CN117491966A - 一种毫米波雷达信号处理方法及系统 - Google Patents
一种毫米波雷达信号处理方法及系统 Download PDFInfo
- Publication number
- CN117491966A CN117491966A CN202410004887.5A CN202410004887A CN117491966A CN 117491966 A CN117491966 A CN 117491966A CN 202410004887 A CN202410004887 A CN 202410004887A CN 117491966 A CN117491966 A CN 117491966A
- Authority
- CN
- China
- Prior art keywords
- millimeter wave
- wave radar
- signal
- radar signal
- filter
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000006996 mental state Effects 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 230000003044 adaptive effect Effects 0.000 claims abstract description 10
- 230000000241 respiratory effect Effects 0.000 claims description 24
- 230000001121 heart beat frequency Effects 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 17
- 230000036391 respiratory frequency Effects 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013019 agitation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007723 transport mechanism 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- G01S7/41—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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physiology (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Cardiology (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Pulmonology (AREA)
- Power Engineering (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及雷达数据处理技术领域,公开了一种毫米波雷达信号处理方法及系统,其中方法包括:S1:得到对应所述被试人员的毫米波雷达信号;S2:得到预处理后的所述毫米波雷达信号;S3:根据被试人员的精神状态选择不同的毫米波雷达信号处理步骤;若精神状态为平静,则进入S4,若精神状态为非平静,则进入S5;S4:选择带通滤波器对毫米波雷达信号进行处理;S5:选择自适应最小二乘法对毫米波雷达信号进行处理。本发明在对毫米波雷达信号处理时,首先对被试人员的状态进行分类区分为平静状态和非平静状态,当被试人员处于平静状态时,采用常规检测方法对毫米波雷达信号进行处理,在被试人员处于非平静状态时,采用自适应算法识别人体特征。
Description
技术领域
本发明涉及雷达数据处理技术领域,具体涉及一种毫米波雷达信号处理方法及系统。
背景技术
随着医疗技术的发展,人体诸多体征信息均可借助医院等场景下的测量设备获取,从而将测量到的数据应用于诊断分析中,进而判断人的健康状况。
现如今,一些特定病症紧密相关的关键体征信息可以借助专业的仪器进行实时的检测,将该种检测方法更方便细致地融入到人们的日常生活中,可以作为传统的医院式全面检测提供补充方案,此种更加轻便的非接触测量手段得到了重视与更快速的发展,其中,以雷达传感器为代表的非接触测量法在应用于不适合接触式测量的特定人群时有着良好的效果。
雷达传感器的测量过程满足非接触、非侵入、无扰等特点,在实际使用中可以避免传统接触式电极的不足与限制,为特殊情况下针对特殊人群的体征信息测量提供替代方案。
但是,人体在处于平静状态和不平静状态时,一些所需测量的数据例如心跳频率和呼吸频率的正常值会产生较大的波动,而现有技术中基于雷达传感器的数据处理过程中未对被测试人员的精神状态进行分类,导致毫米波雷达数据处理的准确度不高。
发明内容
本发明的目的在于提供一种毫米波雷达信号处理方法及系统,以解决现有技术中的基于雷达传感器的数据处理过程中未对被测试人员的精神状态进行分类问题。
为解决上述技术问题,本发明具体提供下述技术方案:
一种毫米波雷达信号处理方法,包括如下步骤:
S1:采用毫米波雷达系统照射被试人员,得到对应所述被试人员的毫米波雷达信号;
S2:对所述毫米波雷达信号进行预处理操作,得到预处理后的所述毫米波雷达信号;
S3:获取所述被试人员的精神状态,根据被试人员的精神状态选择不同的毫米波雷达信号处理步骤;若精神状态为平静,则进入S4,若精神状态为非平静,则进入S5;
S4:选择带通滤波器对毫米波雷达信号进行处理;
S5:选择自适应最小二乘法对毫米波雷达信号进行处理。
作为本发明的一种优选方案,所述毫米波雷达系统包括发射机、接收机、天线;
所述发射机用于在毫米波雷达系统工作时将射频信号转换成毫米波信号,并通过所述天线发射到空间中,所述接收机用于接收所述天线发射的毫米波信号;
所述毫米波信号的波段频率为30GHz-300GHz。
作为本发明的一种优选方案,在所述S2中,对所述毫米波雷达信号进行预处理操作包括如下步骤:
S21:采用高斯滤波对所述毫米波雷达信号进行去噪;
S22:采用扫描技术处理所述S21中去噪后的所述毫米波雷达信号的盲区信号;
S23:采用放大器对所述S22中处于盲区信号的毫米波雷达信号进行放大处理,用于放大人体生命特征信号。
作为本发明的一种优选方案,在所述S3中,所述被试人员的精神状态由被试人员自行输入确定或是由人体生命体征设备检测确定。
作为本发明的一种优选方案,在所述S3中,所述毫米波雷达信号处理步骤用于获取人体的生命体征,其中,所述人体的生命体征为心跳频率和呼吸频率;
所述根据被试人员的精神状态选择不同的毫米波雷达信号处理步骤具体为:根据精神状态不同采用带通滤波器或采用自适应最小二乘法对毫米波雷达信号进行处理;
当获取的精神状态为平静状态时选择带通滤波器对毫米波雷达信号进行处理获取人体生命体征;
当获取的精神状态为非平静状态时选择自适应最小二乘法对毫米波雷达信号进行处理获取人体生命体征。
作为本发明的一种优选方案,在所述S4中,所述带通滤波器包括呼吸体征信号滤波器和心跳体征信号滤波器,采用带通滤波器结合所述S2中获取的预处理后的所述毫米波雷达信号得到人体生命体征检测结果的具体步骤如下:
S41:使用所述呼吸体征信号滤波器获取所述毫米波雷达信号的呼吸体征信号,所述呼吸体征信号滤波器的阻带截止频率fstop1=0.1Hz,所述呼吸体征信号滤波器的通带截止频率fstart1=0.4Hz;
S42:使用所述心跳体征信号滤波器获取所述毫米波雷达信号的心跳体征信号,所述心跳体征信号滤波器的阻带截止频率fstop1=0.8Hz,所述心跳体征信号滤波器的通带截止频率fstart1=1.8Hz;
S43:对经过呼吸体征信号滤波器得到的信号进行傅里叶变换,得到呼吸体征的时域信息,根据所述呼吸体征的时域信息获得呼吸频率信息;
S44:对经过心跳体征信号滤波器得到的信号进行傅里叶变换,得到心跳体征的时域信息,根据所述心跳体征的时域信息获得心跳频率信息。
作为本发明的一种优选方案,在所述S5中,选择自适应最小二乘法对毫米波雷达信号进行处理的的具体步骤如下:
S51:将所述S2中获取的预处理后的所述毫米波雷达信号复制成两路相同的信号,一路为参考信号,另一路为待检测信号;
S52:分别对待检测信号和参考信号进行滤波操作;
S53:将所述S52中经过滤波操作的待检测信号进行规整处理,得到n时刻的输入矢量U(n);
S54:运用递归最小二乘算法,对每一时刻的输入矢量U(n)进行处理,分离出心跳频率信息和呼吸频率信息。
作为本发明的一种优选方案,所述n时刻的输入矢量U(n)的公式为:
其中,为/>时刻的输入子矢量,/>为滤波器阶数,/>表示转置。
作为本发明的一种优选方案,所述S54的具体步骤如下:
S541:使用自适应最小二乘法对所述待检测信号进行处理时,使所述输入矢量U(n)通过横向滤波器,所述横向滤波器的第一权向量为,得到滤波器输出y(n),滤波器输出y(n)具体的公式为:/>,/>表示共轭转置;
S542:根据所述参考信号,计算得到所述待检测信号的误差,所述误差/>具体的公式为:/>,/>表示所述参考信号;
S543:根据最小二乘原理更新得到所述横向滤波器的第二权向量为,计算所述误差/>的加权平方和;
S544:重复步骤S543,并使所述误差的加权平方和最小,从而提取出所述待检测信号中的心跳频率信息;
S545:根据所述待检测信号以及所述S544提取的心跳频率信息,得到所述待检测信号中的呼吸频率信息。
一种毫米波雷达信号处理系统,用于执行如上述的任一种毫米波雷达信号处理方法,所述系统包括如下模块:
信号接收模块:由被试人员持有,用于接收毫米波雷达信号;
精神状态获取模块:由被试人员持有,用于获取被试人员的精神状态处于平静状态或是非平静状态;
信号预处理模块:与所述信号接收模块连接,用于对接收的所述毫米波雷达信号预处理,得出预处理后的毫米波雷达信号;
信号处理模块:与所述精神状态获取模块和所述信号预处理模块连接,用于根据被试人员的精神状态选择不同的毫米波雷达信号处理步骤,并对预处理后的毫米波雷达信号进行处理。
本发明与现有技术相比较具有如下有益效果:
本发明在对毫米波雷达信号处理时,首先对被试人员的状态进行分类区分为平静状态和非平静状态,当被试人员处于平静状态时,采用常规检测方法对毫米波雷达信号进行处理,在被试人员处于非平静状态时,采用自适应最小二乘法识别人体特征,从而提高了毫米波雷达信号的处理准确度,进而提高了人体生命体征检测的准确性。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例一所述方法的流程示意图;
图2为本发明实施例二所述系统的框架示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
下面首先结合附图对本申请所涉及的概念进行说明。在此需要指出的是,以下对各个概念的说明,仅为了使本申请的内容更加容易理解,并不表示对本申请保护范围的限定;同时,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
实施例一
如图1所示,本发明提供了一种毫米波雷达信号处理方法,包括如下步骤:
S1:采用毫米波雷达系统照射被试人员,得到对应所述被试人员的毫米波雷达信号。
具体地,毫米波信号具有高频率和短波长的特点,相比于其他频段的雷达信号,具有更高的分辨率和穿透力,可以在多种复杂环境中进行探测和成像,并且可以实现更高的分辨率和探测精度,因此可应用于人体生命体征这种微弱信号的检测上。
更进一步地,所述毫米波雷达系统包括发射机、接收机、天线。
所述发射机用于在毫米波雷达系统工作时将射频信号转换成毫米波信号,并通过所述天线发射到空间中,所述接收机用于接收所述天线发射的毫米波信号。
毫米波信号与被试人员相交时,会发生反射,反射波被接收机接收,从而采集得到毫米波雷达信号。
所述毫米波信号的波段频率为30GHz-300GHz。
具体地,其中所述发射机中具有雷达芯片,所述雷达芯片的信号为英飞凌77GHz毫米波雷达芯片。
S2:对所述毫米波雷达信号进行预处理操作,得到预处理后的所述毫米波雷达信号。
对所述毫米波雷达信号进行预处理的目的是提高雷达信号数据的质量和可用性,现实中是无法在完全理想的环境下进行雷达信号数据采集的,雷达的回波信号中难免会存在环境中干扰波信息,这时就需要对干扰波进行滤除;另外,毫米波雷达的工作频率较高,因此其盲区较大,需要通过一些处理手段来处理盲区信号数据,通过对毫米波雷达信号进行预处理操作,提高了信号数据的质量,为后续的人体生命体征检测打下来良好的数据基础。
具体地,在所述S2中,对所述毫米波雷达信号进行预处理操作包括如下步骤:
S21:采用高斯滤波对所述毫米波雷达信号进行去噪。
S22:采用扫描技术处理所述S21中去噪后的所述毫米波雷达信号的盲区信号。
S23:采用放大器对所述S22中处于盲区信号的毫米波雷达信号进行放大处理,用于放大人体生命特征信号。
S3:获取所述被试人员的精神状态,根据被试人员的精神状态选择不同的毫米波雷达信号处理步骤;若精神状态为平静,则进入S4,若精神状态为非平静,则进入S5。
在所述S3中,所述被试人员的精神状态由被试人员自行输入确定或是由人体生命体征设备检测确定。
在所述S3中,所述毫米波雷达信号处理步骤用于获取人体的生命体征,其中,所述人体的生命体征为心跳频率和呼吸频率;
所述根据被试人员的精神状态选择不同的毫米波雷达信号处理步骤具体为:根据精神状态不同采用带通滤波器或采用自适应最小二乘法对毫米波雷达信号进行处理。
当获取的精神状态为平静状态时选择带通滤波器对毫米波雷达信号进行处理获取人体生命体征。
当获取的精神状态为非平静状态时选择自适应最小二乘法对毫米波雷达信号进行处理获取人体生命体征。
示例性地,所述被试人员的精神状态由被试人员自己输入确定或者由人体生命体征检测的场景确定,若人体生命体征检测用于实验室科研场景,则由被试人员根据自己的状态确定是否为平静状态;若人体生命体征检测用于抗震救灾,人员搜寻场景,则认定被试人员处于非平静状态。
S4:选择带通滤波器对毫米波雷达信号进行处理。
具体地,在平静状态下,正常人体呼吸频率0.1Hz-0.4Hz和心跳频率0.8Hz-1.8Hz,在所述S4中,所述带通滤波器包括呼吸体征信号滤波器和心跳体征信号滤波器,采用带通滤波器结合所述S2中获取的预处理后的毫米波雷达信号得到人体生命体征检测结果的具体步骤如下:
S41:使用所述呼吸体征信号滤波器获取所述毫米波雷达信号的呼吸体征信号,所述呼吸体征信号滤波器的阻带截止频率fstop1=0.1Hz,所述呼吸体征信号滤波器的通带截止频率fstart1=0.4Hz。
S42:使用所述心跳体征信号滤波器获取所述毫米波雷达信号的心跳体征信号,所述心跳体征信号滤波器的阻带截止频率fstop1=0.8Hz,所述心跳体征信号滤波器的通带截止频率fstart1=1.8Hz。
S43:对经过呼吸体征信号滤波器得到的信号进行傅里叶变换,得到呼吸体征的时域信息,根据所述呼吸体征的时域信息获得呼吸频率信息。
S44:对经过心跳体征信号滤波器得到的信号进行傅里叶变换,得到心跳体征的时域信息,根据所述心跳体征的时域信息获得心跳频率信息。
S5:选择自适应最小二乘法对毫米波雷达信号进行处理;
更进一步地,当被试人员处于非平缓状态,即紧张、愤怒、激动、恐惧等状态时,呼吸频率和心跳频率会存在较大的波动,且呼吸和心跳造成的谐波也会更不具规律性,此时采用常规提取方法提取出来的人体生命体征准确度较差;而自适应算法具有较好的适应特征,可用于非平静状态下的人体生命体征检测。
在所述S5中,选择自适应最小二乘法对毫米波雷达信号进行处理的具体步骤如下:
S51:将所述S2中获取的预处理后的所述毫米波雷达信号复制成两路相同的信号,一路为参考信号,另一路为待检测信号。
S52:分别对待检测信号和参考信号进行滤波操作。
S53:将所述S52中经过滤波操作的待检测信号进行规整处理,得到n时刻的输入矢量U(n)。
所述n时刻的输入矢量U(n)的公式为:
其中,u(n)为n时刻的抽头输入子矢量,m为滤波器阶数,表示转置。
S54:运用递归最小二乘算法,对每一时刻的输入矢量U(n)进行处理,分离出心跳频率信息和呼吸频率信息。
所述S54的具体步骤如下:
S541:使用自适应最小二乘法对所述待检测信号进行处理时,使所述输入矢量U(n)通过横向滤波器,所述横向滤波器的第一权向量为w(n-1),得到滤波器输出y(n),滤波器输出y(n)具体的公式为:,/>表示共轭转置。
S542:根据所述参考信号,计算得到所述待检测信号的误差e(n),所述待检测信号的误差e(n)具体的公式为:,/>表示所述参考信号。
S543:根据最小二乘原理更新得到所述横向滤波器的第二权向量为w(n),计算所述误差e(n)的加权平方和。
S544:重复步骤S543,并使所述误差e(n)的加权平方和最小,从而提取出所述待检测信号中的心跳频率信息。
S545:根据所述待检测信号以及所述S544提取的心跳频率信息,得到所述待检测信号中的呼吸频率信息。
本发明在对毫米波雷达信号处理时,首先对被试人员的状态进行分类区分为平静状态和非平静状态,当被试人员处于平静状态时,采用常规检测方法对毫米波雷达信号进行处理,在被试人员处于非平静状态时,采用自适应最小二乘法识别人体特征,从而提高了毫米波雷达信号的处理准确度,进而提高了人体生命体征检测的准确性。
实施例二
如图2所示,一种毫米波雷达信号处理系统,用于执行如上述的任一种毫米波雷达信号处理方法,所述系统包括如下模块:
信号接收模块:用于接收毫米波雷达信号。
精神状态获取模块:用于获取被试人员的精神状态处于平静状态或是非平静状态。
信号预处理模块:与所述信号接收模块连接,用于对接收的所述毫米波雷达信号预处理,得出预处理后的毫米波雷达信号。
信号处理模块:与所述精神状态获取模块和所述信号预处理模块连接,用于根据被试人员的精神状态选择不同的毫米波雷达信号处理步骤,并对预处理后的毫米波雷达信号进行处理。
实施例三
本实施例包括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数据处理程序,所述数据处理程序被处理器执行实施例一的任一种毫米波雷达信号处理方法。
本领域技术人员应明白,本文的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本文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。包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或可以用于存储期望的信息并且可以被计算机访问的任何其他的介质等。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
本文是参照根据本文实施例的方法、装置(设备)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设备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设备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设备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的步骤。
需要说明的是,本申请所用术语仅为了描述特定实施例,而非限制本申请范围。如本申请说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。术语“包括”、“包含”或其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法或设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或是还包括为这种过程、方法或设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或设备中还存在另外的相同要素。
还需说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”等应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
以上所述的实施例及/或实施方式,仅是用以说明实现本发明技术的较佳实施例及/或实施方式,并非对本发明技术的实施方式作任何形式上的限制,任何本领域技术人员,在不脱离本发明内容所公开的技术手段的范围,当可作些许的更动或修改为其它等效的实施例,但仍应视为与本发明实质相同的技术或实施例。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。以上所述仅是本申请的优选实施方式,应当指出,由于文字表达的有限性,而客观上存在无限的具体结构,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以作出若干改进、润饰或变化,也可以将上述技术特征以适当的方式进行组合;这些改进润饰、变化或组合,或未经改进将发明的构思和技术方案直接应用于其他场合的,均应视为本申请的保护范围。
Claims (10)
1.一种毫米波雷达信号处理方法,其特征在于,包括如下步骤:
S1:采用毫米波雷达系统照射被试人员,得到对应所述被试人员的毫米波雷达信号;
S2:对所述毫米波雷达信号进行预处理操作,得到预处理后的所述毫米波雷达信号;
S3:获取所述被试人员的精神状态,根据被试人员的精神状态选择不同的毫米波雷达信号处理步骤;若精神状态为平静,则进入S4,若精神状态为非平静,则进入S5;
S4:选择带通滤波器对毫米波雷达信号进行处理;
S5:选择自适应最小二乘法对毫米波雷达信号进行处理。
2.根据权利要求1所述的一种毫米波雷达信号处理方法,其特征在于,所述毫米波雷达系统包括发射机、接收机、天线;
所述发射机用于在毫米波雷达系统工作时将射频信号转换成毫米波信号,并通过所述天线发射到空间中,所述接收机用于接收所述天线发射的毫米波信号;
所述毫米波信号的波段频率为30GHz-300GHz。
3.根据权利要求1所述的一种毫米波雷达信号处理方法,其特征在于,在所述S2中,对所述毫米波雷达信号进行预处理操作包括如下步骤:
S21:采用高斯滤波对所述毫米波雷达信号进行去噪;
S22:采用扫描技术处理所述S21中去噪后的所述毫米波雷达信号的盲区信号;
S23:采用放大器对所述S22中处于盲区信号的毫米波雷达信号进行放大处理,用于放大人体生命特征信号。
4.根据权利要求1所述的一种毫米波雷达信号处理方法,其特征在于,在所述S3中,所述被试人员的精神状态由被试人员自行输入确定或是由人体生命体征设备检测确定。
5.根据权利要求4所述的一种毫米波雷达信号处理方法,其特征在于,在所述S3中,所述毫米波雷达信号处理步骤用于获取人体的生命体征,其中,所述人体的生命体征为心跳频率和呼吸频率;
所述根据被试人员的精神状态选择不同的毫米波雷达信号处理步骤具体为:根据精神状态不同采用带通滤波器或采用自适应最小二乘法对毫米波雷达信号进行处理;
当获取的精神状态为平静状态时选择带通滤波器对毫米波雷达信号进行处理获取人体生命体征;
当获取的精神状态为非平静状态时选择自适应最小二乘法对毫米波雷达信号进行处理获取人体生命体征。
6.根据权利要求1所述的一种毫米波雷达信号处理方法,其特征在于,在所述S4中,所述带通滤波器包括呼吸体征信号滤波器和心跳体征信号滤波器,采用带通滤波器结合所述S2中获取的预处理后的所述毫米波雷达信号得到人体生命体征检测结果的具体步骤如下:
S41:使用所述呼吸体征信号滤波器获取所述毫米波雷达信号的呼吸体征信号,所述呼吸体征信号滤波器的阻带截止频率fstop1=0.1Hz,所述呼吸体征信号滤波器的通带截止频率fstart1=0.4Hz;
S42:使用所述心跳体征信号滤波器获取所述毫米波雷达信号的心跳体征信号,所述心跳体征信号滤波器的阻带截止频率fstop1=0.8Hz,所述心跳体征信号滤波器的通带截止频率fstart1=1.8Hz;
S43:对经过呼吸体征信号滤波器得到的信号进行傅里叶变换,得到呼吸体征的时域信息,根据所述呼吸体征的时域信息获得呼吸频率信息;
S44:对经过心跳体征信号滤波器得到的信号进行傅里叶变换,得到心跳体征的时域信息,根据所述心跳体征的时域信息获得心跳频率信息。
7.根据权利要求1所述的一种毫米波雷达信号处理方法,其特征在于,在所述S5中,选择自适应最小二乘法对毫米波雷达信号进行处理的的具体步骤如下:
S51:将所述S2中获取的预处理后的所述毫米波雷达信号复制成两路相同的信号,一路为参考信号,另一路为待检测信号;
S52:分别对待检测信号和参考信号进行滤波操作;
S53:将所述S52中经过滤波操作的待检测信号进行规整处理,得到n时刻的输入矢量U(n);
S54:运用递归最小二乘算法,对每一时刻的输入矢量U(n)进行处理,分离出心跳频率信息和呼吸频率信息。
8.根据权利要求7所述的一种毫米波雷达信号处理方法,其特征在于,所述n时刻的输入矢量U(n)的公式为:
其中,为/>时刻的输入子矢量,/>为滤波器阶数,/>表示转置。
9.根据权利要求8所述的一种毫米波雷达信号处理方法,其特征在于,所述S54的具体步骤如下:
S541:使用自适应最小二乘法对所述待检测信号进行处理时,使所述输入矢量U(n)通过横向滤波器,所述横向滤波器的第一权向量为,得到滤波器输出y(n),滤波器输出y(n)具体的公式为:/>,/>表示共轭转置;
S542:根据所述参考信号,计算得到所述待检测信号的误差,所述误差/>具体的公式为:/>,/>表示所述参考信号;
S543:根据最小二乘原理更新得到所述横向滤波器的第二权向量为,计算所述误差/>的加权平方和;
S544:重复步骤S543,并使所述误差的加权平方和最小,从而提取出所述待检测信号中的心跳频率信息;
S545:根据所述待检测信号以及所述S544提取的心跳频率信息,得到所述待检测信号中的呼吸频率信息。
10.一种毫米波雷达信号处理系统,用于执行如权利要求1-9任一项所述的一种毫米波雷达信号处理方法,其特征在于,所述系统包括如下模块:
信号接收模块:用于接收毫米波雷达信号;
精神状态获取模块:用于获取被试人员的精神状态处于平静状态或是非平静状态;
信号预处理模块:与所述信号接收模块连接,用于对接收的所述毫米波雷达信号预处理,得出预处理后的毫米波雷达信号;
信号处理模块:与所述精神状态获取模块和所述信号预处理模块连接,用于根据被试人员的精神状态选择不同的毫米波雷达信号处理步骤,并对预处理后的毫米波雷达信号进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410004887.5A CN117491966B (zh) | 2024-01-03 | 2024-01-03 | 一种毫米波雷达信号处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410004887.5A CN117491966B (zh) | 2024-01-03 | 2024-01-03 | 一种毫米波雷达信号处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117491966A true CN117491966A (zh) | 2024-02-02 |
CN117491966B CN117491966B (zh) | 2024-03-22 |
Family
ID=89678661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410004887.5A Active CN117491966B (zh) | 2024-01-03 | 2024-01-03 | 一种毫米波雷达信号处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117491966B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005342188A (ja) * | 2004-06-02 | 2005-12-15 | Delta Tooling Co Ltd | 心身状態判定システム |
US20140206323A1 (en) * | 2013-01-18 | 2014-07-24 | Ruggero Scorcioni | Communication system having automated filtering based on mental state decisions |
CN110045370A (zh) * | 2019-05-10 | 2019-07-23 | 成都宋元科技有限公司 | 基于毫米波雷达的人体感知方法及其系统 |
US20190299999A1 (en) * | 2018-03-27 | 2019-10-03 | Hong Kong Productivity Council (HKPC) | Drowsiness Detection and Intervention System and Method |
US20200265949A1 (en) * | 2019-02-14 | 2020-08-20 | Holland Bloorview Kids Rehabilitation Hospital | Anxiety detection in different user states |
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 |
CN113261925A (zh) * | 2021-03-11 | 2021-08-17 | 山东师范大学 | 一种基于毫米波雷达的人体感知方法及系统 |
CN114343602A (zh) * | 2022-01-05 | 2022-04-15 | 河北体育学院 | 一种基于毫米波雷达的运动员竞技状态评估方法及系统 |
CN114931368A (zh) * | 2022-04-08 | 2022-08-23 | 大连海事大学 | 一种毫米波雷达生命体征动态检测方法 |
CN115312195A (zh) * | 2022-10-10 | 2022-11-08 | 安徽交欣科技股份有限公司 | 一种基于情绪数据计算个体心理异常的健康评估方法 |
CN116602640A (zh) * | 2023-05-19 | 2023-08-18 | 烟台大学 | 基于自适应滤除杂波的毫米波雷达心率检测方法 |
CN116784818A (zh) * | 2023-06-07 | 2023-09-22 | 无锡伴创科技有限公司 | 基于毫米波雷达的呼吸心跳信号检测方法及系统 |
-
2024
- 2024-01-03 CN CN202410004887.5A patent/CN117491966B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005342188A (ja) * | 2004-06-02 | 2005-12-15 | Delta Tooling Co Ltd | 心身状態判定システム |
US20140206323A1 (en) * | 2013-01-18 | 2014-07-24 | Ruggero Scorcioni | Communication system having automated filtering based on mental state decisions |
US20190299999A1 (en) * | 2018-03-27 | 2019-10-03 | Hong Kong Productivity Council (HKPC) | Drowsiness Detection and Intervention System and Method |
US20200265949A1 (en) * | 2019-02-14 | 2020-08-20 | Holland Bloorview Kids Rehabilitation Hospital | Anxiety detection in different user states |
CN110045370A (zh) * | 2019-05-10 | 2019-07-23 | 成都宋元科技有限公司 | 基于毫米波雷达的人体感知方法及其系统 |
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 |
CN113261925A (zh) * | 2021-03-11 | 2021-08-17 | 山东师范大学 | 一种基于毫米波雷达的人体感知方法及系统 |
CN114343602A (zh) * | 2022-01-05 | 2022-04-15 | 河北体育学院 | 一种基于毫米波雷达的运动员竞技状态评估方法及系统 |
CN114931368A (zh) * | 2022-04-08 | 2022-08-23 | 大连海事大学 | 一种毫米波雷达生命体征动态检测方法 |
CN115312195A (zh) * | 2022-10-10 | 2022-11-08 | 安徽交欣科技股份有限公司 | 一种基于情绪数据计算个体心理异常的健康评估方法 |
CN116602640A (zh) * | 2023-05-19 | 2023-08-18 | 烟台大学 | 基于自适应滤除杂波的毫米波雷达心率检测方法 |
CN116784818A (zh) * | 2023-06-07 | 2023-09-22 | 无锡伴创科技有限公司 | 基于毫米波雷达的呼吸心跳信号检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
杨冬, 王健琪, 荆西京, 焦腾, 路国华, 叶勇: "雷达式非接触生命参数检测系统中心跳信号提取方法研究", 医疗卫生装备, no. 08, 15 August 2005 (2005-08-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117491966B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Short-range vital signs sensing based on EEMD and CWT using IR-UWB radar | |
US20210267452A1 (en) | Signal obtaining method and system | |
CN104042191A (zh) | 手表式多参数生物传感装置 | |
Bakhtiari et al. | Compact millimeter-wave sensor for remote monitoring of vital signs | |
Lv et al. | Non-contact monitoring of human vital signs using FMCW millimeter wave radar in the 120 GHz band | |
Lee et al. | Physiological signal monitoring bed for infants based on load-cell sensors | |
CN109805931B (zh) | 基于太赫兹多普勒雷达的远距离生命微动信号检测方法 | |
Peng et al. | Cuffless and continuous blood pressure estimation from the heart sound signals | |
US10765352B2 (en) | Multi-sensor non-invasive blood glucose monitoring instrument based on impedance spectroscopy-optical method | |
He et al. | Adaptive separation of respiratory and heartbeat signals among multiple people based on empirical wavelet transform using UWB radar | |
Zhang et al. | Estimation of human body vital signs based on 60 GHz Doppler radar using a bound-constrained optimization algorithm | |
CN112244794B (zh) | 基于周期性特征的生命体征检测方法、装置和存储介质 | |
CN115363547B (zh) | 一种基于超宽带雷达相参积累的人体生命体征检测方法 | |
Mirmohamadsadeghi et al. | Real-time multi-signal frequency tracking with a bank of notch filters to estimate the respiratory rate from the ECG | |
CN110840401B (zh) | 一种心率值测定方法、装置、设备及可读存储介质 | |
Liu et al. | A vital signs fast detection and extraction method of UWB impulse radar based on SVD | |
Reljin et al. | Using the redundant convolutional encoder–decoder to denoise QRS complexes in ECG signals recorded with an armband wearable device | |
Zhu et al. | Optimized electrode locations for wearable single-lead ECG monitoring devices: A case study using WFEES modules based on the LANS method | |
CN117491966B (zh) | 一种毫米波雷达信号处理方法及系统 | |
Athaya et al. | Real-time cuffless continuous blood pressure estimation using 1D squeeze U-Net model: A progress toward mHealth | |
Liang et al. | Non-contact human vital signs extraction algorithms using IR-UWB radar: A review | |
Lenz et al. | Contactless stethoscope enabled by radar technology | |
Kałamajska et al. | Wearable pulse oximeter for swimming pool safety | |
Safdar et al. | A denoising and fourier transformation-based spectrograms in ECG classification using convolutional neural network | |
CN106793996A (zh) | 通过无源感测确定胎儿心脏声音的方法和设备及检查胎儿心脏功能的系统 |
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 |