CN116869509A - 基于雷达信号的呼吸特征提取方法、装置、设备及介质 - Google Patents
基于雷达信号的呼吸特征提取方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116869509A CN116869509A CN202310753254.XA CN202310753254A CN116869509A CN 116869509 A CN116869509 A CN 116869509A CN 202310753254 A CN202310753254 A CN 202310753254A CN 116869509 A CN116869509 A CN 116869509A
- Authority
- CN
- China
- Prior art keywords
- echo
- data
- radar
- echo signals
- frames
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 27
- 238000000605 extraction Methods 0.000 title claims description 25
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000005070 sampling Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000000241 respiratory effect Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- A61B5/08—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
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pulmonology (AREA)
- Physiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供一种基于雷达信号的呼吸特征识别方法、装置、设备及介质,通过将每M帧第一回波信号合并为L维雷达回波数据,第一回波信号为快时间域下接收到的雷达回波信号,其中M大于L,以降低所需要存储的数据量;存储回波信号集,回波信号集包括多帧第二回波信号,第二回波信号为在慢时间域下对雷达回波数据进行采样得到的回波信号,每帧第二回波信号包括多个雷达回波数据,以及基于多帧第二回波信号,统计每个维度的雷达回波数据在预设时间段内满足预设振幅条件的振幅数量,基于振幅数量,计算雷达回波信号的目标频率,目标频率作为呼吸特征。本申请有效规避傅里叶变换算法所需算力大的问题,进而更适用于一些小内存场景。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种基于雷达信号的呼吸特征提取方法、装置、设备及介质。
背景技术
随着儿童被误锁在车内事件的频繁发生,儿童误锁车内的检测技术也得到广泛关注。在相关技术中,通过UWB雷达发射UWB脉冲信号,并接收该脉冲信号经障碍物反射后的回波信号,再根据回波信号分析人在静止状态下的呼吸特征或者人在活动状态下的运动幅度,以实现活体检测。
目前,在检测呼吸特征时,需要将回波信号进行傅里叶变换为频域信号,通过对频域信号的频率与呼吸特征频域进行对比,检测是否存在呼吸特征。但是,傅里叶变换算法需要大内存存储雷达回波信号,而车载终端的内存通常较小,无法满足傅里叶变换算法的运算需求。
发明内容
本申请为解决上述技术问题,提供一种基于雷达信号的呼吸特征识别方法、装置、设备及介质。
第一方面,本申请提供一种基于雷达信号的呼吸特征提取方法,包括:
将每M帧第一回波信号合并为L维雷达回波数据,第一回波信号为快时间域下接收到的雷达回波信号,其中M大于L;
存储回波信号集,回波信号集包括多帧第二回波信号,第二回波信号为在慢时间域下对雷达回波数据进行采样得到的回波信号,每帧第二回波信号包括多个雷达回波数据;
基于多帧第二回波信号,统计每个维度的雷达回波数据在预设时间段内满足预设振幅条件的振幅数量;
基于振幅数量,计算雷达回波信号的目标频率,目标频率作为呼吸特征。
在一些实现方式中,将每M帧第一回波信号合并为L维雷达回波数据,包括:
接收快时间域下的多帧第一回波信号;
对于每M帧第一回波信号,基于预设分段合并帧数N,对M帧第一回波信号进行分段合并,得到L维雷达回波数据,其中L=M/N。
在一些实现方式中,存储回波信号集,包括:
在慢时间域下,对雷达回波数据进行采样,得到多帧第二回波信号;
在预设时间段内首次统计振幅数量时,以多帧第二回波信号中的K帧回波信号作为回波信号集,存储回波信号集;
在预设时间段内首次统计振幅数量之后,每次以多帧第二回波信号中的1帧回波信号更新回波信号集,回波信号集的总帧数保持K帧。
在一些实现方式中,基于多帧第二回波信号,统计每个维度的雷达回波数据在预设时间段内满足预设振幅条件的振幅数量,包括:
基于多帧第二回波信号,确定每个维度下雷达回波数据的波峰数据和波谷数据;
对于每个维度下的雷达回波数据,基于波峰数据和波谷数据,确定雷达回波数据中满足预设振幅条件的振幅数据;
基于振幅数据,统计在预设时间段内满足预设振幅条件的振幅数量。
在一些实现方式中,基于多帧第二回波信号,确定每个维度下雷达回波数据的波峰数据和波谷数据,包括:
对于每个维度下的雷达回波数据,计算相邻帧第二回波信号中的雷达回波数据之间的数据差;
基于数据差,确定每个维度下雷达回波数据的波峰数据和波谷数据。
在一些实现方式中,基于振幅数据,统计在预设时间段内满足预设振幅条件的振幅数量,包括:
基于预设移动存储策略,将振幅数据存储至预设数组;
统计预设数组在预设时间内的振幅数量。
在一些实现方式中,基于振幅数量,计算雷达回波信号的目标频率,包括:
累计所有维度下的雷达回波数据的振幅数量,得到总振幅数量;
利用预设频率计算公式,根据总振幅数量,计算雷达回波信号的目标频率。
第二方面,本申请还提供一种基于雷达信号的呼吸特征提取装置,包括:
合并模块,用于将每M帧第一回波信号合并为L维雷达回波数据,第一回波信号为快时间域下接收到的雷达回波信号,其中M大于L;
存储模块,用于存储回波信号集,回波信号集包括多帧第二回波信号,第二回波信号为在慢时间域下对雷达回波数据进行采样得到的回波信号,每帧第二回波信号包括多个雷达回波数据;
统计模块,用于基于多帧第二回波信号,统计每个维度的雷达回波数据在预设时间段内满足预设振幅条件的振幅数量;
计算模块,用于基于振幅数量,计算雷达回波信号的目标频率,目标频率作为呼吸特征。
第三方面,本申请还提供一种计算机设备,包括处理器和存储器,存储器用于存储计算机程序,计算机程序被处理器执行时实现如第一方面的基于雷达信号的呼吸特征提取方法。
第四方面,本申请还提供一种计算机可读存储介质,其存储有计算机程序,计算机程序被处理器执行时实现如第一方面的基于雷达信号的呼吸特征提取方法。
与现有技术相比,本申请至少具备以下有益效果:
本申请通过将每M帧第一回波信号合并为L维雷达回波数据,第一回波信号为快时间域下接收到的雷达回波信号,其中M大于L,以利用数据降维方式,降低所需要存储的数据量,从而能够更好的适用于一些小内存场景,扩大适用场景;再存储回波信号集,回波信号集包括多帧第二回波信号,第二回波信号为在慢时间域下对雷达回波数据进行采样得到的回波信号,每帧第二回波信号包括多个雷达回波数据,以及基于多帧第二回波信号,统计每个维度的雷达回波数据在预设时间段内满足预设振幅条件的振幅数量,基于振幅数量,计算雷达回波信号的目标频率,目标频率作为呼吸特征,以根据回波信号的回波数据分析实现呼吸特征提取,从而无需对回波信号进行傅里叶变换,有效规避傅里叶变换算法所需算力大的问题,降低呼吸特征提取过程所需的算力,进而更适用于一些小内存场景。
附图说明
图1为本申请实施例示出的基于雷达信号的呼吸特征提取方法的流程示意图;
图2为本申请实施例示出的基于雷达信号的呼吸特征提取装置的结构示意图;
图3为本申请实施例示出的计算机设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅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作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。
请参照图1,图1为本申请实施例提供的一种基于雷达信号的呼吸特征提取方法的流程示意图。本申请实施例的基于雷达信号的呼吸特征提取方法可应用于计算机设备,该计算机设备包括但不限于智能手机、笔记本电脑、平板电脑、桌上型计算机、物理服务器和云服务器等设备。如图1所示,本实施例的基于雷达信号的呼吸特征提取方法包括步骤S101至步骤S103,详述如下:
步骤S101,将每M帧第一回波信号合并为L维雷达回波数据,所述第一回波信号为快时间域下接收到的雷达回波信号,其中M大于L。
在本步骤中,对于快时间域,一帧回波信号包括多个维度的雷达回波数据,对于慢时间域,一次雷达扫描会接收到多帧第一回波信号。可选地,接收多帧第一回波信号,并对每M帧第一回波信号进行信号合并,生成L维雷达回波数据。
需要说明的是,对于背景技术记载的相关技术,运算傅里叶变换算法时需要接收并存储一段时间内的所有雷达回波数据,其对设备内存要求高,导致运算成本提高。而本申请通过对接收到的第一回波信号的多个雷达回波数据进行合并,实现数据降维,从而有效降低数据存储量。
在一些实施例中,所述步骤S101,包括:
接收快时间域下的多帧第一回波信号;
对于每M帧所述第一回波信号,基于预设分段合并帧数N,对M帧所述第一回波信号进行分段合并,得到L维所述雷达回波数据,其中L=M/N。
在本实施例中,将快时间域下接收到的M帧雷达回波信号进行分段合并,以降低快时间域雷达回波数据的维度,同时可以平滑回波信号。示例性地,预设分段合并的数据帧数为N,则M帧第一回波信号从1到N合并到为一个维度的雷达回波数据,N+1到N+N又合并到一个维度的雷达回波数据,以此类推,得到快时间域L=M/N维的雷达回波数据。
步骤S102,存储回波信号集,所述回波信号集包括多帧第二回波信号,所述第二回波信号为在慢时间域下对所述雷达回波数据进行采样得到的回波信号,每帧所述第二回波信号包括多个所述雷达回波数据。
在本步骤中,基于步骤S101可得到快时间域下的多个L维雷达回波数据,在慢时间域下对这些雷达回波数据进行采样,得到多帧第二回波信号,并将多帧第二回波信号作为回波信号集进行存储。可选地,回波信号集的信号帧数大于或等于3帧,即每次统计雷达回波数据的振幅需要至少3帧数据。
需要说明的是,对于傅里叶变换算法而言,其需要存储一段时间的雷达回波数据,比如存储60s内的雷达回波数据,其内存占用总计750MB;而本实施例可以只需存储慢时间域下的3帧第二回波信号,其中将快时间域64维雷达回波数据分段合并为8维,再采样3帧第二回波信号,所以存储的雷达回波数据=(快时间域维度64÷8)×3×8B=192B,远远小于750MB,从而可以实现在MCU小内存的单片机上运行。
在一些实施例中,所述步骤S102,包括:
在慢时间域下,对所述雷达回波数据进行采样,得到多帧所述第二回波信号;
在所述预设时间段内首次统计所述振幅数量时,以多帧所述第二回波信号中的K帧回波信号作为所述回波信号集,存储所述回波信号集;
在所述预设时间段内首次统计所述振幅数量之后,每次以多帧所述第二回波信号中的1帧回波信号更新所述回波信号集,所述回波信号集的总帧数保持K帧。
在本实施例中,由于步骤S103需要多次统计振幅数量,而每次统计振幅数量,需要至少3帧第二回波信号,所以在每次统计振幅数量时,回波信号集需要包括至少3帧第二回波信号。因此,本实施例在首次统计振幅数量时,回波信号集存储至少3帧第二回波信号,在第二次至第n次统计振幅数量时,更新回波信号集,并使回波信号集的总帧数保持在至少3帧。其中K≥3,优选为3,以降低第二回波信号的缓存量。
示例性地,将快时间域L维雷达回波数据采样为1帧第二回波信号,共采样并缓存3帧第二回波信号,以用于首次统计振幅数量,在第二次至第n次的每次统计振幅数量时,采样新的1帧第二回波信号,清除回波信号集中按照采样时间最前的1帧第二回波信号,将新的1帧第二回波信号缓存至回波信号集。例如,回波信号集为(Si1,Si2,Si3),每次采样新的1帧第二回波信号Si4,更新回波信号集,则将Si3数据清除,Si1和Si2数据后移(即原Si1作为新的Si2,原Si2作为新的Si3),将Si4作为新的Si1。
步骤S103,基于多帧所述第二回波信号,统计每个维度的所述雷达回波数据在预设时间段内满足预设振幅条件的振幅数量。
在本实施例中,信号振幅为信号波峰与信号波谷之差,故可以基于多帧第二回波信号计算雷达回波数据的波峰数据和波谷数据,并计算波峰数据与波谷数据之差,得到振幅数据,将振幅数据与预设振幅条件匹配,若匹配,则累计振幅数量。可选地,预设振幅条件为振幅数据大于预设阈值。
在一些实施例中,所述步骤S103,包括:
基于多帧所述第二回波信号,确定每个维度下所述雷达回波数据的波峰数据和波谷数据;
对于每个维度下的所述雷达回波数据,基于所述波峰数据和波谷数据,确定所述雷达回波数据中满足所述预设振幅条件的振幅数据;
基于所述振幅数据,统计在预设时间段内满足预设振幅条件的所述振幅数量。
在本实施例中,可选地,对于每个维度下的所述雷达回波数据,计算相邻帧所述第二回波信号中的所述雷达回波数据之间的数据差;基于所述数据差,确定每个维度下所述雷达回波数据的波峰数据和波谷数据。
示例性地,回波信号集存储慢时间域下采样的3帧第二回波信号,即L×3个雷达回波数据,表示为。对于每个快时间域维度i,计算Si2与Si1之间的差值,以及Si2与Si3之间的差值/>,/>;若d1<0且d2<0,则Si2为波谷数据,若d1>0且d2>0,则Si2为波峰数据,同时记录Si2对应的信号帧序号;更新回波信号集,继续计算每个快时间域维度下的波峰数据和波谷数据;根据波峰数据与波谷数据之差,计算雷达回波数据的振幅数据;若该振幅数据大于预设阈值,则该振幅数据存储至预设数组/>,j为时间段划分序号,可4s划分为1个时间段,1min划分为15个时间段,即每个预设数组/>存储4s内的振幅数量;若该振幅数据不大于预设阈值,且波峰数据与波谷数据之间的信号帧序号差小于采样频率,则与下一个波峰数据(或波谷数据)计算新振幅数据,并进行新振幅数据的条件判定;若该振幅数据不大于预设阈值,且波峰数据与波谷数据之间的信号帧序号差不小于采样频率,则忽略该波峰数据和波谷数据,并进入下一次振幅统计,直至统计出预设时间段内满足预设振幅条件的振幅数量,或者预设数组的数据个数达到15个。
需要说明的是,本申请实施例通过统计快时间域维度雷达回波信号的振幅数量,以实现在雷达回波信号的时域提取呼吸特征,而无需应用傅里叶变换算法进行时频转换,相比于傅里叶变换算法的复杂矩阵运算,本实施例能够降低运算复杂度和运算量,更加适用于小内存场景,从而提高本方法的适用性。
可选地,由于预设数组存储到15个时,说明已统计超过1min,所以为满足呼吸特征的动态更新需求,则更新预设数组。本实施例基于预设移动存储策略,将所述振幅数据存储至预设数组;统计所述预设数组在预设时间内的振幅数量。
示例性地,预设数组存储到位置j=15时,将j=2到15数据移到j=1到14位置,将H(i,15)重置为0,然后将新统计的振幅数据存储到j=15位置,以此类推动态移动存储。
步骤S104,基于所述振幅数量,计算所述雷达回波信号的目标频率,所述目标频率作为呼吸特征。
在本步骤中,对每个快时间域维度的振幅数量进行求和,再对和值进行时间运算,得到目标频率。
在一些实施例中,所述步骤S104,包括:累计所有维度下的所述雷达回波数据的振幅数量,得到总振幅数量;利用预设频率计算公式,根据所述总振幅数量,计算所述雷达回波信号的目标频率。
示例性地,计算每个快时间域维度累计的的振幅数量SUM(i)=H(i,1)到H(i,60)中每个预设数组的振幅数量之和,基于f=SUM(i)/60,得到目标频率。
为了执行上述方法实施例对应的基于雷达信号的呼吸特征提取方法,以实现相应的功能和技术效果。参见图2,图2示出了本申请实施例提供的一种基于雷达信号的呼吸特征提取装置的结构框图。为了便于说明,仅示出了与本实施例相关的部分,本申请实施例提供的基于雷达信号的呼吸特征提取装置,包括:
合并模块201,用于将每M帧第一回波信号合并为L维雷达回波数据,所述第一回波信号为快时间域下接收到的雷达回波信号,其中M大于L;
存储模块202,用于存储回波信号集,所述回波信号集包括多帧第二回波信号,所述第二回波信号为在慢时间域下对所述雷达回波数据进行采样得到的回波信号,每帧所述第二回波信号包括多个所述雷达回波数据;
统计模块203,用于基于多帧所述第二回波信号,统计每个维度的所述雷达回波数据在预设时间段内满足预设振幅条件的振幅数量;
计算模块204,用于基于所述振幅数量,计算所述雷达回波信号的目标频率,所述目标频率作为呼吸特征。
在一些实施例中,所述合并模块201,具体用于:
接收快时间域下的多帧第一回波信号;
对于每M帧所述第一回波信号,基于预设分段合并帧数N,对M帧所述第一回波信号进行分段合并,得到L维所述雷达回波数据,其中L=M/N。
在一些实施例中,所述存储模块202,具体用于:
在慢时间域下,对所述雷达回波数据进行采样,得到多帧所述第二回波信号;
在所述预设时间段内首次统计所述振幅数量时,以多帧所述第二回波信号中的K帧回波信号作为所述回波信号集,存储所述回波信号集;
在所述预设时间段内首次统计所述振幅数量之后,每次以多帧所述第二回波信号中的1帧回波信号更新所述回波信号集,所述回波信号集的总帧数保持K帧。
在一些实施例中,所述统计模块203,包括:
第一确定单元,用于基于多帧所述第二回波信号,确定每个维度下所述雷达回波数据的波峰数据和波谷数据;
第二确定单元,用于对于每个维度下的所述雷达回波数据,基于所述波峰数据和波谷数据,确定所述雷达回波数据中满足所述预设振幅条件的振幅数据;
统计单元,用于基于所述振幅数据,统计在预设时间段内满足预设振幅条件的所述振幅数量。
在一些实施例中,所述基于多帧所述第二回波信号,确定每个维度下所述雷达回波数据的波峰数据和波谷数据,包括:
对于每个维度下的所述雷达回波数据,计算相邻帧所述第二回波信号中的所述雷达回波数据之间的数据差;
基于所述数据差,确定每个维度下所述雷达回波数据的波峰数据和波谷数据。
在一些实施例中,所述第一确定单元,具体用于:
基于预设移动存储策略,将所述振幅数据存储至预设数组;
统计所述预设数组在预设时间内的振幅数量。
在一些实施例中,所述计算模块204,具体用于:
累计所有维度下的所述雷达回波数据的振幅数量,得到总振幅数量;
利用预设频率计算公式,根据所述总振幅数量,计算所述雷达回波信号的目标频率。
上述的基于雷达信号的呼吸特征提取装置可实施上述方法实施例的基于雷达信号的呼吸特征提取方法。上述方法实施例中的可选项也适用于本实施例,这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容,在本实施例中,不再进行赘述。
图3为本申请一实施例提供的计算机设备的结构示意图。如图3所示,该实施例的计算机设备3包括:至少一个处理器30(图3中仅示出一个)处理器、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32,所述处理器30执行所述计算机程序32时实现上述任意方法实施例中的步骤。
所述计算机设备3可以是智能手机、平板电脑、桌上型计算机和云端服务器等计算设备。该计算机设备可包括但不仅限于处理器30、存储器31。本领域技术人员可以理解,图3仅仅是计算机设备3的举例,并不构成对计算机设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),该处理器30还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31在一些实施例中可以是所述计算机设备3的内部存储单元,例如计算机设备3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述计算机设备3的外部存储设备,例如所述计算机设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括所述计算机设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
另外,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在计算机设备上运行时,使得计算机设备执行时实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中,可以理解的是,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意的是,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围。特别指出,对于本领域技术人员来说,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于雷达信号的呼吸特征提取方法,其特征在于,包括:
将每M帧第一回波信号合并为L维雷达回波数据,所述第一回波信号为快时间域下接收到的雷达回波信号,其中M大于L;
存储回波信号集,所述回波信号集包括多帧第二回波信号,所述第二回波信号为在慢时间域下对所述雷达回波数据进行采样得到的回波信号,每帧所述第二回波信号包括多个所述雷达回波数据;
基于多帧所述第二回波信号,统计每个维度的所述雷达回波数据在预设时间段内满足预设振幅条件的振幅数量;
基于所述振幅数量,计算所述雷达回波信号的目标频率,所述目标频率作为呼吸特征。
2.根据权利要求1所述的基于雷达信号的呼吸特征提取方法,其特征在于,所述将每M帧第一回波信号合并为L维雷达回波数据,包括:
接收快时间域下的多帧第一回波信号;
对于每M帧所述第一回波信号,基于预设分段合并帧数N,对M帧所述第一回波信号进行分段合并,得到L维所述雷达回波数据,其中L=M/N。
3.根据权利要求1所述的基于雷达信号的呼吸特征提取方法,其特征在于,所述存储回波信号集,包括:
在慢时间域下,对所述雷达回波数据进行采样,得到多帧所述第二回波信号;
在所述预设时间段内首次统计所述振幅数量时,以多帧所述第二回波信号中的K帧回波信号作为所述回波信号集,存储所述回波信号集;
在所述预设时间段内首次统计所述振幅数量之后,每次以多帧所述第二回波信号中的1帧回波信号更新所述回波信号集,所述回波信号集的总帧数保持K帧。
4.根据权利要求1所述的基于雷达信号的呼吸特征提取方法,其特征在于,所述基于多帧所述第二回波信号,统计每个维度的所述雷达回波数据在预设时间段内满足预设振幅条件的振幅数量,包括:
基于多帧所述第二回波信号,确定每个维度下所述雷达回波数据的波峰数据和波谷数据;
对于每个维度下的所述雷达回波数据,基于所述波峰数据和波谷数据,确定所述雷达回波数据中满足所述预设振幅条件的振幅数据;
基于所述振幅数据,统计在预设时间段内满足预设振幅条件的所述振幅数量。
5.根据权利要求4所述的基于雷达信号的呼吸特征提取方法,其特征在于,所述基于多帧所述第二回波信号,确定每个维度下所述雷达回波数据的波峰数据和波谷数据,包括:
对于每个维度下的所述雷达回波数据,计算相邻帧所述第二回波信号中的所述雷达回波数据之间的数据差;
基于所述数据差,确定每个维度下所述雷达回波数据的波峰数据和波谷数据。
6.根据权利要求4所述的基于雷达信号的呼吸特征提取方法,其特征在于,所述基于所述振幅数据,统计在预设时间段内满足预设振幅条件的所述振幅数量,包括:
基于预设移动存储策略,将所述振幅数据存储至预设数组;
统计所述预设数组在预设时间内的振幅数量。
7.根据权利要求1所述的基于雷达信号的呼吸特征提取方法,其特征在于,所述基于所述振幅数量,计算所述雷达回波信号的目标频率,包括:
累计所有维度下的所述雷达回波数据的振幅数量,得到总振幅数量;
利用预设频率计算公式,根据所述总振幅数量,计算所述雷达回波信号的目标频率。
8.一种基于雷达信号的呼吸特征提取装置,其特征在于,包括:
合并模块,用于将每M帧第一回波信号合并为L维雷达回波数据,所述第一回波信号为快时间域下接收到的雷达回波信号,其中M大于L;
存储模块,用于存储回波信号集,所述回波信号集包括多帧第二回波信号,所述第二回波信号为在慢时间域下对所述雷达回波数据进行采样得到的回波信号,每帧所述第二回波信号包括多个所述雷达回波数据;
统计模块,用于基于多帧所述第二回波信号,统计每个维度的所述雷达回波数据在预设时间段内满足预设振幅条件的振幅数量;
计算模块,用于基于所述振幅数量,计算所述雷达回波信号的目标频率,所述目标频率作为呼吸特征。
9.一种计算机设备,其特征在于,包括处理器和存储器,所述存储器用于存储计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的基于雷达信号的呼吸特征提取方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于雷达信号的呼吸特征提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310753254.XA CN116869509A (zh) | 2023-06-26 | 2023-06-26 | 基于雷达信号的呼吸特征提取方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310753254.XA CN116869509A (zh) | 2023-06-26 | 2023-06-26 | 基于雷达信号的呼吸特征提取方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116869509A true CN116869509A (zh) | 2023-10-13 |
Family
ID=88259535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310753254.XA Pending CN116869509A (zh) | 2023-06-26 | 2023-06-26 | 基于雷达信号的呼吸特征提取方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116869509A (zh) |
-
2023
- 2023-06-26 CN CN202310753254.XA patent/CN116869509A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109683143A (zh) | 雷达信号分选方法、装置、计算机设备及可存储介质 | |
CN110634497A (zh) | 降噪方法、装置、终端设备及存储介质 | |
CN105190751B (zh) | 键盘输入检测和抑制 | |
US11748595B2 (en) | Convolution acceleration operation method and apparatus, storage medium and terminal device | |
CN110672325A (zh) | 一种基于概率分布的轴承工况稳定性评估方法及装置 | |
US10924131B1 (en) | Electronic device and method for compressing sampled data | |
CN114520736A (zh) | 一种物联网安全检测方法、装置、设备及存储介质 | |
CN110287238B (zh) | 一种基于先验知识的异常水质检测方法及系统 | |
CN108875043B (zh) | 用户数据处理方法、装置、计算机设备和存储介质 | |
CN111210817B (zh) | 数据处理方法及装置 | |
CN116869509A (zh) | 基于雷达信号的呼吸特征提取方法、装置、设备及介质 | |
CN113325414A (zh) | 目标检测设备及存储器 | |
CN210982721U (zh) | 基于fpga的低小慢目标探测雷达静态杂波抑制装置 | |
CN112395920A (zh) | 基于雷达的姿态识别装置、方法以及电子设备 | |
WO2022267845A1 (zh) | 脚踢信号识别方法、装置及终端 | |
CN114814808A (zh) | 基于雷达的脚踢信号识别方法、雷达、存储介质及汽车 | |
CN112633218B (zh) | 人脸检测方法、装置、终端设备及计算机可读存储介质 | |
WO2022205400A1 (zh) | 一种基于语音识别的安全预警方法、装置及终端设备 | |
CN110189763B (zh) | 一种声波配置方法、装置及终端设备 | |
US20110270901A1 (en) | Method and System for Bit Stacked Fast Fourier Transform | |
CN109255771B (zh) | 图像滤波方法及装置 | |
EP2684073B1 (en) | Radio frequency digital receiver system and method | |
JP3036497B2 (ja) | 画像データの拡大率・縮小率検出装置、及び検出方法 | |
CN112037814A (zh) | 一种音频指纹的提取方法、装置、电子设备及存储介质 | |
US20220404458A1 (en) | Method and apparatus for detecting and characterizing pulse sequences |
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 |