CN116982957B - 基于毫米波雷达的非接触式生命体征数据监测方法 - Google Patents
基于毫米波雷达的非接触式生命体征数据监测方法 Download PDFInfo
- Publication number
- CN116982957B CN116982957B CN202311176456.9A CN202311176456A CN116982957B CN 116982957 B CN116982957 B CN 116982957B CN 202311176456 A CN202311176456 A CN 202311176456A CN 116982957 B CN116982957 B CN 116982957B
- Authority
- CN
- China
- Prior art keywords
- data
- target object
- radar
- vital sign
- doppler
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 78
- 230000003068 static effect Effects 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 23
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 20
- 238000009825 accumulation Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 12
- 230000000241 respiratory effect Effects 0.000 claims description 11
- 230000036391 respiratory frequency Effects 0.000 claims description 10
- 230000036387 respiratory rate Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000001427 coherent effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000035565 breathing frequency Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000008054 signal transmission Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect 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
- A61B5/05—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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pulmonology (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于毫米波雷达的非接触式生命体征数据监测方法、系统及计算机可读存储介质，该方法包括：接收雷达探测空间内的回波信号，并根据所述回波信号从所述雷达探测空间中筛选出静态的被测人员作为目标对象；根据所述目标对象的回波信号计算所述目标对象在所述雷达探测空间内的空间位置信息；根据空间位置信息判断与所述雷达等距的目标对象数量；若所述雷达探测空间内存在至少两个与所述雷达等距的目标对象，则根据所述目标对象的方位角信息和俯仰角信息计算相位信息；根据所述相位信息计算所述目标对象的生命体征数据。本发明的基于毫米波雷达的非接触式生命体征数据监测方法具有非接触式监测、监测可靠性强、成本低等优点。
Description
技术领域
本发明涉及非接触式生命体征数据监测技术领域，尤其涉及一种基于毫米波雷达的非接触式生命体征数据监测方法、系统及计算机可读存储介质。
背景技术
随着科技的不断进步，人们对于无接触式生命体征监测技术的需求不断增加。这种技术可以用于医疗、健康监测、紧急救援和安全应用等多个领域。传统的生命体征监测方法通常需要接触患者或目标对象，这可能不方便、不舒适，尤其是在特殊环境下。
基于雷达技术的无接触式生命体征监测方法已经引起了广泛的关注。雷达系统通过发送和接收无线电波信号，能够探测目标对象的运动和呼吸等生命体征，而无需与目标对象进行直接接触。这种方法有助于降低对目标对象的侵入性，提高了监测的便捷性和舒适性。
然而，尽管雷达技术在无接触式生命体征监测领域取得了显著进展，但在某些情况下，例如当雷达探测空间内存在多位人员时，会存在多个同距的情况发生，导致呼吸信号和心率信号重叠在一起无法准确区分，因此雷达在多人的呼吸和心率检测上可靠性较差。
发明内容
本申请实施例通过提供一种基于毫米波雷达的非接触式生命体征数据监测方法，旨在提升对多个目标对象的生命体征监测的可靠性。
为实现上述目的，本申请实施例提供了一种基于毫米波雷达的非接触式生命体征数据监测方法，包括：
接收雷达探测空间内的回波信号，并根据所述回波信号从所述雷达探测空间中筛选出静态的被测人员作为目标对象；
根据所述目标对象的回波信号计算所述目标对象在所述雷达探测空间内的空间位置信息，所述空间位置信息包括所述目标单元相较于所述雷达的距离信息、方位角信息和俯仰角信息；
根据所空间位置信息判断与所述雷达等距的目标对象数量；
若所述雷达探测空间内存在至少两个与所述雷达等距的目标对象，则根据所述目标对象的方位角信息和俯仰角信息计算相位信息；
根据所述相位信息计算所述目标对象的生命体征数据，所述生命体征数据包括呼吸频率和心率中的至少一者。
在一实施例中，所述毫米波雷达具有多根虚拟天线；
根据所述回波信号从所述雷达探测空间中筛选出静态的被测人员作为目标对象，包括：
对所述回波信号做距离维快速傅里叶变换和多普勒维快速傅里叶变换，得到所述雷动探测空间中每个对象的距离-多普勒数据；
对所述雷达的所有虚拟天线的距离-多普勒数据做非相干累加，得到累加后的距离-多普勒数据；
对累加后的距离-多普勒数据做二维恒虚警检测，以从所述雷达探测空间中提取出多普勒为0的对象作为备选对象；
选取任一根虚拟天线的多普勒为0的数据做多帧数据积累处理，得到慢多普勒维的距离-多普勒数据；
对所述慢多普勒维的距离-多普勒数据做静态过滤，以从所述备选对象中去除完全静止的背景对象，并将剩余的备选对象作为所述目标对象。
在一实施例中，根据所述目标对象的回波信号计算所述目标对象在所述雷达探测空间内的空间位置信息，包括：
对所述目标对象的慢多普勒维的距离-多普勒数据做距离维恒虚警检测，计算出所述目标对象相较于所述雷达的距离单元；
在快多普勒维的距离-多普勒数据提取出所述目标对象的所有天线数据；
根据所述目标对象的所有天线数据，采用方位-俯仰联合测角算法，计算出所述目标对象的方位角和俯仰角。
在一实施例中，所述方位角信息包括方位角频率域数据，所述俯仰角信息包括俯仰角频率域数据；
根据所述目标对象的方位角信息和俯仰角信息提取相位信息，包括：
在所述方位角频率域数据和所述俯仰角频率域数据的峰值处分别提取相位信息。
在一实施例中，在根据所述相位信息计算所述目标对象的生命体征数据之前，若所述雷达探测空间内仅存在一个目标对象，或存在与所述雷达不等距的多个目标对象，则所述方法还包括：
根据所述目标对象的距离信息计算相位信息。
在一实施例中，所述距离信息包括多普勒-距离数据；
根据所述目标对象的距离信息计算相位信息，包括：
根据多普勒-距离数据中多普勒为0对应的距离单元数据计算相位信息。
在一实施例中，根据所述相位信息计算所述目标对象的呼吸频率，包括：
对所述相位信息进行多帧数据积累，得到所述目标对象的相位变化数据；
采用根据呼吸频率的频率段设计的6阶巴特沃兹滤波器对所述目标对象的相位变化数据进行滤波处理，提取出呼吸波形数据；
对所述呼吸波形数据做快速傅里叶变换提取呼吸周期，以计算出所述目标对象的呼吸频率。
在一实施例中，根据所述相位信息计算所述目标对象的心率，包括：
对所述相位信息进行多帧数据积累，得到所述目标对象的相位变化数据；
采用根据心率的频率段设计的6阶巴特沃兹滤波器对所述目标对象的相位变化数据进行滤波处理，提取出心率波形数据；
对所述心率波形数据做小波变换处理后再做快速傅里叶变换提取出心率周期，以计算出所述目标对象的心率。
为实现上述目的，本申请实施例还提出一种基于毫米波雷达的非接触式生命体征数据监测系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的基于毫米波雷达的非接触式生命体征数据监测程序，所述处理器执行所述基于毫米波雷达的非接触式生命体征数据监测程序时实现如上述任一项所述的基于毫米波雷达的非接触式生命体征数据监测方法。
为实现上述目的，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于毫米波雷达的非接触式生命体征数据监测程序，所述基于毫米波雷达的非接触式生命体征数据监测程序被处理器执行时实现如上述任一项所述的基于毫米波雷达的非接触式生命体征数据监测方法。
本申请技术方案的基于毫米波雷达的非接触式生命体征数据监测方法，在监测到空间中存在多个与雷达等距的目标对象时，通过引入方位角信息和俯仰角信息以获取相位信息，再基于所获取的相位信息计算每个目标对象的呼吸频率和/或心率，以实现非接触式的生命体征数据监测，如此，相较于传统的接触式生命体征监测方法或毫米波雷达生命体征监测方法而言，本申请的监测方法不仅能够实现非接触式的监测，还能够有效地区分并监测多个等距目标对象的呼吸频率和/或心率，提高了对复数个目标对象的生命体征数据监测的可靠性。即使说，本申请技术方案的监测方法具有非接触式监测、监测可靠性强等优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明基于毫米波雷达的非接触式生命体征数据监测系统一实施例的模块结构图；
图2为本发明基于毫米波雷达的非接触式生命体征数据监测系统一实施例中毫米波雷达的天线阵列排布示意图；
图3为本发明基于毫米波雷达的非接触式生命体征数据监测方法一实施例的流程示意图；
图4为本发明基于毫米波雷达的非接触式生命体征数据监测方法一实施例中毫米波雷达的12根天线进行非相干累加得到RD-map的模块示意图；
图5为本发明基于毫米波雷达的非接触式生命体征数据监测方法一实施例中对在RD-map上做2D CFAR检测的模块示意图；
图6为本发明基于毫米波雷达的非接触式生命体征数据监测方法一实施例中对RD-map进行多帧数据积累处理得到慢多普勒维RD-map的模块示意图；
图7为本发明基于毫米波雷达的非接触式生命体征数据监测方法一实施例中对目标对象的所有天线数据进行方位-俯仰联合测角计算的模块示意图；
图8为本发明基于毫米波雷达的非接触式生命体征数据监测方法另一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。文中出现的“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的数量词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。而“第一”、“第二”、以及“第三”等的使用不表示任何顺序，可将这些词解释为名称。
如图1所示，图1是本发明实施例的基于毫米波雷达的非接触式生命体征数据监测系统1的结构示意图。本发明的监测系统专门用于检测静止目标的生命体征数据
如图1所示，所述监测系统1包括：毫米波雷达15、存储器11、处理器12及网络接口13。
在本实施例中，毫米波雷达15采用3Tx4Rx的射频芯片，并包括3根发射天线和4根接收天线。这种天线配置允许雷达系统同时发送和接收多个信号，从而有助于提高信号的质量和可靠性。
进一步的，毫米波雷达采用TD-MIMO信号发射模式，3根发射天线按时分复用方式发射信号，4根接收天线同时接收信号。
即时分多址多输入多输出(TD-MIMO)是指毫米波雷达采用的信号发射模式，这种模式允许3根发射天线按时分复用方式发送信号，这意味着它们以不同的时间间隔轮流发送信号，以避免信号干扰并提高系统的容量和效率。
而毫米波雷达的4根接收天线同时接收信号，这有助于提高信号接收的灵敏度和鲁棒性。同时接收也允许系统在多目标环境下更好地区分和跟踪不同目标对象的生命体征信号。
本发明毫米雷达的天线阵列排布如图2所示，其中，毫米波雷达的虚拟天线阵列为12根天线组成的二维面阵。虚拟天线阵列是一种技术，通过在空间中合理排列天线元素，可以实现波束形成和波束赋形，以提高目标定位和信号接收的效率。
可选择的，本发明的毫米波雷达基于顶部安装，通常安装在天花板或房间吊顶，只针对静止目标做呼吸心率检测，实际使用时只有当人员躺在床上时才检测呼吸心率，若是房间内只有一张床，则雷达尽量安装在床正上方的天花板上，若房间内有多张床，则雷达安装在多张床靠中间位置的房间天花板上，雷达安装好上电后，根据房间的实际情况设置雷达的安装高度、添加床所在区域、门口所在区域，即可正常使用。
具体的，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是服务器1的内部存储单元，例如该服务器1的硬盘。存储器11在另一些实施例中也可以是服务器1的外部存储设备，例如该服务器1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(FlashCard)等。
进一步地，存储器11还可以包括服务器1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于服务器1的应用软件及各类数据，例如基于毫米波雷达的非接触式生命体征数据监测程序10的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行基于毫米波雷达的非接触式生命体征数据监测程序10等。
网络接口13可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该系统1与其他电子设备之间建立通信连接。
网络可以为互联网、云网络、无线保真(Wi-Fi)网络、个人网(PAN)、局域网(LAN)和/或城域网(MAN)。网络环境中的各种设备可以被配置为根据各种有线和无线通信协议连接到通信网络。这样的有线和无线通信协议的例子可以包括但不限于以下中的至少一个：传输控制协议和互联网协议(TCP/IP)、用户数据报协议(UDP)、超文本传输协议(HTTP)、文件传输协议(FTP)、ZigBee、EDGE、IEEE 802.11、光保真(Li-Fi)、802.16、IEEE 802.11s、IEEE 802.11g、多跳通信、无线接入点(AP)、设备对设备通信、蜂窝通信协议和/或蓝牙(Blue Tooth)通信协议或其组合。
可选地，该服务器还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以称为显示屏或显示单元，用于显示在服务器1中处理的信息以及用于显示可视化的用户界面。
图1仅示出了具有组件11-13以及基于毫米波雷达的非接触式生命体征数据监测程序10的服务器1，本领域技术人员可以理解的是，图1示出的结构并不构成对服务器1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
在本实施例中，处理器12可以用于调用存储器11中存储的基于毫米波雷达的非接触式生命体征数据监测程序，并执行以下操作：
接收雷达探测空间内的回波信号，并根据所述回波信号从所述雷达探测空间中筛选出静态的被测人员作为目标对象；
根据所述目标对象的回波信号计算所述目标对象在所述雷达探测空间内的空间位置信息，所述空间位置信息包括所述目标单元相较于所述雷达的距离信息、方位角信息和俯仰角信息；
根据所述空间位置信息判断与所述雷达等距的目标对象数量；
若所述雷达探测空间内存在至少两个与所述雷达等距的目标对象，则根据所述目标对象的方位角信息和俯仰角信息计算相位信息；
根据所述相位信息计算所述目标对象的生命体征数据，所述生命体征数据包括呼吸频率和心率中的至少一者。
在一实施例中，处理器12可以用于调用存储器11中存储的基于毫米波雷达的非接触式生命体征数据监测程序，并执行以下操作：
对所述回波信号做距离维快速傅里叶变换和多普勒维快速傅里叶变换，得到所述雷动探测空间中每个对象的距离-多普勒数据；
对所述雷达的所有虚拟天线的距离-多普勒数据做非相干累加，得到累加后的距离-多普勒数据；
对累加后的距离-多普勒数据做二维恒虚警检测，以从所述雷达探测空间中提取出多普勒为0的对象作为备选对象；
选取任一根虚拟天线的多普勒为0的数据做多帧数据积累处理，得到慢多普勒维的距离-多普勒数据；
对所述慢多普勒维的距离-多普勒数据做静态过滤，以从所述备选对象中去除完全静止的背景对象，并将剩余的备选对象作为所述目标对象。
在一实施例中，处理器12可以用于调用存储器11中存储的基于毫米波雷达的非接触式生命体征数据监测程序，并执行以下操作：
对所述目标对象的慢多普勒维的距离-多普勒数据做距离维恒虚警检测，计算出所述目标对象相较于所述雷达的距离单元；
在快多普勒维的距离-多普勒数据提取出所述目标对象的所有天线数据；
根据所述目标对象的所有天线数据，采用方位-俯仰联合测角算法，计算出所述目标对象的方位角和俯仰角。
在一实施例中，处理器12可以用于调用存储器11中存储的基于毫米波雷达的非接触式生命体征数据监测程序，并执行以下操作：
在所述方位角频率域数据和所述俯仰角频率域数据的峰值处分别提取相位信息。
在一实施例中，处理器12可以用于调用存储器11中存储的基于毫米波雷达的非接触式生命体征数据监测程序，并执行以下操作：
根据所述目标对象的距离信息计算相位信息。
在一实施例中，处理器12可以用于调用存储器11中存储的基于毫米波雷达的非接触式生命体征数据监测程序，并执行以下操作：
根据多普勒-距离数据中多普勒为0对应的距离单元数据计算相位信息。
在一实施例中，处理器12可以用于调用存储器11中存储的基于毫米波雷达的非接触式生命体征数据监测程序，并执行以下操作：
对所述相位信息进行多帧数据积累，得到所述目标对象的相位变化数据；
采用根据呼吸频率的频率段设计的6阶巴特沃兹滤波器对所述目标对象的相位变化数据进行滤波处理，提取出呼吸波形数据；
对所述呼吸波形数据做快速傅里叶变换提取呼吸周期，以计算出所述目标对象的呼吸频率。
在一实施例中，处理器12可以用于调用存储器11中存储的基于毫米波雷达的非接触式生命体征数据监测程序，并执行以下操作：
对所述相位信息进行多帧数据积累，得到所述目标对象的相位变化数据；
采用根据心率的频率段设计的6阶巴特沃兹滤波器对所述目标对象的相位变化数据进行滤波处理，提取出心率波形数据；
对所述心率波形数据做小波变换处理后再做快速傅里叶变换提取出心率周期，以计算出所述目标对象的心率。
基于上述基于毫米波雷达的非接触式生命体征数据监测系统的硬件构架，提出本发明基于毫米波雷达的非接触式生命体征数据监测方法的实施例。本发明的基于毫米波雷达的非接触式生命体征数据监测方法，旨在提升对多个目标对象的生命体征监测的可靠性。
参照图3，图3为本发明基于毫米波雷达的非接触式生命体征数据监测方法的一实施例，所述基于毫米波雷达的非接触式生命体征数据监测方法包括以下步骤：
S10、接收雷达探测空间内的回波信号，并根据所述回波信号从所述雷达探测空间中筛选出静态的被测人员作为目标对象。
具体的，毫米波雷达系统首先发送毫米波信号，这些信号会与探测空间内的物体相互作用。当这些信号被目标对象反射或散射回来时，雷达接收到回波信号。然后，通过分析这些回波信号，系统可以识别出在雷达探测空间内的静态被测人员，将其标识为目标对象。
这其中，雷达探测空间是指毫米波雷达系统用于监测和探测的三维空间区域。在本申请的技术方案中，雷达探测空间是指毫米波雷达系统所覆盖和监测的区域。可选择的，在不同应用场景中，雷达探测空间可以是一个封闭的房间、一个室外区域、一个交通路口、一个医院病房等等。毫米波雷达系统可以被设计成适应不同尺寸和形状的探测空间，以实现各种监测和探测任务。
S20、根据所述目标对象的回波信号计算所述目标对象在所述雷达探测空间内的空间位置信息，所述空间位置信息包括所述目标单元相较于所述雷达的距离信息、方位角信息和俯仰角信息。
具体的，一旦确定了目标对象，系统会进一步分析其回波信号，以计算目标对象在雷达探测空间内的空间位置信息。这包括目标对象相对于雷达的距离、方位角信息和俯仰角信息。这其中，方位角信息和俯仰角信息是用来描述目标对象在雷达探测空间内位置的参数，它们是极坐标系统中的角度测量，用于确定目标对象相对于雷达的方向和仰角。方位角信息描述了目标对象相对于雷达位置的水平方向。俯仰角信息则描述了目标对象相对于雷达位置的垂直方向。
进一步的，空间位置信息通常用笛卡尔坐标系表示，其中X、Y和Z分别表示目标对象在水平、垂直和距离方向上的位置。在获得了目标的距离、方位角和俯仰角信息后，可以根据雷达系统的几何参数和目标对象的测量数据进行三角测量或三维坐标转换来得到目标对象的空间位置信息。
S30、根据所述空间位置信息判断与所述雷达等距的目标对象数量。
具体来说，系统首先根据距离信息区分不同距的目标。然后，系统根据这些目标对象的方位角和俯仰角信息来进一步区分它们。如果在同一距离单元下有至少两个目标对象，并且它们在方位角和俯仰角上不重叠，系统将认为这些目标对象与雷达等距，并计算它们的数量作为与雷达等距的目标对象的数量。
可以理解，这种方法可以有效地避免目标对象之间的混叠或重叠，并确保每个目标对象都能够被准确识别和监测。
S40、若所述雷达探测空间内存在至少两个与所述雷达等距的目标对象，则根据所述目标对象的方位角信息和俯仰角信息计算相位信息。
具体的，如果在雷达等距范围内存在至少两个目标对象，系统会根据目标对象的方位角信息和俯仰角信息来计算相位信息。相位信息是指不同目标对象反射的毫米波信号之间的相对相位差异。
可以理解的是，在面对等距的多个目标对象时，方位角和俯仰角信息允许将目标对象定位在三维空间中。这意味着即使多个目标对象距离雷达相同，它们在水平和垂直方向上的位置也可以精确区分。如此，即使多个目标对象与雷达等距，雷达系统也能够分离和识别到多个目标对象，从而可以有效地区分并监测多个等距目标对象的呼吸频率和心率，提高了对复数个目标对象的生命体征数据监测的可靠性。
S50、根据所述相位信息计算所述目标对象的生命体征数据，所述生命体征数据包括呼吸频率和心率中的至少一者。
具体的，当人体呼吸或心脏跳动时，胸部和心脏的运动会导致毫米波信号的相位发生变化。这种变化通常表现为信号的相位偏移或变化速率。呼吸引起的相位变化通常与心跳引起的相位变化具有不同的频率和特征。呼吸通常具有较低的频率(通常在0.1Hz到0.8Hz之间)，而心跳通常具有较高的频率(通常在0.8Hz到2.5Hz以上)。基于以上原理，便可通过监测被测人员呼吸和心跳所引起的回波信号的相位变化，通过快速傅里叶变换等方法计算出每个被测人员的呼吸频率和/或心率，以实现非接触式的生命体征数据监测。
可以理解，本申请技术方案的基于毫米波雷达的非接触式生命体征数据监测方法，在监测到空间中存在多个与雷达等距的目标对象时，通过引入方位角信息和俯仰角信息以获取相位信息，再基于所获取的相位信息计算每个目标对象的呼吸频率和/或心率，以实现非接触式的生命体征数据监测，如此，相较于传统的接触式生命体征监测方法或毫米波雷达生命体征监测方法而言，本申请的监测方法不仅能够实现非接触式的监测，还能够有效地区分并监测多个等距目标对象的呼吸频率和/或心率，提高了对复数个目标对象的生命体征数据监测的可靠性。即使说，本申请技术方案的监测方法具有非接触式监测、监测可靠性强等优点。
此外，基于本申请技术方案的监测方法，能够在一个空间内仅使用一个设备便可同时检测多人的生命体征数据，从而有助于降低多对象生命体征数据监测的监测成本、提高了监测的性价比。
请结合图4至图6所示，在一些实施例中，根据所述回波信号从所述雷达探测空间中筛选出静态的被测人员作为目标对象，包括以下步骤：
S11、对所述回波信号做距离维快速傅里叶变换(Range FFT)和多普勒维快速傅里叶变换(doppler FFT)，得到所述雷动探测空间中每个对象的距离-多普勒数据。
这其中，在雷达信号处理中，距离维度用于测量目标对象与雷达之间的距离，多普勒维度用于测量目标对象的速度。
具体的，在本申请的技术方案中，毫米波雷达采用TD-MIMO信号发射模式，3根发射天线按时分复用方式发射信号，4根接收天线同时接收信号，形成12根虚拟天线。每根天线发射M个chirp，每个chirp的adc采样点数为N。chirp是一种线性调频信号，它的频率随时间线性变化，它可以提高雷达的分辨率和抗干扰能力。adc是一种模数转换器，它可以将模拟信号转换为数字信号，便于后续的信号处理。当前帧的adc数据量为12*M*N。
在步骤S11中，先对adc数据做N点Range FFT，得到每个对象的距离信息。这其中，FFT是一种可以将信号转换为频域表示的变换，用来提取信号的周期或频率。Range FFT是一种利用chirp信号的频率变化和目标距离的关系来测量目标距离的方法。
接着，对Range FFT做M点doppler FFT，得到距离-多普勒维图谱(RD-map，即距离-多普勒数据)，RD-map的数据量为N*M。这些数据可以用来表示每个目标对象在雷达探测空间内的位置和速度信息。这其中，doppler FFT是一种利用目标运动导致回波信号频率变化和目标速度的关系来测量目标速度的方法。
S12、对所述雷达的所有虚拟天线的距离-多普勒数据做非相干累加，得到累加后的距离-多普勒数据。
具体的，请参照图4，在本申请的技术方案中，在得到每根天线的RD-map后，可以将12根虚拟天线的RD-map做非相干累加，得到累加的RD-map。这其中，非相干累加是一种将不同天线或不同帧的RD-map按照幅度相加而不考虑相位差异的方法。
可以理解，通过非相干累加能够提高目标的信噪比，使后续步骤中做恒虚警检测检测时更容易将对象检测出来。
S13、对累加后的距离-多普勒数据做二维恒虚警检测(2D Constant False AlarmRate Detector，2D CFAR)，以从所述雷达探测空间中提取出多普勒为0的对象作为备选对象。
这其中，2D CFAR检测是一种在距离和多普勒两个维度上进行恒虚警检测的方法，它可以根据RD-map中每个单元与周围单元的平均值来判断是否存在目标。
具体的，2D CFAR检测为根据所给定的虚警率阈值，对累加后的距离-多普勒数据进行二维门限判决，将超过门限值的数据点对应的对象视为存在的对象。因此，在做完2DCFAR检测便可筛选出雷达探测空间中的对象。
进一步的，由于呼吸心率检测只针对静止目标进行，因此从存在的对象中筛选多普勒为0对象作为备选对象。这其中，多普勒为0目标表示目标没有速度变化，即静止不动。
请参照图5，中心单元表示被检测单元，即当前要判断是否为目标的单元；中间单元表示保护单元，即与被检测单元相邻的单元，用来避免目标的边缘效应；外侧单元表示噪声单元，即与保护单元相邻的单元，用来估计噪声的平均值。当被检测单元大于噪声单元的a倍时，该检测单元被检测出来，其中a是一个预设的门限参数，用来控制检测的灵敏度。
S14、选取任一根虚拟天线的多普勒为0的数据做多帧数据积累处理，得到慢多普勒维的距离-多普勒数据。
具体的，请参照图6，在本实施例中，选取天线1的多普勒为0的数据经过5s时间的多帧数据积累，得到慢多普勒维的距离-多普勒数据(RD-map)。如此，可以得到这些数据在时间维上的变化情况。
这其中，慢多普勒是指目标的微小运动导致的回波信号频率变化，它与目标的呼吸和心率有关。
可以理解，通过选取多普勒为0的数据，并对它们进行多帧数据积累处理。通过将多帧数据叠加，可以增加对目标对象的观测时间，提高检测的可靠性。
S15、对所述慢多普勒维的距离-多普勒数据做静态过滤，以从所述备选对象中去除完全静止的背景对象，并将剩余的备选对象作为所述目标对象。
具体的，对慢多普勒维数据做静态过滤(每一帧减去多帧的平均值)，可以利用背景信号的稳定性，将完全静止的背景去除，从而只保留有变化的信号，即目标信号。该目标信号所对应的对象(即剩余的备选对象)便可被视为目标对象。
通过上述步骤S11至S15便可从雷达探测空间中识别出静态的被测人员，通过结合距离、多普勒和恒虚警检测等技术，可以提高对静态目标的准确性和可靠性。
请结合图7所示，在一些实施例中，根据所述目标对象的回波信号计算所述目标对象在所述雷达探测空间内的空间位置信息，包括以下步骤：
S21、对所述目标对象的慢多普勒维的距离-多普勒数据做距离维恒虚警检测，计算出所述目标对象相较于所述雷达的距离单元。
这其中，距离维恒虚警检测是一种在距离维度上进行恒虚警检测的方法，它可以根据慢多普勒维图谱中每个单元与周围单元的平均值来判断是否存在目标。
具体的，对目标对象的慢多普勒维的距离-多普勒数据做距离维恒虚警检测后，即可提取出有呼吸心率的静止目标(即目标对象)的距离单元。
S22、在快多普勒维的距离-多普勒数据提取出所述目标对象的所有天线数据。
这其中，快多普勒维的距离-多普勒数据是通过雷达系统采集的，它包含了各个天线接收到的信号信息。每个天线接收到的信号包括目标对象的距离和多普勒频率信息，这些信息与目标对象在距离和速度方面的特性有关。
具体的，在确定了目标对象后，便可识别与目标对象相关的回波信号，以确认与目标对象关联的数据点。然后，便可确定哪些天线接收到了这些数据。接着，便可从快多普勒维的距离-多普勒数据中提取出与目标对象相关的所有天线数据。
S23、根据所述目标对象的所有天线数据，采用方位-俯仰联合测角算法，计算出所述目标对象的方位角和俯仰角。
这其中，方位-俯仰联合测角算法是一种用于计算目标对象在雷达探测空间内的方位角和俯仰角的方法。方位-俯仰联合测角算法的核心原理是使用多个天线或传感器来测量目标对象的信号，并结合这些信号的相位和幅度信息来计算方位角和俯仰角。
具体的，根据提取的目标对象的所有天线数据，采用方位-俯仰联合测角算法来计算目标对象的方位角和俯仰角。一旦计算出方位角和俯仰角信息，就可以获得目标对象在雷达探测空间内的三维位置。
在一些实施例中，方位角信息包括方位角频率域数据，俯仰角信息包括俯仰角频率域数据。
具体的，通过对目标对象的回波信号做角度维快速傅里叶变换，便可得到目标对象的方位角频率域数据和俯仰角频率域数据。这其中，方位角频率域数据和俯仰角频率域数据能够显示频率分量的幅度和相位信息。
相应的，根据所述目标对象的方位角信息和俯仰角信息提取相位信息，包括：在所述方位角频率域数据和所述俯仰角频率域数据的峰值处分别提取相位信息。
这其中，在频率域数据中，相位信息通常与频率分量的峰值相关。峰值表示在特定频率上存在信号的强度极大值。
具体的，对于方位角信息，可以在方位角频率域数据的峰值(具有最大幅度的频率分量)处提取相位信息。同理，对于俯仰角信息，可以在俯仰角频率域数据的峰值(具有最大幅度的频率分量)处提取相位信息。
如图8所示，在一些实施例中，在根据所述相位信息计算所述目标对象的生命体征数据之前，若所述雷达探测空间内仅存在一个目标对象，或存在与所述雷达不等距的多个目标对象，则所述方法还包括：
根据所述目标对象的距离信息计算相位信息。
具体来说，当雷达探测空间内只存在一个目标对象或存在多个目标对象，但该多个目标对象与雷达的距离均不相等时，系统将根据目标对象的距离信息以获取其相位信息。
可以理解，当雷达探测空间中仅存在一个对象或多个不等距的目标对象时，雷达根据距离信息便可精确识别出多个目标对象。因此，根据距离信息获取相位信息，可以在保证目标对象生命体征监测可靠性的前提下，降低计算复杂性，减少系统的计算负载，节约计算资源，并提高计算效率。
在一些实施例中，所述距离信息包括多普勒-距离数据。
具体的，通过对目标对象的回波信号做多普勒快速傅里叶变换，便可得到目标对象的多普勒-距离数据。该多普勒-距离数据包含了目标对象距离雷达的距离信息以及多普勒频率信息。
进一步的，根据所述目标对象的距离信息计算相位信息，包括：
根据所述多普勒-距离数据中多普勒为0对应的距离单元数据计算相位信息。
这其中，多普勒为0对应于目标对象相对于雷达的速度为零，即目标对象静止或相对于雷达的速度非常小。
具体而言，通过分析多普勒-距离数据，可以确定多普勒为0所对应的距离单元数据，该距离单元数据表示了所有静止或几乎静止的目标对象在距离雷达的位置。
进一步的，确定了多普勒为0对应的距离单元数据后，可以通过分析多普勒-距离数据的相位成分来获取相位信息。
在一些实施例中，根据所述相位信息计算所述目标对象的呼吸频率，包括以下步骤：
S51、对所述相位信息进行多帧数据积累，得到所述目标对象的相位变化数据。
具体的，可以对来自目标对象的相位信息进行多帧数据积累，例如，对相位信息进行10s时间积累。通过多帧积累，提取到各个目标对象在多帧时间内的相位变化波形/曲线(即相位变化曲线)。
这其中，多帧数据积累有助于增加信号的信噪比，从而提高了呼吸频率监测的准确性。
S52、采用根据呼吸频率的频率段设计的6阶巴特沃兹滤波器对所述目标对象的相位变化数据进行滤波处理，提取出呼吸波形数据。
这其中，巴特沃兹滤波器是一种常用于信号处理的数字滤波器，它在特定频率段内增强信号而抑制不需要的频率成分。通过呼吸频率的频率段设计的6阶巴特沃兹滤波器能够强调呼吸波形信号并降低噪音。
具体的，在对相位变化数据进行滤波处理后，得到的信号便可被认为是呼吸波形数据，其反映了目标对象的呼吸周期性变化。
S53、对所述呼吸波形数据做快速傅里叶变换提取呼吸周期，以计算出所述目标对象的呼吸频率。
具体的，对提取的呼吸波形数据进行快速傅里叶变换(FFT)，便可以从波形中提取出目标对象的呼吸周期的频率成分，基于该呼吸周期的频率成分的周期性变化，便可计算出目标对象的呼吸频率。
此外，通过分析FFT的结果，还可以提取出频谱中呼吸频率对应的振幅和相位信息。这其中，呼吸频率的振幅信息可以用于表示呼吸的强度。
在一些实施例中，根据所述相位信息计算所述目标对象的心率，包括以下步骤：
S54、对所述相位信息进行多帧数据积累，得到所述目标对象的相位变化数据。
具体的，可以对来自目标对象的相位信息进行多帧数据积累，例如，对相位信息进行10s时间积累。通过多帧积累，提取到各个目标对象在多帧时间内的相位变化波形/曲线(即相位变化曲线)。
这其中，多帧数据积累有助于增加信号的信噪比，从而提高了呼吸频率监测的准确性。
S55、采用根据心率的频率段设计的6阶巴特沃兹滤波器对所述目标对象的相位变化数据进行滤波处理，提取出心率波形数据；
这其中，巴特沃兹滤波器是一种常用于信号处理的数字滤波器，它在特定频率段内增强信号而抑制不需要的频率成分。通过心率的频率段设计的6阶巴特沃兹滤波器能够强调心跳波形信号并降低噪音。
具体的，在对相位变化数据进行滤波处理后，得到的信号便可被认为是心率波形数据，其反映了目标对象的心率周期性变化。
S56、对所述心率波形数据做小波变换处理后再做快速傅里叶变换提取出心率周期，以计算出所述目标对象的心率。
这其中，小波变换是一种可以将信号分解为不同尺度和频率的基函数的变换，用来提取信号的细节特征或去除噪声。
具体的，对提取的呼吸波形数据进行小波变换处理后做快速傅里叶变换(FFT)，便可以从波形中提取出目标对象的心率周期的频率成分，基于该心率周期的频率成分的周期性变化，便可计算出目标对象的心率。
此外，通过分析FFT的结果，还可以提取出频谱中心率对应的振幅和相位信息。这其中，心率的振幅信息可用于表示心跳的强度。
在一些实施例中，若雷达探测空间内的目标对象的数量超过预设阈值，则雷达监测系统不进行目标对象的生命体征数据的监测。
示例性的，该预设阈值可以设置为4个。
可以理解，当在特定的空间中(如病房等)的目标对象数量超过设定的病床数量(即设定数量)时，说明此时该空间存在超过预期的人员，此时进行生命体征监测可能监测到非记录人员(病人)的生命体征数据，导致影响数据的安全性与可靠性。那么此时控制雷达系统停止进行生命体征监测，不仅能够节约监测资源，还能够保证监测数据的纯净度。
此外，本发明实施例还提出一种计算机可读存储介质，计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等中的任意一种或者几种的任意组合。计算机可读存储介质中包括基于毫米波雷达的非接触式生命体征数据监测程序10，本发明之计算机可读存储介质的具体实施方式与上述基于毫米波雷达的非接触式生命体征数据监测方法以及服务器1的具体实施方式大致相同，在此不再赘述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理系统的处理器以产生一个机器，使得通过计算机或其他可编程数据处理系统的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理系统以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理系统上，使得在计算机或其他可编程系统上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程系统上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于毫米波雷达的非接触式生命体征数据监测方法，其特征在于，包括：
接收雷达探测空间内的回波信号，并根据所述回波信号从所述雷达探测空间中筛选出静态的被测人员作为目标对象；
根据所述目标对象的回波信号计算所述目标对象在所述雷达探测空间内的空间位置信息，所述空间位置信息包括所述目标对象相较于所述雷达的距离信息、方位角信息和俯仰角信息；
根据所述空间位置信息判断与所述雷达等距的目标对象数量；
若所述雷达探测空间内存在至少两个与所述雷达等距的目标对象，则根据所述目标对象的方位角信息和俯仰角信息计算相位信息；
根据所述相位信息计算所述目标对象的生命体征数据，所述生命体征数据包括呼吸频率和心率中的至少一者。
2.如权利要求1所述的基于毫米波雷达的非接触式生命体征数据监测方法，其特征在于，所述毫米波雷达具有多根虚拟天线；
根据所述回波信号从所述雷达探测空间中筛选出静态的被测人员作为目标对象，包括：
对所述回波信号做距离维快速傅里叶变换和多普勒维快速傅里叶变换，得到所述雷达探测空间中每个对象的距离-多普勒数据；
对所述雷达的所有虚拟天线的距离-多普勒数据做非相干累加，得到累加后的距离-多普勒数据；
对累加后的距离-多普勒数据做二维恒虚警检测，以从所述雷达探测空间中提取出多普勒为0的对象作为备选对象；
选取任一根虚拟天线的多普勒为0的数据做多帧数据积累处理，得到慢多普勒维的距离-多普勒数据；
对所述慢多普勒维的距离-多普勒数据做静态过滤，以从所述备选对象中去除完全静止的背景对象，并将剩余的备选对象作为所述目标对象。
3.如权利要求2所述的基于毫米波雷达的非接触式生命体征数据监测方法，其特征在于，根据所述目标对象的回波信号计算所述目标对象在所述雷达探测空间内的空间位置信息，包括：
对所述目标对象的慢多普勒维的距离-多普勒数据做距离维恒虚警检测，计算出所述目标对象相较于所述雷达的距离单元；
在快多普勒维的距离-多普勒数据提取出所述目标对象的所有天线数据；
根据所述目标对象的所有天线数据，采用方位-俯仰联合测角算法，计算出所述目标对象的方位角和俯仰角。
4.如权利要求2所述的基于毫米波雷达的非接触式生命体征数据监测方法，其特征在于，所述方位角信息包括方位角频率域数据，所述俯仰角信息包括俯仰角频率域数据；
根据所述目标对象的方位角信息和俯仰角信息提取相位信息，包括：
在所述方位角频率域数据和所述俯仰角频率域数据的峰值处分别提取相位信息。
5.如权利要求2所述的基于毫米波雷达的非接触式生命体征数据监测方法，其特征在于，在根据所述相位信息计算所述目标对象的生命体征数据之前，若所述雷达探测空间内仅存在一个目标对象，或存在与所述雷达不等距的多个目标对象，则所述方法还包括：
根据所述目标对象的距离信息计算相位信息。
6.如权利要求5所述的基于毫米波雷达的非接触式生命体征数据监测方法，其特征在于，所述距离信息包括多普勒-距离数据；
根据所述目标对象的距离信息计算相位信息，包括：
根据多普勒-距离数据中多普勒为0对应的距离单元数据计算相位信息。
7.如权利要求1或5所述的基于毫米波雷达的非接触式生命体征数据监测方法，其特征在于，根据所述相位信息计算所述目标对象的呼吸频率，包括：
对所述相位信息进行多帧数据积累，得到所述目标对象的相位变化数据；
采用根据呼吸频率的频率段设计的6阶巴特沃兹滤波器对所述目标对象的相位变化数据进行滤波处理，提取出呼吸波形数据；
对所述呼吸波形数据做快速傅里叶变换提取呼吸周期，以计算出所述目标对象的呼吸频率。
8.如权利要求1或5所述的基于毫米波雷达的非接触式生命体征数据监测方法，其特征在于，根据所述相位信息计算所述目标对象的心率，包括：
对所述相位信息进行多帧数据积累，得到所述目标对象的相位变化数据；
采用根据心率的频率段设计的6阶巴特沃兹滤波器对所述目标对象的相位变化数据进行滤波处理，提取出心率波形数据；
对所述心率波形数据做小波变换处理后再做快速傅里叶变换提取出心率周期，以计算出所述目标对象的心率。
9.一种基于毫米波雷达的非接触式生命体征数据监测系统，其特征在于，包括毫米波雷达、存储器、处理器及存储在存储器上并可在处理器上运行的基于毫米波雷达的非接触式生命体征数据监测程序，
所述处理器执行所述基于毫米波雷达的非接触式生命体征数据监测程序时实现如权利要求1-8中任一项所述的基于毫米波雷达的非接触式生命体征数据监测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于毫米波雷达的非接触式生命体征数据监测程序，所述基于毫米波雷达的非接触式生命体征数据监测程序被处理器执行时实现如权利要求1-8中任一项所述的基于毫米波雷达的非接触式生命体征数据监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311176456.9A CN116982957B (zh) | 2023-09-12 | 2023-09-12 | 基于毫米波雷达的非接触式生命体征数据监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311176456.9A CN116982957B (zh) | 2023-09-12 | 2023-09-12 | 基于毫米波雷达的非接触式生命体征数据监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116982957A CN116982957A (zh) | 2023-11-03 |
| CN116982957B true CN116982957B (zh) | 2024-06-07 |
Family
ID=88523343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311176456.9A Active CN116982957B (zh) | 2023-09-12 | 2023-09-12 | 基于毫米波雷达的非接触式生命体征数据监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116982957B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111481184A (zh) * | 2020-04-24 | 2020-08-04 | 华侨大学 | 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 |
| CN112014837A (zh) * | 2020-08-03 | 2020-12-01 | 杭州电子科技大学 | 一种基于毫米波雷达的体征无接触式智能监测系统 |
| CN112998668A (zh) * | 2021-02-06 | 2021-06-22 | 路晟悠拜(重庆)科技有限公司 | 基于毫米波的非接触式远场多人体呼吸心率监测方法 |
| CN114647009A (zh) * | 2020-12-17 | 2022-06-21 | 南京理工大学 | 基于fmcw雷达的多人定位及生命体征探测方法及系统 |
| 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 |
| CN115736872A (zh) * | 2022-12-05 | 2023-03-07 | 四川启睿克科技有限公司 | 一种基于毫米波雷达实时计算心率的方法 |
| CN115736886A (zh) * | 2022-10-27 | 2023-03-07 | 东南大学 | 一种基于毫米波雷达的多目标呼吸率参数估计方法 |
| CN116148843A (zh) * | 2021-11-30 | 2023-05-23 | 南京理工大学 | 基于simo雷达的多人心跳检测及定位方法和系统 |
| WO2023158033A1 (ko) * | 2022-02-17 | 2023-08-24 | 주식회사 에이유 | 비접촉식 생체 신호 측정 시스템 및 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11412937B2 (en) * | 2017-03-29 | 2022-08-16 | Texas Instruments Incorporated | Multi-person vital signs monitoring using millimeter wave (mm-wave) signals |
-
2023
- 2023-09-12 CN CN202311176456.9A patent/CN116982957B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111481184A (zh) * | 2020-04-24 | 2020-08-04 | 华侨大学 | 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 |
| CN112014837A (zh) * | 2020-08-03 | 2020-12-01 | 杭州电子科技大学 | 一种基于毫米波雷达的体征无接触式智能监测系统 |
| CN114647009A (zh) * | 2020-12-17 | 2022-06-21 | 南京理工大学 | 基于fmcw雷达的多人定位及生命体征探测方法及系统 |
| CN112998668A (zh) * | 2021-02-06 | 2021-06-22 | 路晟悠拜(重庆)科技有限公司 | 基于毫米波的非接触式远场多人体呼吸心率监测方法 |
| CN116148843A (zh) * | 2021-11-30 | 2023-05-23 | 南京理工大学 | 基于simo雷达的多人心跳检测及定位方法和系统 |
| WO2023158033A1 (ko) * | 2022-02-17 | 2023-08-24 | 주식회사 에이유 | 비접촉식 생체 신호 측정 시스템 및 방법 |
| 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 |
| CN115736886A (zh) * | 2022-10-27 | 2023-03-07 | 东南大学 | 一种基于毫米波雷达的多目标呼吸率参数估计方法 |
| CN115736872A (zh) * | 2022-12-05 | 2023-03-07 | 四川启睿克科技有限公司 | 一种基于毫米波雷达实时计算心率的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116982957A (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111481184B (zh) | 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 | |
| RU2531119C2 (ru) | Бесконтактный мониторинг дыхания пациента | |
| US10401479B2 (en) | Remote sensing of human breathing at a distance | |
| US8742935B2 (en) | Radar based systems and methods for detecting a fallen person | |
| US20230341518A1 (en) | Millimeterwave radar system for determining an activity record | |
| 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 | |
| CN108968970A (zh) | 一种多普勒毫米波雷达检测人体跌倒的方法、装置和雷达系统 | |
| CN108652601A (zh) | 一种基于调频连续波毫米波雷达的睡眠监控方法、装置和雷达系统 | |
| EP3342330B1 (en) | Phasor approach to signal to noise ratio measurement evaluation of physiological signals | |
| US11402484B2 (en) | Object detection device, in-vehicle radar system, monitoring radar system, object detection method of object detection device, and program | |
| JP6706031B2 (ja) | 状態事象識別装置 | |
| CN116106855B (zh) | 摔倒检测方法及摔倒检测装置 | |
| WO2016136400A1 (ja) | 生体監視装置、生体監視方法および生体監視システム | |
| CN116338619A (zh) | 基于雷达的跌倒检测方法、装置、设备及介质 | |
| Zhang et al. | Lt-fall: The design and implementation of a life-threatening fall detection and alarming system | |
| CN115969351A (zh) | 一种基于毫米波雷达实时计算呼吸的方法 | |
| CN115736872A (zh) | 一种基于毫米波雷达实时计算心率的方法 | |
| CN115755015A (zh) | 座舱内的活体检测方法、装置、设备及介质 | |
| CN116942142A (zh) | 一种基于毫米波雷达的人员智能化监测方法及相关设备 | |
| Rui et al. | Estimation of human walking speed by Doppler radar for elderly care | |
| CN116982957B (zh) | 基于毫米波雷达的非接触式生命体征数据监测方法 | |
| WO2022101390A2 (en) | Optimization of dataset | |
| US20240282440A1 (en) | Apparatus and method for determining rarity of biometric information signal | |
| CN117612717A (zh) | 基于毫米波雷达的多功能健康监测方法 | |
| CN117218793A (zh) | 一种高准确率的居家式跌倒报警智能机器人 |
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 |