CN116068513A - 数据前处理方法与运动生理感测雷达 - Google Patents

数据前处理方法与运动生理感测雷达 Download PDF

Info

Publication number
CN116068513A
CN116068513A CN202111457522.0A CN202111457522A CN116068513A CN 116068513 A CN116068513 A CN 116068513A CN 202111457522 A CN202111457522 A CN 202111457522A CN 116068513 A CN116068513 A CN 116068513A
Authority
CN
China
Prior art keywords
target
signal
phase
map
energy
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
Application number
CN202111457522.0A
Other languages
English (en)
Inventor
郑凯仁
陈胤语
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.)
Wistron Corp
Original Assignee
Wistron Corp
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
Priority claimed from TW110140492A external-priority patent/TW202318246A/zh
Priority claimed from TW110140489A external-priority patent/TWI833125B/zh
Application filed by Wistron Corp filed Critical Wistron Corp
Publication of CN116068513A publication Critical patent/CN116068513A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
    • G01S13/34—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
    • G01S13/34—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
    • G01S13/343—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal using sawtooth modulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • G01S13/426—Scanning radar, e.g. 3D radar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/356—Receivers involving particularities of FFT processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/358—Receivers using I/Q processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/414—Discriminating targets with respect to background clutter
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • A61B5/02444—Details of sensor
    • 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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/80—Special sensors, transducers or devices therefor
    • A63B2220/89—Field sensors, e.g. radar systems

Abstract

一种数据前处理方法与运动生理感测雷达。数据前处理方法由信号处理装置中的处理器执行，并包括：获得经由波束成形扫描而得的能量分布参数集及数字信号，数字信号对应于运动生理感测雷达的反射雷达信号；利用能量分布参数集，通过过滤背景噪声方式搜寻目标；依据能量分布参数集，加权数字信号而获得优化信号；分析优化信号，以从优化信号中取出对应于目标的一个或多个目标相位数据；及输入一个或多个目标相位数据至机器学习模型中，以获得生理参数预测结果。本发明的数据前处理方法与运动生理感测雷达，能对于运动状态下的受测者精准感测生理参数并检测其运动激烈程度，可提高信号的信噪比并自动生成检测距离区域，可提升物件追踪效果。

Description

数据前处理方法与运动生理感测雷达
技术领域
本发明涉及雷达信号处理技术，特别是涉及一种雷达信号数据前处理方法与应用该方法进行检测的运动生理感测雷达。
背景技术
现在有许多可穿戴或直接接触的生理参数测量设备能够在日常生活活动中监测生理参数(如心率)。然而，长时间配戴穿戴或接触式设备，会让受测者感到不舒适。虽然，仍有非接触的测量方式，然而当受测者处于运动状态下，其身体的晃动容易对测量造成干扰，影响测量准确度。
因此，需要提供一种数据前处理方法与运动生理感测雷达来解决上述问题。
发明内容
有鉴于此，依据一些实施例，一种数据前处理方法，由一信号处理装置中的一处理器执行，包括：获得经由波束成形扫描而得的一能量分布参数集及一数字信号，数字信号对应于一运动生理感测雷达的一反射雷达信号；利用能量分布参数集，通过过滤背景噪声方式搜寻一目标；依据能量分布参数集，加权数字信号而获得一优化信号；分析优化信号，以从优化信号中取出对应于目标的一个或多个目标相位数据；以及输入该一个或多个目标相位数据至一机器学习模型中，以获得一生理参数预测结果。
依据一些实施例，一种运动生理感测雷达，包括：发射单元、接收单元以及信号处理模块。发射单元发送一入射雷达信号。接收单元接收一反射雷达信号。信号处理模块控制发射单元及接收单元以进行波束成形扫描，以获得一能量分布参数集，并依据反射雷达信号获得对应的一数字信号，且利用能量分布参数集，通过过滤背景噪声方式搜寻一目标，并依据能量分布参数集，加权数字信号而获得一优化信号，而分析优化信号，以从优化信号中取出对应于目标的一个或多个目标相位数据，以及输入该一个或多个目标相位数据至一机器学习模型中，以获得一生理参数预测结果。
依据一些实施例，一种数据前处理方法，由一信号处理装置中的一处理器执行，包括：获得经由波束成形扫描而得的一能量分布参数集及一数字信号，数字信号对应于一运动生理感测雷达的一反射雷达信号；利用能量分布参数集，通过过滤背景噪声方式搜寻一目标；分析数字信号，以从数字信号取出对应于目标的一个或多个目标相位数据；通过小波变换将该一个或多个目标相位数据分成多个子频带；对每一子频带进行统计分析，以获得一统计特征集；以及输入统计特征集至一机器学习模型中，以获得一生理参数预测结果。
依据一些实施例，统计一期间内的能量分布参数集，以决定出涵盖目标活动范围的一检测距离区域，进而对于位于检测距离区域内的优化信号进行分析。
依据一些实施例，在将目标相位数据输入至机器学习模型之前，还对目标相位数据进行包括相位差计算与移除脉冲噪声的信号处理。
依据一些实施例，依据优化信号获得一相位地图及一振动频率地图；并从振动频率地图中选出具有能量强度超出一能量阈值的至少一候选位置；而从至少一候选位置中选定一目标位置，目标位置为至少一候选位置中具有符合一生理参数范围的一振动频率且具有最大的能量强度者；续而依据目标位置，取得相位地图中一距离范围内的一个或多个目标相位数据。其中，相位地图呈现随相对于运动生理感测雷达的距离变化与相位变化的能量分布，振动频率地图呈现随相对于运动生理感测雷达的距离变化与振动频率变化的能量分布。
依据一些实施例，统计一期间内的能量分布参数集，以决定出涵盖目标活动范围的一检测距离区域，其中选出至少一候选位置的步骤是从振动频率地图中检测距离区域选取。
依据一些实施例，对优化信号进行快速傅立叶变换，以获得一距离形貌地图；对距离形貌地图的每一距离延时间变化进行消除直流偏压、IQ不平衡补偿、反正切及相位展开，以获得相位地图；并对相位地图的每一距离上的相位分布进行快速傅立叶变换，以获得振动频率地图。其中，距离形貌地图呈现随相对于运动生理感测雷达的距离变化与时间变化的能量分布。
依据一些实施例，对于相位地图中的每一距离条状块分别计算能量阈值，能量阈值是依据对应的距离条状块的一能量平均值或一能量最大值来决定。并且，将每一距离条状块上每一相位的能量值与对应距离条状块的能量阈值相比，以选出超过能量阈值的至少一候选位置。
依据一些实施例，依据优化信号获得一相位地图及一振动频率地图，并从振动频率地图中选出具有能量强度超出一能量阈值的至少一候选位置；而从候选位置中选定N个目标位置且N大于1，其中该N个待测目标位置为至少一候选位置中具有符合一生理参数范围的一振动频率且具有前N大能量强度者；续而依据每一目标位置，取得相位地图中相对应一距离范围内的一个或多个目标相位数据。其中，相位地图呈现随相对于运动生理感测雷达的距离变化与相位变化的能量分布，振动频率地图呈现随相对于运动生理感测雷达的距离变化与振动频率变化的能量分布。
综上所述，依据一些实施例的数据前处理方法与运动生理感测雷达，能对于运动状态下的受测者精准感测生理参数并检测其运动激烈程度。在一些实施例中，通过加权数字信号，可提高信噪比。在一些实施例中，通过自动生成检测距离区域，可减少运算复杂度并提升物件追踪效果。在一些实施例中，通过信号处理以降低噪声，可减少噪声干扰。在一些实施例中，通过以统计特征集进行机器学习预测，可加速模型训练与预测速度。
附图说明
图1为依据一些实施例的运动生理感测雷达的使用状态示意图。
图2为例示雷达信号的示意图。
图3为依据一些实施例的频率调制连续波雷达的方框示意图。
图4为例示入射雷达信号与反射雷达信号的示意图。
图5为依据一些实施例的信号处理示意图。
图6为依据一些实施例的数据前处理方法的流程图。
图7为依据一些实施例的信号处理装置的方框示意图。
图8为依据一些实施例的二维空间频谱信号强度图。
图9为依据一些实施例的信号分析流程图。
图10A为依据一些实施例的距离形貌地图的原始彩图的灰阶版示意图。
图10B为依据一些实施例的距离形貌地图的原始彩图的黑白版示意图。
图11A为依据一些实施例的相位地图的原始彩图的灰阶版示意图。
图11B为依据一些实施例的相位地图的原始彩图的黑白版示意图。
图12A为依据一些实施例的振动频率地图的原始彩图的灰阶版示意图。
图12B为依据一些实施例的振动频率地图的原始彩图的黑白版示意图。
图13为依据一些实施例的距离条状块的振动频率分布示意图。
图14为依据一些实施例的另一数据前处理方法的流程图。
图15为依据一些实施例的信号处理示意图。
图16为执行图14所示流程的生理参数预测结果示意图。
图17为依据一些实施例的Bland-Altman图。
图18为依据一些实施例的又一数据前处理方法的流程图。
图19为执行图18所示流程的生理参数预测结果示意图。
图20为依据一些实施例的Bland-Altman图。
主要组件符号说明：
10                                 运动生理感测雷达
10'                                频率调制连续波雷达
11                                 发射单元
12                                 接收单元
13                                 解调单元
14                                 模拟数字转换器
15                                 处理单元
16                                 信号处理模块
60                                 信号处理装置
61                                 处理器
62                                 存储装置
63                                 程序
64                                 机器学习模型
90                                 目标
FH                                 入射雷达信号
FN                                 反射雷达信号
A1、A2                              二维矩阵
B                                  脉冲带宽
Ct、Cr                              啁啾脉冲
C1、C2、C3、Cn                        啁啾脉冲
D1、D2、Dn                           数列
P1、P2、Pn                           频域信号
S200～S208                         步骤
S300～S309                         步骤
S701～S712                         步骤
S                                  斜率
SC                                 啁啾脉冲
SD                                 数字信号
SI                                 中频信号
SP                                 频域信号
Tc                                 持续时间
τ                                  延迟时间
Vth                                 能量阈值
具体实施方式
关于本文中所使用的“连接”术语，其指两个或多个元件相互直接作实体或电性接触，或是相互间接作实体或电性接触。
参照图1，图1为依据一些实施例的运动生理感测雷达10的使用状态示意图。运动生理感测雷达10发射雷达信号(后称“入射雷达信号FH”)。入射雷达信号FH发射至目标90会受到目标90(如受测者)的运动而调制并反射回运动生理感测雷达10，后称反射的雷达信号为“反射雷达信号FN”。于是，可通过分析反射雷达信号FN来检测目标90的一种或多种信息。信息可例如是速度、距离、方位、生理信息(如，心跳、呼吸)等。
在一些实施例中，运动生理感测雷达10可以是频率调制连续波(FrequencyModulated Continuous Wave，FMCW)雷达、连续波(Continuous Wave，CW)雷达或超宽带(Ultra-wideband，UWB)雷达。以下将以频率调制连续波雷达为例进行说明。
参照图2，图2为例示雷达信号的示意图，上半部呈现入射雷达信号FH的振幅对时间的变化，下半部呈现入射雷达信号FH的频率对时间的变化。入射雷达信号FH包括多个啁啾(chirp)脉冲SC。为了附图清晰，图2仅呈现一个啁啾脉冲SC。在此，啁啾脉冲SC为线性调频脉冲信号，指频率随时间以线性方式增加的正弦波。在一些实施例中，啁啾脉冲SC的频率是以非线性方式增加。为了方便说明，后续以线性方式来说明。如图2所示，在一持续时间Tc(如40微秒)内，啁啾脉冲SC根据一斜率S由一起始频率(如77GHz)线性增加至一终止频率(如81GHz)。起始频率与终止频率可选自毫米波频段(即30GHz至300GHz)。起始频率与终止频率之差为脉冲带宽B。
合并参照图3及图4。图3为依据一些实施例的频率调制连续波雷达10'的方框示意图。图4为例示入射雷达信号FH与反射雷达信号FN的示意图。频率调制连续波雷达10'包括发射单元11、接收单元12、解调单元13、模拟数字转换器14以及处理单元15。发射单元11用以发射入射雷达信号FH，包括发射天线和信号合成器。信号合成器用以产生包括啁啾脉冲Ct的入射雷达信号FH，并经由发射天线发射。接收单元12包括接收天线，用以接收包括至少一啁啾脉冲Cr的反射雷达信号FN。啁啾脉冲Cr可视为啁啾脉冲Ct的延迟版本。解调单元13、模拟数字转换器14以及处理单元15用以处理接收到的反射雷达信号FN，可合称为信号处理模块16。解调单元13连接发射单元11及接收单元12，包括混频器及低通滤波器。混频器将入射雷达信号FH的啁啾脉冲Ct和反射雷达信号FN相对应的啁啾脉冲Cr耦合，可产生两啁啾脉冲Ct、Cr的频率之和以及频率之差等两种耦合信号。低通滤波器将耦合后的信号进行低通滤波以去除高频成分，而获得两啁啾脉冲Ct、Cr的频率之差的耦合信号，后称“中频(Intermediate Frequency)信号SI”。模拟数字转换器14将中频信号SI转换为数字信号。处理单元15对数字信号进行数字信号处理。处理单元15可以例如是中央处理单元(CentralProcessing Unit，CPU)、图形处理器(Graphics Processing Unit，GPU)，或是其他可编程的一般用途或特殊用途的微处理器(Microprocessor)、数字信号处理器(Digital SignalProcessor，DSP)、可编程控制器、特殊应用集成电路(Application Specific IntegratedCircuits，ASIC)、可编程逻辑装置(Programmable Logic Device，PLD)或其他类似装置、芯片、集成电路以及其组合。
参照图4，中频信号SI的频率f0可表示为式1，S为斜率，τ为发送入射雷达信号FH至接收反射雷达信号FN之间的延迟时间。因此，τ可表示为式2，d为雷达发射天线至目标90间的距离，c为光速。将式2代入式1可获得式3。由式3可以知道，中频信号SI的频率f0隐含有距离信息(即频率调制连续波雷达10'与目标90之间的距离)。
f0＝S·τ…式1
τ＝2d/c…式2
f0＝2Sd/c…式3
参照图5，图5为依据一些实施例的信号处理示意图。在此，将啁啾脉冲SC分别依序编号为C1、C2、C3、…、Cn，n为正整数。模拟数字转换器14将所收到的对应各啁啾脉冲C1～Cn的中频信号SI转换为数字信号SD(分别表示成数列D1、D2…、Dn，n为正整数)，各啁啾脉冲Cx(x＝1～n)皆有对应的数列Dx(x＝1～n)。数字信号SD的数列Dx(x＝1～n)可分别表示为一维阵列(横列(Row)矩阵)。将此些横向阵列Dx(x＝1～n)依序纵向排列而可成为二维矩阵A1。可以理解的是，也可以将数字信号SD排列成直行(Column)阵列，并将该些直行阵列依序横向排列，同样可以得到另一二维矩阵。二维矩阵A1的值代表信号强度(振幅)。二维矩阵A1的直行的索引值x对应于啁啾脉冲SC的次序。二维矩阵A1的横列的索引值具有时间的含意，亦即二维矩阵A1的横列阵列为时域信号(与时间相关的一组数字数据)。
处理单元15对二维矩阵A1(即数字信号SD形成的二维矩阵A1)的各个横列矩阵执行快速傅立叶变换(Fast Fourier Transform，FFT)(后称“距离傅立叶变换”)而可取得频域信号SP(分别表示为P1、P2…、Pn，n为正整数)，即二维矩阵A2。因此，二维矩阵A2的横列矩阵相当于响应于一啁啾脉冲Cx的频谱分布。如前述，中频信号SI的频率隐含有距离信息。亦即，二维矩阵A2的横列的索引值具有距离含义。二维矩阵A2的值代表频谱上各频率的强度，可呈现相距频率调制连续波雷达10'不同距离所反射的雷达信号强度。如图5所示，二维矩阵A2中的填色框为峰值处(即数值超过一阈值)，表示在此频率对应距离处有目标90。从峰值处的频率可以计算出频率调制连续波雷达10'与该目标90之间的距离。进一步地，根据不同时点所计算出的特定目标90的距离变化，可计算得大范围运动信息(如平均速度)。
上述虽是以发射单元11具有一个发射天线、接收单元12具有一个接收天线为例来说明。然而，发射单元11具有多个发射天线，以发射多个入射雷达信号FH，接收单元12具有多个接收天线，以分别接收反射雷达信号FN，以进行波束成形。
合并参照图6及图7。图6为依据一些实施例的雷达信号数据前处理方法的流程图，说明了可用于使用机器学习模型进行生理参数预测的数据前处理过程。图7为依据一些实施例的信号处理装置60的方框示意图。信号处理装置60包含处理器61及存储装置62。存储装置62为计算机可读取存储媒体，存储供处理器61执行的程序63，以执行数据前处理方法。在一些实施例中，信号处理装置60为前述频率调制连续波雷达10'，处理器61为前述处理单元15。在一些实施例中，信号处理装置60为边缘装置或是云端服务器，亦即频率调制连续波雷达10'获得数字信号SD之后，数字信号SD将被传送至边缘装置或云端服务器，由边缘装置或云端服务器进行数字信号处理。
在步骤S200中，如前所述，模拟数字转换器14可将所收到的对应各啁啾脉冲Cx的中频信号SI转换为数字信号SD，因而处理器61可获得对应于反射雷达信号FN的数字信号SD。此外，在接收到数字信号SD之后，频率调制连续波雷达10'以波束成形(beamforming)方式对场域进行扫描，计算不同距离和方位角的信号强度，以获得能量分布参数集。能量分布参数集包括角度、距离、功率等参数，据此可建立二维空间的频谱信号强度图。如图8所示，图8为依据一些实施例的二维空间频谱信号强度图。横轴为距离，纵轴为角度，在此以颜色深浅呈现功率大小(能量强度)。波束成形算法除了使用快速傅立叶变换之外，也可以采用其他如自我调整波束成形方法，例如多信号分类(MUltiple SIgnal Classification；MUSIC)、Capon、ESPRIT、CBF算法等。
在步骤S202中，利用能量分布参数集，通过过滤背景噪声方式搜寻场域中是否存在目标90。所述过滤背景噪声方式可例如固定错误警报率过滤法(Constant False AlarmRate，CFAR)，通过此演算若发现有峰值(如图8的虚线框所示)，即表示存在目标90。
在步骤S204中，依据能量分布参数集，加权数字信号SD而获得一优化信号，如式4所示。Yk为优化信号，XS为数字信号，wk(r,θ)为依据距离r与角度θ参数所计算得的权重。加权权重的计算方式可将能量分布参数集中的距离r与角度θ参数代入Capon Beamforming权重公式来计算。藉此，可对特定区域(即邻近目标90的区域)的信号进行优化，提高信噪比。
Yk＝Xs·wk(r，θ)…式4
在步骤S206中，可利用优化信号进行分析，以取出对应于目标90的目标相位数据。取得目标相位数据后，可用于输入至机器学习模型64，以预测生理参数(步骤S208)。例如预测对应呼吸频率或心跳频率。在一些实施例中，目标相位数据是经过正规化，再输入至机器学习模型64中。在一实施例中，机器学习模型64采用MobileNetV3模型。使用样本是采集两种运动器材(脚踏车及椭圆机)的使用数据。每种运动器材收集30人次雷达数据，共计60人次雷达数据，其中50笔作为训练用，10笔做预测用。每一笔雷达数据包括四种运动强度(休息、慢、中、快)的数据，每种运动强度时长两分钟。频率调制连续波雷达10'架设高度在1～2.5米，距离受测者0.5～1.5米，但不限定于此。收集过程中，受测者配戴心率计，以同步获取实时心率作为标记样本。接下来先说明如何分析优化信号，以取得目标相位数据。
参照图9，图9为依据一些实施例的信号分析流程图。首先，在步骤S701中，对优化信号执行前述的距离傅立叶变换，可获得距离形貌地图(Range profile map)(步骤S702)。如图10A所示，图10A为依据一些实施例的距离形貌地图的原始彩图的灰阶版示意图。如图10B所示，图10B为依据一些实施例的距离形貌地图的原始彩图的黑白版示意图。距离形貌地图呈现随相对于频率调制连续波雷达10'的距离变化(横轴)与时间变化(纵轴)的能量分布，在此由颜色深浅呈现能量差异。
依据优化信号，除了可以获得距离形貌地图之外，还可进一步获得相位地图及振动频率地图。在步骤S703中，对距离形貌地图进行消除直流偏压(DC removal)、IQ不平衡补偿(ellipse correction)、反正切(arctangent)及相位展开(phase unwrapping)，以获得相位地图(步骤S704)。如图11A所示，图11A为依据一些实施例的相位地图的原始彩图的灰阶版示意图。如图11B所示，图11B为依据一些实施例的相位地图的原始彩图的黑白版示意图。相位地图呈现随相对于频率调制连续波雷达10'的距离变化(横轴)与相位变化(纵轴)的能量分布，在此由颜色深浅呈现能量差异。接着，在步骤S705中，对相位地图的每一距离上的相位分布(即距离条状块，range bin)进行快速傅立叶变换而取得振动频率地图(步骤S706)。如图12A所示，图12A为依据一些实施例的振动频率地图的原始彩图的灰阶版示意图。如图12B所示，图12B为依据一些实施例的振动频率地图的原始彩图的黑白版示意图。振动频率地图呈现随相对于频率调制连续波雷达10'的距离变化(横轴)与振动频率变化(纵轴)的能量分布，在此由颜色深浅呈现能量差异。
取得振动频率地图之后，在步骤S707中，从振动频率地图中选出具有能量强度超出一能量阈值的至少一候选位置(步骤S708)。如图13所示，图13为依据一些实施例的距离条状块的振动频率分布示意图。图13中呈现一个超过能量阈值Vth的波峰，因此该距离条状块被选择为候选位置。换言之，步骤S707是将相位地图中的每一距离条状块和能量阈值Vth进行比较，若超过能量阈值Vth，则将对应的距离条状块选作为候选位置。
在一些实施例中，能量阈值Vth为浮动阈值。对于相位地图中的每一距离条状块分别计算各别的能量阈值Vth。能量阈值Vth是依据对应的该距离条状块的能量平均值或能量最大值来决定。举例来说，能量阈值Vth为a倍能量平均值与b倍能量最大值的总和，其中a+b＝1，a与b为正数。再举另一例，能量阈值Vth为a倍能量平均值，其中a为正数。
前述步骤S708所获得的候选位置可能为多个，因此需要进一步判定应选用何者，以排除干扰信号。在步骤S709中，从候选位置中选定其中一个或多个，以获得一个或多个目标位置(步骤S710)。此目标位置为候选位置中具有符合一生理参数范围的振动频率的一者。所述生理参数范围可例如是呼吸频率范围(如每分钟10～20次)、心跳频率范围(如每分钟60～100次)等。
具体来说，在一些实施例中，检测场域中存在一个目标90。找出每一具有符合生理参数范围的振动频率的候选位置，并选出其中具有最大的震荡频率范围的能量大小者。此选出的候选位置(距离)即为目标90所在位置(即目标位置)。
在一些实施例中，检测场域中存在多个目标90。从候选位置中选定N个目标位置且N大于1，其中此N个目标位置为候选位置中具有符合生理参数范围的振动频率且具有前N大能量强度者。此些目标位置即为目标90所在位置(即目标位置)。
确定了一个或多个目标所在位置之后，便可据以取出相应的一个或多个目标相位数据(步骤S711)。考量运动状态下的物件检测可能会产生误判而有偏差。在步骤S711中，依据每一目标位置，取得相位地图中相对应距离范围内的一目标相位数据(步骤S712)。在一些实施例中，依据每一目标位置，取得相位地图中相对应距离范围内的一目标相位数据，其中该目标相位数据包括目标位置的距离条状块。在另一些实施例中，依据每一目标位置，取得相位地图中相对应距离范围内的多个目标相位数据，其中此些目标相位数据除了包括目标位置的距离条状块之外，也包括目标位置相邻的一个或多个距离条状块。例如，以目标位置的距离条状块为中心，向两旁各取两个距离条状块，则目标相位数据包括有五个距离条状块。
在此说明前述步骤S208的内容。在步骤S208中，将每一待测目标位置的目标相位数据输入至机器学习模型64中，以获得生理参数预测结果。例如预测对应呼吸频率或心跳频率。在一些实施例中，目标相位数据是经过正规化，再输入至机器学习模型64中。
参照图14，图14为依据一些实施例的另一数据前处理方法的流程图。相较于图6，在步骤S206之前还包括步骤S205。在步骤S205中，可持续收集并统计一期间(例如10～20秒)内的能量分布参数集，以分析目标90的活动状态，据以决定出涵盖目标90活动范围的一检测距离区域(bounding box)，如图8所示的虚线框。据此，在步骤S206中，便可仅针对检测距离区域(特定范围内)的优化信号进行分析。也就是说，在前述步骤S707中，仅需监测检测距离区域范围内的距离条状块，而从振动频率地图中检测距离区域内选取候选位置。如此，可节省运算量与运算时间。检测距离区域可定时(例如30秒)更新。更新周期可视所分析出的目标90在检测距离区域内的扰动速率动态调整。例如，当目标90活动摆动剧烈时可缩短更新周期；相对地，当目标90活动摆动和缓时可延长更新周期，以降低计算复杂度。在本发明的另一些实施例中，可选取多个检测距离区域，以因应多目标检测的需求。
在一些实施例中，如图14所示，相较于图6，在执行步骤S208之前，还先对目标相位数据进行信号处理(步骤S207)。参照图15，图15为依据一些实施例的信号处理示意图。图15上方附图为一距离条状块的示意图，经相位差计算之后，呈现图15中间附图。相位差计算是指将两相邻的前后数值相减。接着，去除脉冲噪声之后，呈现图15下方附图。具体做法可例如是，当相位差太大，超出一预设阈值时，则以0取代之。如此，可降低噪声干扰。
参照图16，图16为执行图14所示流程的生理参数预测结果示意图。准确率为90.49％，均方根误差为12.72(次/分，bpm)，标准误差为7.43(次/分，bpm)。可以看到，预测的心率数值变化与实际心率变化是一致的，可有效判断运动激烈程度。作为对照，若不使用优化信号而使用数字信号SD来执行图9所示的流程便输入至机器学习模型64(不执行步骤S207的信号处理)，则准确率为86.88％，均方根误差为20.04(次/分，bpm)，标准误差为14.69(次/分，bpm)。可以看到本发明一些实施例的预测结果提升约4％准确率。参照图17，图17为依据一些实施例的Bland-Altman图，以比较此两种作法的预测结果的差异。
参照图18，图18为依据一些实施例的又一数据前处理方法的流程图。相较于图14，步骤S300～S307与前述步骤S200～S207大致相同，差异在于，本实施例不直接将目标相位数据输入至机器学习模型64。在步骤S308中，通过小波变换将目标相位数据中的每个距离条状块分成多个子频带(sub-band)，并对每一子频带进行统计分析，以获得一统计特征集。举例来说，对于每一子频带统计：熵(entropy)、偏度(skewness)、峰度(kurtosis)、变异数(variance)、标准差(standard deviation)、平均数(mean)、中位数(median)、第5百分位数(5th percentile value)、第25百分位数(25th percentile value)、第75百分位数(75thpercentile value)、第95百分位数(95th percentile value)、平方平均数(root meansquare value)、过零率(zero crossing rate)以及过平均率(mean crossing rate)等共14个统计特征。若进行五阶小波分解共取得6个子频带，则一个距离条状块的数据量可从500笔缩减至84笔特征参数。如此，可减少运算负担。
在步骤S309中，将统计特征集输入至机器学习模型中，以获得一生理参数预测结果。参照图19，图19为执行图18所示流程的生理参数预测结果示意图。准确率为88.76％，均方根误差为15.02(次/分，bpm)，标准误差为8.58(次/分，bpm)。参照图20，图20为依据一些实施例的Bland-Altman图，以对照执行图15及图18所示流程的结果。可以看到虽然准确率略差一些，但预测表现并没有太多差异。
上述非接触运动生理感测方法是以滑动视窗(sliding window)方式来取得数字信号SD并进行处理。在一些实施例中，视窗大小为10秒，时步(time steps)为一秒。
综上所述，依据一些实施例的雷达信号数据前处理方法与运动生理感测雷达10，能对于运动状态下的受测者精准感测生理参数并检测其运动激烈程度。在一些实施例中，通过加权数字信号，可提高信噪比。在一些实施例中，通过自动生成检测距离区域，可减少运算复杂度并提升物件追踪效果。在另一些实施例中，通过自动生成多个检测距离区域，以因应多目标检测的需求。在一些实施例中，通过信号处理以降低噪声，可减少噪声干扰。在一些实施例中，通过以统计特征集进行机器学习预测，可加速模型训练与预测速度。

Claims (21)

1.一种数据前处理方法，由一信号处理装置中的一处理器执行，该数据前处理方法包括：
获得经由波束成形扫描而得的一能量分布参数集及一数字信号，该数字信号对应于一运动生理感测雷达的一反射雷达信号；
利用该能量分布参数集，通过过滤背景噪声方式搜寻一目标；
依据该能量分布参数集，加权该数字信号而获得一优化信号；
分析该优化信号，以从该优化信号中取出对应于该目标的一个或多个目标相位数据；以及
输入该一个或多个目标相位数据至一机器学习模型中，以获得一生理参数预测结果。
2.如权利要求1所述的数据前处理方法，该数据前处理方法还包括：
统计一期间内的该能量分布参数集，以决定出涵盖该目标活动范围的一检测距离区域，其中分析该优化信号的步骤是对于位于该检测距离区域内的该优化信号进行分析。
3.如权利要求1所述的数据前处理方法，其中在将该一个或多个目标相位数据输入至该机器学习模型之前，还对该一个或多个目标相位数据进行一信号处理，该信号处理包括：相位差计算与移除脉冲噪声。
4.如权利要求1所述的数据前处理方法，其中分析该优化信号的步骤包括：
依据该优化信号获得一相位地图及一振动频率地图，其中该相位地图呈现随相对于该运动生理感测雷达的距离变化与相位变化的能量分布，该振动频率地图呈现随相对于该运动生理感测雷达的距离变化与振动频率变化的能量分布；
从该振动频率地图中选出具有能量强度超出一能量阈值的至少一候选位置；
从该至少一候选位置中选定一目标位置，该目标位置为该至少一候选位置中具有符合一生理参数范围的一振动频率且具有最大的能量强度者；以及
依据该目标位置，取得该相位地图中一距离范围内的该一个或多个目标相位数据。
5.如权利要求4所述的数据前处理方法，该数据前处理方法还包括：
统计一期间内的该能量分布参数集，以决定出涵盖该目标活动范围的一检测距离区域，其中选出该至少一候选位置的步骤是从该振动频率地图中该检测距离区域选取。
6.如权利要求4所述的数据前处理方法，其中获得该相位地图及该振动频率地图的步骤包括：
对该优化信号进行快速傅立叶变换，以获得一距离形貌地图，其中该距离形貌地图呈现随相对于该运动生理感测雷达的距离变化与时间变化的能量分布；
对该距离形貌地图的每一距离延时间变化进行消除直流偏压、IQ不平衡补偿、反正切及相位展开，以获得该相位地图；以及
对该相位地图的每一距离上的相位分布进行快速傅立叶变换，以获得该振动频率地图。
7.如权利要求4所述的数据前处理方法，其中从该振动频率地图中选出该至少一候选位置的步骤包括：
对于该相位地图中的每一距离条状块分别计算该能量阈值，该能量阈值是依据对应的该距离条状块的一能量平均值或一能量最大值来决定；以及
将每一该距离条状块上每一相位的能量值与对应该距离条状块的该能量阈值相比，以选出超过该能量阈值的该至少一候选位置。
8.一种运动生理感测雷达，该运动生理感测雷达包括：
一发射单元，该发射单元发送一入射雷达信号；
一接收单元，该接收单元接收一反射雷达信号；以及
一信号处理模块，该信号处理模块控制该发射单元及该接收单元以进行波束成形扫描，以获得一能量分布参数集，并依据该反射雷达信号获得对应的一数字信号，且利用该能量分布参数集，通过过滤背景噪声方式搜寻一目标，并依据该能量分布参数集，加权该数字信号而获得一优化信号，而分析该优化信号，以从该优化信号中取出对应于该目标的一个或多个目标相位数据，以及输入该一个或多个目标相位数据至一机器学习模型中，以获得一生理参数预测结果。
9.如权利要求8所述的运动生理感测雷达，其中该信号处理模块统计一期间内的该能量分布参数集，以决定出涵盖该目标活动范围的一检测距离区域，以对于位于该检测距离区域内的该优化信号进行分析。
10.如权利要求8所述的运动生理感测雷达，其中该信号处理模块在将该一个或多个目标相位数据输入至该机器学习模型之前，还对该一个或多个目标相位数据进行一信号处理，该信号处理包括：相位差计算与移除脉冲噪声。
11.如权利要求8所述的运动生理感测雷达，其中该信号处理模块依据该优化信号获得一相位地图及一振动频率地图，从该振动频率地图中选出具有能量强度超出一能量阈值的至少一候选位置，且从该至少一候选位置中选定一目标位置，而依据该目标位置，取得该相位地图中一距离范围内的该一个或多个目标相位数据；
其中，该相位地图呈现随相对于该运动生理感测雷达的距离变化与相位变化的能量分布，该振动频率地图呈现随相对于该运动生理感测雷达的距离变化与振动频率变化的能量分布，该目标位置为该至少一候选位置中具有符合一生理参数范围的一振动频率且具有最大的能量强度者。
12.如权利要求11所述的运动生理感测雷达，其中该信号处理模块统计一期间内的该能量分布参数集，以决定出涵盖该目标活动范围的一检测距离区域，以从该振动频率地图中该检测距离区域选出该至少一候选位置。
13.如权利要求11所述的运动生理感测雷达，其中该信号处理模块对该优化信号进行快速傅立叶变换，以获得一距离形貌地图，并对该距离形貌地图的每一距离延时间变化进行消除直流偏压、IQ不平衡补偿、反正切及相位展开，以获得该相位地图，且对该相位地图的每一距离上的相位分布进行快速傅立叶变换，以获得该振动频率地图；
其中，该距离形貌地图呈现随相对于该运动生理感测雷达的距离变化与时间变化的能量分布。
14.如权利要求11所述的运动生理感测雷达，其中该信号处理模块对于该相位地图中的每一距离条状块分别计算该能量阈值，并将每一该距离条状块上每一相位的能量值与对应该距离条状块的该能量阈值相比，以选出超过该能量阈值的该至少一候选位置，其中该能量阈值是依据对应的该距离条状块的一能量平均值或一能量最大值来决定。
15.一种数据前处理方法，由一信号处理装置中的一处理器执行，该数据前处理方法包括：
获得经由波束成形扫描而得的一能量分布参数集及一数字信号，该数字信号对应于一运动生理感测雷达的一反射雷达信号；
利用该能量分布参数集，通过过滤背景噪声方式搜寻一目标；
分析该数字信号，以从该数字信号取出对应于该目标的一个或多个目标相位数据；
通过小波变换将该一个或多个目标相位数据分成多个子频带；
对每一该子频带进行统计分析，以获得一统计特征集；以及
输入该统计特征集至一机器学习模型中，以获得一生理参数预测结果。
16.如权利要求15所述的数据前处理方法，其中分析该数字信号的步骤包括：
依据该能量分布参数集，加权该数字信号而获得一优化信号；以及
分析该优化信号，以从该优化信号中取出对应于该目标的该一个或多个目标相位数据。
17.如权利要求16所述的数据前处理方法，其中分析该优化信号的步骤包括：
依据该优化信号获得一相位地图及一振动频率地图，其中该相位地图呈现随相对于该运动生理感测雷达的距离变化与相位变化的能量分布，该振动频率地图呈现随相对于该运动生理感测雷达的距离变化与振动频率变化的能量分布；
从该振动频率地图中选出具有能量强度超出一能量阈值的至少一候选位置；
从该至少一候选位置中选定一目标位置，该目标位置为该至少一候选位置中具有符合一生理参数范围的一振动频率且具有最大的能量强度者；以及
依据该目标位置，取得该相位地图中一距离范围内的该一个或多个目标相位数据。
18.如权利要求17所述的数据前处理方法，其中从该振动频率地图中选出该至少一候选位置的步骤包括：
对于该相位地图中的每一距离条状块分别计算该能量阈值，该能量阈值是依据对应的该距离条状块的一能量平均值或一能量最大值来决定；以及
将每一该距离条状块上每一相位的能量值与对应该距离条状块的该能量阈值相比，以选出超过该能量阈值的该至少一候选位置。
19.如权利要求17所述的数据前处理方法，该数据前处理方法还包括：
统计一期间内的该能量分布参数集，以决定出涵盖该目标活动范围的一检测距离区域，其中分析该优化信号的步骤是对于位于该检测距离区域内的该优化信号进行分析。
20.如权利要求16所述的数据前处理方法，其中分析该优化信号的步骤包括：
依据该优化信号获得一相位地图及一振动频率地图，其中该相位地图呈现随相对于该运动生理感测雷达的距离变化与相位变化的能量分布，该振动频率地图呈现随相对于该运动生理感测雷达的距离变化与振动频率变化的能量分布；
从该振动频率地图中选出具有能量强度超出一能量阈值的至少一候选位置；
从该至少一候选位置中选定N个目标位置且N大于1，其中该N个待测目标位置为该至少一候选位置中具有符合一生理参数范围的一振动频率且具有前N大能量强度者；以及
依据每一该目标位置，取得该相位地图中相对应一距离范围内的该一个或多个目标相位数据。
21.如权利要求15所述的数据前处理方法，其中在将该一个或多个目标相位数据进行小波变换之前，还对该一个或多个目标相位数据进行一信号处理，该信号处理包括：相位差计算与移除脉冲噪声。
CN202111457522.0A 2021-10-29 2021-12-01 数据前处理方法与运动生理感测雷达 Pending CN116068513A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
TW110140489 2021-10-29
TW110140492A TW202318246A (zh) 2021-10-29 2021-10-29 資料前處理方法與運動生理感測雷達
TW110140492 2021-10-29
TW110140489A TWI833125B (zh) 2021-10-29 非接觸運動生理感測方法與運動生理感測雷達

Publications (1)

Publication Number Publication Date
CN116068513A true CN116068513A (zh) 2023-05-05

Family

ID=81850777

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111457522.0A Pending CN116068513A (zh) 2021-10-29 2021-12-01 数据前处理方法与运动生理感测雷达

Country Status (3)

Country Link
US (1) US20230136937A1 (zh)
EP (1) EP4174515A1 (zh)
CN (1) CN116068513A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN117724094A (zh) * 2024-02-07 2024-03-19 浙江大华技术股份有限公司 生命体征检测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210197834A1 (en) * 2016-11-21 2021-07-01 George Shaker System and method for sensing with millimeter waves for sleep position detection, vital signs monitoring and/or driver detection
TWI743570B (zh) * 2019-10-09 2021-10-21 國立中山大學 多目標生理徵象偵測器及其偵測方法
US11585891B2 (en) * 2020-04-20 2023-02-21 Infineon Technologies Ag Radar-based vital sign estimation

Also Published As

Publication number Publication date
US20230136937A1 (en) 2023-05-04
EP4174515A1 (en) 2023-05-03

Similar Documents

Publication Publication Date Title
US7567204B2 (en) Method for determining noise floor level and radar using the same
CN116068513A (zh) 数据前处理方法与运动生理感测雷达
CN111352102A (zh) 一种基于调频连续波雷达的多目标个数检测方法及装置
US11614516B2 (en) Radar vital signal tracking using a Kalman filter
CN107683423A (zh) 用于调频连续波雷达中的对象检测的低复杂度超分辨率技术
CN112998668B (zh) 基于毫米波的非接触式远场多人体呼吸心率监测方法
CN112336322A (zh) 一种无接触式呼吸或心跳检测方法
US11163057B2 (en) Estimation device, living body count estimation device, estimation method, and recording medium
US20220179062A1 (en) Detection apparatus and method
CN111505631A (zh) 基于lfmcw雷达的心率估计算法
Hu et al. A new way to model nonstationary sea clutter
CN107526064A (zh) 基于二维特征的自适应lfm信号参数估计方法
JP7072403B2 (ja) バイタルセンサ
KR101971782B1 (ko) 레이더 신호의 시계열 데이터 분석을 이용한 생체 정보 결정 장치 및 방법
Chen et al. Ultrawideband synthetic aperture radar for respiratory motion detection
US20220381877A1 (en) Method for removing random noise of radar collection signal in biometric signal measurement radar, and apparatus for same
CN115460980A (zh) 一种基于多普勒雷达的非接触式呼吸监测方法
KR101916591B1 (ko) 레이더 신호의 주성분 분석을 이용한 생체 정보 결정 장치 및 방법
KR20140040422A (ko) Ｄａｔａ Ｍａｔｒｉｘ Ｂａｎｋ Ｆｉｌｔｅｒ를 이용한 이동체용 레이더의 클러터 제거기 및 제거방법
TW202318246A (zh) 資料前處理方法與運動生理感測雷達
KR20230077607A (ko) 시간적 위상 코히어런시에 기반한 심박 측정 거리 결정 장치 및 방법
Abdulatif et al. Power-based real-time respiration monitoring using FMCW radar
CN116068550A (zh) 非接触运动生理感测方法与运动生理感测雷达
TWI833125B (zh) 非接觸運動生理感測方法與運動生理感測雷達
US20210063563A1 (en) System and method for remote monitoring

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