CN115736854A - 一种基于毫米波雷达的呼吸心跳监测系统 - Google Patents
一种基于毫米波雷达的呼吸心跳监测系统 Download PDFInfo
- Publication number
- CN115736854A CN115736854A CN202211402928.3A CN202211402928A CN115736854A CN 115736854 A CN115736854 A CN 115736854A CN 202211402928 A CN202211402928 A CN 202211402928A CN 115736854 A CN115736854 A CN 115736854A
- Authority
- CN
- China
- Prior art keywords
- data
- phase
- target
- heartbeat
- range
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种基于毫米波雷达的呼吸心跳监测系统，包括FMCW毫米波雷达，采用所述FMCW毫米波雷达对人体发射电磁波信号，接收携带生命体征的反射信号，对接收的雷达回波信号进行解调，并从中分离提取出呼吸与心跳信息，数据采集以及解析：雷达接收到回波数据后，将原始回波数据通过网络电缆传输到PC端并进行解析从而获取Range‑FFT数据；有无目标判定：通过单帧Range‑FFT数据计算当前帧回波信号能量。本发明通过FMCW毫米波雷达接收从人体返回的携带有人体生命体征信息的雷达回波信号，而后利用信号处理技术对该回波信号进行处理，获得人体的呼吸及心跳数值，从而达到监测生命体征的目的。
Description
技术领域
本发明涉及信号处理技术领域，尤其涉及一种基于毫米波雷达的呼吸心跳监测系统。
背景技术
现代社会生活水平的提高，促使我国人口平均寿命不断增长，但人口老龄化的问题也日趋严重。目前，我国65岁及以上老人所占比重已经接近10％，根据报告预测，到2030年时，我国65岁以上的人口占全国总人口的比重将提高到18.2％。日常生活中老年人群体经常遭受各种慢性健康问题的困扰，这些疾病不易被察觉，且持续时间长。通常，呼吸、心跳等生命体征信号一定程度上反映了个体的健康状况，医护人员根据这些体征参数是否异常判断病人的健康状况。因此，长期对老年人的呼吸和心跳进行监测，可及时发现各种慢性疾病的先兆，达到有效预防和提前治疗的目的。
经过呼吸、心跳周期运动调制的雷达回波信号是一个非平稳信号，当前从雷达回波从提取分离生命体征信号的解决方案主要有短时傅里叶变换(Short-Time FourierTransform，STFT)、小波变换、自适应滤波和模态分解等。STFT信号处理方法是在傅里叶变化的基础上发展起来处理非平稳信号的。STFT的主要思想是把长的非平稳信号看成是一系列等时长的短时平稳信号的叠加,信号做傅里叶变换之前乘一个时间有限的窗函数，并假定非平稳信号在分析窗的短时间隔内是平稳的，通过窗函数在时间轴上的移动，对信号进行逐段分析得到信号的一组局部“频谱”。STFT过程中，窗的长度决定频谱图的时间分辨率和频率分辨率，窗长越长，截取的信号越长，信号越长，傅里叶变换后频率分辨率越高，时间分辨率越差，即STFT中，时间分辨率和频率分辨率两者不可兼得，必须根据具体需求进行取舍；小波变换可以较好的分离呼吸、心跳信息的信号分量，但分离的效果取决于小波基函数和小波尺度的选择。
不同的场景对于小波变换的参数要求不定相同，而且小波算法十分复杂，在代码实现上较为困难。自适应滤波的方法，按照噪声自适应抵消的原理，将实验中提取的呼吸信号作为噪声参考信号，体动信号作为原始信号，进行自适应处理，检测出心跳信号。虽然该算法结构简单，但是对噪声信号相关性要求比较高，在环境噪声影响较大且信号非平稳时，算法处理效果不理想。模态分解可以自适应将信号依据频率从高到低分离出来，可以将复合心肺信号分解为若干个子信号，从而达到心跳呼吸分离的目的。
模态分解的包括基于经验模态分解和变分模态分解方法，前者通过自适应迭代筛选分解信号，对于生命体征信号的分解效果并不理想；后者通过构造复杂的约束变分表达式以迭代求解的方式非递归地进行信号处理，这一方法算法复杂，难以在硬件设备上实现，而且存在模态混叠的问题。
发明内容
本发明公开一种基于毫米波雷达的呼吸心跳监测系统，旨在解决背景技术中提出的长期使用接触式的生命体征监测设备可能会使人们感到不舒服，比如穿戴心率带会使胸部遭到挤压导致呼吸不畅；长时间使用鼻探头这一侵入式的设备，心理上和生理上都会使人产生不适感，而这种不适有可能对呼吸产生影响的技术问题。
为了实现上述目的，本发明采用了如下技术方案：
一种基于毫米波雷达的呼吸心跳监测系统，包括FMCW毫米波雷达，采用所述FMCW毫米波雷达对人体发射电磁波信号，接收携带生命体征的反射信号，对接收的雷达回波信号进行解调，并从中分离提取出呼吸与心跳信息，具体包括以下步骤：
步骤一：数据采集以及解析：雷达接收到回波数据后，将原始回波数据通过网络电缆传输到PC端并进行解析从而获取Range-FFT数据；
步骤二：有无目标判定：通过单帧Range-FFT数据计算当前帧回波信号能量，并将其与预先设定阈值进行比较，从而判断当前帧是否包含有目标信息，若小于阈值，则当前帧无目标，若大于等于阈值，则当前帧有目标；
步骤三：目标检测：当确定当前帧包含有目标信息后，对当前帧进行目标检测，通过Range-FFT数据中最大峰值点确定人体目标距离雷达位置，并统计连续10帧的最大峰值点，选取出现次数最多的最大峰值点作为人体目标的索引；
步骤四：确定人体目标的索引后，根据当前帧当前索引的点计算当前帧的相位信息，并将其循环存储到Phase_buffer中，Phase_buffer为1*1000的实数矩阵；而后通过0.2～0.5Hz，2阶带通滤波器对Phase_buffer进行滤波，取得滤波后的实数相位矩阵breath_phase_buffer，通过0.8～1.6Hz，2阶带通滤波器对Phase_buffer进行滤波，取得滤波后的实数相位矩阵heart_phase_buffer；
步骤五：对上述取得的两个实数相位矩阵进行频率估计，分别取得相位变化频率，进而转换为呼吸及心跳频率；
步骤六：对每一帧呼吸及心跳数据进行循环存储，分别统计其中出现次数最多的作为当前帧呼吸及心跳结果。
本发明采用已在市场上商用的宽带毫米波FMCW雷达作为测量平台，通过一系列信号处理方法，实现较高精度的实时呼吸率和心率的监测功能，适用于养老院、医院临床监护场所和其他需要呼吸、心跳监测的场所。
在一个优选的方案中，所述FMCW毫米波雷达的数据采样频率为20Hz，每帧间隔为50ms，雷达接收到目标返回中频信号后，进行FFT得到Range-FFT维数据，假定该数据长度为N，则该数据为包含目标与雷达的距离信息和目标呼吸心跳引起的相位变化信息的N个复数，所述步骤二中，判断当前检测区域内是否有人体目标：由Range-FFT数据计算N个复数的模值之和作为感应强度，将其与第一阈值进行比较，若其大于第一阈值，则判定当前检测区域内存在人体，若否，则输出“当前无明显生命体征”信息。
在一个优选的方案中，所述FMCW毫米波雷达监测时需要对数据进行处理，具体包括有慢多普勒维数据累积、静态杂波滤除、目标检测、目标筛选、目标点相位提取、带通滤波及保存呼吸心跳波形和频谱估计法，所述慢多普勒维数据累积：将该帧所有chirp的N点Range-FFT数据对应相加，连续保存M帧数据获得M*N大小的二维矩阵，定义为Range-cube；当Range-cube中的数据存满以后，将最新帧的Range-FFT数据存入Range-cube最后位置，将Range-cube第一帧数据移除，其它数据依次前移，所述静态杂波滤除：Range-cube存满之后，首先对其进行静态杂波滤除，由于静态杂波往往与雷达的距离值固定，随着时间变化，雷达回波信号在该距离点处的值基本保持不变，通过计算Range-cube中M帧数据的平均值Range-mean，并令Range-cube中各帧对应减去Range-mean，即可得到滤除静态杂波后的Range-cube，所述目标检测：挑选静态杂波滤除后最新帧的N点Rang-FFT数据，选取其中最大峰值点作为当前帧目标索引，记为object，并将其存入目标列表object-list最后位置，该目标列表大小为1*L，将列表最开始位置数据移除，其余数据一次前移；所述目标筛选：对目标列表进行统计，当某个目标检出次数大于阈值L/2时，则将其作为当前帧目标；若所有目标的检出次数都小于L/2时，则保持上一帧目标作为当前帧目标。当前帧目标，记为Final-object，所述目标点相位提取：对于当前帧目标Final-object，在Range-FFT上提取出该目标点处的相位信息Phase；并将其进行相位解卷绕，存入Phase-buffer最末尾位置，移除Phase-buffer最开始数据，其余数据依次前移，其中，Phase-buffer大小为1*K，所述带通滤波及保存呼吸心跳波形：对1*K的Phase-buffer进行滤波，第一滤波器为通带频率为0.1～0.5Hz的2阶带通滤波器，其滤除后所得为1*K的呼吸相位波形，记为Breath-phase-buffer；第二滤波器为通带频率为0.8～1.6Hz的2阶带通滤波器，其滤除后所得为1*K的心跳相位波形，记为Heart-phase-buffer，所述频谱估计法：分别对上述呼吸相位波形以及心跳相位波形进行傅里叶变换，求得其对应的频谱数据，而后找到各频谱数据中的峰值点并对其进行筛选，仅保留有效范围内的峰值点，找到有效峰值点中的最大值，分别记为max_breath_fft,max_heart_fft，此时，呼吸频率为
BreathRate＝60*max_breath_fft*sampling_freq/fft_size；心跳频率为HeartRate＝60*max_heart_fft*sampling_freq/fft_size；其中fft_size为傅里叶变换点数，将上述计算所得BreathRate和HeartRate分别存入Breath_buffer和Heart_buffer最后位置，将两buffer中第一个数据移除，其余数据依次前移，并对两buffer中的数据进行统计，挑选出出现次数最多的作为当前帧呼吸心跳的最终结果。
本发明采用毫米波FMCW雷达对人体发射电磁波信号，接收携带生命体征的反射信号，对接收的雷达回波信号进行解调，并从中分离提取出呼吸与心跳信息，达到监测生命体征的目的。
由上可知，一种基于毫米波雷达的呼吸心跳监测系统，包括FMCW毫米波雷达，采用所述FMCW毫米波雷达对人体发射电磁波信号，接收携带生命体征的反射信号，对接收的雷达回波信号进行解调，并从中分离提取出呼吸与心跳信息，具体包括以下步骤：步骤一：数据采集以及解析：雷达接收到回波数据后，将原始回波数据通过网络电缆传输到PC端并进行解析从而获取Range-FFT数据；步骤二：有无目标判定：通过单帧Range-FFT数据计算当前帧回波信号能量，并将其与预先设定阈值进行比较，从而判断当前帧是否包含有目标信息，若小于阈值，则当前帧无目标，若大于等于阈值，则当前帧有目标；步骤三：目标检测：当确定当前帧包含有目标信息后，对当前帧进行目标检测，通过Range-FFT数据中最大峰值点确定人体目标距离雷达位置，并统计连续10帧的最大峰值点，选取出现次数最多的最大峰值点作为人体目标的索引；步骤四：确定人体目标的索引后，根据当前帧当前索引的点计算当前帧的相位信息，并将其循环存储到Phase_buffer中，Phase_buffer为1*1000的实数矩阵；而后通过0.2～0.5Hz，2阶带通滤波器对Phase_buffer进行滤波，取得滤波后的实数相位矩阵breath_phase_buffer，通过0.8～1.6Hz，2阶带通滤波器对Phase_buffer进行滤波，取得滤波后的实数相位矩阵heart_phase_buffer；步骤五：对上述取得的两个实数相位矩阵进行频率估计，分别取得相位变化频率，进而转换为呼吸及心跳频率；步骤六：对每一帧呼吸及心跳数据进行循环存储，分别统计其中出现次数最多的作为当前帧呼吸及心跳结果。本发明提供的基于毫米波雷达的呼吸心跳监测系统具有算法结构较为简单，易于实现，且不需要过长的时间窗口，就能获到一个较为精确的心跳信号频率提取结果的技术效果。
附图说明
图1为本发明提出的一种基于毫米波雷达的呼吸心跳监测系统的整体流程图。
图2为本发明提出的一种基于毫米波雷达的呼吸心跳监测系统的具体技术方案。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1和图2，一种基于毫米波雷达的呼吸心跳监测系统，包括FMCW毫米波雷达，采用所述FMCW毫米波雷达对人体发射电磁波信号，接收携带生命体征的反射信号，对接收的雷达回波信号进行解调，并从中分离提取出呼吸与心跳信息，具体包括以下步骤：
步骤一：数据采集以及解析：雷达接收到回波数据后，将原始回波数据通过网络电缆传输到PC端并进行解析从而获取Range-FFT数据；
步骤二：有无目标判定：通过单帧Range-FFT数据计算当前帧回波信号能量，并将其与预先设定阈值进行比较，从而判断当前帧是否包含有目标信息，若小于阈值，则当前帧无目标，若大于等于阈值，则当前帧有目标；
步骤三：目标检测：当确定当前帧包含有目标信息后，对当前帧进行目标检测，通过Range-FFT数据中最大峰值点确定人体目标距离雷达位置，并统计连续10帧的最大峰值点，选取出现次数最多的最大峰值点作为人体目标的索引；
步骤四：确定人体目标的索引后，根据当前帧当前索引的点计算当前帧的相位信息，并将其循环存储到Phase_buffer中，Phase_buffer为1*1000的实数矩阵；而后通过0.2～0.5Hz，2阶带通滤波器对Phase_buffer进行滤波，取得滤波后的实数相位矩阵breath_phase_buffer，通过0.8～1.6Hz，2阶带通滤波器对Phase_buffer进行滤波，取得滤波后的实数相位矩阵heart_phase_buffer；
步骤五：对上述取得的两个实数相位矩阵进行频率估计，分别取得相位变化频率，进而转换为呼吸及心跳频率；
步骤六：对每一帧呼吸及心跳数据进行循环存储，分别统计其中出现次数最多的作为当前帧呼吸及心跳结果。
在一个优选的实施方式中，所述FMCW毫米波雷达的数据采样频率为20Hz，每帧间隔为50ms，雷达接收到目标返回中频信号后，进行FFT得到Range-FFT维数据，假定该数据长度为N，则该数据为包含目标与雷达的距离信息和目标呼吸心跳引起的相位变化信息的N个复数。
在一个优选的实施方式中，所述步骤二中，判断当前检测区域内是否有人体目标：由Range-FFT数据计算N个复数的模值之和作为感应强度，将其与第一阈值进行比较，若其大于第一阈值，则判定当前检测区域内存在人体，若否，则输出“当前无明显生命体征”信息。
在一个优选的实施方式中，所述FMCW毫米波雷达监测时需要对数据进行处理，具体包括有慢多普勒维数据累积、静态杂波滤除、目标检测、目标筛选、目标点相位提取、带通滤波及保存呼吸心跳波形和频谱估计法，所述慢多普勒维数据累积：将该帧所有chirp的N点Range-FFT数据对应相加，连续保存M帧数据获得M*N大小的二维矩阵，定义为Range-cube；当Range-cube中的数据存满以后，将最新帧的Range-FFT数据存入Range-cube最后位置，将Range-cube第一帧数据移除，其它数据依次前移。
在一个优选的实施方式中，所述静态杂波滤除：Range-cube存满之后，首先对其进行静态杂波滤除，由于静态杂波往往与雷达的距离值固定，随着时间变化，雷达回波信号在该距离点处的值基本保持不变，通过计算Range-cube中M帧数据的平均值Range-mean，并令Range-cube中各帧对应减去Range-mean，即可得到滤除静态杂波后的Range-cube。
在一个优选的实施方式中，所述目标检测：挑选静态杂波滤除后最新帧的N点Rang-FFT数据，选取其中最大峰值点作为当前帧目标索引，记为object，并将其存入目标列表object-list最后位置，该目标列表大小为1*L，将列表最开始位置数据移除，其余数据一次前移；所述目标筛选：对目标列表进行统计，当某个目标检出次数大于阈值L/2时，则将其作为当前帧目标；若所有目标的检出次数都小于L/2时，则保持上一帧目标作为当前帧目标。当前帧目标，记为Final-object。
在一个优选的实施方式中，所述目标点相位提取：对于当前帧目标Final-object，在Range-FFT上提取出该目标点处的相位信息Phase；并将其进行相位解卷绕，存入Phase-buffer最末尾位置，移除Phase-buffer最开始数据，其余数据依次前移，其中，Phase-buffer大小为1*K。
在一个优选的实施方式中，所述带通滤波及保存呼吸心跳波形：对1*K的Phase-buffer进行滤波，第一滤波器为通带频率为0.1～0.5Hz的2阶带通滤波器，其滤除后所得为1*K的呼吸相位波形，记为Breath-phase-buffer；第二滤波器为通带频率为0.8～1.6Hz的2阶带通滤波器，其滤除后所得为1*K的心跳相位波形，记为Heart-phase-buffer。
在一个优选的实施方式中，所述频谱估计法：分别对上述呼吸相位波形以及心跳相位波形进行傅里叶变换，求得其对应的频谱数据，而后找到各频谱数据中的峰值点并对其进行筛选，仅保留有效范围内的峰值点(有效范围由呼吸以及心跳频率范围和帧间隔确定)，找到有效峰值点中的最大值，分别记为max_breath_fft,max_heart_fft，此时，呼吸频率为
BreathRate＝60*max_breath_fft*sampling_freq/fft_size；心跳频率为HeartRate＝60*max_heart_fft*sampling_freq/fft_size；其中fft_size为傅里叶变换点数。
在一个优选的实施方式中，将上述计算所得BreathRate和HeartRate分别存入Breath_buffer和Heart_buffer最后位置，将两buffer中第一个数据移除，其余数据依次前移，并对两buffer中的数据进行统计，挑选出出现次数最多的作为当前帧呼吸心跳的最终结果。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于毫米波雷达的呼吸心跳监测系统，包括FMCW毫米波雷达，其特征在于，采用所述FMCW毫米波雷达对人体发射电磁波信号，接收携带生命体征的反射信号，对接收的雷达回波信号进行解调，并从中分离提取出呼吸与心跳信息，具体包括以下步骤：
步骤一：数据采集以及解析：雷达接收到回波数据后，将原始回波数据通过网络电缆传输到PC端并进行解析从而获取Range-FFT数据；
步骤二：有无目标判定：通过单帧Range-FFT数据计算当前帧回波信号能量，并将其与预先设定阈值进行比较，从而判断当前帧是否包含有目标信息，若小于阈值，则当前帧无目标，若大于等于阈值，则当前帧有目标；
步骤三：目标检测：当确定当前帧包含有目标信息后，对当前帧进行目标检测，通过Range-FFT数据中最大峰值点确定人体目标距离雷达位置，并统计连续10帧的最大峰值点，选取出现次数最多的最大峰值点作为人体目标的索引；
步骤四：确定人体目标的索引后，根据当前帧当前索引的点计算当前帧的相位信息，并将其循环存储到Phase_buffer中，Phase_buffer为1*1000的实数矩阵；而后通过0.2～0.5Hz，2阶带通滤波器对Phase_buffer进行滤波，取得滤波后的实数相位矩阵breath_phase_buffer，通过0.8～1.6Hz，2阶带通滤波器对Phase_buffer进行滤波，取得滤波后的实数相位矩阵heart_phase_buffer；
步骤五：对上述取得的两个实数相位矩阵进行频率估计，分别取得相位变化频率，进而转换为呼吸及心跳频率；
步骤六：对每一帧呼吸及心跳数据进行循环存储，分别统计其中出现次数最多的作为当前帧呼吸及心跳结果。
2.根据权利要求1所述的一种基于毫米波雷达的呼吸心跳监测系统，其特征在于，所述FMCW毫米波雷达的数据采样频率为20Hz，每帧间隔为50ms，雷达接收到目标返回中频信号后，进行FFT得到Range-FFT维数据，假定该数据长度为N，则该数据为包含目标与雷达的距离信息和目标呼吸心跳引起的相位变化信息的N个复数。
3.根据权利要求2所述的一种基于毫米波雷达的呼吸心跳监测系统，其特征在于，所述步骤二中，判断当前检测区域内是否有人体目标：由Range-FFT数据计算N个复数的模值之和作为感应强度，将其与第一阈值进行比较，若其大于第一阈值，则判定当前检测区域内存在人体，若否，则输出“当前无明显生命体征”信息。
4.根据权利要求3所述的一种基于毫米波雷达的呼吸心跳监测系统，其特征在于，所述FMCW毫米波雷达监测时需要对数据进行处理，具体包括有慢多普勒维数据累积、静态杂波滤除、目标检测、目标筛选、目标点相位提取、带通滤波及保存呼吸心跳波形和频谱估计法，所述慢多普勒维数据累积：将该帧所有chirp的N点Range-FFT数据对应相加，连续保存M帧数据获得M*N大小的二维矩阵，定义为Range-cube；当Range-cube中的数据存满以后，将最新帧的Range-FFT数据存入Range-cube最后位置，将Range-cube第一帧数据移除，其它数据依次前移。
5.根据权利要求4所述的一种基于毫米波雷达的呼吸心跳监测系统，其特征在于，所述静态杂波滤除：Range-cube存满之后，首先对其进行静态杂波滤除，由于静态杂波往往与雷达的距离值固定，随着时间变化，雷达回波信号在该距离点处的值基本保持不变，通过计算Range-cube中M帧数据的平均值Range-mean，并令Range-cube中各帧对应减去Range-mean，即可得到滤除静态杂波后的Range-cube。
6.根据权利要求5所述的一种基于毫米波雷达的呼吸心跳监测系统，其特征在于，所述目标检测：挑选静态杂波滤除后最新帧的N点Rang-FFT数据，选取其中最大峰值点作为当前帧目标索引，记为object，并将其存入目标列表object-list最后位置，该目标列表大小为1*L，将列表最开始位置数据移除，其余数据一次前移；所述目标筛选：对目标列表进行统计，当某个目标检出次数大于阈值L/2时，则将其作为当前帧目标；若所有目标的检出次数都小于L/2时，则保持上一帧目标作为当前帧目标，当前帧目标，记为Final-object。
7.根据权利要求6所述的一种基于毫米波雷达的呼吸心跳监测系统，其特征在于，所述目标点相位提取：对于当前帧目标Final-object，在Range-FFT上提取出该目标点处的相位信息Phase；并将其进行相位解卷绕，存入Phase-buffer最末尾位置，移除Phase-buffer最开始数据，其余数据依次前移，其中，Phase-buffer大小为1*K。
8.根据权利要求7所述的一种基于毫米波雷达的呼吸心跳监测系统，其特征在于，所述带通滤波及保存呼吸心跳波形：对1*K的Phase-buffer进行滤波，第一滤波器为通带频率为0.1～0.5Hz的2阶带通滤波器，其滤除后所得为1*K的呼吸相位波形，记为Breath-phase-buffer；第二滤波器为通带频率为0.8～1.6Hz的2阶带通滤波器，其滤除后所得为1*K的心跳相位波形，记为Heart-phase-buffer。
9.根据权利要求8所述的一种基于毫米波雷达的呼吸心跳监测系统，其特征在于，所述频谱估计法：分别对上述呼吸相位波形以及心跳相位波形进行傅里叶变换，求得其对应的频谱数据，而后找到各频谱数据中的峰值点并对其进行筛选，仅保留有效范围内的峰值点，找到有效峰值点中的最大值，分别记为max_breath_fft,max_heart_fft，此时，呼吸频率为：
BreathRate＝60*max_breath_fft*sampling_freq/fft_size；
心跳频率为：
HeartRate＝60*max_heart_fft*sampling_freq/fft_size；其中fft_size为傅里叶变换点数。
10.根据权利要求9所述的一种基于毫米波雷达的呼吸心跳监测系统，其特征在于，将上述计算所得BreathRate和HeartRate分别存入Breath_buffer和Heart_buffer最后位置，将两buffer中第一个数据移除，其余数据依次前移，并对两buffer中的数据进行统计，挑选出出现次数最多的作为当前帧呼吸心跳的最终结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211402928.3A CN115736854A (zh) | 2022-11-09 | 2022-11-09 | 一种基于毫米波雷达的呼吸心跳监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211402928.3A CN115736854A (zh) | 2022-11-09 | 2022-11-09 | 一种基于毫米波雷达的呼吸心跳监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115736854A true CN115736854A (zh) | 2023-03-07 |
Family
ID=85368930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211402928.3A Pending CN115736854A (zh) | 2022-11-09 | 2022-11-09 | 一种基于毫米波雷达的呼吸心跳监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115736854A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117064349A (zh) * | 2023-08-17 | 2023-11-17 | 德心智能科技(常州)有限公司 | 毫米波雷达与智能床联动的姿态控制方法及系统 |
| CN117331047A (zh) * | 2023-12-01 | 2024-01-02 | 德心智能科技(常州)有限公司 | 基于毫米波雷达的人体行为数据分析方法及系统 |
-
2022
- 2022-11-09 CN CN202211402928.3A patent/CN115736854A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117064349A (zh) * | 2023-08-17 | 2023-11-17 | 德心智能科技(常州)有限公司 | 毫米波雷达与智能床联动的姿态控制方法及系统 |
| CN117064349B (zh) * | 2023-08-17 | 2024-02-06 | 德心智能科技(常州)有限公司 | 毫米波雷达与智能床联动的姿态控制方法及系统 |
| CN117331047A (zh) * | 2023-12-01 | 2024-01-02 | 德心智能科技(常州)有限公司 | 基于毫米波雷达的人体行为数据分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109875529B (zh) | 一种基于超宽带雷达的生命体征检测方法及系统 | |
| CN115736854A (zh) | 一种基于毫米波雷达的呼吸心跳监测系统 | |
| Rooijakkers et al. | Low-complexity R-peak detection for ambulatory fetal monitoring | |
| 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 | |
| CN107788969B (zh) | 一种心电信号中qrs波群的自动检测方法 | |
| Karvounis et al. | Fetal heart rate extraction from composite maternal ECG using complex continuous wavelet transform | |
| CN112754431A (zh) | 基于毫米波雷达和轻量级神经网络的呼吸心跳监测系统 | |
| Nguyen et al. | Spectrum-averaged Harmonic Path (SHAPA) algorithm for non-contact vital sign monitoring with ultra-wideband (UWB) radar | |
| WO2009013245A1 (en) | Ecg signal processing | |
| CN112998689B (zh) | 非接触式多人实时呼吸状况评估系统、设备和存储介质 | |
| CN112568886A (zh) | 心律的检测方法、电子设备以及计算机可读存储介质 | |
| Faezipour et al. | Wavelet-based denoising and beat detection of ECG signal | |
| Karvounis et al. | Detection of fetal heart rate through 3-D phase space analysis from multivariate abdominal recordings | |
| CN105105739B (zh) | 短距离无线心率及心率变异性检测方法 | |
| Chaitanya et al. | A simple and robust QRS detection algorithm for wireless medical body area network | |
| CN111685760B (zh) | 一种基于雷达测量的人体呼吸频率计算方法 | |
| So-In et al. | Real-time ECG noise reduction with QRS complex detection for mobile health services | |
| Dib et al. | Delineation of the complex QRS and the T-end using wavelet transform and surface indicator | |
| CN115736872A (zh) | 一种基于毫米波雷达实时计算心率的方法 | |
| CN116115202A (zh) | 一种基于改进emd的超宽带雷达检测人体呼吸和心跳频率方法 | |
| CN115015867B (zh) | 一种基于超宽带雷达的身份识别和跌倒检测方法 | |
| CN115813363A (zh) | 一种基于心跳二次谐波重构的心率估计方法 | |
| CN116172539A (zh) | 基于机器学习的生命体征检测方法、系统、设备及介质 | |
| CN115868955A (zh) | 一种运动扰动下基于超宽带雷达的生命体征检测方法 | |
| CN115969351A (zh) | 一种基于毫米波雷达实时计算呼吸的方法 |
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 |