CN115969339A - 非接触的心率监测方法、系统、存储介质及设备 - Google Patents
非接触的心率监测方法、系统、存储介质及设备 Download PDFInfo
- Publication number
- CN115969339A CN115969339A CN202310119622.5A CN202310119622A CN115969339A CN 115969339 A CN115969339 A CN 115969339A CN 202310119622 A CN202310119622 A CN 202310119622A CN 115969339 A CN115969339 A CN 115969339A
- Authority
- CN
- China
- Prior art keywords
- signal
- heart rate
- heartbeat
- rate monitoring
- modal components
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 title claims abstract description 46
- 230000033001 locomotion Effects 0.000 claims abstract description 38
- 210000000779 thoracic wall Anatomy 0.000 claims abstract description 31
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000002156 mixing Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 238000012805 post-processing Methods 0.000 claims abstract description 7
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000001747 exhibiting effect Effects 0.000 claims 1
- 210000000115 thoracic cavity Anatomy 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 206010020751 Hypersensitivity Diseases 0.000 description 2
- 208000026935 allergic disease Diseases 0.000 description 2
- 230000007815 allergy Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000869 mutational effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 206010037218 Psychopathic personality Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及非接触的心率监测方法、系统、存储介质及设备，其中的非接触的心率监测方法，包括以下步骤：基于雷达产生调频连续波信号，产生的信号一路朝向受试者发送，另两路分别与获得的回波信号混合，依次经滤波和数模转换得到数字形式的中频信号，经过后处理得到受试者的心率；其中，中频信号经距离傅里叶变换获得受试者的位置，通过提取该位置的相位波形得到受试者的胸腔壁运动波形，经去噪后分解为K个模态分量，提取处于心跳二次谐波频带范围内的模态分量，根据各模态分量样本熵的大小设置权重，基于设置权重后的模态分量重建心跳信号并对重建的心跳信号进行估计，得到被监测者的心率。
Description
技术领域
本发明涉及心率监测技术领域，具体为非接触的心率监测方法、系统、存储介质及设备。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
传统的心率监测通常依赖有线粘贴式电极和气流传感器来测量心率，该方式限制了人的行为，在一些用于医疗监护设备中使用此类心率监测方式增加了病人心理压力和紧张情绪，导致监测数据与病人真实的生理状况产生一定的差距。
其次，目前的心率监测方式使用的接触式电极会出现过敏、汗液引起的功能衰退等问题，不适合用于特定人群，比如婴儿、烧伤患者、皮肤病患者、易过敏者、侵袭性精神病患者以及传染病患者。一些非医疗目的的心率监测装置虽然以无线方式存在，但需要频繁充电，对于特殊人群并不适用。
对于非接触式监测方式，目前采用较敏感的压电薄膜、光导纤维等作为传感器部分，当被测人员坐、卧于传感器上时，心跳、脉搏波动等因素使得血流情况呈周期性改变，进而会导致人体传递到接触面的总压力发生微弱的变化，该方式的优点是无需脱衣，但是该方法对传感器精度要求较高，且往往要求被检测者必须保持绝对的静止，这一限制人的活动，从而不便捷且不舒适。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供非接触的心率监测方法、系统、存储介质及设备，采用77GHZ毫米波雷达监测心率信号以及体动信号，在不限制人活动的基础上，实现非接触的心率参数监测以及运动体征参数监测，并将有效的检测信息实时返回控制端。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供非接触的心率监测方法，包括以下步骤：
基于雷达产生调频连续波信号，产生的信号一路朝向受试者发送，另两路分别与获得的回波信号混合，依次经滤波和数模转换得到数字形式的中频信号，经过后处理得到受试者的心率；
其中，中频信号经距离傅里叶变换获得受试者的位置，通过提取该位置的相位波形得到受试者的胸腔壁运动波形，经去噪后分解为K个模态分量，提取处于心跳二次谐波频带范围内的模态分量，根据各模态分量样本熵的大小设置权重，基于设置权重后的模态分量重建心跳信号并对重建的心跳信号进行估计，得到受试者的心率。
胸腔壁运动波形的去噪过程，具体为：通过对突变点前后的两个值求平均值来修正突变点。
胸腔壁运动波形经去噪后分解为K个模态分量，具体为：胸腔壁运动信号经去噪后，使用不同参数的变分模态分解算法分解胸腔壁运动信号，并计算每个模态分量的KL散度值，当KL散度值取得最小值时确定变分模态分解的参数并进行信号分解，将胸腔壁运动信号分解为K个模态分量。
胸腔壁运动同时受到心跳和呼吸的影响，通过提取计算处于心跳二次谐波频带范围内的模态分量，滤除呼吸谐波的影响。
样本熵反映信号的混乱程度，展示每个模态分量的噪声含量。
根据各模态分量样本熵的大小设置权重，基于设置权重后的模态分量重建心跳信号，具体为：将处于心跳二次谐波频带范围内的模态分量作为输入数据，将其分解为若干个信号，设置每个信号不同权重后，重新组合得到心跳二次谐波，即实现了重构。
对重建的心跳信号进行估计，具体为：利用旋转不变性算法，对重构的心跳信号进行频率估计，得到受试者的心率。
本发明的第二个方面提供实现上述方法所需的系统，包括：
发送模块，被配置为：基于雷达产生调频连续波信号，产生的信号一路朝向受试者发送，另两路分别与获得的回波信号混合；
接收模块，被配置为：获得返回的回波信号；
处理模块，被配置为：混合信号依次经滤波和数模转换得到数字形式的中频信号，经过后处理得到受试者的心率；
其中，中频信号经距离傅里叶变换获得受试者的位置，通过提取该位置的相位波形得到受试者的胸腔壁运动波形，经去噪后分解为K个模态分量，提取处于心跳二次谐波频带范围内的模态分量，根据各模态分量样本熵的大小设置权重，基于设置权重后的模态分量重建心跳信号并对重建的心跳信号进行估计，得到受试者的心率。
本发明的第三个方面提供一种计算机可读存储介质。
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上述所述的非接触的心率监测方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的非接触的心率监测方法中的步骤。
与现有技术相比，以上一个或多个技术方案存在以下有益效果：
1、雷达信号的回波中包含着呼吸和心跳引发胸腔壁的运动，通过滤波、数字变换以及后续处理，能够减少呼吸谐波带来的干扰，有效分解胸腔壁的运动信号并提取心跳二次谐波信号，从而实现非接触方式的心率监测。
2、对分解出的模态分量设置权重再重构的方式，能够削减可能存在于心跳信号中的噪声，使得到的心率信号更加准确。
3、利用毫米波雷达监测心率信号以及体动信号，通过滤波、数字变换以及后续处理，能够在不限制被监测者活动的基础上，以非接触方式获得所需的心率参数以及运动体征参数。毫米波雷达检测方案不易受环境因素影响，响应速度更快，检测范围更广。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明一个或多个实施例提供的心率监测示意图；
图2是本发明一个或多个实施例提供的非接触的心率监测时的场景示意图；
图3是本发明一个或多个实施例提供的实现心率监测的雷达内部架构示意图；
图4是本发明一个或多个实施例提供的心率监测系统的工作过程示意图；
图5是本发明一个或多个实施例提供的心率监测时的信号处理流程示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术中所描述的，传统的心率监测装置基于可穿戴设备或是有线设备实现，需要与监测对象接触，因而存在一定局限性。
因此以下实施例给出非接触的心率监测方法、系统、存储介质及设备，采用77GHZ毫米波雷达监测心率信号以及体动信号，在不限制人活动的基础上，实现非接触监测人的心率参数以及运动体征参数，并将有效的检测信息实时返回上位机和手机控制端。另外，毫米波雷达检测方案不易受环境因素影响，具有响应速度更快，检测范围更广等优势。与摄像头方案对比，成本更低，不涉及个人隐私问题。其测量的全过程满足非接触、非侵入、无干扰、定位精度高、反应速度快、实时追踪能力强等特点。
实施例一：
如图1-图5所示，非接触的心率监测方法，包括以下步骤：
基于雷达产生调频连续波信号，产生的信号一路朝向受试者发送，另两路分别与获得的回波信号混合，依次经滤波和数模转换得到数字形式的中频信号，经过后处理得到受试者的心率；
其中，中频信号经距离傅里叶变换获得受试者的位置，通过提取该位置的相位波形得到受试者的胸腔壁运动波形，经去噪后分解为K个模态分量，提取处于心跳二次谐波频带范围内的模态分量，根据各模态分量样本熵的大小设置权重，基于设置权重后的模态分量重建心跳信号并对重建的心跳信号进行估计，得到被监测者的心率。
具体的：
图1显示了毫米波雷达系统的简化框图，毫米波雷达发送由合成器生成的线性FMCW信号，雷达信号遇到物体时会被反射，正交接收机负责捕获回波信号并将其与发射信号正交混合，低通滤波器用于滤除高频部分并获得IF信号，IF信号由ADC采样获得。
本实施例中，如图2所示，将型号IWR-1642的毫米波雷达与型号DCA1000的雷达信号收集卡与计算机连接后置于桌面上，被监测者位于雷达正前方一定距离处，由雷达发出的毫米波经过被监测者后产生的回波信号被收集卡获取，回波信号与两路发射信号混合后送入计算机处理，输出被监测者的心率，同时，被检测者佩带血氧仪作为对比数据。
FMCW雷达发出的单个chirp可表示为：
式中AT为发射信号幅值，fc为线性调频信号的起始频率，S＝B/Tc表示频率的变化率，B为带宽，Tc为脉冲持续时间，
为相位噪声。
假设x(t)为呼吸、心跳导致的胸壁位移，d0为雷达与被测者之间的距离，胸壁与雷达之间的距离可以表示为R(t)＝x(t)+d0。因此，时间延迟为td＝2R(t)/C，其中C为光速。接收信号xR(t)就可以导出为：
其中AR为接收到信号的幅值。
将发射信号和接收信号通过两个正交I/Q信道进行混合，然后通过低通滤波器得到IF信号SIF(t)。
其中方程的第三项由于对应的相位很小(约为10-6左右)而可以忽略不计，此外，由于距离依赖效应，第一个近似方程中剩余的相位噪声项
也可以忽略不计。第二个近似方程中相位的第一项是通过使用2R(t)/C替换td和忽略x(t)t得到的。
因此，chirp中IF信号SIF(t)的频率f0是固定的，其幅度与目标到雷达的距离d0成正比，初始相位
随胸壁位移x(t)变化而变化。
如图4所示，合成器(Synth)产生雷达信号后分为三路，其中一路经发送端TX朝向被监测者发送，另两路发送的信号与通过接收端RX获得的回波信号混合形成两组混频信号，分别对应的低通滤波器得到中频信号(IF信号)，再经模数转换器ADC转换为数字信号后，两路数字信号输入DSP(数字信号处理)处理得到所需的心率数据。
根据奈奎斯特采样定理，实信号采样频率要大于信号频率的两倍，而虚信号采样频率只需大于信号频率即可。而受到实际条件限制，需要降低采样频率，从而将实信号构造成虚信号。虚信号包括实部和虚部(即图4中从合成器中产生的两路要混合的信号)，其实部由发射信号与接收信号混频得到，其虚部由发射信号翻转90°再与接收信号混频得到。
数字信号的处理过程如图5所示：
IF信号依次经Range-FFT(距离傅里叶变换)、DC offset correction(偏差校正)、Angle(相位角提取)、Phase unwrapping(相位展开)和Phase denoising(相位去噪)处理后，实现Target Detection(目标探测)和Phase Extraction(相位提取)；
依次经过KLD-VMD(基于KL散度的变分模态分解)、Mode selection(模态选择)将Second harmonic(二次谐波)进行Weighting and reconstru ing(加权和重构)处理，以实现Signal Decomposition(信号分解)和Reco nstruction(重建)；
再进行Convert to complex analysis signal(转换为复分析信号)，利用ESPRIT(旋转不变性技术)以实现Estimation of Heart Rates(心率估计)。
具体的：
输入IF信号通过使用距离傅里叶变换(Range-FFT)，获得受试者的位置，提取该位置的相位波形，即受试者的胸腔壁运动波形。
进行初步去噪。
本实施例在数据采集过程中，由于内部或外部噪声的干扰，可以观察到幅值的突变。在这项工作中，通过对突变点前后的两个值求平均值来修正突变点，提高了胸腔壁运动信号的波形质量。
为将胸腔壁运动信号进行有效分解，使用不同参数的VMD(变分模态分解)算法分解胸腔壁运动信号，并计算每个模态分量的KL(Kullback-Le ibler)散度值，当KL散度值取得最小值时确定VMD的参数并进行信号分解，将胸腔壁运动信号分解为K个模态分量。
本实施例中，VMD(变分模态分解)是分解信号的一种算法，使用时需要利用KL散度用来确定VMD算法的关键参数，来保证进行有效的分解，模态分量为分解得到的结果；由于胸腔壁运动同时受到心跳和呼吸的影响，反映在接收到的回波上，则需要滤除呼吸谐波的影响，提取计算心跳的二次谐波频带[2.0,4.0]范围内的模态分量。
计算心跳的二次谐波频带范围内每个模态分量的样本熵。
本实施例中，心跳信号基波频带范围为[1.0,2.0]，呼吸信号的高次谐波可能包含其中影响后续的估计过程，心跳信号二次谐波频带为[2.0,4.0]，呼吸信号高次谐波无法包含在内；因此呼吸谐波信号相对于心跳信号二次谐波频而言成为了噪声，而样本熵可以反映信号的混乱程度，即可以显示每个模态分量的噪声含量，从而可以通过带通滤波器滤除呼吸谐波的影响。
根据二次谐波频带范围内各模态分量样本熵的大小设置权重，将设置权重后的各模态分量叠加重建心跳二次谐波信号。
本实施例中，将心跳的二次谐波频带[2.0,4.0]范围内的模态分量作为输入数据，将其分解为若干个信号，并给予每个信号不同权重后，再重新组合得到输入数据，即实现了重构。
利用旋转不变性技术(ESPRIT)算法，对重构的心跳信号进行较为精确的频率估计。
上述方式中，雷达信号的回波中包含着呼吸和心跳引发胸腔壁的运动，通过滤波、数字变换以及后续处理，能够减少呼吸谐波带来的干扰，有效分解胸腔壁的运动信号并提取心跳二次谐波信号，从而实现非接触方式的心率监测。
对分解出的模态分量设置权重再重构的方式，能够削减可能存在于心跳信号中的噪声，使得到的心率信号更加准确。
实验：
数据是由10名受试者获得的，5男5女，年龄在21-47岁之间。在休息10分钟后，受试者安静地坐着，与雷达保持0.5-0.8米的距离。实验过程中，雷达在1分钟内采集了1500帧图像。
实验场景如图2所示。实验对象戴着参考传感器(血氧仪)，安静地坐在观测雷达前。雷达将获取的原始数据，保存为LVDS流到主机PC进行信号处理。在PC机中设置雷达参数和捕获模式，实验使用的具体雷达参数如表1所示。
表1：实验雷达参数
| 参数 | 价值 |
| 启动频率(GHz) | 77 |
| 带宽(GHz) | 4 |
| 采样率(MHz) | 5 |
| 帧周期(毫秒) | 40 |
| 帧数 | 1500 |
| 每个chirp的采样点数 | 256 |
为了进一步验证所提出算法的有效性，使用了三种心跳信号提取方法以及两种心率估计算法来处理从10个受试者获得的数据。采用平均绝对误差百分比(mean absoluteerror percentage，MAEP)和Pearson相关系数(Pears on correlation coefficient，PCC)对算法性能进行了评估。
表2：三种方法的实验数据对比
由表2可以看出，带通滤波和VMD结合FFT和ESPRIT方法，由于呼吸谐波带来的噪声和干扰，得到了较高的MAEP值和较低的PCC值，而本实施例提出的方法在保证较低MAEP的同时获得了较高的PCC值，即误差较低的同时保证了较高的准确率。
实施例二：
实现上述方法的系统，包括：
发送模块，被配置为：基于雷达产生调频连续波信号，产生的信号一路朝向受试者发送，另两路分别与获得的回波信号混合；
接收模块，被配置为：获得返回的回波信号；
处理模块，被配置为：混合信号依次经滤波和数模转换得到数字形式的中频信号，经过后处理得到受试者的心率；
其中，中频信号经距离傅里叶变换获得受试者的位置，通过提取该位置的相位波形得到受试者的胸腔壁运动波形，经去噪后分解为K个模态分量，提取处于心跳二次谐波频带范围内的模态分量，根据各模态分量样本熵的大小设置权重，基于设置权重后的模态分量重建心跳信号并对重建的心跳信号进行估计，得到被监测者的心率。
本实施例中，系统可以形成如图3所示的架构，其中，处理模块形成DSP子系统，发送模块和接收模块形成射频和模拟子系统，包括有TX1和TX2两个发送端，RX1-RX4四个接收端，发送端通过合成器与斜坡发生器连接；接收端依次经低通滤波器和ADC处理器连接在数字前端上，合成器产生的信号一路经发送端输出，另一路与接收端返回的信号混合共同进入低通滤波器中。
实施例三：
本实施例提供了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上述实施例一所述的非接触的心率监测方法中的步骤。
实施例四：
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述实施例一所述的非接触的心率监测方法中的步骤。
以上实施例二至四中涉及的各步骤或模块与实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.非接触的心率监测方法，其特征在于，包括以下步骤：
基于雷达产生调频连续波信号，产生的信号一路朝向受试者发送，另两路分别与获得的回波信号混合，依次经滤波和数模转换得到数字形式的中频信号，经过后处理得到受试者的心率；
其中，中频信号经距离傅里叶变换获得受试者的位置，通过提取该位置的相位波形得到受试者的胸腔壁运动波形，经去噪后分解为K个模态分量，提取处于心跳二次谐波频带范围内的模态分量，根据各模态分量样本熵的大小设置权重，基于设置权重后的模态分量重建心跳信号并对重建的心跳信号进行估计，得到受试者的心率。
2.如权利要求1所述的非接触的心率监测方法，其特征在于，所述胸腔壁运动波形的去噪过程，具体为：通过对突变点前后的两个值求平均值来修正突变点。
3.如权利要求2所述的非接触的心率监测方法，其特征在于，所述胸腔壁运动波形经去噪后分解为K个模态分量，具体为：胸腔壁运动信号经去噪后，使用不同参数的变分模态分解算法分解胸腔壁运动信号，并计算每个模态分量的KL散度值，当KL散度值取得最小值时确定变分模态分解的参数并进行信号分解，将胸腔壁运动信号分解为K个模态分量。
4.如权利要求1所述的非接触的心率监测方法，其特征在于，胸腔壁运动同时受到心跳和呼吸的影响，通过提取计算处于心跳二次谐波频带范围内的模态分量，滤除呼吸谐波的影响。
5.如权利要求1所述的非接触的心率监测方法，其特征在于，所述样本熵反映信号的混乱程度，展示每个模态分量的噪声含量。
6.如权利要求1所述的非接触的心率监测方法，其特征在于，根据各模态分量样本熵的大小设置权重，基于设置权重后的模态分量重建心跳信号，具体为：将处于心跳二次谐波频带范围内的模态分量作为输入数据，将其分解为若干个信号，设置每个信号不同权重后，重新组合得到心跳二次谐波，即实现了重构。
7.如权利要求1所述的非接触的心率监测方法，其特征在于，对重建的心跳信号进行估计，具体为：利用旋转不变性算法，对重构的心跳信号进行频率估计，得到受试者的心率。
8.非接触的心率监测系统，其特征在于，包括：
发送模块，被配置为：基于雷达产生调频连续波信号，产生的信号一路朝向受试者发送，另两路分别与获得的回波信号混合；
接收模块，被配置为：获得返回的回波信号；
处理模块，被配置为：混合信号依次经滤波和数模转换得到数字形式的中频信号，经过后处理得到受试者的心率；
其中，中频信号经距离傅里叶变换获得受试者的位置，通过提取该位置的相位波形得到受试者的胸腔壁运动波形，经去噪后分解为K个模态分量，提取处于心跳二次谐波频带范围内的模态分量，根据各模态分量样本熵的大小设置权重，基于设置权重后的模态分量重建心跳信号并对重建的心跳信号进行估计，得到受试者的心率。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如上述权利要求1-7任一项所述的非接触的心率监测方法中的步骤。
10.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-7任一项所述的非接触的心率监测方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310119622.5A CN115969339B (zh) | 2023-02-13 | 非接触的心率监测方法、系统、存储介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310119622.5A CN115969339B (zh) | 2023-02-13 | 非接触的心率监测方法、系统、存储介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115969339A true CN115969339A (zh) | 2023-04-18 |
| CN115969339B CN115969339B (zh) | 2024-09-27 |
Family
ID=
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113261925A (zh) * | 2021-03-11 | 2021-08-17 | 山东师范大学 | 一种基于毫米波雷达的人体感知方法及系统 |
| CN113854992A (zh) * | 2021-10-13 | 2021-12-31 | 浙江理工大学 | 基于77GHz毫米雷达的非接触式精确心率检测方法 |
| CN114246571A (zh) * | 2021-12-30 | 2022-03-29 | 桂林电子科技大学 | 一种基于雷达和变分模态分解算法的心率测量方法 |
| CN114779238A (zh) * | 2022-04-07 | 2022-07-22 | 煤炭科学研究总院有限公司 | 一种基于雷达信号的生命探测方法及系统 |
| CN114897011A (zh) * | 2022-04-29 | 2022-08-12 | 西安交通大学 | 一种多普勒雷达生理信号检测用信号分离去噪方法及系统 |
| CN115016033A (zh) * | 2022-07-14 | 2022-09-06 | 煤炭科学研究总院有限公司 | 一种基于奇异谱分解算法的生命信息探测方法及系统 |
| CN115040091A (zh) * | 2022-04-18 | 2022-09-13 | 西北大学 | 基于vmd算法的毫米波雷达生命信号提取方法 |
| EP4102247A1 (en) * | 2021-06-11 | 2022-12-14 | Beibei Wang | System and method for radio-assisted sound sensing |
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113261925A (zh) * | 2021-03-11 | 2021-08-17 | 山东师范大学 | 一种基于毫米波雷达的人体感知方法及系统 |
| EP4102247A1 (en) * | 2021-06-11 | 2022-12-14 | Beibei Wang | System and method for radio-assisted sound sensing |
| CN113854992A (zh) * | 2021-10-13 | 2021-12-31 | 浙江理工大学 | 基于77GHz毫米雷达的非接触式精确心率检测方法 |
| CN114246571A (zh) * | 2021-12-30 | 2022-03-29 | 桂林电子科技大学 | 一种基于雷达和变分模态分解算法的心率测量方法 |
| CN114779238A (zh) * | 2022-04-07 | 2022-07-22 | 煤炭科学研究总院有限公司 | 一种基于雷达信号的生命探测方法及系统 |
| CN115040091A (zh) * | 2022-04-18 | 2022-09-13 | 西北大学 | 基于vmd算法的毫米波雷达生命信号提取方法 |
| CN114897011A (zh) * | 2022-04-29 | 2022-08-12 | 西安交通大学 | 一种多普勒雷达生理信号检测用信号分离去噪方法及系统 |
| CN115016033A (zh) * | 2022-07-14 | 2022-09-06 | 煤炭科学研究总院有限公司 | 一种基于奇异谱分解算法的生命信息探测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 苏润松: "基于自适应分解和加权重构的非接触式心率监测技术研究", 医药卫生科技, vol. 10, no. 27280, 31 January 2024 (2024-01-31) * |
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 | |
| JP6219942B2 (ja) | 心電図におけるリアルタイムｑｒｓ期間測定 | |
| EP3096686B1 (en) | Heart monitoring device | |
| WO2014205396A1 (en) | Systems and methods for estimating changes in inhalation-exhalation ratios using frequency harmonics | |
| KR101838704B1 (ko) | 레이더를 이용하여 생체 신호를 측정하는 방법 및 장치 | |
| CN106659404B (zh) | 连续血压测量方法、装置和设备 | |
| CN111803045A (zh) | 一种基于lfmcw毫米波的生命体征检测系统 | |
| Liu et al. | Automatic detection of respiratory rate from electrocardiogram, respiration induced plethysmography and 3D acceleration signals | |
| WO2024108872A1 (zh) | 利用双晶元组确定血流速度的方法和多普勒血流检测装置 | |
| CN112617773A (zh) | 一种用于健康监测的信号处理方法及信号处理装置 | |
| CN116172539A (zh) | 基于机器学习的生命体征检测方法、系统、设备及介质 | |
| CN117838083A (zh) | 一种基于毫米波雷达的体征快速精确检测方法 | |
| Abu-Sardanah et al. | A wearable mm-wave radar platform for cardiorespiratory monitoring | |
| CN111685760B (zh) | 一种基于雷达测量的人体呼吸频率计算方法 | |
| Liu et al. | Non-contact vital signs detection using mm-Wave radar during random body movements | |
| JP2019013479A (ja) | 心拍・呼吸計測システム及び心拍・呼吸計測方法 | |
| CN115969339B (zh) | 非接触的心率监测方法、系统、存储介质及设备 | |
| Khambhati et al. | Extraction of a respiration rate from ECG signal using discrete wavelet transform during exercise | |
| 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 | |
| CN115969339A (zh) | 非接触的心率监测方法、系统、存储介质及设备 | |
| CN115813363A (zh) | 一种基于心跳二次谐波重构的心率估计方法 | |
| Wu et al. | An ECG extraction and reconstruction system with dynamic EMG filtering implemented on an ARM chip | |
| Coulter et al. | Low power IoT platform for vital signs monitoring | |
| CN114533004A (zh) | 基于毫米波雷达的生命体征检测方法及系统 | |
| Liu et al. | Wavelet analysis based noncontact vital signal measurements using mm-Wave radar |
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 |