师范大学 | 一种基于毫米波雷达的非接触式实时生命体征监测系统及方法 |
| CN113854992A (zh) * | 2021-10-13 | 2021-12-31 | 浙江理工大学 | 基于77GHz毫米雷达的非接触式精确心率检测方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200236545A1 (en) * | 2018-09-14 | 2020-07-23 | The Research Foundation For The State University Of New York | Method and system for non-contact motion-based user authentication |
| EP3879302A1 (en) * | 2020-03-09 | 2021-09-15 | Stichting IMEC Nederland | Method, system, and computer program product for automatic multi object localization and/or vital sign monitoring |
| CN111481184B (zh) * | 2020-04-24 | 2022-07-01 | 华侨大学 | 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 |
| CN112401856B (zh) * | 2020-11-16 | 2022-07-08 | 武汉烽火凯卓科技有限公司 | 一种基于毫米波雷达的疗养院监护方法及系统 |
-
2022
- 2022-01-13 CN CN202210038536.7A patent/CN114403820B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111856452A (zh) * | 2020-05-21 | 2020-10-30 | 重庆邮电大学 | 基于omp的静态人体心跳和呼吸信号分离重构方法 |
| CN112401863A (zh) * | 2020-11-19 | 2021-02-26 | 华中师范大学 | 一种基于毫米波雷达的非接触式实时生命体征监测系统及方法 |
| CN113854992A (zh) * | 2021-10-13 | 2021-12-31 | 浙江理工大学 | 基于77GHz毫米雷达的非接触式精确心率检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114403820A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110584631B (zh) | 一种基于fmcw雷达的静态人体心跳和呼吸信号提取方法 | |
| Wang et al. | PhaseBeat: Exploiting CSI phase data for vital sign monitoring with commodity WiFi devices | |
| Qin et al. | An Adaptive and Time‐Efficient ECG R‐Peak Detection Algorithm | |
| CN114403820B (zh) | 一种移动目标的生命体征检测方法及系统 | |
| CN107041743B (zh) | 一种心电信号实时r波检测方法 | |
| EP3424418B1 (en) | A method and a system for detecting a vital sign of a subject | |
| WO2016057781A1 (en) | Method and apparatus for non-contact fast vital sign acquisition based on radar signal | |
| Hossain et al. | A robust ECG denoising technique using variable frequency complex demodulation | |
| Kumar et al. | Detection and classification of ECG noises using decomposition on mixed codebook for quality analysis | |
| WO2015107268A1 (en) | Method and device for the detection of respiratory rate | |
| Zalabarria et al. | Online robust R-peaks detection in noisy electrocardiograms using a novel iterative smart processing algorithm | |
| WO2017180985A1 (en) | Accurate heart rate measurement by radar using adaptive harmonics filter | |
| Imtiaz et al. | ECG artefact identification and removal in mHealth systems for continuous patient monitoring | |
| Chandra et al. | Feature extraction of ECG signal | |
| CN112137604B (zh) | 一种基于连续波多普勒雷达的呼吸心跳检测方法及系统 | |
| Wang et al. | IQ signal demodulation for noncontact vital sign monitoring using a CW Doppler radar: A review | |
| Tobón et al. | Adaptive spectro-temporal filtering for electrocardiogram signal enhancement | |
| Kumar et al. | Reference signal less Fourier analysis based motion artifact removal algorithm for wearable photoplethysmography devices to estimate heart rate during physical exercises | |
| CN110327029A (zh) | 一种基于微波感知的心率与心率变异性监测方法 | |
| Beltrão et al. | Adaptive nonlinear least squares framework for contactless vital sign monitoring | |
| Mirmohamadsadeghi et al. | Real-time multi-signal frequency tracking with a bank of notch filters to estimate the respiratory rate from the ECG | |
| Lee et al. | Atrial flutter and atrial tachycardia detection using Bayesian approach with high resolution time–frequency spectrum from ECG recordings | |
| CN115736872A (zh) | 一种基于毫米波雷达实时计算心率的方法 | |
| CN115969351A (zh) | 一种基于毫米波雷达实时计算呼吸的方法 | |
| Zakrzewski et al. | Separating respiration artifact in microwave Doppler radar heart monitoring by independent component analysis |
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 |