CN115120205A - 基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法 - Google Patents

基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法 Download PDF

Info

Publication number
CN115120205A
CN115120205A CN202211038555.6A CN202211038555A CN115120205A CN 115120205 A CN115120205 A CN 115120205A CN 202211038555 A CN202211038555 A CN 202211038555A CN 115120205 A CN115120205 A CN 115120205A
Authority
CN
China
Prior art keywords
distance
azimuth
dimension
unit
signal
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
CN202211038555.6A
Other languages
English (en)
Other versions
CN115120205B (zh
Inventor
杨博
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.)
Changsha Microbrain Intelligent Technology Co ltd
Original Assignee
Changsha Microbrain Intelligent 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 Changsha Microbrain Intelligent Technology Co ltd filed Critical Changsha Microbrain Intelligent Technology Co ltd
Priority to CN202211038555.6A priority Critical patent/CN115120205B/zh
Publication of CN115120205A publication Critical patent/CN115120205A/zh
Application granted granted Critical
Publication of CN115120205B publication Critical patent/CN115120205B/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
    • A61B5/02—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
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • 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

Abstract

本发明公开了基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法，包括步骤：获取雷达原始检测信号的时间性观测距离方位谱；选取方位谱中的参考信号，并扩展为方位参考单元和距离参考单元空间性数据；根据空间相关性得到估计的距离维待检测单元噪声向量和方位维待检测单元噪声向量，并进行时间轴滑动平均处理；利用检测型号空间和时间相关性估计的杂波进行对消处理，得到增强后的目标信号；重复迭代上述步骤，直到迭代完毕。本发明运用数据的空间和时间的相关性对雷达距离方位谱数据对消重构和循环迭代，在环境杂波干扰下有效的增强人体心跳信号。

Description

基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法
技术领域
本发明属于毫米波雷达技术领域，尤其涉及基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法。
背景技术
现在医院常见的接触式心跳检测大多通过直接接触人体的方法来采集信息。这种方法受环境因素影响很大，同时检测过程中有易造成疾病交叉感染的风险。而毫米波雷达心跳非接触式检测技术通过收发电磁波照射人体，可探测到人体心跳呼吸微小动作的起伏变化，经过雷达信号处理后能准确输出人体心跳信号。但是，由于复杂环境的干扰导致遮挡和淹没目标信号，这会造成雷达微弱的人体心跳信号难以检测。
发明内容
有鉴于此，针对复杂环境的干扰导致微弱的人体心跳信息被遮挡和淹没问题，本发明提出了一种提高基于毫米波雷达距离方位谱的人体心跳信号迭代增强算法，该算法运用数据的空间和时间的相关性对雷达距离方位谱数据对消重构和循环迭代，可以有效的去除直达波和环境杂波干扰，提高雷达的目标信噪比和抗遮挡性，最终得到目标增强的雷达信号。
具体的，本发明公开的基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法，包括以下步骤：
S1：获取雷达的距离方位谱中的噪声信号的时间性观测距离方位谱、目标心跳的时间性观测距离方位谱，得到雷达原始检测信号的时间性观测距离方位谱；
S2：选取所述雷达原始检测信号的时间性观测距离方位谱中距离维第a个、方位维第b个单元作为参考信号，将参考信号距离维相邻d/2范围和方位维相邻s/2的距离单元分别扩展为方位参考单元和距离参考单元空间性数据；
S3：根据空间相关性得到估计的距离维待检测单元噪声向量和方位维待检测单元噪声向量；
S4：根据杂波时间的相关性对距离维待检测单元噪声向量和方位维待检测单元噪声向量进行时间轴滑动平均处理，得到时间轴滑动平均的距离维待检测单元噪声向量和方位维待检测单元噪声向量；
S5：利用检测型号空间和时间相关性估计的杂波进行对消处理，得到增强后的目标信号；
重复迭代步骤S2-S5，直到迭代完毕。
进一步的，所述距离维第a个，方位维第b个单元作为参考信号
Figure 100002_DEST_PATH_IMAGE001
，表达式为：
Figure 308031DEST_PATH_IMAGE002
根据杂波空间的相关性，将参考信号方位维相邻s/2和距离维相邻d/2范围的距离单元扩展形成方位参考单元空间性数据和距离参考单元空间性数据，表达式如下：
Figure 100002_DEST_PATH_IMAGE003
Figure 713736DEST_PATH_IMAGE004
Figure 100002_DEST_PATH_IMAGE005
Figure 873453DEST_PATH_IMAGE006
其中s为方位维上参考单元个数，d为距离维上参考单元个数；
Figure 100002_DEST_PATH_IMAGE007
为方位参考单元空间性数据；
Figure 361678DEST_PATH_IMAGE008
为距离参考单元空间性数据。
进一步的，估计的距离维待检测单元噪声向量
Figure 100002_DEST_PATH_IMAGE009
计算如下：
Figure 733885DEST_PATH_IMAGE010
估计的方位维待检测单元噪声向量
Figure 100002_DEST_PATH_IMAGE011
计算如下：
Figure 56413DEST_PATH_IMAGE012
其中，
Figure 100002_DEST_PATH_IMAGE013
是当前选取点基于空间距离的权重系数，距离越大权重越大，反之越小。
进一步的，所述当前选取点基于空间距离的权重系数
Figure 573982DEST_PATH_IMAGE013
计算如下：
Figure 286854DEST_PATH_IMAGE014
其中
Figure 100002_DEST_PATH_IMAGE015
为当前选取点在雷达坐标系中横坐标对应的距离值，
Figure 217680DEST_PATH_IMAGE016
为当前选取点在雷达坐标系中纵坐标对应的方位值，
Figure 100002_DEST_PATH_IMAGE017
为一个常数。
进一步的，步骤S3中，为了使噪声估计误差最小，将估计的方位维待检测单元噪声向量
Figure 660294DEST_PATH_IMAGE009
在方位维子空间R的映射：
Figure 83185DEST_PATH_IMAGE018
Figure 100002_DEST_PATH_IMAGE019
Figure 548933DEST_PATH_IMAGE020
Figure 100002_DEST_PATH_IMAGE021
L a 为方位维映射因子；
为了使噪声估计误差最小，将估计的距离维待检测单元噪声向量
Figure 262942DEST_PATH_IMAGE011
在距离维子空间RB的映射：
Figure 215855DEST_PATH_IMAGE022
Figure 823029DEST_PATH_IMAGE023
Figure 759761DEST_PATH_IMAGE024
Figure 198833DEST_PATH_IMAGE025
L b 为距离维映射因子；
进一步得到根据数据空间相关性估计的距离维和方位维待检测单元噪声，表达式为：
Figure 288142DEST_PATH_IMAGE026
Figure 318415DEST_PATH_IMAGE027
。
进一步的，步骤4中，基于杂波时间的相关性，进行时间轴滑动平均处理，得到时间轴滑动平均估计的噪声向量
Figure 430859DEST_PATH_IMAGE028
，数学公式表达如下：
Figure 204780DEST_PATH_IMAGE029
其中，
Figure 148596DEST_PATH_IMAGE030
为滑动平均因子，距离当前时刻时间越长影响越小，反之越大；
Figure 349770DEST_PATH_IMAGE031
当前时刻数据为起点对应的第1帧数据的时间权重因子，
Figure 198778DEST_PATH_IMAGE032
是以当前时刻为起点对应的历史第n帧数据的时间权重因子；
Figure 258613DEST_PATH_IMAGE033
为第t帧时刻对应的距离方位谱数据，
Figure 571783DEST_PATH_IMAGE034
为第t-n+1帧时刻对应的距离方位谱数据；
Figure 694591DEST_PATH_IMAGE035
为滑动平均中的滑窗数量，对时间序列中的n个数据进行加和求平均，
Figure DEST_PATH_IMAGE036
为滑动平均中求和公式的索引变量。
进一步的，步骤5中利用检测信号空间和时间相关性估计的杂波进行对消处理，得到雷达信号增强处理后的距离方位谱
Figure 843943DEST_PATH_IMAGE037
，其表达式如下：
Figure 225246DEST_PATH_IMAGE038
最后将雷达信号增强处理后的距离方位谱
Figure 878076DEST_PATH_IMAGE037
重复执行步骤1到5的增强信号处理步骤，满足循环迭代次数Num后停止迭代，最终输出信号迭代增强处理后的距离方位谱
Figure 624315DEST_PATH_IMAGE039
，此时距离方位谱的目标出现一个的尖峰。
进一步的，获得迭代增强处理的信号后，执行以下步骤，以获得人体心跳信号：
距离方位单元定位：通过雷达的与人体心跳目标的坐标位置关系确定目标范围，通过在该范围内搜索最大值，获取目标对应的距离单元和方位单元；
目标相位提取：提取目标距离方位单元定位处的相位，每一个帧周期内提取一次目标的相位；
带通滤波：依据心跳频率的分布范围，利用带通滤波器滤波将相位值进行滤波以进行区分；
频谱估计：对滤波后相位信号做自相关和快速傅立叶变换，依据峰值大小及其谐波特征，获取一定时间内对应的心跳频率，记录一段时间内的心跳频率，根据置信度指标判断此时的心跳频率，并输出心跳频率随时间变化的关系。
进一步的，目标相位与时间的关系的相位表达式如下：
Figure 244652DEST_PATH_IMAGE040
式中，
Figure 911869DEST_PATH_IMAGE041
为相位变化，
Figure 871735DEST_PATH_IMAGE042
为人体心跳引起的位移变化；
每当连续值之间的相位差大于/小于±π时，通过从相位中减去2π来执行相位展开。
本发明的有益效果如下：
本发明不仅增强目标心跳信号信噪比，还具有很好的环境杂波抑制能力；
人体心跳信号迭代增强算法有着迭代收敛速度快的优点，运用数据的空间和时间的相关性对雷达距离方位谱数据对消重构和循环迭代，在环境杂波干扰下有效的增强人体心跳信号。
附图说明
图1本发明的人体心跳信号迭代增强算法流程图；
图2本发明的人体心跳信号检测算法流程框图；
图3信号迭代增强处理前的原始信号；
图4信号迭代增强处理后的滤波信号。
具体实施方式
下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。
本发明公开的人体心态信号检测方法如下：
1.二维快速傅立叶变换：对输入的雷达原始回波数据进行相参处理，再执行二维快速傅立叶变换以获取距离方位谱；
2.信号迭代增强处理：对信噪比较低的非平稳噪声污染的信号的增强处理，在距离方位谱中利用检测信号空间和时间相关性估计的杂波进行循环迭代杂波对消，这能增强检测信号提高信噪比，在复杂场景中达到有效的去噪效果；
3.距离方位单元定位：通过雷达的与人体心跳目标的坐标位置关系确定目标范围，通过在该范围内搜索最大值，获取目标对应的距离单元和方位单元；
4.目标相位提取：提取目标距离方位单元定位处的相位，每一个帧周期内提取一次目标的相位，循环发射可得到目标的相位随帧数的取值变化，也可看作目标相位与时间的关系，目标相位与时间的关系的相位表达式如下：
Figure 336345DEST_PATH_IMAGE040
式中，
Figure 709558DEST_PATH_IMAGE041
为相位变化，
Figure 917816DEST_PATH_IMAGE042
为人体心跳引起的位移变化。
由于相位值在[−π，π]之间，而我们需要展开以获取实际的位移曲线。 因此每当连续值之间的相位差大于/小于±π时，通过从相位中减去2π来执行相位展开。
5.带通滤波：依据心跳频率的分布范围0.8 – 2.0 Hz，利用带通滤波器滤波将相位值进行滤波以进行区分。
6.频谱估计：对滤波后相位信号做自相关和快速傅立叶变换，依据峰值大小及其谐波特征，获取一定时间内对应的心跳频率，记录一段时间内的心跳频率，根据不同的置信度指标判断此时的心跳频率，并输出心跳频率随时间变化的关系。
其中基于雷达的距离方位谱进行信号迭代增强处理，该算法具体处理步骤如下：
步骤1：首先，以雷达的距离方位谱为输入的检测时间序列信号，它包含目标心跳信号和噪声信号：
噪声信号的时间性观测距离方位谱V表示为：
Figure DEST_PATH_IMAGE044A
目标心跳的时间性观测距离方位谱G表示为：
Figure DEST_PATH_IMAGE046A
雷达原始检测信号的时间性观测距离方位谱R表示为
Figure DEST_PATH_IMAGE048A
步骤2：选取时间性观测距离方位谱R中距离维第a个，方位维第b个单元作为参考信号
Figure 807887DEST_PATH_IMAGE001
，表达式为：
Figure 912241DEST_PATH_IMAGE002
根据杂波空间的相关性，利用参考信号方位维相邻s/2和距离维相邻d/2范围的距离单元，它们可以扩展形成方位参考单元空间性数据和距离参考单元空间性数据，表达式如下：
Figure 241591DEST_PATH_IMAGE003
Figure 519120DEST_PATH_IMAGE004
Figure 984736DEST_PATH_IMAGE005
Figure 56728DEST_PATH_IMAGE006
t当前时间对应的帧数；
s为方位维上参考单元个数，设置为偶数个数；
d为距离维上参考单元个数，设置为偶数个数；
Figure 76637DEST_PATH_IMAGE007
为方位参考单元空间性数据；
R B 为距离参考单元空间性数据。
方位维噪声估计向量
Figure 141545DEST_PATH_IMAGE009
，距离维噪声估计向量
Figure 475050DEST_PATH_IMAGE011
的计算如下：
Figure 170473DEST_PATH_IMAGE010
Figure 225148DEST_PATH_IMAGE012
是当前选取点基于空间距离的权重系数，距离越大权重越大，反之越小。
Figure 828168DEST_PATH_IMAGE014
Figure 284688DEST_PATH_IMAGE015
为当前选取点在雷达坐标系中横坐标对应的距离值，
Figure 885434DEST_PATH_IMAGE016
为当前选取点在雷达坐标系中纵坐标对应的方位值，
Figure 676672DEST_PATH_IMAGE017
为一个常数。
步骤3：为了使噪声估计误差最小，估计的方位维待检测单元噪声向量
Figure 568536DEST_PATH_IMAGE009
在方位维子空间R的映射，设方位维映射因子为L a
Figure 394410DEST_PATH_IMAGE018
Figure 913859DEST_PATH_IMAGE019
Figure 192394DEST_PATH_IMAGE020
Figure 887949DEST_PATH_IMAGE021
同理，为了使噪声估计误差最小，估计的距离维待检测单元噪声向量
Figure 568329DEST_PATH_IMAGE011
在距离维子空间RB的映射，设距离维映射因子为L b
Figure 323926DEST_PATH_IMAGE022
Figure 27440DEST_PATH_IMAGE023
Figure 510374DEST_PATH_IMAGE024
Figure 795993DEST_PATH_IMAGE025
经过推导，得到根据数据空间相关性估计的距离维和方位维待检测单元噪声表达式为
Figure 985141DEST_PATH_IMAGE026
Figure 238268DEST_PATH_IMAGE027
步骤4：基于杂波时间的相关性，我们还进行了时间轴滑动平均处理，时间轴滑动平均估计的噪声向量
Figure 275625DEST_PATH_IMAGE028
数学公式表达如下
Figure 868281DEST_PATH_IMAGE029
Figure 214948DEST_PATH_IMAGE030
为滑动平均因子，距离当前时刻时间越长影响越小，反之越大
Figure 440524DEST_PATH_IMAGE031
当前时刻数据为起点对应的第1帧数据的时间权重因子
Figure 530840DEST_PATH_IMAGE032
是以当前时刻为起点对应的历史第n帧数据的时间权重因子
Figure 728734DEST_PATH_IMAGE033
为第t帧时刻对应的距离方位谱数据
Figure 246303DEST_PATH_IMAGE034
为第t-n+1帧时刻对应的距离方位谱数据
Figure 245263DEST_PATH_IMAGE035
为滑动平均中的滑窗数量，对时间序列中的
Figure 873690DEST_PATH_IMAGE035
个数据进行加和求平均
Figure 175358DEST_PATH_IMAGE036
为滑动平均中求和公式的索引变量
步骤5：利用检测信号空间和时间相关性估计的杂波进行对消处理，得到雷达信号增强处理后的距离方位谱
Figure 614561DEST_PATH_IMAGE037
，其表达式如下：
Figure 63997DEST_PATH_IMAGE038
最后将雷达信号增强处理后的距离方位谱
Figure 246848DEST_PATH_IMAGE037
重复执行步骤1到5的增强信号处理步骤，满足循环迭代次数Num（Num默认为10次）后停止迭代，最终输出信号迭代增强处理后的距离方位谱
Figure 668602DEST_PATH_IMAGE039
，这时候距离方位谱的目标会出现一个较高的尖峰，并且剩余环境杂波会处于一个极低的效果，具有十分优秀的杂波对消能力，对人体微弱的心跳信号提取与检测有着很大的帮助，实验结果可参考图3和图4。
本发明的有益效果如下：
本发明不仅增强目标心跳信号信噪比，还具有很好的环境杂波抑制能力；
人体心跳信号迭代增强算法有着迭代收敛速度快的优点，运用数据的空间和时间的相关性对雷达距离方位谱数据对消重构和循环迭代，在环境杂波干扰下有效的增强人体心跳信号。
本文所使用的词语“优选的”意指用作实例、示例或例证。本文描述为“优选的”任意方面或设计不必被解释为比其他方面或设计更有利。相反，词语“优选的”的使用旨在以具体方式提出概念。如本申请中所使用的术语“或”旨在意指包含的“或”而非排除的“或”。即，除非另外指定或从上下文中清楚，“X使用A或B”意指自然包括排列的任意一个。即，如果X使用A；X使用B；或X使用A和B二者，则“X使用A或B”在前述任一示例中得到满足。
而且，尽管已经相对于一个或实现方式示出并描述了本公开，但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件等)执行的各种功能，用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示)，即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外，尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开，但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或其他特征组合。而且，就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言，这样的术语旨在以与术语“包含”相似的方式包括。
本发明实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以多个或多个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。上述的各装置或系统，可以执行相应方法实施例中的存储方法。
综上所述，上述实施例为本发明的一种实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何背离本发明的精神实质与原理下所做的改变、修饰、代替、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法，其特征在于，包括以下步骤：
S1：获取雷达的距离方位谱中的噪声信号的时间性观测距离方位谱、目标心跳的时间性观测距离方位谱，得到雷达原始检测信号的时间性观测距离方位谱；
S2：选取所述雷达原始检测信号的时间性观测距离方位谱中距离维第a个、方位维第b个单元作为参考信号，将参考信号距离维相邻d/2范围和方位维相邻s/2的距离单元分别扩展为方位参考单元和距离参考单元空间性数据；
S3：根据空间相关性得到估计的距离维待检测单元噪声向量和方位维待检测单元噪声向量；
S4：根据杂波时间的相关性对距离维待检测单元噪声向量和方位维待检测单元噪声向量进行时间轴滑动平均处理，得到时间轴滑动平均的距离维待检测单元噪声向量和方位维待检测单元噪声向量；
S5：利用检测型号空间和时间相关性估计的杂波进行对消处理，得到增强后的目标信号；
重复迭代步骤S2-S5，直到迭代完毕。
2.根据权利要求1所述的基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法，其特征在于，所述距离维第a个，方位维第b个单元作为参考信号
Figure DEST_PATH_IMAGE001
，表达式为：
Figure 599011DEST_PATH_IMAGE002
根据杂波空间的相关性，将参考信号方位维相邻s/2和距离维相邻d/2范围的距离单元扩展形成方位参考单元空间性数据和距离参考单元空间性数据，表达式如下：
Figure DEST_PATH_IMAGE003
Figure 906364DEST_PATH_IMAGE004
Figure DEST_PATH_IMAGE005
Figure 512533DEST_PATH_IMAGE006
其中s为方位维上参考单元个数，d为距离维上参考单元个数；
Figure DEST_PATH_IMAGE007
为方位参考单元空间性数据；
Figure 297955DEST_PATH_IMAGE008
为距离参考单元空间性数据。
3.根据权利要求1所述的基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法，其特征在于，估计的距离维待检测单元噪声向量
Figure DEST_PATH_IMAGE009
计算如下：
Figure 66322DEST_PATH_IMAGE010
估计的方位维待检测单元噪声向量
Figure DEST_PATH_IMAGE011
计算如下：
Figure 278997DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE013
是当前选取点基于空间距离的权重系数，距离越大权重越大，反之越小。
4.根据权利要求3所述的基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法，其特征在于，所述当前选取点基于空间距离的权重系数
Figure 5137DEST_PATH_IMAGE013
计算如下：
Figure 344983DEST_PATH_IMAGE014
其中
Figure DEST_PATH_IMAGE015
为当前选取点在雷达坐标系中横坐标对应的距离值，
Figure 138495DEST_PATH_IMAGE016
为当前选取点在雷达坐标系中纵坐标对应的方位值，
Figure DEST_PATH_IMAGE017
为一个常数。
5.根据权利要求1所述的基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法，其特征在于，步骤S3中，为了使噪声估计误差最小，将估计的方位维待检测单元噪声向量
Figure 351433DEST_PATH_IMAGE009
在方位维子空间R的映射：
Figure 43445DEST_PATH_IMAGE018
Figure DEST_PATH_IMAGE019
Figure 170670DEST_PATH_IMAGE020
Figure DEST_PATH_IMAGE021
L a 为方位维映射因子；
为了使噪声估计误差最小，将估计的距离维待检测单元噪声向量
Figure 520487DEST_PATH_IMAGE011
在距离维子空间RB的映射：
Figure 137282DEST_PATH_IMAGE022
Figure DEST_PATH_IMAGE023
Figure 270585DEST_PATH_IMAGE024
Figure DEST_PATH_IMAGE025
L b 为距离维映射因子；
进一步得到根据数据空间相关性估计的距离维和方位维待检测单元噪声，表达式为：
Figure 748971DEST_PATH_IMAGE026
Figure DEST_PATH_IMAGE027
。
6.根据权利要求1所述的基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法，其特征在于，步骤4中，基于杂波时间的相关性，进行时间轴滑动平均处理，得到时间轴滑动平均估计的噪声向量
Figure 782655DEST_PATH_IMAGE028
，数学公式表达如下：
Figure DEST_PATH_IMAGE029
其中，
Figure 944253DEST_PATH_IMAGE030
为滑动平均因子，距离当前时刻时间越长影响越小，反之越大；
Figure 860125DEST_PATH_IMAGE031
当前时刻数据为起点对应的第1帧数据的时间权重因子，
Figure 876622DEST_PATH_IMAGE032
是以当前时刻为起点对应的历史第n帧数据的时间权重因子；
Figure 328595DEST_PATH_IMAGE033
为第t帧时刻对应的距离方位谱数据，
Figure 365821DEST_PATH_IMAGE034
为第t-n+1帧时刻对应的距离方位谱数据；
Figure 254142DEST_PATH_IMAGE035
为滑动平均中的滑窗数量，对时间序列中的n个数据进行加和求平均，
Figure 323598DEST_PATH_IMAGE036
为滑动平均中求和公式的索引变量。
7.根据权利要求1所述的基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法，其特征在于，步骤5中利用检测信号空间和时间相关性估计的杂波进行对消处理，得到雷达信号增强处理后的距离方位谱
Figure 879345DEST_PATH_IMAGE037
，其表达式如下：
Figure 507379DEST_PATH_IMAGE038
最后将雷达信号增强处理后的距离方位谱
Figure 86259DEST_PATH_IMAGE037
重复执行步骤1到5的增强信号处理步骤，满足循环迭代次数Num后停止迭代，最终输出信号迭代增强处理后的距离方位谱
Figure 959406DEST_PATH_IMAGE039
，此时距离方位谱的目标出现一个的尖峰。
8.根据权利要求1所述的基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法，其特征在于，获得迭代增强处理的信号后，执行以下步骤，以获得人体心跳信号：
距离方位单元定位：通过雷达的与人体心跳目标的坐标位置关系确定目标范围，通过在该范围内搜索最大值，获取目标对应的距离单元和方位单元；
目标相位提取：提取目标距离方位单元定位处的相位，每一个帧周期内提取一次目标的相位；
带通滤波：依据心跳频率的分布范围，利用带通滤波器滤波将相位值进行滤波以进行区分；
频谱估计：对滤波后相位信号做自相关和快速傅立叶变换，依据峰值大小及其谐波特征，获取一定时间内对应的心跳频率，记录一段时间内的心跳频率，根据置信度指标判断此时的心跳频率，并输出心跳频率随时间变化的关系。
9.根据权利要求8所述的基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法，其特征在于，目标相位与时间的关系的相位表达式如下：
Figure 369658DEST_PATH_IMAGE040
式中，
Figure 171523DEST_PATH_IMAGE041
为相位变化，
Figure 362333DEST_PATH_IMAGE042
为人体心跳引起的位移变化；
每当连续值之间的相位差大于/小于±π时，通过从相位中减去2π来执行相位展开。
CN202211038555.6A 2022-08-29 2022-08-29 基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法 Active CN115120205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211038555.6A CN115120205B (zh) 2022-08-29 2022-08-29 基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211038555.6A CN115120205B (zh) 2022-08-29 2022-08-29 基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法

Publications (2)

Publication Number Publication Date
CN115120205A true CN115120205A (zh) 2022-09-30
CN115120205B CN115120205B (zh) 2022-12-20

Family

ID=83387591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211038555.6A Active CN115120205B (zh) 2022-08-29 2022-08-29 基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法

Country Status (1)

Country Link
CN (1) CN115120205B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110102247A1 (en) * 2009-10-30 2011-05-05 Applied Signal Technology, Inc. Adaptive Clutter Filter for Maritime Surface Search Radar
CN109009124A (zh) * 2018-06-05 2018-12-18 南通大学 基于超宽带雷达的呼吸频率测量及目标定位方法
WO2020037614A1 (zh) * 2018-08-23 2020-02-27 深圳大学 一种提高机载雷达杂波抑制性能的方法及系统
CN111337895A (zh) * 2020-01-14 2020-06-26 北京理工大学 多通道海杂波空时相关性分析方法
CN111830480A (zh) * 2020-07-09 2020-10-27 中国人民解放军海军航空大学 一种雷达海杂波短时谱特征参数估计方法及系统
CN112379333A (zh) * 2020-11-02 2021-02-19 武汉大学 基于空时维正交投影滤波的高频雷达海杂波抑制方法
CN113970727A (zh) * 2021-09-23 2022-01-25 武汉滨湖电子有限责任公司 一种基于统计特性的杂波信号生成方法
CN114384489A (zh) * 2022-01-17 2022-04-22 长沙莫之比智能科技有限公司 一种浴室跌倒检测雷达的水雾杂波滤除方法
US20220142478A1 (en) * 2019-03-20 2022-05-12 Arizona Board Of Regents On Behalf Of Arizona State University Radar cardiography: a precise cardiac data reconstruction method
WO2022104868A1 (zh) * 2020-11-19 2022-05-27 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

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110102247A1 (en) * 2009-10-30 2011-05-05 Applied Signal Technology, Inc. Adaptive Clutter Filter for Maritime Surface Search Radar
CN109009124A (zh) * 2018-06-05 2018-12-18 南通大学 基于超宽带雷达的呼吸频率测量及目标定位方法
WO2020037614A1 (zh) * 2018-08-23 2020-02-27 深圳大学 一种提高机载雷达杂波抑制性能的方法及系统
US20220142478A1 (en) * 2019-03-20 2022-05-12 Arizona Board Of Regents On Behalf Of Arizona State University Radar cardiography: a precise cardiac data reconstruction method
CN111337895A (zh) * 2020-01-14 2020-06-26 北京理工大学 多通道海杂波空时相关性分析方法
CN111830480A (zh) * 2020-07-09 2020-10-27 中国人民解放军海军航空大学 一种雷达海杂波短时谱特征参数估计方法及系统
CN112379333A (zh) * 2020-11-02 2021-02-19 武汉大学 基于空时维正交投影滤波的高频雷达海杂波抑制方法
WO2022104868A1 (zh) * 2020-11-19 2022-05-27 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
CN113970727A (zh) * 2021-09-23 2022-01-25 武汉滨湖电子有限责任公司 一种基于统计特性的杂波信号生成方法
CN114384489A (zh) * 2022-01-17 2022-04-22 长沙莫之比智能科技有限公司 一种浴室跌倒检测雷达的水雾杂波滤除方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YONG-LIANG WANG;: "Robust space-time adaptive processing for airborne radar in nonhomogeneous clutter environments", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 *
Z. LYU，等: "Chaotic dynamics of ionospheric clutter from high frequency surface wave radar", 《IET INTERNATIONAL RADAR CONFERENCE》 *
漆 巍，等: "运用计算机图像处理技术消除雷达海杂波", 《舰船电子工程》 *

Also Published As

Publication number Publication date
CN115120205B (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
CN111624574A (zh) 弱目标探测的目标检测方法、系统、存储介质和装置
CN109324315B (zh) 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法
CN108957403B (zh) 一种基于广义互相关的高斯拟合包络时延估计方法及系统
CN109669182B (zh) 无源双基地sar动/静目标联合稀疏成像方法
CN110456351B (zh) 基于时变幅值lfm信号参数估计的机动目标isar成像方法
CN107831473B (zh) 基于高斯过程回归的距离-瞬时多普勒图像序列降噪方法
Shang et al. Sea clutter suppression method of HFSWR based on RBF neural network model optimized by improved GWO algorithm
CN107329115B (zh) 基于gcrbf网络的lfm信号参数估计方法
Tohidi et al. Compressed-domain detection and estimation for colocated MIMO radar
Jiang et al. Adversarial interference mitigation for automotive radar
CN113589287B (zh) 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质
CN115015907A (zh) 一种基于稀疏表示的粒子滤波检测前跟踪方法及装置
CN108196238B (zh) 高斯背景下基于自适应匹配滤波的杂波图检测方法
CN115120205B (zh) 基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法
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
Jain et al. A cloud-based machine learning approach to reduce noise in ECG arrhythmias for smart healthcare services
CN111044996A (zh) 一种基于降维近似消息传递的lfmcw雷达目标检测方法
CN107315169B (zh) 基于二阶统计量相似度的杂波协方差矩阵估计方法
CN111856400B (zh) 一种水下目标声源定位方法及系统
CN113885026A (zh) 运动目标的sar稀疏成像方法、装置、电子设备及存储介质
Radius et al. Phase Variant Analysis Algorithm for Azimuth Ambiguity Detection
Schüpbach et al. Efficient Direct Signal Cancellation for FM-based Passive Radar
CN112327260A (zh) 一种sar回波数据中脉冲式干扰信号的抑制方法和装置
CN116679278B (zh) 一种强地物杂波干扰下的目标雷达检测方法
CN117907945A (zh) 基于内插和frft的高阶机动目标检测方法

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