CN116831540A - 一种基于毫米波的非接触式生命体征监测方法及系统 - Google Patents
一种基于毫米波的非接触式生命体征监测方法及系统 Download PDFInfo
- Publication number
- CN116831540A CN116831540A CN202310836828.XA CN202310836828A CN116831540A CN 116831540 A CN116831540 A CN 116831540A CN 202310836828 A CN202310836828 A CN 202310836828A CN 116831540 A CN116831540 A CN 116831540A
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- millimeter wave
- signals
- radar
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000000241 respiratory effect Effects 0.000 claims abstract description 34
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 210000000115 thoracic cavity Anatomy 0.000 claims abstract description 18
- 238000001228 spectrum Methods 0.000 claims abstract description 12
- 230000006835 compression Effects 0.000 claims description 24
- 238000007906 compression Methods 0.000 claims description 24
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 210000000038 chest Anatomy 0.000 claims description 2
- 238000005070 sampling Methods 0.000 description 13
- 238000001514 detection method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000006306 Cor pulmonale Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001121 heart beat frequency Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Cardiology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pulmonology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出了一种基于毫米波的非接触式生命体征监测方法及系统,涉及毫米波雷达技术领域,向目标人体发射毫米波雷达信号;接收目标人体的胸腔振动反射回来的回波信号;回波信号与发射的毫米波雷达信号混频得到中频信号,提取所述中频信号的频率和相位;根据所述中频信号的频率和相位构建频域信号,基于呼吸信号与心跳信号在频谱特性上的差异滤除呼吸信号,得到心跳信号。
Description
技术领域
本发明涉及毫米波雷达技术领域,具体涉及一种基于毫米波的非接触式生命体征监测方法及系统。
背景技术
由于经济发展和人们生活水平的提高,人们越来越注重生命健康。而对于评估人体健康最重要的两项参数为呼吸和心跳信号,呼吸和心跳决定了人体基础功能和正常运作。
由于近年来由于突发性心肺病症而导致死亡情况逐年增加,为保证人们的生命财产安全需要对特定群体的进行实时生命体征监测,当发生突发情况时能够及时报警和提供救治,呼吸、心跳等生命体征信号的精确测量对健康状况的判断有着重要意义。
非接触呼吸心跳监测探测系统有着非常大的应用前景,非接触式测量能够在不接触皮肤的情况下,利用声、光、电、热能等介质间接探测呼吸、心跳引起的皮肤表面的温度变化和胸腔规律性变化,这些传感器探测到的信息经过一系列的算法可以提取出呼吸、心跳信息
目前非接触生命体征探测系统为了实现多目标精确探测,主要都是使用线性调频毫米波雷达,但目前实现生命探测系统的问题有:
1、由于雷达硬件以及相关的频率估计算法限制,目前所获得的生命体征探测结果约为30%,误差较大,且由于人体自身运动也容易产生干扰,导致测量结果不稳定。
2、由于呼吸和心跳的信号频率非常低,所以需要经过一段较长时间的信号采集才能采集到的数个周期的信号,实时性差,导致探测结果存在延迟,不适用于一些情况需要实时处理的场景,如重症监护、汽车安全驾驶等。
3、目前研究的系统及算法基本都是在PC端实现的,由于PC端体积较大,成本较高,且便利性不足且难以在小型的,低成本的处理器上实现。
发明内容
为了解决上述技术问题,本发明提出了一种基于毫米波的非接触式生命体征监测方法,包括:
S1、向目标人体发射毫米波雷达信号;
S2、接收目标人体的胸腔振动反射回来的回波信号;
S3、回波信号与发射的毫米波雷达信号混频得到中频信号,提取所述中频信号的频率和相位;
S4、根据所述中频信号的频率和相位构建频域信号,基于呼吸信号与心跳信号在频谱特性上的差异滤除呼吸信号,得到心跳信号。
进一步地,步骤S4中,据中频信号的频率fIF和相位对中频信号进行频域转换,得到频域信号Y(f)为呼吸信号的频率fb和心跳信号的频率fh的函数Y(fb+fh):
其中,B为呼吸的幅度,Cb为呼吸信号的频谱幅值,雷达回波信号的中频信号的频率fIF是由呼吸信号的频率fb和心跳信号的频率fh组成。
进一步地,使用线性滤波因子将呼吸信号从中频信号的频域信号中滤除掉,重构得到心跳信号;
频域信号Y(f)经过压缩算符Φ作用后的信号y为:
y=ΦY(f)=ΦY(fb,fh);
构造一个线性滤波因子M,将其作用至压缩测量后的信号y,得到:
M·y=M·ΦY(fb,fh);
从信号y中去除作为非目标信号的呼吸信号的频率fb,同时保证信号y中仍包含作为目标信号的心跳信号的频率fh。
进一步地,混频得到中频信号前,对回波信号中的噪声信号进行过滤,噪声信号表示为Z(t):
W为产生噪声的散射中心数量,fc为发射的毫米波雷达信号的中心频率,i表示第i个散射中心,各散射中心的信号叠加为雷达每一次接收到的噪声信号Z(t),Ai是第i个散射中心的回波强度,Ri为第i个散射中心到雷达的径向距离,c为毫米波雷达信号的传播速度,γ是调频系数。
进一步地,步骤S1中,雷达在t时刻发射信号ST(t)表示为:
其中,j为虚数,t为时刻,fc为发射的毫米波雷达信号的中心频率,S为发射的毫米波雷达信号的斜率,为发射信号初始相位。
进一步地,步骤S2中,雷达接收目标人体的胸腔振动反射回来的回波信号SR(t)表示为:
为毫米波雷达信号的往返时间,c为毫米波雷达信号的传播速度,雷达与目标人体的胸腔随时间的位移R(t)表示为:
R(t)=R0(t)+r′(t);
其中,R0(t)为雷达与目标人体的距离,r′(t)为胸腔随时间的位移变化。
本发明还提出了一种基于毫米波的非接触式生命体征监测系统,用于实现非接触式生命体征监测方法,包括:发射装置,接收装置,混频装置,体征参数获取装置;
所述发射装置用于向目标人体发射毫米波雷达信号;
所述接收装置用于接收目标人体的胸腔振动反射回来的回波信号;
所述混频装置用于将回波信号与发射的毫米波雷达信号混频得到中频信号,提取中频信号的频率和相位;
所述体征参数获取装置用于根据中频信号的频率和相位构建频域信号,基于呼吸信号与心跳信号在频谱特性上的差异滤除呼吸信号,得到心跳信号。
进一步地,所述体征参数获取装置包括:频域信号构建单元,压缩测量单元,压缩滤波单元;
频域信号构建单元用于根据中频信号的频率和相位构建频域信号;
压缩测量单元用于将频域信号进行压缩测量,得到压缩测量后的信号;
压缩滤波单元用于从压缩测量后的信号中去除作为非目标信号的呼吸信号的频率,同时保证压缩测量后的信号中包含作为目标信号的心跳信号的频率。
相比于现有技术,本发明具有如下有益技术效果:
向目标人体发射毫米波雷达信号;接收目标人体的胸腔振动反射回来的回波信号;回波信号与发射的毫米波雷达信号混频得到中频信号,提取所述中频信号的频率和相位;根据所述中频信号的频率和相位构建频域信号,基于呼吸信号与心跳信号在频谱特性上的差异滤除呼吸信号,得到心跳信号。本发明可对目标人体的呼吸和心跳信号等关键生命体征进行实时、高效地非接触式测量,能够使用户了解被监测对象当前的呼吸心跳频率等生命体征信息,误差波动小,测量精度高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的基于毫米波的非接触式生命体征监测方法的流程示意图;
图2为本发明的基于毫米波的非接触式生命体征监测系统结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本发明的具体实施例附图中,为了更好、更清楚的描述系统中的各元件的工作原理,表现所述装置中各部分的连接关系,只是明显区分了各元件之间的相对位置关系,并不能构成对元件或结构内的信号传输方向、连接顺序及各部分结构大小、尺寸、形状的限定。
如图1所示为本发明的基于毫米波的非接触式生命体征监测方法的流程示意图,包括如下步骤:
S1、向目标人体发射毫米波雷达信号。
发射的毫米波雷达信号为锯齿波调制的线性调频连续波信号,雷达在t时刻发射信号ST(t)可以表示为:
其中,j为虚数,t为时刻,fc为发射的毫米波雷达信号的中心频率,S为发射的毫米波雷达信号的斜率,为发射信号初始相位。
S2、接收目标人体的胸腔振动反射回来的回波信号。
雷达接收目标人体的胸腔振动反射回来的回波信号SR(t)表示为:
为毫米波雷达信号的往返时间,c为毫米波雷达信号的传播速度,雷达与目标人体的胸腔随时间的位移R(t)表示为:
R(t)=R0(t)+r′(t);
上式中,R0(t)为雷达与目标人体的距离,r′(t)为胸腔随时间的位移变化。
在优选实施例中,目标人体的胸腔振动反射的雷达回波信号是随着动作变化而变化的,具有时变特性,一个信号的时域波形可以表述为信号随时间变化的曲线,通过曲线的高低幅值可以判断不同时刻与动作对应点的能量高低,动作幅度越大,能量幅值越高,动作变化越剧烈,能量变化越大。
雷达回波采样信号幅值的计算方法见下式:
瞬时能态值的计算方法见下式:
式中,A为幅值,I为雷达回波采样信号的实部信号,Q为雷达回波采样信号的虚部信号,E为雷达回波采样信号瞬时能态值,n为雷达回波采样信号的采样波数,n=1,2,…N。
将瞬时能态值E在时间轴上按照顺序排列得到信号的瞬时能态值特征,使用快速傅里叶变换对每个瞬时能态值特征E进行频谱分析,频率特征F的计算方法如下式:
式中,f(n)为采样频率,E(n)为对应采样频率的能量幅值,将F在时间轴上按照顺序排列得到信号的频率特征。
利用聚类算法将大于空间密度阈值的雷达回波采样信号进行聚类。利用空间密度Ep来判定雷达回波采样信号是否属于一类,空间密度是由搜索半径r和搜索空间内雷达回波采样信号的波数n决定,具体计算如下式所示:
设定空间密度阈值Eth,当雷达回波采样信号的空间密度Ep大于空间密度阈值Eth时,就认定该雷达回波采样信号属于同一类。
S3、回波信号与发射的毫米波雷达信号混频得到中频信号,提取所述中频信号的频率和相位。
雷达也会接收到来自观测范围内其他物体或者目标人体四肢、躯干等物体的回波,统称噪声信号。这些产生噪声的物体可能处于任何位置,可能与感兴趣的人体目标处于同一位置或不同位置,并且具有随机的反射强度。噪声与目标信号最重要的区别在于,这些物体在观测时间内保持静止,因此噪声信号在慢时间上不发生变化,噪声信号表示为Z(t):
W为产生噪声的散射中心数量,fc为发射的毫米波雷达信号的中心频率,i表示第i个散射中心,各散射中心的信号叠加即雷达每一次接收到的噪声信号Z(t),Ai是第i个散射中心的回波强度,Ri为第i个散射中心到雷达的径向距离,c为毫米波雷达信号的传播速度,γ是线性调频信号的调频系数。
根据计算出来的噪声信号的形式,设置滤波器,对噪声信号进行过滤,具体的过滤方法可采用现有技术的滤波方法。
滤除噪声信号后的回波信号SR(t)与发射的毫米波雷达信号ST(t)混频得到中频信号SIF(t)的表达式为:
中频信号的频率fIF和相位
其中,t为时刻,fc为发射的毫米波雷达信号的中心频率,S为发射的毫米波雷达信号的斜率,为发射信号初始相位,雷达与目标人体的胸腔随时间的位移为R(t),c为毫米波雷达信号的传播速度。
S4、根据中频信号的频率fIF和相位构建频域信号,基于呼吸信号与心跳信号在频谱特性上的差异滤除呼吸信号,得到心跳信号。
据中频信号的频率fIF和相位对中频信号进行频域转换,得到频域信号Y(f)为呼吸信号的频率fb和心跳信号的频率fh的函数Y(fb+fh):
其中,B为呼吸的幅度,Cb为呼吸信号的频谱幅值,雷达回波信号的中频信号的频率fIF是由呼吸信号的频率fb和心跳信号的频率fh组成。
基于呼吸与心跳在频谱特性上的差异,鉴别出呼吸信号谐波,考虑到每次呼吸的深浅差异,呼吸信号的频谱幅值存在若干个较大值。因此,需要对呼吸信号的频谱幅值进行最大值搜索,并将该最大值的一半设为阈值;然后搜索出频谱幅值中幅值超过阈值的所有频率点,并将其对应的幅度值加权平均,所得结果作为该时间段的呼吸率。
构建线性滤波因子,鉴别出的呼吸率的谐波,使用线性滤波因子将呼吸信号谐波从中频信号的频域信号中滤除掉,重构得到心跳信号。
优选地,逐次迭代滤除中频信号中的强信号,并渐次凸显微弱信号,然后根据频谱特征鉴别呼吸信号及呼吸信号的谐波,最后,再次使用线性滤波因子将呼吸信号的谐波从中频信号中滤除掉,从而能够将呼吸谐波的假频伪信号剔除出心率信号,得到更加精确的心跳信号,有助于心率及心率变异性的精准提取。
具体地,雷达回波信号的中频信号的频率fIF是由呼吸信号的频率fb和心跳信号的频率fh组成:
fIF=Cbfb+fh;
其中,心跳信号的频率fh为需要监测的目标信号;呼吸信号的频率fb为非目标信号。
fh和fb分别是在基Ψ上的Kh和Kb阶稀疏信号,而且fh和fb在基Ψ上是正交的,频域信号Y(f)经过压缩算符Φ作用后的信号y为:
y=ΦY(f)=ΦY(fb,fh);
压缩域滤波需要从信号y中去除非目标信号,即呼吸信号的频率fb的影响,同时还要保证处理后的信号y中仍包含足够的信息以完成目标信号,即心跳信号的频率fh的重构。
构造一个线性滤波因子M,将其作用至压缩作用后的信号y,得到:
M·y=M·ΦY(fb,fh)=M·ΦY(fb)+M·ΦY(fh);
压缩域滤波要达到的目标为:
M·ΦY(fb)=0;
且M·ΦY(fh)包含足够的信息以保证目标信号fh的重构。
如图2所示,为本发明的一种基于毫米波的非接触式生命体征监测系统结构示意图,该非接触式生命体征监测系统包括:发射装置,接收装置,混频装置,体征参数获取装置。
发射装置用于向目标人体发射毫米波雷达信号;
接收装置用于接收目标人体的胸腔振动反射回来的回波信号;
混频装置用于将回波信号与发射的毫米波雷达信号混频得到中频信号,提取中频信号的频率和相位;
体征参数获取装置用于根据中频信号的频率和相位构建频域信号,基于呼吸信号与心跳信号在频谱特性上的差异滤除呼吸信号,得到心跳信号。
体征参数获取装置包括:频域信号构建单元,压缩测量单元,压缩滤波单元。
频域信号构建单元用于根据中频信号的频率和相位构建频域信号;
压缩测量单元用于将频域信号进行压缩测量,得到压缩测量后的信号;
压缩滤波单元用于从压缩测量后的信号中去除作为非目标信号的呼吸信号的频率,同时保证压缩测量后的信号中包含作为目标信号的心跳信号的频率。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者通过所述计算机可读存储介质进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于毫米波的非接触式生命体征监测方法,其特征在于,包括:
S1、向目标人体发射毫米波雷达信号;
S2、接收目标人体的胸腔振动反射回来的回波信号;
S3、回波信号与发射的毫米波雷达信号混频得到中频信号,提取所述中频信号的频率和相位;
S4、根据所述中频信号的频率和相位构建频域信号,基于呼吸信号与心跳信号在频谱特性上的差异滤除呼吸信号,得到心跳信号。
2.根据权利要求1所述的非接触式生命体征监测方法,其特征在于,步骤S4中,根据中频信号的频率fIF和相位对中频信号进行频域转换,得到频域信号Y(f)为呼吸信号的频率fb和心跳信号的频率fh的函数Y(fb+fh):
其中,B为呼吸的幅度,Cb为呼吸信号的频谱幅值,雷达回波信号的中频信号的频率fIF是由呼吸信号的频率fb和心跳信号的频率fh组成。
3.根据权利要求2所述的非接触式生命体征监测方法,其特征在于,使用线性滤波因子将呼吸信号从中频信号的频域信号中滤除掉,重构得到心跳信号;
频域信号Y(f)经过压缩算符Φ作用后的信号y为:
y=ΦY(f)=ΦY(fb,fh);
构造一个线性滤波因子M,将其作用至压缩测量后的信号y,得到:
M·y=M·ΦY(fb,fh);
从信号y中去除作为非目标信号的呼吸信号的频率fb,同时保证信号y中仍包含作为目标信号的心跳信号的频率fh。
4.根据权利要求1所述的非接触式生命体征监测方法,其特征在于,混频得到中频信号前,对回波信号中的噪声信号进行过滤,噪声信号表示为Z(t):
W为产生噪声的散射中心数量,fc为发射的毫米波雷达信号的中心频率,i表示第i个散射中心,各散射中心的信号叠加为雷达每一次接收到的噪声信号Z(t),Ai是第i个散射中心的回波强度,Ri为第i个散射中心到雷达的径向距离,c为毫米波雷达信号的传播速度,0是调频系数。
5.根据权利要求1所述的接触式生命体征监测方法,其特征在于,步骤S1中,雷达在t时刻发射信号ST(t)表示为:
其中,j为虚数,t为时刻,fc为发射的毫米波雷达信号的中心频率,S为发射的毫米波雷达信号的斜率,为发射信号初始相位。
6.根据权利要求1所述的非接触式生命体征监测方法,其特征在于,步骤S2中,雷达接收目标人体的胸腔振动反射回来的回波信号SR(t)表示为:
为毫米波雷达信号的往返时间,c为毫米波雷达信号的传播速度,雷达与目标人体的胸腔随时间的位移R(t)表示为:
R(t)=R0(t)+r′(t);
其中,R0(t)为雷达与目标人体的距离,r′(t)为胸腔随时间的位移变化。
7.一种基于毫米波的非接触式生命体征监测系统,用于实现如权利要求1-6任意一项所述的非接触式生命体征监测方法,其特征在于,包括:发射装置,接收装置,混频装置,体征参数获取装置;
所述发射装置用于向目标人体发射毫米波雷达信号;
所述接收装置用于接收目标人体的胸腔振动反射回来的回波信号;
所述混频装置用于将回波信号与发射的毫米波雷达信号混频得到中频信号,提取中频信号的频率和相位;
所述体征参数获取装置用于根据中频信号的频率和相位构建频域信号,基于呼吸信号与心跳信号在频谱特性上的差异滤除呼吸信号,得到心跳信号。
8.根据权利要求1所述的非接触式生命体征监测方法,其特征在于,所述体征参数获取装置包括:频域信号构建单元,压缩测量单元,压缩滤波单元;
频域信号构建单元用于根据中频信号的频率和相位构建频域信号;
压缩测量单元用于将频域信号进行压缩测量,得到压缩测量后的信号;
压缩滤波单元用于从压缩测量后的信号中去除作为非目标信号的呼吸信号的频率,同时保证压缩测量后的信号中包含作为目标信号的心跳信号的频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310836828.XA CN116831540B (zh) | 2023-07-10 | 2023-07-10 | 一种基于毫米波的非接触式生命体征监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310836828.XA CN116831540B (zh) | 2023-07-10 | 2023-07-10 | 一种基于毫米波的非接触式生命体征监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116831540A true CN116831540A (zh) | 2023-10-03 |
CN116831540B CN116831540B (zh) | 2024-05-14 |
Family
ID=88163158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310836828.XA Active CN116831540B (zh) | 2023-07-10 | 2023-07-10 | 一种基于毫米波的非接触式生命体征监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116831540B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118068287A (zh) * | 2024-04-18 | 2024-05-24 | 天津健君科技有限公司 | 一种基于雷达滤波检测的生理数据处理方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110346790A (zh) * | 2019-07-09 | 2019-10-18 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的非接触式生命体征监测方法、装置及系统 |
CN111856452A (zh) * | 2020-05-21 | 2020-10-30 | 重庆邮电大学 | 基于omp的静态人体心跳和呼吸信号分离重构方法 |
CN112472051A (zh) * | 2020-12-16 | 2021-03-12 | 山东润一智能科技有限公司 | 一种生命体征监测的毫米波雷达装置、方法及系统 |
WO2022095868A1 (zh) * | 2020-11-04 | 2022-05-12 | 蓬托森思股份有限公司 | 一种无接触式呼吸或心跳检测系统 |
WO2022104868A1 (zh) * | 2020-11-19 | 2022-05-27 | 华中师范大学 | 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 |
CN114680848A (zh) * | 2022-03-08 | 2022-07-01 | 合肥师范学院 | 一种引入压缩感知理论的毫米波生命体征探测方法 |
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 |
CN115089143A (zh) * | 2022-08-24 | 2022-09-23 | 江苏亿连通信技术有限公司 | 毫米波雷达生命体征信号提取和测量方法 |
CN116172539A (zh) * | 2022-12-29 | 2023-05-30 | 交叉信息核心技术研究院(西安)有限公司 | 基于机器学习的生命体征检测方法、系统、设备及介质 |
-
2023
- 2023-07-10 CN CN202310836828.XA patent/CN116831540B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110346790A (zh) * | 2019-07-09 | 2019-10-18 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的非接触式生命体征监测方法、装置及系统 |
CN111856452A (zh) * | 2020-05-21 | 2020-10-30 | 重庆邮电大学 | 基于omp的静态人体心跳和呼吸信号分离重构方法 |
WO2022095868A1 (zh) * | 2020-11-04 | 2022-05-12 | 蓬托森思股份有限公司 | 一种无接触式呼吸或心跳检测系统 |
WO2022104868A1 (zh) * | 2020-11-19 | 2022-05-27 | 华中师范大学 | 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 |
CN112472051A (zh) * | 2020-12-16 | 2021-03-12 | 山东润一智能科技有限公司 | 一种生命体征监测的毫米波雷达装置、方法及系统 |
CN114680848A (zh) * | 2022-03-08 | 2022-07-01 | 合肥师范学院 | 一种引入压缩感知理论的毫米波生命体征探测方法 |
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 |
CN115089143A (zh) * | 2022-08-24 | 2022-09-23 | 江苏亿连通信技术有限公司 | 毫米波雷达生命体征信号提取和测量方法 |
CN116172539A (zh) * | 2022-12-29 | 2023-05-30 | 交叉信息核心技术研究院(西安)有限公司 | 基于机器学习的生命体征检测方法、系统、设备及介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118068287A (zh) * | 2024-04-18 | 2024-05-24 | 天津健君科技有限公司 | 一种基于雷达滤波检测的生理数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116831540B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106821347B (zh) | 一种fmcw宽带生命探测雷达呼吸和心跳信号提取算法 | |
CN109965858B (zh) | 基于超宽带雷达人体生命体征检测方法和装置 | |
CN116831540B (zh) | 一种基于毫米波的非接触式生命体征监测方法及系统 | |
CN114052709B (zh) | 一种稳健的毫米波雷达生命体征测量方法 | |
Liu et al. | Automatic human fall detection in fractional Fourier domain for assisted living | |
CN115460980A (zh) | 一种基于多普勒雷达的非接触式呼吸监测方法 | |
Nejadgholi et al. | Time-frequency based contactless estimation of vital signs of human while walking using PMCW radar | |
US11399723B2 (en) | Non-contact method of physiological characteristic detection | |
CN117838083A (zh) | 一种基于毫米波雷达的体征快速精确检测方法 | |
CN116172539A (zh) | 基于机器学习的生命体征检测方法、系统、设备及介质 | |
CN114027805B (zh) | 一种基于微波雷达的生命体征测量方法及系统 | |
Aardal et al. | Radar cross section of the human heartbeat and respiration in the 500MHz to 3GHz band | |
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 | |
Wang et al. | Soft fall detection using frequency modulated continuous wave radar and regional power burst curve | |
Gonçalves et al. | STFT or CWT for the detection of Doppler ultrasound embolic signals | |
Acar et al. | Wavelet based denoising of the simulated chest wall motion detected by SFCW radar | |
CN114098645B (zh) | 一种睡眠分期方法及装置 | |
Ochi et al. | Non-contact Blood Pressure Estimation with Pulse Wave employing Microwave Reflection | |
CN115040091A (zh) | 基于vmd算法的毫米波雷达生命信号提取方法 | |
KR101916591B1 (ko) | 레이더 신호의 주성분 분석을 이용한 생체 정보 결정 장치 및 방법 | |
Czerkawski et al. | On models and approaches for human vital signs extraction from short range radar signals | |
Fu et al. | EEMD-MICA Based Heart Rate Extraction Algorithm for Radar Signals | |
Ascione et al. | A method based on passive acoustic sensors for detection of vital signs in closed structures | |
Shakfa et al. | Detection of Human Respiratory and Range by IR-UWB Radar | |
Wang et al. | Vital Signs Monitoring Using FMCW Millimeter-Wave Sensor via Simulated Annealing MUSIC Algorithm |
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 |