CN116035558A - 基于波束形成的抗干扰呼吸检测方法 - Google Patents
基于波束形成的抗干扰呼吸检测方法 Download PDFInfo
- Publication number
- CN116035558A CN116035558A CN202310186771.3A CN202310186771A CN116035558A CN 116035558 A CN116035558 A CN 116035558A CN 202310186771 A CN202310186771 A CN 202310186771A CN 116035558 A CN116035558 A CN 116035558A
- Authority
- CN
- China
- Prior art keywords
- interference
- signal
- beam forming
- target
- detection method
- 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
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 230000000241 respiratory effect Effects 0.000 claims abstract description 34
- 230000003068 static effect Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 230000010363 phase shift Effects 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000036387 respiratory rate Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000011295 pitch Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- 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
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pulmonology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开提供一种基于波束形成的抗干扰呼吸检测方法,利用WiFi设备对目标区域内存在干扰个体的情况下对待检测目标的呼吸状态进行检测,呼吸检测方法包括:操作S1:构建基于WiFi设备接收天线阵列的导向矢量;操作S2:获得波束形成的最佳权重;操作S3:将接收天线阵列接收到的原始信号转换到空域;操作S4:选取时间窗,对转换到空域后的信号做相邻帧差分,实现目标区域内静止物体信号的消除和干扰个体信号的增强;操作S5:计算每个位置波束形成后得到的间序列的呼吸噪声比;操作S6:将目标区域重叠地分成若干子区域,选择干扰较小的子区域;以及操作S7:寻找待检测目标的呼吸最可能存的位置提取信号,进而得到待检测目标的呼吸状态参数。
Description
技术领域
本公开涉及信号处理技术领域,尤其涉及一种基于波束形成的抗干扰呼吸检测方法。
背景技术
呼吸状态是一种重要的人体生命体征。在过去数十年内,随着物联网等技术的发展,用户对普适性地健康监测的需求越来越急切。传统的呼吸监测技术要求人体和传感器紧密接触以测量胸腔的起伏,从而导致较为不适的用户体验,不适合长时间使用。与依赖传感器的接触式呼吸检测相比,非接触式呼吸检测系统不需要用户佩戴任何设备,具有更好的用户体验。基于电磁波的呼吸感知能够利用电磁波全天候、无接触、可在非视距条件下传播等特性,实现对呼吸的长期监测。而基于电磁信号的技术根据硬件前端的不同,又可细分为基于 WiFi/基于雷达的技术。与雷达相比,基于 WiFi 的技术能够复用已有 WiFi设施,无需额外的硬件成本。
WiFi设备中的信道状态信息(Channel State Information, CSI)描述了信号在传播过程中经历的衰减和相移。人体呼吸导致的胸腔振动会使得信道状态信息的测量值呈现周期性变化,从而为利用信道状态信息对人体呼吸频率进行估计提供了可能。
现有的方法在环境中只有一个被检测目标时,取得了良好的结果。然而,在实际环境中,检测目标周围可能存在其他的个体,当环境中同时存在其他运动目标时,信号不仅会被目标用户反射,还会受到干扰者的影响。在这种情况下,基于现有方法提取的信号将不再与目标用户的呼吸作用相一致,这导致系统的性能急剧下降。
发明内容
(一)要解决的技术问题
基于上述问题,本公开提供了一种基于波束形成的抗干扰呼吸检测方法,以缓解现有技术中对检测目标进行信号提取时受到干扰而与目标的呼吸作用不一致等技术问题。
(二)技术方案
本公开提供一种基于波束形成的抗干扰呼吸检测方法,利用WiFi设备对目标区域内存在干扰个体的情况下对待检测目标的呼吸状态进行检测,所述呼吸检测方法包括:操作S1:构建基于WiFi设备接收天线阵列的导向矢量;操作S2:获得波束形成的最佳权重;操作S3:将接收天线阵列接收到的原始信号转换到空域;操作S4:选取时间窗,对转换到空域后的信号做相邻帧差分,实现目标区域内静止物体信号的消除和干扰个体信号的增强;操作S5:计算每个位置波束形成后得到的间序列的呼吸噪声比;操作S6:将目标区域重叠地分成若干子区域,选择干扰较小的子区域;以及操作S7:寻找待检测目标的呼吸最可能存的位置提取信号,进而得到待检测目标的呼吸状态参数。
根据本公开实施例,操作S1中,对于WiFi设备上的均匀接收天线阵列,相对于第一根接收天线上的第一个子载波,中心频率
f c 的第
m根接收天线、第
k个子载波上的联合相位移
φ mk
(θ l,
τ l
)可以表示为:
,
其中,
θ l 为到达角,
τ l 为飞行时间,
d为两个接收天线的间距, 为频率间隔,
c为光速;
得到的导向矢量a(
θ l,
τ l )为:
a(
θ l,
τ l )=[ 1
φ 21 (
θ l,
τ l ) …
φ mk (
θ l,
τ l ) …
φ MK
θ l,
τ l )]T;
其中,M为接收天线总数,K为单根接收天线上的子载波的总数。
根据本公开实施例,操作S2中,为了在抑制干扰加噪声的影响的同时增强待测目标的呼吸信号,可以通过最大化输出信干噪比 SINR 来获得最优的波束形成加权向量w:
,
其中,Ptar是待测目标的的功率,Pi+n是干扰加噪声的功率,a为构建的导向矢量,Ri+n是干扰加噪声协方差矩阵;由于Ri+n矩阵不能直接从数据中得到,所以通常用样本协方差矩阵代替Ri+n矩阵,同时考虑样本较小时,使用对角线因子加载的方式,得到的加权向量w可表示为:
,
,
α和β是经验参数,I是单位矩阵,N是样本数量。
根据本公开实施例,操作S3中,通过下式将接收天线阵列接收到的原始信号Y(θ,τ)转换到空域:
Y(θ,τ)= WH (θ,τ)X ;
其中W为波束形成加权矩阵,X为原始信号矩阵,维度为(M×K,nt),M、K分别为天线总数、单根接收天线上的子载波的总数,W表达式为:
;
其中,nA、nτ是可能存在信号的AoA、ToF点数;
Y(θ,τ)是一个维度为(nA×nτ, nt)的二维时空矩阵,nt表示信号的时间长度,其中每一行表示对应位置(θ,τ)的时间序列。
根据本公开实施例,操作S4中,对转换到空域后的信号信号做相邻帧差分,实现室内静止物体信号的消除和干扰个体信号的增强,如下式所示:
,
其中,Y*t表示 t时刻的信号,Y*t+1表示 t+1时刻的信号,为差分信号。
进一步地,通过将不同时间下的差分信号相加,得到干扰个体运动的区域,用于作为呼吸提取的约束。
根据本公开实施例,操作S5中,呼吸噪声比可以根据功率谱密度计算:
,
,
其中,(WH(
θ,τ)X)表示(
θ,τ) 位置下波束形成后得到的信号矢量,BNR为呼吸噪声比,PSD功率谱密度,HB(f)表示PSD每个频率点的能量,正常呼吸范围为10次/秒到37次/秒,此范围内的最大能量为Pbreath,BNR越大,信号的周期性越好。
根据本公开实施例,操作S6中,定义区域的干扰因子
I:
;
其中
N all 是角度距离(θ,τ)转换成(x,y)坐标后,整个子区域中的 (x,y) 坐标的数量,
N i 是子区域中干扰者运动经过的坐标数量;当干扰因子大于设定的阈值,认为此区域受干扰个体影响较大,将其去掉。
根据本公开实施例,操作S7中,在去除严重干扰的子区域后,将每个干扰较小的子区域的所有位置的呼吸噪声比的值相加,选择具有最大呼吸噪声比的子区域,然后从此区域呼吸噪声比最大的位置,即
处提取呼吸信号,然后对获得的呼吸信号的时间序列进行滤波,计算得到待测目标的呼吸速率。
(三)有益效果
从上述技术方案可以看出,本公开基于波束形成的抗干扰呼吸检测方法至少具有以下有益效果其中之一或其中一部分:
(1)利用阵列信号处理技术提高信噪比,降低干扰,使得提取人体反射是自然的;
(2)阵列信号处理中,自适应波束形成具有较高的分辨率和较高的抗干扰能力;
(3)为了追踪人体呼吸状态,利用波束形成技术,在抑制干扰和噪声的影响的同时增强目标用户的呼吸信号。
附图说明
图1是本公开实施例的基于波束形成的抗干扰呼吸检测方法的原理示意图;
图2是本公开实施例的基于波束形成的抗干扰呼吸检测方法的流程示意图;
图3是本公开实施例的基于波束形成的抗干扰呼吸检测方法中原始接收信号的示意图;
图4是本公开实施例的基于波束形成的抗干扰呼吸检测方法中获取干扰者运动区域的结果示意图;
图5是本公开实施例的基于波束形成的抗干扰呼吸检测方法中选择寻找呼吸最可能存在的位置的示意图;
图6是一般情况下存在干扰时的呼吸信号;
图7是本公开实施例的基于波束形成的抗干扰呼吸检测方法提取的呼吸信号结果示意图。
具体实施方式
本公开提供了一种基于波束形成的抗干扰呼吸检测方法,实现对待检测人员在强干扰环境下的呼吸信号的提取。本公开的呼吸检测方法将 WiFi 呼吸检测运用到实际场景的一大挑战是如何解决其他运动人员的干扰。由于现有的WiFi设备配备了多个天线和子载波,因此利用阵列信号处理技术提高信噪比,降低干扰,来提取人体反射是自然的。阵列信号处理中,自适应波束形成具有较高的分辨率和较高的抗干扰能力。因此,为了追踪人体呼吸状态,利用波束形成技术,在抑制干扰和噪声的影响的同时增强目标用户的呼吸信号。
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
在本公开实施例中,提供一种基于波束形成的抗干扰呼吸检测方法,利用WiFi设备对目标区域内存在其他干扰个体的情况下对待检测目标的呼吸状态进行检测,结合图1和图2所示,所述呼吸检测方法包括:
操作S1:构建基于WiFi设备接收天线阵列的导向矢量;
操作S2:获得波束形成的最佳权重;
操作S3:将接收天线阵列接收到的原始信号转换到空域;
操作S4:选取时间窗,对转换到空域后的信号做相邻帧差分,实现目标区域内静止物体信号的消除和干扰个体信号的增强;
操作S5:计算每个位置波束形成后得到的间序列的呼吸噪声比;
操作S6:将目标区域重叠地分成若干子区域,选择干扰较小的子区域;以及
操作S7:寻找待检测目标的呼吸最可能存的位置提取信号,进而得到待检测目标的呼吸状态参数。
根据本公开实施例,操作S1中,对于WiFi设备上的均匀接收天线阵列,在AoA(Angle of Arrival)方向,两个间距为
d的相邻天线之间的相对相移可以表示为
;
在TOF(Time of Flight)距离,频率间隔为 的两个相邻的子载波之间的相对相移可以表示为
;
相对于第一根接收天线上的第一个子载波,中心频率
f c 的第
m根接收天线、第
k个子载波上的联合相位移
φ mk
(θ l,
τ l
)可以表示为:
,
其中,
θ l 为到达角,
τ l 为飞行时间,
cτ l 则是飞行距离,λ为接收信号的波长,
d为两个接收天线的间距, 为频率间隔,
c为光速;
得到的导向矢量a(
θ l,
τ l )为:
a(
θ l,
τ l )=[ 1
φ 21 (
θ l,
τ l ) …
φ mk (
θ l,
τ l ) …
φ MK
θ l,
τ l )]T;
其中,M为接收天线总数,K为单根接收天线上的子载波的总数。
根据本公开实施例,操作S2中,为了在抑制干扰加噪声的影响的同时增强待测目标的呼吸信号,可以通过最大化输出信干噪比 SINR 来获得最优的波束形成加权向量w:
,
其中,
P tar 是待测目标的的功率,Pi+n是干扰加噪声的功率,a为构建的导向矢量,Ri+n是干扰加噪声协方差矩阵;由于Ri+n矩阵不能直接从数据中得到,所以通常用样本协方差矩阵代替Ri+n矩阵,同时考虑样本较小时,使用对角线因子加载的方式,得到的加权向量w可表示为:
,
,
α和β是经验参数,I是单位矩阵,N是样本数量。
根据本公开实施例,操作S3中,通过下式将接收天线阵列接收到的原始信号Y(θ,τ)转换到空域:
Y(θ,τ)= WH (θ,τ)X ;
其中W为波束形成加权矩阵,X为得到WiFi原始信号矩阵,维度为(M×K,nt),M、K分别为天线总数、单根接收天线上的子载波的总数,W表达式为:
;
其中,nA、nτ是可能存在信号的AoA、ToF点数;
Y(θ,τ)是一个维度为(nA×nτ, nt)的二维时空矩阵,nt表示信号的时间长度,其中每一行表示对应位置(θ,τ)的时间序列。
根据本公开实施例,操作S4中,对转换到空域后的信号信号做相邻帧差分,实现室内静止物体信号的消除和干扰个体信号的增强,如下式所示:
,
其中,Y*t表示 t时刻的信号,Y*t+1表示 t+1时刻的信号,为差分信号。
进一步地,通过将不同时间下的差分信号相加,得到干扰个体运动的区域,用于作为呼吸提取的约束。
根据本公开实施例,操作S5中,呼吸噪声比可以根据功率谱密度计算:
,
,
其中,(WH(
θ,τ)X)表示 (
θ,τ) 位置下波束形成后得到的信号矢量, BNR为呼吸噪声比,PSD功率谱密度,HB(f)表示PSD每个频率点的能量,正常呼吸范围为10次/秒到37次/秒,此范围内的最大能量为Pbreath,BNR越大,信号的周期性越好。
根据本公开实施例,操作S6中,定义区域的干扰因子
I:
,
其中
N all 是角度距离(
θ,τ)转换成(x,y)坐标后,整个子区域中的 (x,y) 坐标的数量,
N i 是子区域中干扰者运动经过的坐标数量;当干扰因子大于设定的阈值,认为此区域受干扰个体影响较大,将其去掉。
根据本公开实施例,操作S7中,在去除严重干扰的子区域后,将每个干扰较小的子区域的所有位置的呼吸噪声比的值相加,选择具有最大呼吸噪声比的子区域,然后从此区域呼吸噪声比最大的位置,即
处提取呼吸信号,然后对获得的呼吸信号的时间序列进行滤波,计算得到待测目标的呼吸速率。
在本公开实施例中,验证了目标空间中存在一个检测目标,一个运动干扰个体的情况下,本公开提出的算法对干扰抑制和呼吸提取的有效性,验证场景如图1所示,在本公开施例中,采用1根天线发射,3根天线接收;信号收发采用步进频调制方式,频率步进为1.25MHz,频率点数为33个,带宽40 MHz,中心频率为5.4GHz,接收到的原始信号如图3所示;获取运动干扰者的轨迹时,当干扰者距离目标1m,利用本公开中提出的波束形成算法,目标的位置没有被干扰者覆盖,结果如图4所示,在低带宽天线条件下仍能实现信号的分离。通过将干扰区域作为约束,再使用基于BNR的呼吸位置检测方法,最终提取呼吸的位置接近目标的真实位置,结果如图5所示。一般情况下,在存在运动人员干扰情况下,呼吸结果很难被检测出,如图6所示,得到的呼吸被严重破坏,而使用本方案提出的算法,可以提取较好的呼吸信号,如图7所示,提取出的呼吸信号与穿戴检测设备(例如检测腰带)记录数据基本一致。综上所述,本公开在实地实验中能够实现对干扰进行有效的抑制,从而更好地提取出呼吸。
至此,已经结合附图对本公开实施例进行了详细描述。需要说明的是,在附图或说明书正文中,未绘示或描述的实现方式,均为所属技术领域中普通技术人员所知的形式,并未进行详细说明。此外,上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式,本领域普通技术人员可对其进行简单地更改或替换。
依据以上描述,本领域技术人员应当对本公开基于波束形成的抗干扰呼吸检测方法有了清楚的认识。
综上所述,本公开提供了一种基于波束形成的抗干扰呼吸检测方法,基于现有的Wifi设备所接收的信号,对目标空间内存在其他干扰个体的情况下,有效的排出了空间和其他干扰个体的干扰,准确的测量出待检测目标的呼吸状态。
还需要说明的是,以上为本公开提供的不同实施例。这些实施例是用于说明本公开的技术内容,而非用于限制本公开的权利保护范围。一实施例的一特征可通过合适的修饰、置换、组合、分离以应用于其他实施例。
应注意的是,在本文中,除了特别指明的之外,具备“一”元件不限于具备单一的该元件,而可具备一或更多的该元件。
此外,在本文中,除了特别指明的之外,“第一”、“第二”等序数,只是用于区别具有相同名称的多个元件,并不表示它们之间存在位阶、层级、执行顺序、或制程顺序。一“第一”元件与一“第二”元件可能一起出现在同一构件中,或分别出现在不同构件中。序数较大的一元件的存在不必然表示序数较小的另一元件的存在。
在本文中,除了特别指明的之外,所谓的特征甲“或”(or)或“及/或”(and/or)特征乙,是指甲单独存在、乙单独存在、或甲与乙同时存在;所谓的特征甲“及”(and)或“与”(and)或“且”(and)特征乙,是指甲与乙同时存在;所谓的“包括”、“包含”、“具有”、“含有”,是指包括但不限于此。
此外,在本文中,所谓的“上”、“下”、“左”、“右”、“前”、“后”、或“之间”等用语,只是用于描述多个元件之间的相对位置,并在解释上可推广成包括平移、旋转、或镜像的情形。此外,在本文中,除了特别指明的之外,“一元件在另一元件上”或类似叙述不必然表示该元件接触该另一元件。
此外,除非特别描述或必须依序发生的步骤,上述步骤的顺序并无限制于以上所列,且可根据所需设计而变化或重新安排。并且上述实施例可基于设计及可靠度的考虑,彼此混合搭配使用或与其他实施例混合搭配使用,即不同实施例中的技术特征可以自由组合形成更多的实施例。
以上所述的具体实施例,对本公开的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本公开的具体实施例而已,并不用于限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (9)
1.一种基于波束形成的抗干扰呼吸检测方法,利用WiFi设备对目标区域内存在干扰个体的情况下对待检测目标的呼吸状态进行检测,所述呼吸检测方法包括:
操作S1:构建基于WiFi设备接收天线阵列的导向矢量;
操作S2:获得波束形成的最佳权重;
操作S3:将接收天线阵列接收到的原始信号转换到空域;
操作S4:选取时间窗,对转换到空域后的信号做相邻帧差分,实现目标区域内静止物体信号的消除和干扰个体信号的增强;
操作S5:计算每个位置波束形成后得到的间序列的呼吸噪声比;
操作S6:将目标区域重叠地分成若干子区域,选择干扰较小的子区域;以及
操作S7:寻找待检测目标的呼吸最可能存的位置提取信号,进而得到待检测目标的呼吸状态参数。
2.根据权利要求1所述的基于波束形成的抗干扰呼吸检测方法,操作S1中,对于WiFi设备上的均匀接收天线阵列,相对于第一根接收天线上的第一个子载波,中心频率f c 的第m根接收天线、第k个子载波上的联合相位移φ mk (θ l, τ l )可以表示为:
,
其中,θ l 为到达角,τ l 为飞行时间,d为两个接收天线的间距,为频率间隔,c为光速;
得到的导向矢量a(θ l, τ l )为:
a(θ l, τ l )=[ 1φ 21 (θ l, τ l ) … φ mk (θ l, τ l ) … φ MK θ l, τ l )]T;
其中,M为接收天线总数,K为单根接收天线上的子载波的总数。
3.根据权利要求1所述的基于波束形成的抗干扰呼吸检测方法,操作S2中,为了在抑制干扰加噪声的影响的同时增强待测目标的呼吸信号,可以通过最大化输出信干噪比 SINR来获得最优的波束形成加权向量w:
,
其中,Ptar是待测目标的的功率,Pi+n是干扰加噪声的功率,a为构建的导向矢量,Ri+n是干扰加噪声协方差矩阵;由于Ri+n矩阵不能直接从数据中得到,所以通常用样本协方差矩阵代替Ri+n矩阵,同时考虑样本较小时,使用对角线因子加载的方式,得到的加权向量w可表示为:
,
,
α和β是经验参数,I是单位矩阵,N是样本数量。
4.根据权利要求1所述的基于波束形成的抗干扰呼吸检测方法,操作S3中,通过下式将接收天线阵列接收到的原始信号Y(θ,τ)转换到空域:
Y(θ,τ)= WH (θ,τ)X ;
其中W为波束形成加权矩阵,X为原始信号矩阵,维度为(M×K,nt),M、K分别为天线总数、单根接收天线上的子载波的总数,W表达式为:
;
其中,nA、nτ是可能存在信号的AoA、ToF点数;
Y(θ,τ)是一个维度为(nA×nτ, nt)的二维时空矩阵,nt表示信号的时间长度,其中每一行表示对应位置(θ,τ)的时间序列。
5.根据权利要求1所述的基于波束形成的抗干扰呼吸检测方法,操作S4中,对转换到空域后的信号信号做相邻帧差分,实现室内静止物体信号的消除和干扰个体信号的增强,如下式所示:
,
其中,Y*t表示 t时刻的信号,Y*t+1表示 t+1时刻的信号,为差分信号。
6.根据权利要求5所述的基于波束形成的抗干扰呼吸检测方法,通过将不同时间下的差分信号相加,得到干扰个体运动的区域,用于作为呼吸提取的约束。
7.根据权利要求1所述的基于波束形成的抗干扰呼吸检测方法,操作S5中,呼吸噪声比可以根据功率谱密度计算:
,
,
其中,(WH(θ,τ)X)表示(θ,τ) 位置下波束形成后得到的信号矢量,BNR为呼吸噪声比,PSD功率谱密度,HB(f)表示PSD每个频率点的能量,正常呼吸范围为10次/秒到37次/秒,此范围内的最大能量为Pbreath,BNR越大,信号的周期性越好。
8.根据权利要求1所述的基于波束形成的抗干扰呼吸检测方法,操作S6中,定义区域的干扰因子I:
;
其中N all 是角度距离(θ,τ)转换成(x,y)坐标后,整个子区域中的 (x,y) 坐标的数量,N i 是子区域中干扰者运动经过的坐标数量;当干扰因子大于设定的阈值,认为此区域受干扰个体影响较大,将其去掉。
9.根据权利要求8所述的基于波束形成的抗干扰呼吸检测方法,操作S7中,在去除严重干扰的子区域后,将每个干扰较小的子区域的所有位置的呼吸噪声比的值相加,选择具有最大呼吸噪声比的子区域,然后从此区域呼吸噪声比最大的位置,即
处提取呼吸信号,然后对获得的呼吸信号的时间序列进行滤波,计算得到待测目标的呼吸速率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310186771.3A CN116035558B (zh) | 2023-03-02 | 2023-03-02 | 基于波束形成的抗干扰呼吸检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310186771.3A CN116035558B (zh) | 2023-03-02 | 2023-03-02 | 基于波束形成的抗干扰呼吸检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116035558A true CN116035558A (zh) | 2023-05-02 |
CN116035558B CN116035558B (zh) | 2023-07-18 |
Family
ID=86129712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310186771.3A Active CN116035558B (zh) | 2023-03-02 | 2023-03-02 | 基于波束形成的抗干扰呼吸检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116035558B (zh) |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1509092A (zh) * | 2002-12-17 | 2004-06-30 | 深圳市中兴通讯股份有限公司上海第二 | 基于数字波束形成的智能天线实现方法和装置 |
CN1625066A (zh) * | 2003-12-05 | 2005-06-08 | 皇家飞利浦电子股份有限公司 | 一种用于无线通信体系的二维瑞克接收机 |
CN104049262A (zh) * | 2014-06-26 | 2014-09-17 | 哈尔滨工程大学 | 一种基于矢量跟踪环路的波束形成抗干扰方法 |
US20150369911A1 (en) * | 2014-05-16 | 2015-12-24 | Mohamed Mabrouk | Remote sensing of human breathing at a distance |
CN108778106A (zh) * | 2016-03-11 | 2018-11-09 | 欧利景无线有限公司 | 用于生命体征检测和监控的方法、装置、服务器和系统 |
US20190007256A1 (en) * | 2012-12-05 | 2019-01-03 | Origin Wireless, Inc. | Methods, apparatus, servers, and systems for vital signs detection and monitoring |
CN109245814A (zh) * | 2018-09-13 | 2019-01-18 | 哈尔滨工业大学 | 基于极大似然重采样的自适应波束形成方法 |
CN110301917A (zh) * | 2019-06-14 | 2019-10-08 | 北京大学 | 一种无接触呼吸检测方法及装置 |
US20200113445A1 (en) * | 2018-10-10 | 2020-04-16 | Tata Consultancy Services Limited | Real time unobtrusive monitoring of physiological signals |
CN111157960A (zh) * | 2019-12-03 | 2020-05-15 | 南京汇君半导体科技有限公司 | 基于毫米波雷达的生命体征信号增强方法及设备、提取方法及设备 |
KR20200071013A (ko) * | 2018-12-10 | 2020-06-18 | 경희대학교 산학협력단 | 다이버시티 기법을 이용한 생체 신호 검출 방법 및 이를 구현하는 바이오 레이더 시스템 |
CN111698011A (zh) * | 2020-06-11 | 2020-09-22 | 中国科学技术大学 | 一种对称噪声中非对称信号的稳健自适应波束形成方法 |
CN112379339A (zh) * | 2020-11-11 | 2021-02-19 | 中国科学技术大学 | 基于时域无监督聚类的多径干扰识别方法 |
CN112491456A (zh) * | 2019-09-11 | 2021-03-12 | 索尼公司 | 电子设备、无线通信方法和计算机可读存储介质 |
CN112882016A (zh) * | 2019-11-29 | 2021-06-01 | 南京理工大学 | 基于改进的稳健自适应波束形成的多人生命体征检测方法 |
CN113359196A (zh) * | 2021-05-26 | 2021-09-07 | 上海交通大学 | 基于子空间法和dbf的多目标生命体征探测方法 |
CN113384264A (zh) * | 2021-06-11 | 2021-09-14 | 森思泰克河北科技有限公司 | 基于雷达的呼吸频率检测方法及睡眠监测设备 |
CN113397523A (zh) * | 2020-03-16 | 2021-09-17 | 深圳市理邦精密仪器股份有限公司 | 一种呼吸率检测方法、装置及医疗设备 |
CN114052740A (zh) * | 2021-11-29 | 2022-02-18 | 中国科学技术大学 | 基于毫米波雷达的非接触心电图监测方法 |
CN114259213A (zh) * | 2021-12-17 | 2022-04-01 | 华中科技大学 | 杂波背景下毫米波mimo雷达的邻近多目标生命体征检测方法 |
CN114390463A (zh) * | 2022-01-27 | 2022-04-22 | 中国科学技术大学 | 一种室内多目标被动式定位方法、系统及电子设备 |
US20220192511A1 (en) * | 2020-12-18 | 2022-06-23 | Movano Inc. | System for monitoring a health parameter of a person that involves producing a pulse wave signal from a radio frequency front-end |
US20220192493A1 (en) * | 2020-12-18 | 2022-06-23 | Movano Inc. | Method for monitoring a health parameter of a person that involves producing a pulse wave signal from radio frequency scanning |
CN114675248A (zh) * | 2022-03-18 | 2022-06-28 | 清华大学 | 多微动目标的雷达信号处理方法及装置 |
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 |
CN114983354A (zh) * | 2022-05-06 | 2022-09-02 | 北京邮电大学 | 一种呼吸频率和心跳频率的检测方法及装置 |
CN115399747A (zh) * | 2022-08-15 | 2022-11-29 | 电子科技大学 | 一种基于毫米波雷达的多人生命体征监测方法 |
-
2023
- 2023-03-02 CN CN202310186771.3A patent/CN116035558B/zh active Active
Patent Citations (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1509092A (zh) * | 2002-12-17 | 2004-06-30 | 深圳市中兴通讯股份有限公司上海第二 | 基于数字波束形成的智能天线实现方法和装置 |
CN1625066A (zh) * | 2003-12-05 | 2005-06-08 | 皇家飞利浦电子股份有限公司 | 一种用于无线通信体系的二维瑞克接收机 |
WO2005055467A1 (en) * | 2003-12-05 | 2005-06-16 | Koninklijke Philips Electronics N.V. | A 2d rake receiver for use in wireless communication systems |
US20190007256A1 (en) * | 2012-12-05 | 2019-01-03 | Origin Wireless, Inc. | Methods, apparatus, servers, and systems for vital signs detection and monitoring |
US20150369911A1 (en) * | 2014-05-16 | 2015-12-24 | Mohamed Mabrouk | Remote sensing of human breathing at a distance |
CN104049262A (zh) * | 2014-06-26 | 2014-09-17 | 哈尔滨工程大学 | 一种基于矢量跟踪环路的波束形成抗干扰方法 |
CN108778106A (zh) * | 2016-03-11 | 2018-11-09 | 欧利景无线有限公司 | 用于生命体征检测和监控的方法、装置、服务器和系统 |
CN109245814A (zh) * | 2018-09-13 | 2019-01-18 | 哈尔滨工业大学 | 基于极大似然重采样的自适应波束形成方法 |
US20200113445A1 (en) * | 2018-10-10 | 2020-04-16 | Tata Consultancy Services Limited | Real time unobtrusive monitoring of physiological signals |
KR20200071013A (ko) * | 2018-12-10 | 2020-06-18 | 경희대학교 산학협력단 | 다이버시티 기법을 이용한 생체 신호 검출 방법 및 이를 구현하는 바이오 레이더 시스템 |
CN110301917A (zh) * | 2019-06-14 | 2019-10-08 | 北京大学 | 一种无接触呼吸检测方法及装置 |
CN112491456A (zh) * | 2019-09-11 | 2021-03-12 | 索尼公司 | 电子设备、无线通信方法和计算机可读存储介质 |
CN112882016A (zh) * | 2019-11-29 | 2021-06-01 | 南京理工大学 | 基于改进的稳健自适应波束形成的多人生命体征检测方法 |
CN111157960A (zh) * | 2019-12-03 | 2020-05-15 | 南京汇君半导体科技有限公司 | 基于毫米波雷达的生命体征信号增强方法及设备、提取方法及设备 |
CN113397523A (zh) * | 2020-03-16 | 2021-09-17 | 深圳市理邦精密仪器股份有限公司 | 一种呼吸率检测方法、装置及医疗设备 |
CN111698011A (zh) * | 2020-06-11 | 2020-09-22 | 中国科学技术大学 | 一种对称噪声中非对称信号的稳健自适应波束形成方法 |
CN112379339A (zh) * | 2020-11-11 | 2021-02-19 | 中国科学技术大学 | 基于时域无监督聚类的多径干扰识别方法 |
US20220192511A1 (en) * | 2020-12-18 | 2022-06-23 | Movano Inc. | System for monitoring a health parameter of a person that involves producing a pulse wave signal from a radio frequency front-end |
US20220192493A1 (en) * | 2020-12-18 | 2022-06-23 | Movano Inc. | Method for monitoring a health parameter of a person that involves producing a pulse wave signal from radio frequency scanning |
CN113359196A (zh) * | 2021-05-26 | 2021-09-07 | 上海交通大学 | 基于子空间法和dbf的多目标生命体征探测方法 |
CN113384264A (zh) * | 2021-06-11 | 2021-09-14 | 森思泰克河北科技有限公司 | 基于雷达的呼吸频率检测方法及睡眠监测设备 |
CN114052740A (zh) * | 2021-11-29 | 2022-02-18 | 中国科学技术大学 | 基于毫米波雷达的非接触心电图监测方法 |
CN114259213A (zh) * | 2021-12-17 | 2022-04-01 | 华中科技大学 | 杂波背景下毫米波mimo雷达的邻近多目标生命体征检测方法 |
CN114390463A (zh) * | 2022-01-27 | 2022-04-22 | 中国科学技术大学 | 一种室内多目标被动式定位方法、系统及电子设备 |
CN114675248A (zh) * | 2022-03-18 | 2022-06-28 | 清华大学 | 多微动目标的雷达信号处理方法及装置 |
CN114983354A (zh) * | 2022-05-06 | 2022-09-02 | 北京邮电大学 | 一种呼吸频率和心跳频率的检测方法及装置 |
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 |
CN115399747A (zh) * | 2022-08-15 | 2022-11-29 | 电子科技大学 | 一种基于毫米波雷达的多人生命体征监测方法 |
Non-Patent Citations (6)
Title |
---|
CHUN-HUA CHU,等: "MIMO Radar Waveform Joint Optimization in Spatial-Spectral Domain for Anti-Interference", 《IEEE ACCESS》, pages 160383 - 160390 * |
WEN XING LI,等: "The research of beamforming in WiMAX system", 《2011 INTERNATIONAL CONFERENCE ON MEASURING TECHNOLOGY AND MECHATRONICS AUTOMATION (ICMTMA)》, pages 195 - 197 * |
YI XIAO,等: "Proportionally Fair Robust Beamforming for Multicast Multibeam Satellite Systems", 《IEEE COMMUNICATIONS LETTERS》, vol. 26, no. 1, pages 128 - 132 * |
ZHAOYI XU,等: "Simultaneous Monitoring of Multiple People\'s Vital Sign Leveraging a Single Phased-MIMO Radar", 《IEEE JOURNAL OF ELECTROMAGNETICS, RF, AND MICROWAVES IN MEDICINE AND BIOLOGY》, vol. 6, no. 3, pages 311 - 320 * |
潘俊,等: "基于先验信噪比估计的超宽带穿墙雷达呼吸信号检测算法研究", 《电子与信息学报》, vol. 44, no. 4, pages 1241 - 1248 * |
郑春弟,等: "二次谐波加权重构的77GHz FMCW 雷达心率监测方法", 《西安电子科技大学学报》, vol. 48, no. 2, pages 173 - 180 * |
Also Published As
Publication number | Publication date |
---|---|
CN116035558B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11850027B2 (en) | Multi-person vital signs monitoring using millimeter wave (mm-wave) signals | |
Li et al. | Passive WiFi radar for human sensing using a stand-alone access point | |
US20210033724A1 (en) | Multi-target life detection method based on radar signal and detection radar | |
Adib et al. | See through walls with WiFi! | |
CN110301917B (zh) | 一种无接触呼吸检测方法及装置 | |
Zhang et al. | Unlocking the beamforming potential of lora for long-range multi-target respiration sensing | |
CN108872948B (zh) | 一种高频地波雷达电离层杂波抑制方法 | |
CN106249219B (zh) | 基于自适应匹配滤波响应的sar动目标检测方法 | |
CN106054169B (zh) | 基于跟踪信息的多站雷达信号融合检测方法 | |
CN104077498B (zh) | 一种结合目标角度的外辐射源雷达多目标跟踪方法 | |
CN104101876B (zh) | 外辐射源雷达中一种基于随机有限集的多目标跟踪方法 | |
KR102221839B1 (ko) | 잡음 환경 내 실시간 심장 박동수 탐지 장치 및 그 방법 | |
CN101881822B (zh) | 一种针对共享谱雷达同频干扰的抑制方法 | |
CN108614245B (zh) | 一种基于射频隐身的边跟踪边干扰方法 | |
Li et al. | On CSI and passive Wi-Fi radar for opportunistic physical activity recognition | |
Zeng et al. | Exploring multiple antennas for long-range WiFi sensing | |
CN113447905A (zh) | 双毫米波雷达人体跌倒检测装置及检测方法 | |
CN106707247A (zh) | 一种基于紧凑天线阵的高频海洋雷达目标检测方法 | |
EP3953730A1 (en) | Detection apparatus and method | |
CN109765529A (zh) | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 | |
KR101022513B1 (ko) | 다중 직교 반송파를 이용한 바이오 레이다 시스템 | |
Zetik et al. | Evaluation of requirements for UWB localization systems in home-entertainment applications | |
CN116035558B (zh) | 基于波束形成的抗干扰呼吸检测方法 | |
CN107526064A (zh) | 基于二维特征的自适应lfm信号参数估计方法 | |
CN109188373A (zh) | 基于子阵阻塞矩阵预处理的抗主瓣干扰方法 |
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 |