CN114767087A - 一种多目标呼吸频率估计方法、装置、设备和存储介质 - Google Patents

一种多目标呼吸频率估计方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN114767087A
CN114767087A CN202210694332.9A CN202210694332A CN114767087A CN 114767087 A CN114767087 A CN 114767087A CN 202210694332 A CN202210694332 A CN 202210694332A CN 114767087 A CN114767087 A CN 114767087A
Authority
CN
China
Prior art keywords
track
detection point
target
determining
suspected
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
Application number
CN202210694332.9A
Other languages
English (en)
Other versions
CN114767087B (zh
Inventor
徐友华
李绎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Innopro Technology Co ltd
Original Assignee
Innopro Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Innopro Technology Co ltd filed Critical Innopro Technology Co ltd
Priority to CN202210694332.9A priority Critical patent/CN114767087B/zh
Publication of CN114767087A publication Critical patent/CN114767087A/zh
Application granted granted Critical
Publication of CN114767087B publication Critical patent/CN114767087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/08—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)
  • Pulmonology (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Physiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请提供一种多目标呼吸频率估计方法、装置、设备和存储介质。该方法包括：获取雷达回波信号；根据所述雷达回波信号确定当前时刻的各疑似检测点；将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集；基于所述当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点；提取所述目标检测点对应的呼吸波形，并基于所述呼吸波形估计呼吸频率。该方法能够将各疑似检测点与已有轨迹集进行关联，并对得到的当前轨迹集中各轨迹的轨迹质量进行评价，基于评价结果确定真实的目标检测点，有效抑制随机干扰对呼吸信号的影响，精准定位多人目标胸腔检测点，从而提高了多目标以及干扰条件下的呼吸估计性能。

Description

一种多目标呼吸频率估计方法、装置、设备和存储介质
技术领域
本申请实施例涉及非接触式生命体征检测领域，尤其涉及一种多目标呼吸频率估计方法、装置、设备和存储介质。
背景技术
随着社会经济的发展，工作生活节奏日渐加快，给人们身体带来较大的负担，因此越来越多人逐渐重视自身的健康问题。在日常生活中，最能直观地体现人体健康状况的生命体征主要有呼吸、心率和血压等，其中呼吸能够直接、客观地反映人体当前的生理状态，因此人体呼吸监测具有重要的研究意义。
人体呼吸信号检测方法通常可以是基于PSG监测多导仪的人体呼吸监测方法。多导仪记录人体体位、肢体活动、鼻气流、心电、脑电以及动眼电波等信号，被认为是测量生命体征的金标准。由于仪器复杂，需要专业人员操作，不适合日常生活使用，并且由于需要连接多个检测电极片，长时间的监测令使用者产生较大的不适感和束缚感。
发明内容
本申请提供一种多目标呼吸频率估计方法、装置、设备和存储介质。
第一方面，本申请实施例提供了一种多目标呼吸频率估计方法，包括：
获取雷达回波信号；
根据所述雷达回波信号确定当前时刻的各疑似检测点；
将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集；
基于所述当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点；
提取所述目标检测点对应的呼吸波形，并基于所述呼吸波形估计呼吸频率。
第二方面，本申请实施例提供一种多目标呼吸频率估计装置，包括：
信号获取模块，用于获取雷达回波信号；
第一确定模块，用于根据所述雷达回波信号确定当前时刻的各疑似检测点；
轨迹关联模块，用于将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集；
第二确定模块，用于基于所述当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点；
波形提取模块，用于提取所述目标检测点对应的呼吸波形；
频率估计模块，用于基于所述呼吸波形估计呼吸频率。
第三方面，本申请实施例提供一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述处理器实现如本申请实施例第一方面提供的所述多目标呼吸频率估计方法的步骤。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例第一方面提供的所述多目标呼吸频率估计方法的步骤。
本申请实施例提供的技术方案，根据获取到的雷达回波信号确定当前时刻的各疑似检测点，将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集，以及基于当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点，进一步地提取目标检测点对应的呼吸波形，并基于呼吸波形估计呼吸频率。该方案能够将各疑似检测点与已有轨迹集进行关联，并对得到的当前轨迹集中各轨迹的轨迹质量进行评价，基于评价结果确定真实的目标检测点，可以有效抑制随机干扰对呼吸信号的影响，精准定位多人目标胸腔检测点，从而提高了多目标以及干扰条件下的呼吸估计性能。
附图说明
图1为本申请实施例提供的多目标呼吸频率估计方法的一种流程示意图；
图2为本申请实施例提供的一实验场景示意图；
图3为本申请实施例提供的一实验组中一实验目标在干扰条件下基于所给出的算法进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的数据进行对比的结果图；
图4为本申请实施例提供的一实验组中另一实验目标在干扰条件下基于所给出的算法进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的数据进行对比的结果图；
图5为本申请实施例提供的另一实验组中一实验目标在干扰条件下基于所给出的算法进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的数据进行对比的结果图；
图6为本申请实施例提供的另一实验组中另一实验目标在干扰条件下基于所给出的算法进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的数据进行对比的结果图；
图7为本申请实施例提供的多目标呼吸频率估计装置的一种结构示意图；
图8为本申请实施例提供的电子设备的一种结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
图1为本申请实施例提供的多目标呼吸频率估计方法的一种流程示意图。本实施例可适用于多目标呼吸频率估计的情况，该方法可以由本申请实施例中的多目标呼吸频率估计装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法可以包括：
S101、获取雷达回波信号。
其中，雷达回波信号的获取方式可以为：通过多通道雷达模块采集雷达回波信息，例如可以是，选用IWR1642多通道雷达模块，不限于该雷达射频模块。多通道雷达模块发射线性调频连续波形的电磁波信号到空间，经由人体目标散射后被雷达接收机接收，经过低噪声放大器、混频器以及模拟数字转换器（Analogy Digital Converter，ADC）采样后，得到一个包含距离维、时间维和角度维，三个维度信息的离散回波信号。
具体的，多通道雷达模块接收的雷达回波信号y可以表示为
Figure 806565DEST_PATH_IMAGE001
， 其中，i表示帧数；m表示慢时间维的第m个脉冲回波，每帧共有M个脉冲回波；n表示快时间维 的第n个采样单元，共有N个采样单元；k表示天线索引，多通道雷达模块共有K个天线。
S102、根据所述雷达回波信号确定当前时刻的各疑似检测点。
其中，疑似检测点为空间中的疑似目标，这里可能包含真实目标，例如待检测对象的胸腔位点，还可能包含一些随机干扰位点，例如室内窗帘的随机扰动等。
在获取到雷达回波信号之后，可以对雷达回波信号进行初步处理，以确定当前时刻空间中存在的疑似检测点。
可选地，上述S102的过程可以包括：
S1021、确定所述雷达回波信号的距离角度谱图。
其中，由于需要对多目标进行呼吸频率估计，因此需要结合雷达回波信号的距离 维信息以及角度维信息，对多目标进行定位。首先，生成雷达回波信号的距离像，具体的，对 雷达回波信号进行快时间维上的傅里叶变换，并对第
Figure 721431DEST_PATH_IMAGE002
帧内所有脉冲信号进行相干积累并 取均值，得到对应的距离像
Figure 445673DEST_PATH_IMAGE003
，例如
Figure 318951DEST_PATH_IMAGE004
，yFFT为对雷 达回波信号进行快时间维上的傅里叶变换后的结果，上述l为经过快时间维傅里叶变换后 的采样点对应的距离单元序号。
接着，对距离像
Figure 371221DEST_PATH_IMAGE003
进行距离维杂波抑制。具体的，作为一种可选地实施方 式，可以利用前若干帧的数据，采用移动平均积累估计背景杂波，利用上述得到的距离像减 去背景杂波，从而实现对距离像的杂波抑制，杂波抑制后的距离像记为x(i,l,k)。当然，也 可以采用其它的背景杂波抑制方法，本实施例对此不做限定。
进一步地，生成雷达回波信号对应的角度像。具体的，结合雷达的帧率fps以及预 先划定的时间窗Lwin，来估计当前时刻的目标角度像，该时间窗内的数据点为I，其中，
Figure 463680DEST_PATH_IMAGE005
。假设目标所在的距离单元为r，此时目标x(i,l,k)可表示为xr(i,k)，并且有
Figure 183374DEST_PATH_IMAGE006
，计算距离单元r的协方差矩阵
Figure 86608DEST_PATH_IMAGE007
，其中，
Figure 626174DEST_PATH_IMAGE008
；进一 步地，基于协方差矩阵
Figure 23788DEST_PATH_IMAGE007
形成距离单元r的空间角度谱，记为
Figure 597989DEST_PATH_IMAGE009
，其中，
Figure 547490DEST_PATH_IMAGE010
，d表示雷达天线阵列的阵元间距，λ为雷达回波信号波长。同 理，遍历所有距离单元，生成对应的角度谱，从而得到当前时间窗的距离角度谱图。
S1022、根据二维恒虚警算法确定所述距离角度谱图中的疑似检测点云。
在多人呼吸的场景下，考虑存在室内干扰的情况，距离角度谱图中存在多个杂波干扰，对于高分辨雷达，胸腔目标表现为扩展目标，存在多个散射点。
据此，可以采用二维恒虚警算法对距离角度谱图进行处理，以进行疑似目标的检测。具体的，分别遍历距离角度谱图中的距离维、角度维上的检测单元，确定大于预设门限的检测单元为疑似检测点云。
S1023、确定各疑似检测点云的信噪比。
具体的，首先，通过公式
Figure 433407DEST_PATH_IMAGE011
，计算疑似检测点云的距离维信噪比rSNR，通过 公式
Figure 24925DEST_PATH_IMAGE012
，计算疑似检测点云的角度维信噪比θSNR，进一步地，基于距离维信噪比和 角度维信噪比，通过下述公式
Figure 564884DEST_PATH_IMAGE013
计算疑似检测点云的信噪比
Figure 685287DEST_PATH_IMAGE014
。其 中，
Figure 792920DEST_PATH_IMAGE015
和
Figure 922550DEST_PATH_IMAGE016
分别是疑似检测点云
Figure 815551DEST_PATH_IMAGE017
两侧距离、角度单元参考单元的平均能量最小值。
S1024、基于各疑似检测点云的信噪比确定当前时刻的各疑似检测点。
在得到各疑似检测点云的信噪比之后，筛选出信噪比大于或等于预设阈值的疑似 检测点云，将筛选出的这部分疑似检测点云确定为目标检测点云，去除掉信噪比较低的虚 警点；进一步地，分别计算目标检测点云中各点的信噪比，将信噪比最高的点确定为疑似检 测点。可选地，还可以计算疑似检测点的质心坐标
Figure 372434DEST_PATH_IMAGE018
。
S103、将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集。
其中，考虑到空间中的干扰信号的位置是随机的、持续时间也不稳定，其轨迹是不稳定的，然而真实目标的位置虽然会随着时间发生变化，但是变化的范围较小，其轨迹相对比较稳定。据此，可以将各疑似检测点与上一时刻的已有轨迹集进行关联，以生成当前轨迹集。通过稳定的轨迹来确定各疑似检测点中哪些是真实目标，哪些是干扰目标，从而保留真实目标，过滤掉干扰目标。
S104、基于所述当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点。
其中，目标检测点为真实目标所在的点。轨迹质量可以通过信噪比指标来衡量，当然，也可以通过其它能够表征轨迹质量的指标来衡量。在本实施例中，可以确定当前轨迹集中各轨迹的信噪比，再基于当前轨迹集中各轨迹时序轨迹质量值，来确定各疑似检测点中的目标检测点。
S105、提取所述目标检测点对应的呼吸波形，并基于所述呼吸波形估计呼吸频率。
在确定目标检测点之后，可以通过自适应波束形成器来提取目标检测点对应的呼 吸波形。可选地，提取目标检测点对应的呼吸波形的过程可以为：基于目标检测点的距离信 息和角度信息，采用自适应波束形成器提取对应的慢时间相位序列；基于慢时间相位序列， 提取对应的呼吸波形，记为
Figure 232943DEST_PATH_IMAGE019
，其中，(r1,θ1)为目标1相对于多通道雷达的距离信息和 角度信息。可选地，上述自适应波束形成器可以是随机导向矢量的最小最坏情况的均方误 差（MXMR）准则波束形成器，也可以是其它类型的自适应波束形成器，本实施例对此不做限 定。可选地，可以采用扩展微分交叉相乘算法对慢时间相位序列进行处理，从而提取对应的 呼吸波形。当然，也可以采用其它算法提取慢时间相位序列对应的呼吸波形，本实施例对此 不做限定。
以下以随机导向矢量的最小最坏情况的均方误差（MXMR）准则波束形成器为例进 行介绍，具体的，首先，通过目标检测点的角度信息求解随机导向矢量的最小最坏情况的均 方误差（MXMR）准则波束形成器的权矢量系数
Figure 900685DEST_PATH_IMAGE020
，然后通过权矢量系数
Figure 412306DEST_PATH_IMAGE020
和目标检测 点的距离信息提取目标检测点对应的慢时间相位序列。具体求解权矢量系数
Figure 405670DEST_PATH_IMAGE020
的过程 可以为：利用目标检测点的角度信息求解期望源信号的理论值的上界μa，然后利用均值ma和 相关系数矩阵Ra（其中，
Figure 363262DEST_PATH_IMAGE021
,上述Ca为协方差矩阵）表示导向矢量α；最后计算所 设计的波束形成器的权矢量系数
Figure 959328DEST_PATH_IMAGE020
，其中，
Figure 951555DEST_PATH_IMAGE022
。
进一步地，对于提取到的呼吸波形可以采用多种方法估计呼吸频率，例如最大似 然的周期图法、傅里叶变换法、呼吸波形峰值检测法和自相关函数法等。这里以时频相位回 归法为例进行呼吸频率估计，对提取到的呼吸波形
Figure 460028DEST_PATH_IMAGE019
的自相关估计序列
Figure 436074DEST_PATH_IMAGE023
进行傅里叶 变换，保留最高频点以及左右两个频点，其余点置为0，对处理后的频谱进行反傅里叶变换， 得到FIFFT，最后求解呼吸频率
Figure 570252DEST_PATH_IMAGE024
，其中，slope为求斜率计算。
本申请实施例提供的多目标呼吸频率估计方法，根据获取到的雷达回波信号确定当前时刻的各疑似检测点，将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集，以及基于当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点，进一步地提取目标检测点对应的呼吸波形，并基于呼吸波形估计呼吸频率。该方案能够将各疑似检测点与已有轨迹集进行关联，并对得到的当前轨迹集中各轨迹的轨迹质量进行评价，基于评价结果确定真实的目标检测点，有效抑制随机干扰对呼吸信号的影响，精准定位多人目标胸腔检测点，从而提高了多目标以及干扰条件下的呼吸估计性能。
作为一种可选地实施方式，上述S103中将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集的过程可以包括：
S1031、分别确定各疑似检测点与上一时刻的已有轨迹集中各轨迹之间的欧式距离。
S1032、基于所述欧式距离对各疑似检测点和所述已有轨迹集中各轨迹进行关联，得到当前轨迹集。
具体的，通过公式
Figure 682565DEST_PATH_IMAGE025
计算各疑似检测点与上一时刻的 已有轨迹集中各轨迹之间的欧式距离djj,ii，建立距离状态矩阵Dt。其中，xt,jj，yt,jj为疑似检 测点的坐标，
Figure 752152DEST_PATH_IMAGE026
，
Figure 61167DEST_PATH_IMAGE027
为轨迹ii的信息，Dt中的元素表示每个疑似检测点与各轨迹之间的 欧式距离，即
Figure 874402DEST_PATH_IMAGE028
，其中，ρ为预设波门值，为真实目标的胸腔尺寸相关。也 就是说，在疑似检测点与轨迹之间的欧式距离未超出预设波门值，直接在Dt中存储该欧式 距离，反之，则在Dt中将该欧式距离设置为无穷大。
需要说明的是，上述疑似检测点在直接坐标系下的坐标(xt,jj,yt,jj)可以通过极坐标系下的质心坐标(Cr,Cθ)转化而来。
接着，采用最近邻算法对已有轨迹集中的各轨迹与各疑似检测点进行关联，可选地，针对各疑似检测点，检索Dt中的最小值，如果已有轨迹集中存在与疑似检测点欧式距离最小且该欧式距离未超出预设波门值的已有目标轨迹，则将疑似检测点关联到对应的已有目标轨迹上，得到对应的当前轨迹；如果疑似检测点与已有轨迹集中的各轨迹之间的欧式距离均超出预设波门值（即从Dt中检索到疑似检测点与已有轨迹集中各轨迹之间的欧式距离均为无穷大），则将疑似检测点作为起点，初始化对应的当前轨迹。针对各已有轨迹，如果已有轨迹未关联到疑似检测点（即已有轨迹未关联到满足预设波门值的疑似检测点），则将所述已有轨迹的状态确定为中断状态。
也就是说，关联的结果可以分为三种情况，一种情况是疑似检测点属于轨迹ii，则基于疑似检测点更新轨迹ii，另一种情况是疑似检测点不属于任一轨迹，则可以为该疑似检测点初始化一条新的轨迹，还有一种情况是轨迹ii没有归属的疑似检测点，则轨迹ii发生了中断，将轨迹ii的状态确定为中断状态。
可选地，上述S104中基于所述当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点的过程可以包括：
S1041、确定当前轨迹集中各轨迹的轨迹质量。
具体的，各轨迹的轨迹质量可以通过信噪比来衡量，即可以通过信噪比对当前轨迹集中各轨迹的轨迹质量进行评价。那么，引入质量向量valt=[valt,1,valt,2,…,valt,Nicur]来存储各轨迹的轨迹质量，其中，Nicur为t时刻检测到的疑似检测点的数量。轨迹质量评价的准则如下：一是对于连续的轨迹，其轨迹质量valt,jj在上一时刻的轨迹质量基础上加一；二是对于中断的轨迹，其轨迹质量valt,jj在上一时刻的轨迹质量基础上减一；三是对于初始化的新轨迹，该新轨迹的轨迹质量valt,jj为对应疑似检测点（即初始化所使用的疑似检测点）的信噪比。
S1042、基于各轨迹的轨迹质量，从所述当前轨迹集中确定质量最高的Q个轨迹为目标轨迹。
其中，所述Q与多目标数量匹配。
S1043、将所述目标轨迹的当前终点确定为目标检测点。
具体的，从当前轨迹集中选取质量最高的Q个轨迹作为目标轨迹。例如，当前呼吸监测场景为双目标，则从当前轨迹集中选取质量最高的2个轨迹作为目标轨迹。然后，将目标轨迹的当前终点确定为目标检测点。
可选地，上述S1043的具体过程可以为：对所述目标轨迹进行卡尔曼滤波；将滤波后的轨迹的当前终点确定为目标检测点。
具体的，对目标轨迹进行卡尔曼滤波的过程可以为：首先进行状态预测，接着计算卡尔曼增益，然后更新轨迹状态，最后更新预测协方差矩阵，从而完成目标轨迹的卡尔曼滤波，实现了对目标检测点估计噪声的去除。
在一个具体的例子中，以IWR1642雷达为例进行本申请实施例的效果说明。
实验场景如图2所示，雷达安装在距离地面1.4m高的地方，两个真实目标与雷达直线距离约1.25米。在有室内干扰的场景下进行呼吸频率估计。其中，干扰源为室内窗帘随机扰动。具体的，实验对6个真实目标进行呼吸监测，两个真实目标可以形成一个实验组，比如实验组a（A,B）、b（A,C）、c（A,D）、d（E,F）等，其中，A、B、C、D、E、F为各真实目标。
利用本申请实施例提供的算法估计多目标呼吸波形，根据呼吸波形求出多目标相应的呼吸频率，与MP36型号多导生理记录仪进行对比。
下述表1给出在带干扰条件下部分实验组中真实目标基于所给出的算法进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的呼吸频率之间的均方误差。
表1
Figure 965855DEST_PATH_IMAGE029
从表1中的结果可以看出，所有实验目标的检测结果与BIOPAC多导仪所记录的结 果的均方误差最低为
Figure 206344DEST_PATH_IMAGE030
，最高为
Figure 766769DEST_PATH_IMAGE031
，在有室内随机干扰的双人呼吸场景 下，两个实验目标的呼吸频率与参考数据的均方误差均低于
Figure 118116DEST_PATH_IMAGE032
。
图3-图6分别记录了在带干扰条件下部分实验组中真实目标基于所给出的算法进行呼吸频率估计的结果与MP36型号多导生理记录仪记录的数据进行对比的结果图。
通过上述结果图的结果显示：基于本申请实施例提供的算法所得到的呼吸率曲线存在极少数偶发误差，多数时间内与BIOPAC体征多导仪记录的曲线高度重合。表1中的均方误差结果与图3至图6的呼吸率曲线图均表明了本申请实施例所提出的估计算法的稳健性和准确性。
本申请实施例提供的技术方案，具有完全非接触、不受天气和环境变化影响、可全天时全天候工作和不侵害个人隐私等优点；在具有室内随机干扰如窗帘等情况下，对场景中的多个目标能够进行准确的呼吸监测。
并且，充分利用了雷达距离维和角度维的信息，采用二维恒虚警算法确定疑似检测点；基于信噪比指标的轨迹管理与轨迹跟踪，可以有效去除随机干扰检测点，从而得到最优的目标检测点；并采用稳健的波束形成器整合雷达多个通道的信号，有效抑制干扰目标的信号，提高呼吸信号的信噪比，进而实现多人下，有干扰下的呼吸率估计。一方面克服了相同距离单元下各目标对象的呼吸信号间的互干扰，另外一方面，克服了室内的随机干扰对目标对象的呼吸信号的影响，提高了呼吸监测的稳健性和准确度，提升干扰条件下的呼吸估计性能。
图7为本申请实施例提供的多目标呼吸频率估计装置的一种结构示意图。如图7所示，该装置可以包括：信号获取模块701、第一确定模块702、轨迹关联模块703、第二确定模块704、波形提取模块705和频率估计模块706。
具体的，信号获取模块701用于获取雷达回波信号；
第一确定模块702用于根据所述雷达回波信号确定当前时刻的各疑似检测点；
轨迹关联模块703用于将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集；
第二确定模块704用于基于所述当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点；
波形提取模块705用于提取所述目标检测点对应的呼吸波形；
频率估计模块706用于基于所述呼吸波形估计呼吸频率。
本申请实施例提供的多目标呼吸频率估计装置，根据获取到的雷达回波信号确定当前时刻的各疑似检测点，将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集，以及基于当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点，进一步地提取目标检测点对应的呼吸波形，并基于呼吸波形估计呼吸频率。该方案能够将各疑似检测点与已有轨迹集进行关联，并对得到的当前轨迹集中各轨迹的轨迹质量进行评价，基于评价结果确定真实的目标检测点，有效抑制随机干扰对呼吸信号的影响，精准定位多人目标胸腔检测点，从而提高了多目标以及干扰条件下的呼吸估计性能。
在上述实施例的基础上，可选地，第一确定模块702具体用于确定所述雷达回波信号的距离角度谱图；根据二维恒虚警算法确定所述距离角度谱图中的疑似检测点云；确定各疑似检测点云的信噪比；基于各疑似检测点云的信噪比确定当前时刻的各疑似检测点。
在上述实施例的基础上，可选地，轨迹关联模块703可以包括：距离计算单元和轨迹关联单元。
具体的，距离计算单元用于分别确定各疑似检测点与上一时刻的已有轨迹集中各轨迹之间的欧式距离；
轨迹关联单元用于基于所述欧式距离对各疑似检测点和所述已有轨迹集中各轨迹进行关联，得到当前轨迹集。
在上述实施例的基础上，可选地，轨迹关联单元具体用于针对各疑似检测点，如果所述已有轨迹集中存在与疑似检测点欧式距离最小且该欧式距离未超出预设波门值的已有目标轨迹，则将疑似检测点关联到对应的已有目标轨迹上，得到对应的当前轨迹；如果所述疑似检测点与所述已有轨迹集中的各轨迹之间的欧式距离均超出所述预设波门值，则将疑似检测点作为起点，初始化对应的当前轨迹；其中，所述预设波门值与真实目标的胸腔尺寸相关；针对各已有轨迹，如果已有轨迹未关联到疑似检测点，则将所述已有轨迹的状态确定为中断状态。
在上述实施例的基础上，可选地，第二确定模块704可以包括：第一确定单元、第二确定单元和第三确定单元。
具体的，第一确定单元用于确定当前轨迹集中各轨迹的轨迹质量；
第二确定单元用于基于各轨迹的轨迹质量，从所述当前轨迹集中确定质量最高的Q个轨迹为目标轨迹；其中，所述Q与多目标数量匹配；
第三确定单元用于将所述目标轨迹的当前终点确定为目标检测点。
在上述实施例的基础上，可选地，第三确定单元具体用于对所述目标轨迹进行卡尔曼滤波；将滤波后的轨迹的当前终点确定为目标检测点。
在上述实施例的基础上，可选地，波形提取模块705具体用于基于目标检测点的距离信息和角度信息，采用自适应波束形成器提取对应的慢时间相位序列；基于所述慢时间相位序列，提取对应的呼吸波形。
图8为本申请实施例提供的电子设备的一种结构示意图，如图8所示，该电子设备可以包括处理器80、存储器81、输入装置82和输出装置83；电子设备中处理器80的数量可以是一个或多个，图8中以一个处理器80为例；电子设备中的处理器80、存储器81、输入装置82和输出装置83可以通过总线或其他方式连接，图8中以通过总线连接为例。
存储器81作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的多目标呼吸频率估计方法对应的程序指令/模块（例如，多目标呼吸频率估计装置中的信号获取模块701、第一确定模块702、轨迹关联模块703、第二确定模块704、波形提取模块705和频率估计模块706）。处理器80通过运行存储在存储器81中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的多目标呼吸频率估计方法。
存储器81可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器81可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器81可进一步包括相对于处理器80远程设置的存储器，这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置82可用于接收输入的数字或字符信息，以及产生与自适应巡航控制器的用户设置以及功能控制有关的键信号输入。输出装置83可包括显示屏等显示设备。
本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种多目标呼吸频率估计方法，该方法包括：
获取雷达回波信号；
根据所述雷达回波信号确定当前时刻的各疑似检测点；
将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集；
基于所述当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点；
提取所述目标检测点对应的呼吸波形，并基于所述呼吸波形估计呼吸频率。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本申请任意实施例所提供的多目标呼吸频率估计方法中的相关操作.
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器（Read-Only Memory, ROM）、随机存取存储器（RandomAccess Memory, RAM）、闪存（FLASH）、硬盘或光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种多目标呼吸频率估计方法，其特征在于，包括：
获取雷达回波信号；
根据所述雷达回波信号确定当前时刻的各疑似检测点；
将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集；
基于所述当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点；
提取所述目标检测点对应的呼吸波形，并基于所述呼吸波形估计呼吸频率。
2.根据权利要求1所述的方法，其特征在于，所述根据所述雷达回波信号确定当前时刻的各疑似检测点，包括：
确定所述雷达回波信号的距离角度谱图；
根据二维恒虚警算法确定所述距离角度谱图中的疑似检测点云；
确定各疑似检测点云的信噪比；
基于各疑似检测点云的信噪比确定当前时刻的各疑似检测点。
3.根据权利要求1所述的方法，其特征在于，所述将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集，包括：
分别确定各疑似检测点与上一时刻的已有轨迹集中各轨迹之间的欧式距离；
基于所述欧式距离对各疑似检测点和所述已有轨迹集中各轨迹进行关联，得到当前轨迹集。
4.根据权利要求3所述的方法，其特征在于，所述基于所述欧式距离对各疑似检测点和所述已有轨迹集中各轨迹进行关联，得到当前轨迹集，包括：
针对各疑似检测点，如果所述已有轨迹集中存在与疑似检测点欧式距离最小且该欧式距离未超出预设波门值的已有目标轨迹，则将疑似检测点关联到对应的已有目标轨迹上，得到对应的当前轨迹；如果所述疑似检测点与所述已有轨迹集中的各轨迹之间的欧式距离均超出所述预设波门值，则将疑似检测点作为起点，初始化对应的当前轨迹；其中，所述预设波门值与真实目标的胸腔尺寸相关；
针对各已有轨迹，如果已有轨迹未关联到疑似检测点，则将所述已有轨迹的状态确定为中断状态。
5.根据权利要求1所述的方法，其特征在于，所述基于所述当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点，包括：
确定当前轨迹集中各轨迹的轨迹质量；
基于各轨迹的轨迹质量，从所述当前轨迹集中确定质量最高的
Figure DEST_PATH_IMAGE001
个轨迹为目标轨迹；其 中，所述
Figure 63792DEST_PATH_IMAGE001
与多目标数量匹配；
将所述目标轨迹的当前终点确定为目标检测点。
6.根据权利要求5所述的方法，其特征在于，所述将所述目标轨迹的当前终点确定为目标检测点，包括：
对所述目标轨迹进行卡尔曼滤波；
将滤波后的轨迹的当前终点确定为目标检测点。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述提取所述目标检测点对应的呼吸波形，包括：
基于目标检测点的距离信息和角度信息，采用自适应波束形成器提取对应的慢时间相位序列；
基于所述慢时间相位序列，提取对应的呼吸波形。
8.一种多目标呼吸频率估计装置，其特征在于，包括：
信号获取模块，用于获取雷达回波信号；
第一确定模块，用于根据所述雷达回波信号确定当前时刻的各疑似检测点；
轨迹关联模块，用于将各疑似检测点与上一时刻的已有轨迹集进行关联，得到当前轨迹集；
第二确定模块，用于基于所述当前轨迹集中各轨迹的轨迹质量，从各疑似检测点中确定与多目标数量匹配的目标检测点；
波形提取模块，用于提取所述目标检测点对应的呼吸波形；
频率估计模块，用于基于所述呼吸波形估计呼吸频率。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述处理器实现如权利要求1至7中任一所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一所述方法的步骤。
CN202210694332.9A 2022-06-20 2022-06-20 一种多目标呼吸频率估计方法、装置、设备和存储介质 Active CN114767087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210694332.9A CN114767087B (zh) 2022-06-20 2022-06-20 一种多目标呼吸频率估计方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210694332.9A CN114767087B (zh) 2022-06-20 2022-06-20 一种多目标呼吸频率估计方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN114767087A true CN114767087A (zh) 2022-07-22
CN114767087B CN114767087B (zh) 2022-10-11

Family

ID=82422203

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210694332.9A Active CN114767087B (zh) 2022-06-20 2022-06-20 一种多目标呼吸频率估计方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN114767087B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116482680A (zh) * 2023-06-19 2023-07-25 精华隆智慧感知科技（深圳）股份有限公司 一种身体干扰识别方法、装置、系统和存储介质
WO2024060076A1 (zh) * 2022-09-21 2024-03-28 鲍尚琦 呼吸监测方法、装置、设备及计算机可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008170386A (ja) * 2007-01-15 2008-07-24 Mitsubishi Electric Corp レーダ情報処理装置
JP2008180541A (ja) * 2007-01-23 2008-08-07 Mitsubishi Electric Corp レーダ装置
CN110934566A (zh) * 2019-09-09 2020-03-31 精华隆智慧感知科技（深圳）股份有限公司 一种智能化探测、自动助眠及紧急告警的装置
CN111896944A (zh) * 2020-07-29 2020-11-06 西安京维智网科技有限公司 一种基于毫米波雷达的智能消防安全监控系统及监控方法
CN112198507A (zh) * 2020-09-25 2021-01-08 森思泰克河北科技有限公司 人体跌倒特征的检测方法及装置
CN113397524A (zh) * 2021-06-16 2021-09-17 深圳大学 一种呼吸检测方法、装置、设备和存储介质
CN113642440A (zh) * 2021-08-06 2021-11-12 深圳大学 一种呼吸频率估计方法、装置、设备及存储介质
CN114236525A (zh) * 2021-12-27 2022-03-25 浙江大学 一种基于毫米波雷达的多目标跟踪与呼吸检测方法与装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008170386A (ja) * 2007-01-15 2008-07-24 Mitsubishi Electric Corp レーダ情報処理装置
JP2008180541A (ja) * 2007-01-23 2008-08-07 Mitsubishi Electric Corp レーダ装置
CN110934566A (zh) * 2019-09-09 2020-03-31 精华隆智慧感知科技（深圳）股份有限公司 一种智能化探测、自动助眠及紧急告警的装置
CN111896944A (zh) * 2020-07-29 2020-11-06 西安京维智网科技有限公司 一种基于毫米波雷达的智能消防安全监控系统及监控方法
CN112198507A (zh) * 2020-09-25 2021-01-08 森思泰克河北科技有限公司 人体跌倒特征的检测方法及装置
CN113397524A (zh) * 2021-06-16 2021-09-17 深圳大学 一种呼吸检测方法、装置、设备和存储介质
CN113642440A (zh) * 2021-08-06 2021-11-12 深圳大学 一种呼吸频率估计方法、装置、设备及存储介质
CN114236525A (zh) * 2021-12-27 2022-03-25 浙江大学 一种基于毫米波雷达的多目标跟踪与呼吸检测方法与装置

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
LI YI等: "APPLICATION OF GROUND PENETRATING RADAR IN SUBGRADE DEFECT DETECTION ON DA-QIN HEAVY HAUL RAILWAY", 《NEW TECHNOLOGIES OF RAILWAY ENGINEERING》 *
PENGFEI WANG等: "Noncontact Heart Rate Measurement Based on an Improved Convolutional Sparse Coding Method Using IR-UWB Radar", 《IEEE ACCESS》 *
张自启等: "基于双曲线模型的生物雷达二维定位算法", 《中国医疗设备》 *
徐友华等: "糖尿病肾脏疾病治疗策略研究进展", 《中华糖尿病杂志》 *
王瑞昕: "基于毫米波雷达的多目标检测与跟踪技术研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 *
程一歌: "基于超宽带雷达的人体睡眠监测研究", 《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》 *
罗冰等: "针对高海拔环境的无人值守式信号接收系统设计", 《中国新通信》 *
胡巍: "基于多普勒雷达的非接触式生命体征检测技术研究", 《中国博士学位论文全文数据库 (信息科技辑)》 *
薛毅松等: "收发异源FMCW太赫兹系统误差分析", 《太赫兹科学与电子信息学报》 *
费顺超等: "一种DSSS系统自适应门限分析模型", 《弹箭与制导学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024060076A1 (zh) * 2022-09-21 2024-03-28 鲍尚琦 呼吸监测方法、装置、设备及计算机可读存储介质
CN116482680A (zh) * 2023-06-19 2023-07-25 精华隆智慧感知科技（深圳）股份有限公司 一种身体干扰识别方法、装置、系统和存储介质
CN116482680B (zh) * 2023-06-19 2023-08-25 精华隆智慧感知科技（深圳）股份有限公司 一种身体干扰识别方法、装置、系统和存储介质

Also Published As

Publication number Publication date
CN114767087B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN114767087B (zh) 一种多目标呼吸频率估计方法、装置、设备和存储介质
US20220378313A1 (en) Multi-person vital signs monitoring using millimeter wave (mm-wave) signals
Wang et al. mmHRV: Contactless heart rate variability monitoring using millimeter-wave radio
CN106725488B (zh) 一种无线场强呼吸检测方法、装置及呼吸检测仪
US10401479B2 (en) Remote sensing of human breathing at a distance
Karvounis et al. Fetal heart rate extraction from composite maternal ECG using complex continuous wavelet transform
CN112998668B (zh) 基于毫米波的非接触式远场多人体呼吸心率监测方法
CN112998701A (zh) 基于毫米波雷达的生命体征检测与身份识别系统和方法
CN114742117B (zh) 复杂室内场景下毫米波雷达的人体生命体征检测方法
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
Rekik et al. Enhanced and optimal algorithm for QRS detection
Samadh et al. Indoor localization based on channel state information
WO2018149147A1 (zh) 一种呼吸率提取方法及装置
EP3206574A1 (en) Frame based spike detection module
KR20210001575A (ko) 잡음 환경 내 실시간 심장 박동수 탐지 장치 및 그 방법
KR101738822B1 (ko) 임펄스 레이더를 이용한 타겟의 생체 정보 결정 장치 및 방법
CN113453180B (zh) 一种人体摔倒智能检测方法、系统、信息数据处理终端
Aardal et al. Radar cross section of the human heartbeat and respiration in the 500MHz to 3GHz band
CN107526064A (zh) 基于二维特征的自适应lfm信号参数估计方法
CN113397524B (zh) 一种呼吸检测方法、装置、设备和存储介质
Uysal et al. A new RF sensing framework for human detection through the wall
CN116602646A (zh) 基于雷达的人体呼吸信息提取方法、装置、设备及介质
CN111812634A (zh) 警戒线目标监测方法、装置和系统
JP2022530001A (ja) 胎児超音波処理ユニット
Zhou et al. A Robust Respiration Detection System via Similarity-Based Selection Mechanism Using WiFi

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