CN115399747A - 一种基于毫米波雷达的多人生命体征监测方法 - Google Patents

一种基于毫米波雷达的多人生命体征监测方法 Download PDF

Info

Publication number
CN115399747A
CN115399747A CN202210972227.7A CN202210972227A CN115399747A CN 115399747 A CN115399747 A CN 115399747A CN 202210972227 A CN202210972227 A CN 202210972227A CN 115399747 A CN115399747 A CN 115399747A
Authority
CN
China
Prior art keywords
distance
vital sign
data
signal
target
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
CN202210972227.7A
Other languages
English (en)
Other versions
CN115399747B (zh
Inventor
贾超
杨月
梁菁菁
周学锋
郭世盛
崔国龙
孔令讲
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.)
Chengdu Duopu Exploration Technology Co ltd
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202210972227.7A priority Critical patent/CN115399747B/zh
Publication of CN115399747A publication Critical patent/CN115399747A/zh
Application granted granted Critical
Publication of CN115399747B publication Critical patent/CN115399747B/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
    • A61B5/05—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
    • A61B5/02—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
    • A61B5/7203—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
    • A61B5/725—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
    • A61B5/02—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Signal Processing (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pulmonology (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种基于毫米波雷达的多人生命体征监测方法，属于非接触式生命体征监测技术领域，先将回波数据处理为雷达三维数据矩阵，各通道数据的每一行沿快时间维执行FFT，对Range‑FFT点对应的数据进行MVDR处理，得到包含距离角度信息的数据矩阵及距离‑角度图；对距离‑角度图预处理后，通过连通域分析法提取连通域，各连通域的质心为各目标位置，进而在数据矩阵中提取对应的相位序列，经相位解缠处理、一阶相位差分和带通滤波后，实现呼吸信号和心跳信号的分离，分别进行FFT处理和估计后，得到最终监测结果。本发明无需已知被测多人目标的数量，可以区分处于同一距离或同一角度的多目标，实现同距离场景下的生命体征估计。

Description

一种基于毫米波雷达的多人生命体征监测方法
技术领域
本发明属于非接触式生命体征监测技术领域，具体涉及一种基于毫米波雷达的多人生命体征监测方法。
背景技术
生命体征是能够显示个人健康状况的生理参数，其中呼吸和心跳是人体健康的重要判断依据。目前在医学领域生命体征监测设备大多数采用接触式测量方法，然而对于某些特殊的待测对象，如皮肤重度烧伤、传染病患者等，接触式生命体征测量方法并不适用。因此，非接触式生命体征信号监测技术具有重要的研究价值。
非接触式生命体征检测方法能够很好地解决接触式检测设备使用对象受限的问题，而相比于基于光学、超声等传统的非接触式检测方法，基于雷达的生命体征信号监测技术具有信号穿透性强、无隐私泄露、不易受气温和光照强度之类的外界环境因素影响等优点，在医疗监护、家庭健康监测和驾驶员状态监控等各个领域都有广泛应用前景。
在基于雷达的生命体征监测技术方面，国内外许多研究机构开展了相关研究。德州仪器公司利用77 GHz调频连续波(FMCW)雷达检测多人的生命体征信号，选用距离选通和波束形成技术对生命体征信号进行提取(A. Ahmad, J. C. Roh, D. Wang, et al, Vitalsigns monitoring of multiple people using a FMCW millimeter-wave sensor[C].IEEE Radar Conference, April 2018: 1450-1455.)，最后实现了单目标场景下生命体征信号的精准估计，并且进行了多人体征检测的信号分离。韩国延世大学利用24 GHz FMCW多普勒雷达，并结合快速傅里叶变换（Fast Fourier Transform, FFT）和多重信号分类（Multiple Signal Classification, MUSIC）算法提取多目标距离和相位信息(H. Lee,B. H. Kim, J. K. Park, J. G. Yook. A Novel Vital-Sign Sensing Algorithm forMultiple Subjects Based on 24-GHz FMCW Doppler Radar[J]. Remote Sensing,2019, 11(10): 1237.)，能够实现较近距离下的多人体征信号分离和估计。上述方法能够进行单目标或非同距离下的多目标生命体征监测，但是当多个目标位于同一距离时，上述方法需要求其余被测目标处于屏息状态，或者在检测过程中存在杂波抑制的问题。因此，研究目标位于同距离的多目标生命体征监测方法在非接触式体征监测领域具有重要的价值。
发明内容
本发明目的在于针对上述现有技术中的问题，提供一种基于毫米波雷达的多人生命体征监测方法，实现同距离场景下的多目标生命体征检测。
本发明所采用的技术方案如下：
一种基于毫米波雷达的多人生命体征监测方法，其特征在于，包括以下步骤：
步骤1、毫米波雷达向多人目标发射线性调频信号，各对发射-接收(Tx-Rx)天线分 别获得一组回波数据，经数据处理后按天线顺序排列，得到雷达三维数据矩阵
Figure 830349DEST_PATH_IMAGE001
； 其中，M为采样帧数；N为每帧的采样点数；L为通道数，对应Tx-Rx天线的对数；
步骤2、对雷达三维数据矩阵
Figure 216331DEST_PATH_IMAGE002
中，各通道数据的每一行沿快时间维执行FFT，得到 对应的矩阵
Figure 464910DEST_PATH_IMAGE003
，其中，N T 为距离维快速傅里叶变换(Range-Fast Fourier Transform, Range-FFT)点数；之后将各矩阵
Figure 328961DEST_PATH_IMAGE004
按天线顺序排列，得到距离数据 矩阵
Figure 612174DEST_PATH_IMAGE005
；
步骤3、基于最小方差无失真响应(Minimum Variance Distortionless Response, MVDR)算法，对距离数据矩阵
Figure 903479DEST_PATH_IMAGE005
中每个Range-FFT点对应的数据进行处理，得到 MVDR角度谱估计，进而获得包含距离角度信息的数据矩阵
Figure 639353DEST_PATH_IMAGE006
；根据MVDR角度谱估计作图得 到反映多人目标位置的距离-角度图；
步骤4、对距离-角度图进行预处理，筛选出大于预设检测阈值的图像数据，以滤除背景杂波；
步骤5、基于连通域分析（Connected Component Analysis, CCA）法，对预处理后的距离-角度图进行8连通检测，提取连通域，所得连通域个数为多人目标的个数；求取各连通域的质心位置，作为各目标的位置；
步骤6、根据各目标的位置，在数据矩阵
Figure 307095DEST_PATH_IMAGE006
中分别提取对应的相位序列，经相位解 缠处理和一阶相位差分后，得到包含呼吸信号、心跳信号和噪声信号的真实目标相位序列；
步骤7、通过带通滤波处理去除真实目标相位序列中的噪声信号，并进行呼吸信号和心跳信号的分离；
步骤8、分别对呼吸信号和心跳信号进行FFT处理，并通过峰值检测算法对呼吸信号和心跳信号进行估计，得到最终监测结果。
进一步地，步骤4中预设检测阈值的取值为0.2~0.8。
进一步地，步骤7采用无限冲激响应(Infinite Impulse Response, IIR)巴特沃斯型数字滤波器进行呼吸信号和心跳信号的分离。
进一步地，步骤3得到MVDR角度谱估计的具体过程为：
对距离数据矩阵
Figure 943350DEST_PATH_IMAGE005
进行波束形成处理，得到输出信号
Figure 671135DEST_PATH_IMAGE007
：
Figure 894306DEST_PATH_IMAGE008
（1）
其中，
Figure 92386DEST_PATH_IMAGE010
表示对回波数据进行空域滤波的权向量
Figure 256651DEST_PATH_IMAGE011
的共轭转置；
Figure 967118DEST_PATH_IMAGE012
表示当前时 刻的距离数据矩阵
Figure 711083DEST_PATH_IMAGE005
；
输出信号
Figure 823396DEST_PATH_IMAGE007
的平均功率
Figure 892983DEST_PATH_IMAGE013
为：
Figure 326632DEST_PATH_IMAGE014
（2）
其中，
Figure 874288DEST_PATH_IMAGE015
表示求取数据均值；
Figure 106686DEST_PATH_IMAGE016
为空间相关矩阵；
假设期望目标信号的方向为
Figure 347175DEST_PATH_IMAGE017
，为了使
Figure 766655DEST_PATH_IMAGE017
方向的信号无失真地输出，权向量
Figure 118001DEST_PATH_IMAGE011
满 足：
Figure 939327DEST_PATH_IMAGE018
（3）
其中，
Figure 616296DEST_PATH_IMAGE019
；j为虚数单位；上角标T表示转置；
在保证式（3）成立的前提下，为对其他方向的无关信号尽可能地抑制，结合对权向 量
Figure 21607DEST_PATH_IMAGE011
的约束，构造代价函数，得到MVDR波束形成器的最优权向量
Figure 379907DEST_PATH_IMAGE020
：
Figure 321319DEST_PATH_IMAGE021
（4）
其中，
Figure 903610DEST_PATH_IMAGE022
表示
Figure 32103DEST_PATH_IMAGE016
的逆矩阵；
Figure 725252DEST_PATH_IMAGE023
为
Figure 255591DEST_PATH_IMAGE024
的共轭转置；
进而获得MVDR角度谱估计
Figure 504388DEST_PATH_IMAGE025
：
Figure 385757DEST_PATH_IMAGE026
（5）。
进一步地，步骤6中相位解缠处理的具体过程为：
设当前时刻的相位为
Figure 882597DEST_PATH_IMAGE027
，下一时刻的相位为
Figure 798601DEST_PATH_IMAGE028
，当
Figure 457115DEST_PATH_IMAGE029
时，表明此时相 位发生跳变，则进行解缠处理：若
Figure 825779DEST_PATH_IMAGE030
，则
Figure 595152DEST_PATH_IMAGE031
；若
Figure 365662DEST_PATH_IMAGE032
，则
Figure 693613DEST_PATH_IMAGE033
。
本发明的有益效果为：
本发明提出了一种基于毫米波雷达的多人生命体征监测方法，基于连通域分析法从距离-角度图上有效分离多人目标并实现目标定位，分别提取各目标位置处的相位信号进行呼吸和心跳速率估计；本发明无需已知被测多人目标的数量，可直接对距离-角度图进行处理提取目标位置，更重要的是，可以区分处于同一距离或同一角度的多目标，实现同距离场景下的生命体征估计。
附图说明
图1为本发明实施例1提供的基于毫米波雷达的多人生命体征监测方法的流程图；
图2为本发明实施例1提供的生命体征信号估计的流程图；
图3为本发明实施例1中采用的实验场景及设备示意图；
图4为本发明实施例1中的距离-角度图；
图5为本发明实施例1中的连通域检测及目标定位结果图；
图6为本发明实施例1中第一目标的心率估计结果；
图7为本发明实施例1中第二目标的心率估计结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图与实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1
本实施例涉及两个目标位于同一距离的场景，采用的实验场景和设备如图3所示，实验在较为空旷的大厅进行，第一目标和第二目标正对多发多收的毫米波雷达静坐，正常呼吸且心跳处于较为平稳的状态。为保证实验效果，设置第一目标和第二目标的胸腔位置均与毫米波雷达高度平齐，并且位于毫米波雷达角度覆盖范围内。第一目标和第二目标分别佩戴指夹式脉搏血氧仪，以此来记录检测时间段内的心跳参考值，并使用量尺与数显角度尺分别确定第一目标和第二目标与毫米波雷达的相对位置。采用60 GHz毫米波雷达传感器IWR6843作为硬件平台，发射的线性调频信号的调频斜率为70 MHz/μs，带宽为4 GHz，单次数据采集总时间为30 s。在本实验场景中设置第一目标和第二目标与毫米波雷达的距离均为1.5 m，角度分别为-30°和30°。
基于上述实验场景，本实施例提供了一种基于毫米波雷达的多人生命体征监测方法，如图1所示，包括以下步骤：
步骤1、毫米波雷达向第一目标和第二目标发射线性调频信号，各对Tx-Rx天线分 别获得一组回波数据，经模数转换器处理后存入数据矩阵，形成维数据；各对Tx-Rx天线对 应的维数据按天线顺序排列，得到雷达三维数据矩阵
Figure 549574DEST_PATH_IMAGE001
；其中，M为采样帧数；N为每 帧的采样点数；L为通道数，对应Tx-Rx天线的对数；
步骤2、对雷达三维数据矩阵
Figure 653796DEST_PATH_IMAGE002
中，各通道数据的每一行沿快时间维执行FFT，即距 离维快速傅里叶变换，得到对应的矩阵
Figure 13233DEST_PATH_IMAGE003
，其中，N T 为Range-FFT点数， 各Range-FFT点对应一个距离单元；之后将各矩阵
Figure 279129DEST_PATH_IMAGE004
按天线顺序排列，得到距离数据矩阵
Figure 356807DEST_PATH_IMAGE034
；
步骤3、基于MVDR算法，对距离数据矩阵
Figure 999141DEST_PATH_IMAGE005
中每个Range-FFT点对应的数据进行处 理，在第一目标和第二目标方向形成主瓣波束，提供目标方位估计，且具有较高的方位分辨 率；
对距离数据矩阵
Figure 744243DEST_PATH_IMAGE005
进行波束形成处理，得到输出信号
Figure 181040DEST_PATH_IMAGE035
：
Figure 247479DEST_PATH_IMAGE008
（1）
其中，
Figure 427924DEST_PATH_IMAGE010
表示对回波数据进行空域滤波的权向量
Figure 761954DEST_PATH_IMAGE011
的共轭转置，
Figure 369653DEST_PATH_IMAGE012
表示当前时 刻的距离数据矩阵
Figure 421922DEST_PATH_IMAGE005
；
输出信号
Figure 406059DEST_PATH_IMAGE035
的平均功率
Figure 860174DEST_PATH_IMAGE013
为：
Figure 638774DEST_PATH_IMAGE014
（2）
其中，
Figure 676875DEST_PATH_IMAGE015
表示求取数据均值；
Figure 199123DEST_PATH_IMAGE016
为空间相关矩阵；
假设期望目标信号的方向为
Figure 507745DEST_PATH_IMAGE017
，为了使
Figure 457246DEST_PATH_IMAGE017
方向的信号无失真地输出，权向量
Figure 218529DEST_PATH_IMAGE011
满 足：
Figure 544468DEST_PATH_IMAGE018
（3）
其中，
Figure 707596DEST_PATH_IMAGE036
；j为虚数单位；上角标T表示转置；
在保证式（3）成立的前提下，为对其他方向的无关信号尽可能地抑制，结合对权向 量
Figure 827999DEST_PATH_IMAGE011
的约束，构造代价函数，得到MVDR波束形成器的最优权向量
Figure 861200DEST_PATH_IMAGE020
：
Figure 459671DEST_PATH_IMAGE021
（4）
其中，
Figure 477306DEST_PATH_IMAGE022
表示
Figure 34189DEST_PATH_IMAGE016
的逆矩阵；
Figure 770064DEST_PATH_IMAGE023
为
Figure 437806DEST_PATH_IMAGE024
的共轭转置
进而获得MVDR角度谱估计
Figure 309947DEST_PATH_IMAGE025
：
Figure 37731DEST_PATH_IMAGE026
（5）。
基于MVDR角度谱估计
Figure 759437DEST_PATH_IMAGE025
作图，获得反映第一目标位置和第二目标位置的距 离-角度图，如图4所示，进而获得包含距离角度信息的数据矩阵
Figure 965291DEST_PATH_IMAGE037
；根据MVDR角 度谱估计
Figure 957518DEST_PATH_IMAGE025
作图得到反映第一目标位置和第二目标位置的距离-角度图；
步骤4、对距离-角度图进行预处理，筛选出大于预设检测阈值0.7的图像数据，以滤除背景杂波；
步骤5、基于连通域分析法，对预处理后的距离-角度图进行8连通（对应位置的上、下、左、右为紧邻的位置，左上、右上、左下、右下为斜向相邻的位置）检测并标记，提取得到两个连通域；求取两个连通域的质心位置，分别作为第一目标位置和第二目标位置，进而获得距离单元和角度单元索引对应的第一目标位置和第二目标位置分别为(1.526, -27.54°)和(1.51, 31,88°)，如图5所示，与所设置实验场景的距离误差小于0.1 m，角度误差小于3°；
步骤6、根据第一目标位置和第二目标位置，在角度数据矩阵中分别提取对应的相位序列，之后进行生命体征信号估计，流程如图2所示，具体包括：
步骤6.1、第一目标位置和第二目标位置对应的相位序列，分别经相位解缠处理和一阶相位差分后，得到对应的包含呼吸信号、心跳信号和噪声信号的真实目标相位序列；
其中，相位解缠处理的具体过程为：
设当前时刻的相位为
Figure 856203DEST_PATH_IMAGE027
，下一时刻的相位为
Figure 301091DEST_PATH_IMAGE028
，当
Figure 310636DEST_PATH_IMAGE029
时，表明此时相 位发生跳变，则进行解缠处理：若
Figure 422948DEST_PATH_IMAGE030
，则
Figure 226956DEST_PATH_IMAGE031
；若
Figure 926184DEST_PATH_IMAGE032
，则
Figure 473840DEST_PATH_IMAGE033
；
步骤6.2、采用不同的IIR巴特沃斯型数字滤波器处理去除真实目标相位序列中的噪声信号，并进行呼吸信号和心跳信号的分离；
其中，呼吸信号的频率在0.1~0.5 Hz，心跳信号的频率在0.8~2.0 Hz；如图2所示，为尽量避免呼吸信号对心跳信号的影响，分别设置分离呼吸信号的IIR巴特沃斯型数字滤波器的阶数为4，通带频率为0.1~0.6 Hz，分离心跳信号的IIR巴特沃斯型数字滤波器的阶数为6，通带频率为0.8~4.0 Hz，信号采样频率均为20 Hz；
步骤6.3、人为判断第一目标或/和第二目标在实验过程中是否出现身体随机位移，若存在，则舍弃对应的心跳信号，仅对对呼吸信号进行FFT处理，并通过峰值检测算法进行估计；否则，分别对呼吸信号和心跳信号进行FFT处理，并通过峰值检测算法对呼吸信号和心跳信号进行估计，得到最终第一目标的呼吸速率、心跳速率，及第二目标的呼吸速率、心跳速率。
本实验场景使用脉搏血氧仪测得第一目标的心跳速率参考值为69~74次/分钟，第二目标的心跳速率参考值为84~88次/分钟。采用本实施例提出的多人生命体征监测方法得到的心跳速率检测结果分别如图6和图7所示，第一目标的心跳速率为71.12次/分钟，第二目标的心跳速率为87.15次/分钟，结果均在参考值范围内。
由实验结果可知，本实施例提供的适用于同距离场景下的多目标生命体征检测方法可以有效实现多目标定位，能够得到两个目标的生命体征信号并进行估计，验证了可行性和有效性。
上述实施例仅说明本发明的原理及优点，而非用于限制本发明，仅为帮助理解本发明原理，本发明保护范围亦不限于上述的配置和实施例，本领域技术人员可以根据公开技术做出不脱离本发明实质的其他各种具体变形与组合，但仍在本发明的保护范围内。

Claims (5)

1.一种基于毫米波雷达的多人生命体征监测方法，其特征在于，包括以下步骤：
步骤1、毫米波雷达向多人目标发射线性调频信号，各对Tx-Rx天线分别获得一组回波 数据，经数据处理后按天线顺序排列，得到雷达三维数据矩阵
Figure 104566DEST_PATH_IMAGE001
；其中，M为采样帧 数；N为每帧的采样点数；L为通道数；
步骤2、对雷达三维数据矩阵
Figure 156835DEST_PATH_IMAGE002
中，各通道数据的每一行沿快时间维执行FFT，得到对应 的矩阵
Figure 875392DEST_PATH_IMAGE003
，其中，N T 为Range-FFT点数；之后将各矩阵
Figure 329508DEST_PATH_IMAGE004
按天线顺序排 列，得到距离数据矩阵
Figure 108108DEST_PATH_IMAGE005
；
步骤3、基于MVDR算法，对距离数据矩阵
Figure 647673DEST_PATH_IMAGE005
中每个Range-FFT点对应的数据进行处理，得 到MVDR角度谱估计，进而获得包含距离角度信息的数据矩阵
Figure 169922DEST_PATH_IMAGE006
；根据MVDR角度谱估计作图 得到距离-角度图；
步骤4、对距离-角度图进行预处理，筛选出大于预设检测阈值的图像数据；
步骤5、基于CCA法，对预处理后的距离-角度图进行8连通检测，提取连通域，所得连通域个数为多人目标的个数；求取各连通域的质心位置，作为各目标的位置；
步骤6、根据各目标的位置，在数据矩阵
Figure 275281DEST_PATH_IMAGE006
中分别提取对应的相位序列，经相位解缠处 理和一阶相位差分后，得到包含呼吸信号、心跳信号和噪声信号的真实目标相位序列；
步骤7、通过带通滤波处理去除真实目标相位序列中的噪声信号，并进行呼吸信号和心跳信号的分离；
步骤8、分别对呼吸信号和心跳信号进行FFT处理，并通过峰值检测算法对呼吸信号和心跳信号进行估计，得到最终监测结果。
2.根据权利要求1所述基于毫米波雷达的多人生命体征监测方法，其特征在于，步骤3得到MVDR角度谱估计的具体过程为：
对距离数据矩阵
Figure 224782DEST_PATH_IMAGE005
进行波束形成处理，得到输出信号
Figure 986065DEST_PATH_IMAGE007
：
Figure 312004DEST_PATH_IMAGE008
其中，
Figure 595535DEST_PATH_IMAGE010
表示对回波数据进行空域滤波的权向量
Figure 844114DEST_PATH_IMAGE011
的共轭转置；
Figure 708164DEST_PATH_IMAGE012
表示当前时刻的 距离数据矩阵
Figure 725799DEST_PATH_IMAGE005
；
输出信号
Figure 279753DEST_PATH_IMAGE013
的平均功率
Figure 15627DEST_PATH_IMAGE014
为：
Figure 417790DEST_PATH_IMAGE015
其中，
Figure 352248DEST_PATH_IMAGE016
表示求取数据均值；
Figure 80032DEST_PATH_IMAGE017
为空间相关矩阵；
假设期望目标信号的方向为
Figure 37624DEST_PATH_IMAGE018
，权向量
Figure 509057DEST_PATH_IMAGE011
满足：
Figure 501284DEST_PATH_IMAGE019
其中，
Figure 868811DEST_PATH_IMAGE020
；j为虚数单位；上角标T表示转置；
得到MVDR波束形成器的最优权向量
Figure 579278DEST_PATH_IMAGE021
：
Figure 588822DEST_PATH_IMAGE022
其中，
Figure 435556DEST_PATH_IMAGE023
表示
Figure 505143DEST_PATH_IMAGE017
的逆矩阵；
Figure 437327DEST_PATH_IMAGE024
为
Figure 47300DEST_PATH_IMAGE025
的共轭转置；
进而获得MVDR角度谱估计
Figure 14119DEST_PATH_IMAGE026
：
Figure 989028DEST_PATH_IMAGE027
。
3.根据权利要求1所述基于毫米波雷达的多人生命体征监测方法，其特征在于，步骤4中预设检测阈值的取值为0.2~0.8。
4.根据权利要求1所述基于毫米波雷达的多人生命体征监测方法，其特征在于，步骤6中相位解缠处理的具体过程为：
设当前时刻的相位为
Figure 674087DEST_PATH_IMAGE028
，下一时刻的相位为
Figure 22504DEST_PATH_IMAGE029
，当
Figure 843830DEST_PATH_IMAGE030
时，表明此时相位发生 跳变，则进行解缠处理：若
Figure 989640DEST_PATH_IMAGE031
，则
Figure 896416DEST_PATH_IMAGE032
；若
Figure 51454DEST_PATH_IMAGE033
，则
Figure 727286DEST_PATH_IMAGE034
。
5.根据权利要求1所述基于毫米波雷达的多人生命体征监测方法，其特征在于，步骤7采用IIR巴特沃斯型数字滤波器进行呼吸信号和心跳信号的分离。
CN202210972227.7A 2022-08-15 2022-08-15 一种基于毫米波雷达的多人生命体征监测方法 Active CN115399747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210972227.7A CN115399747B (zh) 2022-08-15 2022-08-15 一种基于毫米波雷达的多人生命体征监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210972227.7A CN115399747B (zh) 2022-08-15 2022-08-15 一种基于毫米波雷达的多人生命体征监测方法

Publications (2)

Publication Number Publication Date
CN115399747A true CN115399747A (zh) 2022-11-29
CN115399747B CN115399747B (zh) 2023-09-26

Family

ID=84159860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210972227.7A Active CN115399747B (zh) 2022-08-15 2022-08-15 一种基于毫米波雷达的多人生命体征监测方法

Country Status (1)

Country Link
CN (1) CN115399747B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116035558A (zh) * 2023-03-02 2023-05-02 中国科学技术大学 基于波束形成的抗干扰呼吸检测方法
CN116840805A (zh) * 2023-08-30 2023-10-03 长沙莫之比智能科技有限公司 基于mimo雷达与波束形成的人体生命体征检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110118966A (zh) * 2019-05-28 2019-08-13 长沙莫之比智能科技有限公司 基于毫米波雷达的人员检测与计数系统
CN110361725A (zh) * 2018-04-11 2019-10-22 英飞凌科技股份有限公司 使用毫米波雷达进行人类检测和识别的系统和方法
CN113854981A (zh) * 2021-09-24 2021-12-31 南京六季光电技术研究院有限公司 一种基于毫米波雷达的运动多人生命体征监测方法
CN114041767A (zh) * 2021-10-11 2022-02-15 宁波春建电子科技有限公司 一种基于深度相机和毫米波雷达的心率检测方法
CN114847911A (zh) * 2022-05-25 2022-08-05 江苏科技大学 一种基于毫米波雷达的多人生命体征监测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110361725A (zh) * 2018-04-11 2019-10-22 英飞凌科技股份有限公司 使用毫米波雷达进行人类检测和识别的系统和方法
CN110118966A (zh) * 2019-05-28 2019-08-13 长沙莫之比智能科技有限公司 基于毫米波雷达的人员检测与计数系统
CN113854981A (zh) * 2021-09-24 2021-12-31 南京六季光电技术研究院有限公司 一种基于毫米波雷达的运动多人生命体征监测方法
CN114041767A (zh) * 2021-10-11 2022-02-15 宁波春建电子科技有限公司 一种基于深度相机和毫米波雷达的心率检测方法
CN114847911A (zh) * 2022-05-25 2022-08-05 江苏科技大学 一种基于毫米波雷达的多人生命体征监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
霍立平等: "基于最小敏感度的广义线性自适应波束形成算法", 《系统工程与电子技术》, vol. 41, no. 3, pages 471 - 475 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116035558A (zh) * 2023-03-02 2023-05-02 中国科学技术大学 基于波束形成的抗干扰呼吸检测方法
CN116840805A (zh) * 2023-08-30 2023-10-03 长沙莫之比智能科技有限公司 基于mimo雷达与波束形成的人体生命体征检测方法
CN116840805B (zh) * 2023-08-30 2023-11-10 长沙莫之比智能科技有限公司 基于mimo雷达与波束形成的人体生命体征检测方法

Also Published As

Publication number Publication date
CN115399747B (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
CN111568399B (zh) 一种基于雷达的呼吸和心跳信号检测方法及系统
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
US11850027B2 (en) Multi-person vital signs monitoring using millimeter wave (mm-wave) signals
CN115399747A (zh) 一种基于毫米波雷达的多人生命体征监测方法
CN102058411B (zh) 一种多通道基于uwb雷达式生命探测仪
CN112401863A (zh) 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
CN114847911A (zh) 一种基于毫米波雷达的多人生命体征监测方法
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
CN113854981A (zh) 一种基于毫米波雷达的运动多人生命体征监测方法
Pramudita et al. Radar system for detecting respiration vital sign of live victim behind the wall
Wang et al. A novel vital sign sensing algorithm for multiple people detection based on FMCW radar
CN112716462A (zh) 一种可控照射指向的窄波束毫米波人体心跳/呼吸体征监测装置
Goldfine et al. Respiratory rate monitoring in clinical environments with a contactless ultra-wideband impulse radar-based sensor system
Aardal et al. Chest movement estimation from radar modulation caused by heartbeats
Yang et al. Body orientation and vital sign measurement with IR-UWB radar network
WO2023004688A1 (zh) 一种基于多普勒雷达的非接触式呼吸监测方法
Chen et al. Ultrawideband synthetic aperture radar for respiratory motion detection
Abu-Sardanah et al. A wearable mm-wave radar platform for cardiorespiratory monitoring
CN114983373B (zh) 一种检测人体心率的方法
CN113729678B (zh) 一种基于毫米波雷达的无线体征测量系统
CN115736886A (zh) 一种基于毫米波雷达的多目标呼吸率参数估计方法
CN114355329A (zh) 一种调频连续波雷达生命体征距离检测的方法
Pan et al. A spectrum estimation approach for accurate heartbeat detection using Doppler radar based on combination of FTPR and TWV
Ramadhamy et al. Clutter Reduction in Detecting Trapped Human Respiration Under Rubble for FMCW Radar System
CN116224325A (zh) 基于lfmcw雷达与欠定盲源分离的多人呼吸信号探测方法及系统

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240229

Address after: Room 2-02, 15th Floor, Unit 1, Building 2, No. 2 Heshun Road, Chengdu High tech Zone, Chengdu, Sichuan Province, 610000

Patentee after: Chengdu Duopu Exploration Technology Co.,Ltd.

Country or region after: China

Address before: 611731, No. 2006, West Avenue, Chengdu hi tech Zone (West District, Sichuan)

Patentee before: University of Electronic Science and Technology of China

Country or region before: China