CN115644840A - 基于毫米波雷达的生命体征检测方法 - Google Patents
基于毫米波雷达的生命体征检测方法 Download PDFInfo
- Publication number
- CN115644840A CN115644840A CN202211014558.6A CN202211014558A CN115644840A CN 115644840 A CN115644840 A CN 115644840A CN 202211014558 A CN202211014558 A CN 202211014558A CN 115644840 A CN115644840 A CN 115644840A
- Authority
- CN
- China
- Prior art keywords
- frequency
- matrix
- signal
- chest wall
- wall displacement
- 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
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于毫米波雷达的生命体征检测方法。该方法包括步骤发射线性调频连续波FMCW,对回波信号进行混频后获取原始数据,并将原始数据组成包含快时间维度和慢时间维度的第一矩阵;对第一矩阵进行一维快速傅里叶变换得到对应的第二矩阵;接着对第二矩阵进行静止滤波操作得到第四矩阵;对第四矩阵进行判断存在人体目标的距离单元进行解缠操作;从解缠后的相位信号中判断人体目标的生命体征;对存在生命体征的人体目标的距离单元提取相应胸壁位移信号;重构胸壁位移‑时间信号获取准确的人体目标的生命体征。本发明相比现有技术提高了对人体心率呼吸监测准确度、且较好地降低了检测过程的计算量进而提升快速反应的能力。
Description
技术领域
本发明属于雷达设备的技术领域,具体涉及一种基于毫米波雷达的生命体征检测方法。
背景技术
目前,现有技术中用于日常身体检测、医疗、睡眠呼吸间歇患者的睡眠监测、疲劳驾驶的预警、灾后救援等领域的生命体征检测技术中包括有毫米波雷达。现有采用毫米波雷达检测生命体征的方法,通常包括发出雷达波检测距离、根据雷达回波的距离-速度/角度谱判断是否为人体、对人体的回拨提取心跳和呼吸三大过程。
但是,现有的毫米波雷达检测生命体征的方法,其检测精度低,没有对雷达回波进行良好的去噪、信号筛选、信号重构处理,导致经常漏判或错判,无法高效表征检测到的人体目标的生命体征强弱状态。另一方面,现有的检测方法在提取呼吸和心跳体征过程的算法的计算量过大,难以进行快速反应也不利于提升检测精度。
发明内容
为了克服现有技术存在的一个或者多个缺陷与不足,本发明的目的在于提供一种基于毫米波雷达的生命体征检测方法,用于提升毫米波雷达设备在生命体征检测过程中的检测精度。
为了达到上述目的,本发明采用以下的技术方案。
一种基于毫米波雷达的生命体征检测方法,包括步骤如下:
使用毫米波雷达的天线发射线性调频连续波FMCW,然后毫米波雷达获取回波,对回波信号进行混频后获取原始数据,并将原始数据的每一帧分别组成包含快时间维度和慢时间维度的第一矩阵;
对第一矩阵进行一维快速傅里叶变换,使不同距离的回波信号分离,得到对应的第二矩阵;接着对第二矩阵进行滤除静止杂波操作,先使用窗口将第二矩阵转换为第三矩阵,然后使用均值对第三矩阵进行运算得到第四矩阵,从而完成静止滤波操作;
对第四矩阵进行一维恒虚警检测CFAR操作,从中判断存在人体目标的距离单元;然后对存在人体目标的距离单元提取相位信号,使用extended-DACM 算法进行解缠操作获得解缠后的相位信号;
从解缠后的相位信号中判断人体目标的生命体征;对存在生命体征的人体目标的距离单元提取相应胸壁位移信号,然后利用迭代调整时间窗算法调整得到调整后的胸壁位移信号;
从调整后的胸壁位移信号中重构胸壁位移-时间信号,再从重构的胸壁位移 -时间信号中获取准确的人体目标的生命体征。
优选地,发射线性调频连续波FMCW的具体过程为:
用单发单收或单发多收的毫米波雷达,向需要进行生命体征检测的空间内发射线性调频连续波FMCW,发射信号在单个啁啾时间内xT(t)波形如下式:
其中,t代表时刻,A是发射信号的幅度,fs是发射信号的起始频率,B是发射信号的工作带宽,Tc是发射信号中单个啁啾所占用的时长,φ(t)是线性调频连续波的相位噪音。
进一步地,对回波信号进行混频获取原始数据的过程为:
获取到的回波信号xR(t)如下式所示:
xR(t)=αxT(t-td)
将回波信号xR(t)和线性调频连续波的发射信号xT(t)混频,得到所需的中频信号xIF(t)的过程如下式所示:
其中,c是光速,λ是波长,AR是毫米波雷达的天线接收到回波时的接收信号功率;
对中频信号xIF(t)进行模数转换,得到原始数据;将原始数据的每一帧分别组成包含快时间维度和慢时间维度的第一矩阵,记为M[m,n],m表示快时间维度下单个啁啾对应的采样点数,n表示慢时间维度下每一帧原始数据对应的啁啾的总数。
进一步地,对第一矩阵进行一维快速傅里叶变换的过程为:
对第一矩阵M[m,n]按列进行快速傅里叶变换,将第一矩阵M[m,n]经过快速傅里叶变换变换后得到的矩阵记为第二矩阵RP[m,n]。
进一步地,对第二矩阵进行滤除静止杂波操作的过程为:
计算第二矩阵RP[m,n]中每一行各自的均值,然后将每一行的均值取出组成第一向量,每个第一向量的维度与每帧第二矩阵RP[m,n]相对应的为m;然后使用窗口来滤除静止杂波;将窗口大小设定为k,窗口作用在k个第一向量上,使 k个第一向量组成m*k维的第三矩阵;将第三矩阵每一行的每个数值,都减去该行全部数值的均值,得到滤除静止杂波后的第四矩阵RS[m,k]。
进一步地,对存在人体目标的距离单元使用extended-DACM算法进行解缠操作的过程为:
提取距离单元对应的第四矩阵RS[m,k]中的虚部I(t)、实部Q(t)两路信号,使用extended-DACM算法分别对虚部I(t)、实部Q(t)两路信号进行相位解缠,得到没有出现相位模糊的相位信号。
进一步地,对解缠后的相位信号对人体目标的生命体征进行检测的过程为:
从解缠后的相位信号中选择判断活体检测的总帧数s,将这s帧对应经过展开的相位信号的频率值组成1*s维的向量矩阵H;
对向量矩阵H进行快速傅里叶变换得到第五矩阵HF[1,s],计算设定的频率范围内的频谱能量占全频段总能量的比例,判断设定的频率范围内的频谱能量占全频段总能量的比例是否超过预设的比例阈值,设定的频率范围内的频谱能量占全频段总能量的比例的计算公式如下:
其中,i、j均分别表示第几帧,a对应进行一维恒虚警检测CFAR后第四矩阵RS[m,k]中存在人体目标的行数,此处的n是在设定的频率范围内进行快速傅里叶变换的点数;
计算向量矩阵H的方差,判断该方差是否超过预设的方差阈值;
若设定的频率范围内的频谱能量占全频段总能量的比例、向量矩阵H的方差同时超过比例阈值、方差阈值,则判定人体目标存在生命体征,然后提取存在生命体征的人体目标的距离单元。
进一步地,利用迭代调整时间窗算法调整的胸壁位移信号的过程为:
从胸壁位移信号R[n]中取出一段设定时长的数据,以时间窗N进行快速傅里叶变换,将进行快速傅里叶变换后所得胸壁位移频谱的幅度最大值所在频点的频率作为呼吸主频率fb1,将进行快速傅里叶变换后所得胸壁位移频谱在设定频率内幅度最大值所在点的频率作为心跳主频率fh;
从胸壁位移频谱中获取呼吸主频率fb1、呼吸主频率幅度|A1|、呼吸的二倍频fb2;
判断呼吸主频率fb1是否为呼吸的二倍频fb2的一半,同时判断呼吸主频率幅度是否大于上次迭代时的呼吸主频率幅度,即判断是否|A1|>|A1′|;若不同时满足和|A1|>|A1′|,则调整时间窗N的点数后,重新进行快速傅里叶变换,直到同时满足和|A1|>|A1′|。
进一步地,重构胸壁位移-时间信号的过程为:
由呼吸引起的胸壁位移-时间信号为如下公式:
其中,ω1、ω2、ω3分别是呼吸的主频、二倍频、三倍频,A1、A2、A3分别是呼吸主频、二倍频、三倍频各自对应的幅值;
对调整后的胸壁位移频谱,有先验条件:呼吸主频率的幅度峰值是其二倍频幅度峰值的约3.5倍、呼吸主频率的幅度峰值是其三倍频幅度峰值的约10倍,根据先验条件求以下公式的根:
A3x3+A2x2+A1x-H(t)=0
对上式求解符合先验条件的根,将根代入上式,获取重构后的胸壁位移-时间信号。
进一步地,从重构后的胸壁位移-时间信号获得生命体征的过程为:
重构后的胸壁位移-时间信号中,设定其幅值最大处的频率为呼吸频率fb,在设定频率范围内的幅值最大处为心跳频率fh;
分别计算每分钟的呼吸、心跳各自的次数,得到相应人体目标的生命体征,具体如下式:
HB=60×fb
HB=60×fh
其中,HB为每分钟的呼吸次数,HR为每分钟的心跳次数。
本发明技术方案与现有技术相比,具有如下有益效果:
本发明相比现有技术,通过对雷达回波进行良好的去噪、信号筛选、信号重构处理,同时高效表征检测到的人体目标的生命体征强弱状态,避免了漏判或错判,提高了检测精度;本发明相关的运算量小,避免了现有技术在提取呼吸和心跳体征过程因大计算量造成难以进行快速反应的问题,增加了测量的可靠性。
附图说明
图1为本发明其中一种基于毫米波雷达的生命体征检测方法的大致流程示意图;
图2为图1中原始的胸壁位移频谱图;
图3为图1中迭代调整时间窗后的胸壁位移频谱图;
图4为图1中重构后的胸壁位移频谱图。
具体实施方式
为了使本发明的目的、技术方案及其优点更加清楚明白,以下结合附图及其实施例,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仅用以解释本发明,并不用于限定本发明。
实施例
如图1至图4所示,本实施例的一种基于毫米波雷达的生命体征检测方法,包括步骤如下:
S1、使用毫米波雷达的天线发射线性调频连续波FMCW,然后毫米波雷达获取回波;
本实施例优选设定毫米波雷达天线正面对准需要进行检测的空间区域的情况下,毫米波雷达天线与待测目标人体的胸壁处于同一个水平面上,本实施例优选的毫米波雷达的天线与人体的距离最优选为一米左右,收发信号时雷达天线不进行移动;
本实施例优选发射线性调频连续波FMCW时,采用单发单收或单发多收的毫米波雷达,向需要进行生命体征检测的空间内发射线性调频连续波FMCW,发射信号在单个啁啾时间内xT(t)波形如下式:
其中,t代表时刻,A是发射信号的幅度,fs是发射信号的起始频率,B是发射信号的工作带宽,Tc是发射信号中单个啁啾(chirp)所占用的时长,φ(t)是线性调频连续波的相位噪音;
S2、对步骤S1获取到的回波进行预处理;具体过程如下:
先行构建回波信号;获取到的回波信号xR(t)如下式所示:
xR(t)=αxT(t-td)
回波信号xR(t)相比于发射线性调频连续波的信号xT(t),会产生幅度变化尺度α、时移td的差异,时移td与待测目标的径向距离R(t)相关,具体关系如下式所示:
将回波信号xR(t)和线性调频连续波的发射信号xT(t)混频,得到所需的中频信号xIF(t)的过程如下式所示:
其中,c是光速,λ是波长,AR是毫米波雷达的天线接收到回波时的接收信号功率,可见频率可见频率fb与目标的径向距离R(t)线性相关,中频信号xIF(t)的相位由于在短距离上雷达回波的距离相关效应,因此相位噪音这一项的相位差Δφ(t)可以忽略,从而将其值简化为零;
对中频信号xIF(t)进行模数转换,得到在全部工作周期(每一帧)内中频信号的频率值的原始数据;将原始数据的每一帧分别组成包含快时间维度和慢时间维度的第一矩阵,记为M[m,n],m表示快时间维度下单个啁啾对应的采样点数,n表示慢时间维度下每一帧原始数据对应的啁啾的总数,由此可见,第一矩阵M[m,n]表示一帧的原始数据,每一列包含了在一个啁啾中m个采样点对应的中频信号的频率值,总共包含了n列,而全部工作周期的原始数据则包含了多帧,对应多个第一矩阵,本实施例优选设定原始数据总共有k帧;
S3、对步骤S2得到的全部第一矩阵M[m,n]分别进行一维快速傅里叶变换;具体包括:
对第一矩阵M[m,n]按列进行FFT,从而从考察频率转换到考察距离;将第一矩阵M[m,n]经过FFT变换后得到的矩阵记为第二矩阵RP[m,n],第二矩阵 RP[m,n]中每一行会对应不同的距离,习惯上将第二矩阵RP[m,n]中的每一行称为一个距离单元;
S4、对步骤S3得到的第二矩阵RP[m,n]全部进行滤除静止杂波操作;具体包括:
S41、计算第二矩阵RP[m,n]中每一行各自的均值,然后将每一行的均值取出组成第一向量,每个第一向量的维度与每帧第二矩阵RP[m,n]相对应的为m;
S42、使用窗口来滤除静止杂波;将窗口大小设定为k,窗口作用在k个第一向量上,使k个第一向量组成m*k维的第三矩阵;
S43、将第三矩阵每一行的每个数值,都减去该行全部数值的均值,得到滤除静止杂波后的第四矩阵RS[m,k];
S5、对步骤S4得到的第四矩阵RS[m,k]进行一维恒虚警检测CFAR操作;具体包括:
利用单元平均恒虚警检测器(ca-cfar)对第四矩阵RS[m,k]的每一列均分别进行处理,每处理一列后得到一个同样为m维的检测门限,然后比较检测门限每个维度的数值与对应一列的每个维度的数值的大小;若是对应一列的数值大于检测门限的数值,则判定在该维度上为存在人体目标,然后提取与该维度对应的第二矩阵RP[m,n]中的那一行距离单元;若是对应一列的数值小于检测门限的数值,则判定在该维度上不存在人体目标;
S6、在步骤S5提取到存在人体目标的距离单元后,从该距离单元对应的第四矩阵RS[m,k]中提取对应的相位信号,然后对提取到的相位信号进行相位解缠,得到没有相位模糊问题的相位信号;具体包括:
提取距离单元对应的第四矩阵RS[m,k]中的虚部I(t)、实部Q(t)两路信号,使用extended-DACM算法分别对虚部I(t)、实部Q(t)两路信号进行相位解缠,得到没有出现相位模糊的相位信号;
extended-DACM算法的过程原理如下:
但是反正切解调得到的相位由于反正切函数会导致相位模糊的问题,且相位的范围限制在内,在没有解缠之前,相位会产生跳跃间断点,因此使用extended-DACM算法进行相位解缠,首先对反正切解调后的求导得到导函数ω(t),计算公式如下:
和分别是实部和虚部两路信号对时间的导数,虽然在超出值域处不连续,但不连续处的左边点的左导数和右边点的右导数存在且相等,所以再对ω(t)求积分就可消除间断点还原出相位信号;对于离散的信号, extended-DACM算法在微分时采用前向差分近似的方式,计算公式如下:
其中,此处的n表示对应存在人体目标的总帧数,k表示在n中的第几帧;
S7、根据步骤S6得到解缠后的相位信号对人体目标的生命体征进行检测,判断对应的距离单元是否存在生命体征;具体包括:
S71、从解缠后的相位信号中选择判断活体检测的总帧数s,将这s帧对应经过展开的相位信号的频率值组成1*s维的向量矩阵H;
S72、对向量矩阵H进行FFT得到第五矩阵HF[1,s],计算设定的频率范围内的频谱能量占全频段总能量的比例,判断设定的频率范围内的频谱能量占全频段总能量的比例是否超过预设的比例阈值,设定的频率范围内的频谱能量占全频段总能量的比例的计算公式如下:
其中,i、j均分别表示第几帧,a对应步骤S5进行一维CFAR后第四矩阵 RS[m,k]中存在人体目标的行数,此处的n是在设定的频率范围内进行FFT的点数,本实施例优选设定的频率范围为0-2Hz;
S73、计算向量矩阵H的方差,判断该方差是否超过预设的方差阈值;
S74、若设定的频率范围内的频谱能量占全频段总能量的比例、向量矩阵H 的方差同时超过比例阈值、方差阈值,则判定人体目标存在生命体征,然后提取存在生命体征的人体目标的距离单元;
S9、利用迭代调整时间窗算法提高呼吸主频率fb1的准确度、胸壁位移信号的信噪比,得到调整后的胸壁位移信号;具体包括:
S91、从胸壁位移信号R[n]中取出一段设定时长的数据,以时间窗N进行 FFT,得到如图2所示的胸壁位移频谱,将进行FFT后所得胸壁位移频谱的幅度最大值所在频点的频率作为呼吸主频率fb1,将进行FFT后所得胸壁位移频谱在1-3Hz频率内幅度最大值所在点的频率作为心跳主频率fh;
S92、在步骤S91以时间窗N进行FFT得到胸壁位移频谱后,从胸壁位移频谱中获取呼吸主频率fb1、呼吸主频率幅度|A1|、呼吸的二倍频fb2;
S93、由于进行FFT可能会因频谱泄露导致误差,因此完成FFT后需要判断呼吸主频率fb1是否为呼吸的二倍频fb2的一半,同时判断呼吸主频率幅度是否大于上次迭代时的呼吸主频率幅度,即|A1|>|A1′|;
对同时满足和|A1|>|A1′|条件以时间窗N进行FFT的调整后的胸壁位移频谱,其波形如图3所示,相比图2未调整前的胸壁位移频谱,调整后的胸壁位移频谱中的呼吸主频率幅度高,呼吸主频率的二倍频、三倍频清晰可见,心跳主频率也清晰可见;
S10、从步骤S9得到调整后的胸壁位移频谱中重构胸壁位移-时间信号;具体包括:
由呼吸引起的胸壁位移-时间信号可近似为如下公式:
对于调整后的胸壁位移频谱,通过先验条件可以知道,呼吸主频率的幅度峰值是其二倍频幅度峰值的约3.5倍、呼吸主频率的幅度峰值是其三倍频幅度峰值的约10倍,根据该先验条件求以下公式的根:
A3x3+A2x2+A1x-H(t)=0
对上式求解符合先验条件的根,将根代入从而获取重构后的胸壁位移-时间信号,即上式满足先验条件的H(t)为重构后的胸壁位移-时间信号,对比图3和图4所示可知,重构后的胸壁位移-时间信号能有效抑制倍频并提高信噪比;
S11、在步骤S10重构的胸壁位移-时间信号中提取出人体目标的生命体征;具体包括:
重构后的胸壁位移-时间信号中,其幅值最大处的频率为呼吸频率fb,在1-3Hz频率范围内的幅值最大处为心跳频率fh;
分别计算每分钟的呼吸、心跳各自的次数,得到最终相应的人体目标的生命体征,具体如下式:
HB=60×fb
HR=60×fh
其中,HB为每分钟的呼吸次数,HR为每分钟的心跳次数。
本实施例的基于毫米波雷达的生命体征检测方法与现有技术相比,其有益效果在于:
本实施例通过对雷达回波进行良好的去噪、信号筛选、信号重构处理,同时高效表征检测到的人体目标的生命体征强弱状态,避免了漏判或错判,提高了检测精度;本实施例相关的计算过程运算量小,避免了现有技术在提取呼吸和心跳体征过程因大计算量造成难以进行快速反应的问题,增加了测量的可靠性。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、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 (10)
1.一种基于毫米波雷达的生命体征检测方法,其特征在于,包括步骤如下:
使用毫米波雷达的天线发射线性调频连续波FMCW,然后毫米波雷达获取回波,对回波信号进行混频后获取原始数据,并将原始数据的每一帧分别组成包含快时间维度和慢时间维度的第一矩阵;
对第一矩阵进行一维快速傅里叶变换,使不同距离的回波信号分离,得到对应的第二矩阵;接着对第二矩阵进行滤除静止杂波操作,先使用窗口将第二矩阵转换为第三矩阵,然后使用均值对第三矩阵进行运算得到第四矩阵,从而完成静止滤波操作;
对第四矩阵进行一维恒虚警检测CFAR操作,从中判断存在人体目标的距离单元;然后对存在人体目标的距离单元提取相位信号,使用extended-DACM算法进行解缠操作获得解缠后的相位信号;
从解缠后的相位信号中判断人体目标的生命体征;对存在生命体征的人体目标的距离单元提取相应胸壁位移信号,然后利用迭代调整时间窗算法调整得到调整后的胸壁位移信号;
从调整后的胸壁位移信号中重构胸壁位移-时间信号,再从重构的胸壁位移-时间信号中获取准确的人体目标的生命体征。
4.根据权利要求3所述基于毫米波雷达的生命体征检测方法,其特征在于,对第一矩阵进行一维快速傅里叶变换的过程为:
对第一矩阵M[m,n]按列进行快速傅里叶变换,将第一矩阵M[m,n]经过快速傅里叶变换变换后得到的矩阵记为第二矩阵RP[m,n]。
5.根据权利要求4所述基于毫米波雷达的生命体征检测方法,其特征在于,对第二矩阵进行滤除静止杂波操作的过程为:
计算第二矩阵RP[m,n]中每一行各自的均值,然后将每一行的均值取出组成第一向量,每个第一向量的维度与每帧第二矩阵RP[m,n]相对应的为m;然后使用窗口来滤除静止杂波;将窗口大小设定为k,窗口作用在k个第一向量上,使k个第一向量组成m*k维的第三矩阵;将第三矩阵每一行的每个数值,都减去该行全部数值的均值,得到滤除静止杂波后的第四矩阵RS[m,k]。
6.根据权利要求5所述基于毫米波雷达的生命体征检测方法,其特征在于,对存在人体目标的距离单元使用extended-DACM算法进行解缠操作的过程为:
提取距离单元对应的第四矩阵RS[m,k]中的虚部I(t)、实部Q(t)两路信号,使用extended-DACM算法分别对虚部I(t)、实部Q(t)两路信号进行相位解缠,得到没有出现相位模糊的相位信号。
7.根据权利要求6所述基于毫米波雷达的生命体征检测方法,其特征在于,对解缠后的相位信号对人体目标的生命体征进行检测的过程为:
从解缠后的相位信号中选择判断活体检测的总帧数s,将这s帧对应经过展开的相位信号的频率值组成1*s维的向量矩阵H;
对向量矩阵H进行快速傅里叶变换得到第五矩阵HF[1,s],计算设定的频率范围内的频谱能量占全频段总能量的比例,判断设定的频率范围内的频谱能量占全频段总能量的比例是否超过预设的比例阈值,设定的频率范围内的频谱能量占全频段总能量的比例的计算公式如下:
其中,i、j均分别表示第几帧,a对应进行一维恒虚警检测CFAR后第四矩阵RS[m,k]中存在人体目标的行数,此处的n是在设定的频率范围内进行快速傅里叶变换的点数;
计算向量矩阵H的方差,判断该方差是否超过预设的方差阈值;
若设定的频率范围内的频谱能量占全频段总能量的比例、向量矩阵H的方差同时超过比例阈值、方差阈值,则判定人体目标存在生命体征,然后提取存在生命体征的人体目标的距离单元。
8.根据权利要求7所述基于毫米波雷达的生命体征检测方法,其特征在于,利用迭代调整时间窗算法调整的胸壁位移信号的过程为:
从胸壁位移信号R[n]中取出一段设定时长的数据,以时间窗N进行快速傅里叶变换,将进行快速傅里叶变换后所得胸壁位移频谱的幅度最大值所在频点的频率作为呼吸主频率fb1,将进行快速傅里叶变换后所得胸壁位移频谱在设定频率内幅度最大值所在点的频率作为心跳主频率fh;
从胸壁位移频谱中获取呼吸主频率fb1、呼吸主频率幅度|A1|、呼吸的二倍频fb2;
10.根据权利要求9所述基于毫米波雷达的生命体征检测方法,其特征在于,从重构后的胸壁位移-时间信号获得生命体征的过程为:
重构后的胸壁位移-时间信号中,设定其幅值最大处的频率为呼吸频率fb,在设定频率范围内的幅值最大处为心跳频率fh;
分别计算每分钟的呼吸、心跳各自的次数,得到相应人体目标的生命体征,具体如下式:
HB=60×fb
HR=60×fh
其中,HB为每分钟的呼吸次数,HR为每分钟的心跳次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211014558.6A CN115644840A (zh) | 2022-08-23 | 2022-08-23 | 基于毫米波雷达的生命体征检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211014558.6A CN115644840A (zh) | 2022-08-23 | 2022-08-23 | 基于毫米波雷达的生命体征检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115644840A true CN115644840A (zh) | 2023-01-31 |
Family
ID=84984182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211014558.6A Pending CN115644840A (zh) | 2022-08-23 | 2022-08-23 | 基于毫米波雷达的生命体征检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115644840A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116643247A (zh) * | 2023-07-25 | 2023-08-25 | 南京航空航天大学 | 一种舱内活体检测杂波抑制方法和装置 |
CN117031464A (zh) * | 2023-07-25 | 2023-11-10 | 南京航空航天大学 | 一种舱内运动活体与动目标干扰区分方法和装置 |
CN117148309A (zh) * | 2023-11-01 | 2023-12-01 | 德心智能科技(常州)有限公司 | 应用于社区网格巡查的毫米波雷达人体感知方法及系统 |
CN117148308A (zh) * | 2023-10-30 | 2023-12-01 | 南京航空航天大学 | 一种舱内生命体征雷达遮挡检测方法及系统 |
CN117310650A (zh) * | 2023-11-28 | 2023-12-29 | 上海孛璞半导体技术有限公司 | 一种基于fmcw雷达的数据处理方法及装置 |
-
2022
- 2022-08-23 CN CN202211014558.6A patent/CN115644840A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116643247A (zh) * | 2023-07-25 | 2023-08-25 | 南京航空航天大学 | 一种舱内活体检测杂波抑制方法和装置 |
CN116643247B (zh) * | 2023-07-25 | 2023-10-27 | 南京航空航天大学 | 一种舱内活体检测杂波抑制方法和装置 |
CN117031464A (zh) * | 2023-07-25 | 2023-11-10 | 南京航空航天大学 | 一种舱内运动活体与动目标干扰区分方法和装置 |
CN117148308A (zh) * | 2023-10-30 | 2023-12-01 | 南京航空航天大学 | 一种舱内生命体征雷达遮挡检测方法及系统 |
CN117148308B (zh) * | 2023-10-30 | 2024-02-02 | 南京航空航天大学 | 一种舱内生命体征雷达遮挡检测方法及系统 |
CN117148309A (zh) * | 2023-11-01 | 2023-12-01 | 德心智能科技(常州)有限公司 | 应用于社区网格巡查的毫米波雷达人体感知方法及系统 |
CN117148309B (zh) * | 2023-11-01 | 2024-01-30 | 德心智能科技(常州)有限公司 | 应用于社区网格巡查的毫米波雷达人体感知方法及系统 |
CN117310650A (zh) * | 2023-11-28 | 2023-12-29 | 上海孛璞半导体技术有限公司 | 一种基于fmcw雷达的数据处理方法及装置 |
CN117310650B (zh) * | 2023-11-28 | 2024-03-01 | 上海孛璞半导体技术有限公司 | 一种基于fmcw雷达的数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115644840A (zh) | 基于毫米波雷达的生命体征检测方法 | |
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 | |
WO2022104868A1 (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 | |
CN111568399B (zh) | 一种基于雷达的呼吸和心跳信号检测方法及系统 | |
CN111856452B (zh) | 基于omp的静态人体心跳和呼吸信号分离重构方法 | |
CN113440120B (zh) | 一种基于毫米波雷达的人员呼吸心跳检测方法 | |
WO2020072297A1 (en) | Direct rf signal processing for heart-rate monitoring using uwb impulse radar | |
CN102048558A (zh) | 一种胎心率信号处理方法及其装置 | |
CN113116342A (zh) | 一种基于毫米波雷达的生命信号监测方法 | |
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 | |
CN113951856A (zh) | 一种基于多普勒雷达心跳检测的频谱估计方法 | |
CN113854992A (zh) | 基于77GHz毫米雷达的非接触式精确心率检测方法 | |
CN117838083A (zh) | 一种基于毫米波雷达的体征快速精确检测方法 | |
Rong et al. | Direct RF signal processing for heart-rate monitoring using UWB impulse radar | |
Xue et al. | Accurate multi-target vital signs detection method for FMCW radar | |
CN115736872A (zh) | 一种基于毫米波雷达实时计算心率的方法 | |
CN113786176B (zh) | 精确的毫米波雷达呼吸心跳测量方法、系统和存储介质 | |
CN115969351A (zh) | 一种基于毫米波雷达实时计算呼吸的方法 | |
CN115363547A (zh) | 一种基于超宽带雷达相参积累的人体生命体征检测方法 | |
CN115153459A (zh) | 一种吸顶式毫米波雷达心跳呼吸检测装置及检测方法 | |
CN105105739B (zh) | 短距离无线心率及心率变异性检测方法 | |
Chen et al. | A Novel Scheme for Suppression of Human Motion Effects in Non-Contact Heart Rate Detection | |
Pan et al. | A spectrum estimation approach for accurate heartbeat detection using Doppler radar based on combination of FTPR and TWV | |
CN116725507A (zh) | 基于拟合匹配滤波与Double-CZT的雷达高精度心率检测方法 | |
CN115813363A (zh) | 一种基于心跳二次谐波重构的心率估计方法 |
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 |