CN117918812A - 一种基于雷达的非接触人体生命体征感知方法及系统 - Google Patents
一种基于雷达的非接触人体生命体征感知方法及系统 Download PDFInfo
- Publication number
- CN117918812A CN117918812A CN202211239256.9A CN202211239256A CN117918812A CN 117918812 A CN117918812 A CN 117918812A CN 202211239256 A CN202211239256 A CN 202211239256A CN 117918812 A CN117918812 A CN 117918812A
- Authority
- CN
- China
- Prior art keywords
- signal
- target
- distance
- frequency
- spectrum
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001228 spectrum Methods 0.000 claims abstract description 104
- 230000003068 static effect Effects 0.000 claims abstract description 46
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000008447 perception Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 11
- 230000000241 respiratory effect Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 9
- 230000036387 respiratory rate Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract description 14
- 238000004590 computer program Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 210000000038 chest Anatomy 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 208000019693 Lung disease Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 208000019622 heart disease Diseases 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000001121 heart beat frequency Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing 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
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 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
- A61B5/05—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
- A61B5/02—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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radar Systems Or Details Thereof (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- Discrete Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
Abstract
本发明涉及一种基于雷达的非接触人体生命体征感知方法及系统，其包括：采集包括目标的雷达回波信号，经低通滤波器后得到的中频信号处理后得到信号频谱，选择动态能量最大的距离域作为感知目标的距离域；根据信号频谱确定被测目标的动静状态，若为动态则重新采集信号，若为静态则对感知目标的距离域内的信号进行距离波束赋形，增强目标信号的信噪比；将该目标信号进行快速傅里叶变换获得复数信号的频谱，计算得到呼吸率；将目标信号依次进行一阶差分和快速傅里叶变换，得到差分复数信号的频谱，根据差分复数信号的频谱和呼吸率计算得到目标的心率。本发明能扩大呼吸与心跳检测的范围，提高心跳检测精准度；可广泛应用于非接触人体生命体征感知领域。
Description
技术领域
本发明涉及一种非接触感知技术领域，特别是关于一种基于雷达的非接触人体生命体征感知方法及系统。
背景技术
随着经济社会的发展与老龄化进程的加快，人们越来越重视健康问题。而其呼吸、心跳作为人体生命体征的重要指标，如果能实现对其的长期稳定监测，将有助于人们及时了解自身的健康状态，同时对一些心肺疾病给出预警。而传统的呼吸心跳检测方法大多为接触式的，如手环、胸腹带、心电仪等，这类仪器都需要人体佩戴一些特定的传感器，这会侵入式的感知方式会给人增加负担，同时也会面临电源问题，难以在家庭场景下实现对人生命体征的长期监测。非接触式感知则较好的解决上述问题，如基于雷达的呼吸心跳感知，信号由雷达的发射机发射，经过人体反射到达雷达接受机的信号携带了与人体运动、生理状态等有关的信息，通过处理这些信息可以获得人体的呼吸、心跳、位置等信息。此类方法无需人体携带相关设备，可以非接触的实现上述功能。
非接触感知人体呼吸心跳的基本原理为感知其引起胸腔的微小振动。人体的呼吸与心跳都会引起胸腔的起伏与振动，其中呼吸的幅度为5mm～12mm，心跳引起振动的幅度约为0.1mm～0.4mm，而一些雷达，比如常见的77G毫米波雷达感知精度可以达到微米级，故可以通过雷达感知人体的呼吸与心跳。这些振动会引起雷达接受信号的相位波动，进而之前的方法大都基于对相位信号的分析来感知呼吸与心跳。同时，其认为呼吸与心跳所处的频段不同，其中呼吸的频率为0.15hz至0.5hz，而心跳的频率则在0.6Hz以上，因此之前的方法基本都是通过对相位信号做频谱分析来检测呼吸率与心率。
然而，目前基于雷达的呼吸心跳感知方法都面临两个挑战。一是由于心跳引起的胸腔振动较为微弱，在距离较远时心跳信号很容易淹没于噪音一种，其感知信噪比问题，此问题极大的限制了心跳感知的范围，阻碍了此类系统的迈向实际应用。第二个挑战为静态信号难以消除导致相位信号的频谱混乱，传统的方法都通过减均值或者拟合圆的方式消除静态，而由于信号的微弱性，这两种方法皆无法彻底消除静态，因此静态向量的存在依然会心跳检测的准确率大幅度下降。这个两个挑战的存在限制了心跳感知的范围与精度，阻碍了这类系统距离实际部署。
发明内容
针对雷达距离目标较远时感知信噪比较低以及静态信号难以消除导致的心跳不可测问题，本发明的目的是提供一种基于雷达的非接触人体生命体征感知方法及系统，通过距离维度上波束赋形与角度波束赋形结合增强信号的方法，提高了信噪比。同时，直接从复信号的频谱中提取心跳的方法，无需静态消除，从而扩大了心跳检测的范围以及提高了心跳检测精准度。
为实现上述目的，本发明采取以下技术方案：一种基于雷达的非接触人体生命体征感知方法，其包括：采集包括目标的雷达回波信号，经低通滤波器后得到中频信号，对中频信号处理后得到信号频谱，选择动态能量最大的距离域作为感知目标的距离域；根据信号频谱确定被测目标的动静状态，若为动态则重新采集信号，若为静态则对感知目标的距离域内的信号进行距离波束赋形，增强目标信号的信噪比；将该目标信号进行快速傅里叶变换获得复数信号的频谱，计算得到呼吸率；将目标信号依次进行一阶差分和快速傅里叶变换，得到差分复数信号的频谱，根据差分复数信号的频谱和呼吸率计算得到目标的心率。
进一步，所述选择动态能量最大的距离域作为感知目标的距离域，包括：
将中频信号进行快时间的快速傅里叶变换获得信号频谱，每一个频率对应一个距离；
将慢时间的各个chirp傅里叶变换的结果拼接起来，得到距离-时间图，纵轴为距离，横轴为时间；
根据距离-时间图确定呼吸目标的距离；计算每个距离域随慢时间变换的信号在预设频率范围内的能量占总频谱能量的比值，比值最高的距离域作为感知目标的距离域。
进一步，所述根据信号频谱确定被测目标的动静状态，包括：
对信号频谱一个帧内的多个chirp做2D FFT，得到距离-多普勒图；
在距离-多普勒图上检测速度非零的峰，若速度非零的峰的能量超过预先设定的阈值，则认为是动态，否则为静态。
进一步，所述对感知目标的距离域内的信号进行距离波束赋形，包括：
对感知目标的距离域内不同起始频率的信号进行数字波束赋形获得距离谱，该距离谱的最高值对应的距离为目标具体距离；
确定目标具体距离的导向向量，根据该导向向量将多频信号对齐，得到信噪比增强后的目标信号。
进一步，所述呼吸率的计算，包括：
信噪比增强后的目标信号随慢时间的变化反应了目标的人体生命体征参数，积累一个时间窗口的人体生命体征参数进行FFT，获得复数频谱；
复数频谱上包含了呼吸频率的对应的谱峰，在预设的频谱范围内寻找最大谱峰，得到目标的呼吸率。
进一步，所述差分复数信号的频谱，获取方法包括：
对信噪比增强后的目标信号进行一阶差分，得到复差分信号；
对得到的复差分信号进行快速傅里叶变换得到差分复数信号的频谱。
进一步，所述目标的心率，计算方法包括：
确定一个频率搜索范围，在频率搜索范围内找到所有的峰，除掉呼吸的谐波对应的峰，剩余的峰为心跳的候选峰；
逐一根据候选峰的频率生成模板，将模板与频率匹配，并确认匹配程度；
选取匹配程度最高的候选峰作为心跳的频率。
一种基于雷达的非接触人体生命体征感知系统，其包括：信号采集处理模块，采集包括目标的雷达回波信号，经低通滤波器后得到中频信号，对中频信号处理后得到信号频谱，选择动态能量最大的距离域作为感知目标的距离域；信噪比增强处理模块，根据信号频谱确定被测目标的动静状态，若为动态则重新采集信号，若为静态则对感知目标的距离域内的信号进行距离波束赋形，增强目标信号的信噪比；第一计算模块，将该目标信号进行快速傅里叶变换获得复数信号的频谱，计算得到呼吸率；第二计算模块，将目标信号依次进行一阶差分和快速傅里叶变换，得到差分复数信号的频谱，根据差分复数信号的频谱和呼吸率计算得到目标的心率。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述方法中的任一方法。
一种计算设备，其包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明无需人体携带任何传感器，即可实现人体生命体征的长期稳定监测。
2、本发明使用距离维度波束赋形与传统角度波束赋形的技术，扩大了人体生命体征的检测范围。
3、本发明无需使用相位信号，直接对复信号的频谱进行分析，因此无需进行静态消除问题，提高人体生命体征的检测的准确率。
附图说明
图1为本发明实施例基于60G频段毫米波雷达的呼吸心跳检测方法流程图；
图2为差分运算的频率响应图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例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发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
为了解决雷达距离目标较远时感知信噪比较低以及静态信号难以消除导致的心跳不可测的问题，本发明提供了一种基于雷达的非接触人体生命体征感知方法及系统，其包括：采集中频信号；计算目标所在的距离域；进行动静检测；利用多频率信号进行距离维度的波束赋形以及利用多天线进行角度维度的波束赋形来提升感知信噪比；利用信噪比增强后的复数信号进行呼吸检测；对信噪比增强后的复数信号进行一阶差分；利用一阶差分后的复数信号进行心跳检测。本发明可以将不同频空维度的信号采样合并叠加，从而实现感知信噪比大幅提升，扩大感知范围，同时直接对复数信号而不是相位进行分析，无需进行静态消除，提升了呼吸与心跳检测准确率。
在本发明的一个实施例中，提供一种基于雷达的非接触人体生命体征感知方法，通过采用距离维度波束赋形与传统角度波束赋形结合提高感知信噪比的技术来扩大感知范围，通过直接基于复数信号而不是相位信号进行频谱分析的方法绕过了静态信号的消除问题，提高了系统的准确率。本实施例中，以基于60G频段毫米波雷达的呼吸心跳检测为例，如图1所示，该方法包括以下步骤：
1)采集包括目标的雷达回波信号，经低通滤波器后得到中频信号，对中频信号处理后得到信号频谱，选择动态能量最大的距离域作为感知目标的距离域；
2)根据信号频谱确定被测目标的动静状态，若为动态则重新采集信号，若为静态则对感知目标的距离域内的信号进行距离波束赋形，增强目标信号的信噪比；
3)将该目标信号进行快速傅里叶变换获得复数信号的频谱，计算得到呼吸率；
4)将目标信号依次进行一阶差分和快速傅里叶变换，得到差分复数信号的频谱，根据差分复数信号的频谱和呼吸率计算得到目标的心率。
上述步骤1)中，雷达向空间中发送调频连续波(FMCW)信号，信号经由目标人体反射后回到雷达接收机，随后接收信号与发射信号混频后再经过低通滤波器得到中频信号。然后对中频信号进行采样便可以获得后续处理需要的采样信号，该采样信号为多频信号。
在本实施例中，为了获得多频信号，在信号发送时需要对信号的参数进行配置，使相邻的chirp的起始频率不同，配置方式在不同的雷达上有所不同。假设空间中只有一个反射体，则一个chirp的发送信号的数学表达为：
其中，fc为信号的起始频率，k为频率随时间变换的斜率。接收信号是发送信号的一个延迟，延迟的时间与目标的距离相关。将接收信号与发射信号做混频并通过低通滤波器，便可以得到中频信号。由于信号的调制方式为线性调频连续波，中频信号的频率为发送与接受信号的频差，频差与时间延迟呈线性关系，又时间延迟与目标的距离为线性关系，故中频信号的频率反应了目标的距离。
上述步骤1)中，已知中频信号的频率反应了目标的距离，所以为了计算目标的距离，首先需要将信号从时域变到频域。
本实施例中，选择动态能量最大的距离域作为感知目标的距离域，包括以下步骤：
1.1)将中频信号进行快时间的快速傅里叶变换获得信号频谱，每一个频率对应一个距离；
1.2)将慢时间的各个chirp傅里叶变换的结果拼接起来，得到距离-时间图，纵轴为距离，横轴为时间；
1.3)根据距离-时间图确定呼吸目标的距离；计算每个距离域随慢时间变换的信号在预设频率范围内的能量占总频谱能量的比值，比值最高的距离域作为感知目标的距离域；
优选的，预设频率范围为0.1Hz至0.5Hz。
具体的，假设目标是静止的，此处的静止意为无肢体运动，因此接受信号只包含目标信号以及噪声。本实施例中的目标是确定包含目标的距离域，在包含目标的距离域中既包含目标信号也包含噪声，而在其余距离域中只包含高斯白噪声。而高斯白噪声的能量在频域上均匀分布的，呼吸信号的能量则是分布在0.1Hz至0.5Hz之间，因此计算每个距离域随慢时间变换的信号在0.1Hz至0.5Hz之间的能量占总频谱能量的比值，该比值最高的距离域即为目标距离域。
上述步骤2)中，根据信号频谱确定被测目标的动静状态，包括以下步骤：
2.1.1)对信号频谱一个帧内的多个chirp做2D FFT，得到距离-多普勒图；
2.1.2)在距离-多普勒图上检测速度非零的峰，若速度非零的峰的能量超过预先设定的阈值，则认为是动态，否则为静态。
上述步骤2)中，波束赋形时为了增强目标信号的信噪比。由于相邻的不同起始频率的chirp，因时间间隔相对于呼吸心跳的时间尺度较短，故认为其同时发射。不同频率的信号探测同一目标，则不同频率信号之间的相位差由目标的距离决定，数学表达如下所示：
因导致相位差的原因为距离，故将相位补齐之后，便可以将能量聚焦在一个特定的距离上。
本实施例中，需要先计算目标的具体距离，然后针对该距离进行相位对齐。
具体的，对感知目标的距离域内的信号进行距离波束赋形，包括以下步骤：
2.2.1)对感知目标的距离域内不同起始频率的信号进行数字波束赋形获得距离谱，该距离谱的最高值对应的距离为目标具体距离；
获得距离谱的方法为：
假设配置了n个不同频率的信号，则信号向量s(t)为：
s(t)＝[s1,s2,…,sn]T
距离d对应导向向量a(d)为：
其中，Δf为信号之间的频差。假设搜索的范围为[d1,d2,…,dm]，则有m个导向向量，写成一个矩阵A：
A＝[a(d1),a(d2),…,a(dm)]T
最后，该矩阵A与信号向量相乘便可以得到距离谱spectrum：
spectrum＝A*s(t)
2.2.2)确定目标具体距离的导向向量，根据该导向向量将多频信号对齐，得到信噪比增强后的目标信号；
假设目标具体距离为dl，对应的导向向量为a(dl)，根据该导向向量可以将多频信号对齐，对齐方式如下：
S＝a(dl)T*s(t)
其中，S是信噪比增强后的目标信号，可用于后续处理。
此步骤可以传统的角度波束赋形相结合，进一步提升信号的感知信噪比。
上述步骤3)中，呼吸率的计算，包括以下步骤：
3.1)信噪比增强后的目标信号随慢时间的变化反应了目标的人体生命体征参数，积累一个时间窗口的人体生命体征参数进行FFT，获得复数频谱；
具体的，复数频谱的获取方法为：
获得信噪比增强后的目标信号S，该信号随慢时间的变化反应了目标的人体生命体征参数，写为S(t)。本实施例中不计算相位，而是直接积累一个时间窗口的S(t)做FFT，便可以获得复数频谱。其中S(t)表达式如下：
即
其中，dbr为呼吸引起的胸腔振动，fbr为呼吸的频率，dh为心跳引起的胸腔振动，fh为心跳的频率，借助第一类贝塞尔函数将S(t)表达为：
其中，ωbr为呼吸的角频率，ωh为心跳的角频率。
由此可以看到，该信号包含呼吸的频率，心跳的频率，以及呼吸的各次谐波与心跳的各次谐波互相调制的信号。
3.2)复数频谱上包含了呼吸频率的对应的谱峰，在预设的频谱范围内寻找最大谱峰，得到目标的呼吸率fbr。
优选的，预设的频谱范围为0.1Hz至0.5Hz。
上述步骤4)中，差分复数信号的频谱，获取方法包括以下步骤：
4.1.1)对信噪比增强后的目标信号进行一阶差分，得到复差分信号；
其中，一阶差分后的复差分信号Sdiff(t)为：
Sdiff(t)＝S(t)-S(t-1)
在此做差分的目的为抑制呼吸的能量增强心跳的能量，以方便心跳的检测。因为心跳的频谱分布相对于呼吸较高，而差分的作用类似一个高通滤波器，其频率响应如图2所示。
4.1.2)对得到的复差分信号Sdiff(t)进行快速傅里叶变换得到差分复数信号的频谱。
上述步骤4)中，目标的心率，计算方法包括以下步骤：
4.2.1)确定一个频率搜索范围，在频率搜索范围内找到所有的峰，除掉呼吸的谐波对应的峰，剩余的峰为心跳的候选峰；
例如，在[2.5·fbr,6.5·fbr]，如fbr＝16Hz/min时，搜索范围为[40，104]。在搜索范范围内找到所有的峰，然后除掉呼吸的谐波对应的峰，剩余的峰为心跳的候选峰。
4.2.2)逐一根据候选峰的频率生成模板，将模板与频率匹配，并确认匹配程度；
具体的，确认匹配程度方法为：模板[fh,fh-fbr,fh+fbr,fh+2·fbr,……]对应频谱中这些频率的能量值的总和，总和的大小代表匹配程度，总和越大，匹配程度越高。
4.2.3)选取匹配程度最高的候选峰作为心跳的频率fh。
在本发明的一个实施例中，提供一种基于雷达的非接触人体生命体征感知系统，其包括：
信号采集处理模块，采集包括目标的雷达回波信号，经低通滤波器后得到中频信号，对中频信号处理后得到信号频谱，选择动态能量最大的距离域作为感知目标的距离域；
信噪比增强处理模块，根据信号频谱确定被测目标的动静状态，若为动态则重新采集信号，若为静态则对感知目标的距离域内的信号进行距离波束赋形，增强目标信号的信噪比；
第一计算模块，将该目标信号进行快速傅里叶变换获得复数信号的频谱，计算得到呼吸率；
第二计算模块，将目标信号依次进行一阶差分和快速傅里叶变换，得到差分复数信号的频谱，根据差分复数信号的频谱和呼吸率计算得到目标的心率。
上述实施例中，在信号采集处理模块中，选择动态能量最大的距离域作为感知目标的距离域，包括：
将中频信号进行快时间的快速傅里叶变换获得信号频谱，每一个频率对应一个距离；
将慢时间的各个chirp傅里叶变换的结果拼接起来，得到距离-时间图，纵轴为距离，横轴为时间；
根据距离-时间图确定呼吸目标的距离；计算每个距离域随慢时间变换的信号在预设频率范围内的能量占总频谱能量的比值，比值最高的距离域作为感知目标的距离域。
上述实施例中，在信噪比增强处理模块中，根据信号频谱确定被测目标的动静状态，包括：
对信号频谱一个帧内的多个chirp做2D FFT，得到距离-多普勒图；
在距离-多普勒图上检测速度非零的峰，若速度非零的峰的能量超过预先设定的阈值，则认为是动态，否则为静态。
上述实施例中，在信噪比增强处理模块中，对感知目标的距离域内的信号进行距离波束赋形，包括：
对感知目标的距离域内不同起始频率的信号进行数字波束赋形获得距离谱，该距离谱的最高值对应的距离为目标具体距离；
确定目标具体距离的导向向量，根据该导向向量将多频信号对齐，得到信噪比增强后的目标信号。
上述实施例中，在第一计算模块中，呼吸率的计算，包括：
信噪比增强后的目标信号随慢时间的变化反应了目标的人体生命体征参数，积累一个时间窗口的人体生命体征参数进行FFT，获得复数频谱；
复数频谱上包含了呼吸频率的对应的谱峰，在预设的频谱范围内寻找最大谱峰，得到目标的呼吸率。
上述实施例中，在第二计算模块中，差分复数信号的频谱，获取方法包括：
对信噪比增强后的目标信号进行一阶差分，得到复差分信号；
对得到的复差分信号进行快速傅里叶变换得到差分复数信号的频谱。
上述实施例中，在第二计算模块中，目标的心率，计算方法包括：
确定一个频率搜索范围，在频率搜索范围内找到所有的峰，除掉呼吸的谐波对应的峰，剩余的峰为心跳的候选峰；
逐一根据候选峰的频率生成模板，将模板与频率匹配，并确认匹配程度；
选取匹配程度最高的候选峰作为心跳的频率。
本实施例提供的系统是用于执行上述各方法实施例的，具体流程和详细内容请参照上述实施例，此处不再赘述。
在本发明一实施例中提供的计算设备结构，该计算设备可以是终端，其可以包括：处理器(processor)、通信接口(Communications Interface)、存储器(memory)、显示屏和输入装置。其中，处理器、通信接口、存储器通过通信总线完成相互间的通信。该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序，该计算机程序被处理器执行时以实现一种基于雷达的非接触人体生命体征感知方法；该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、管理商网络、NFC(近场通信)或其他技术实现。该显示屏可以是液晶显示屏或者电子墨水显示屏，该输入装置可以是显示屏上覆盖的触摸层，也可以是计算设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。处理器可以调用存储器中的逻辑指令，以执行如下方法：采集包括目标的雷达回波信号，经低通滤波器后得到中频信号，对中频信号处理后得到信号频谱，选择动态能量最大的距离域作为感知目标的距离域；根据信号频谱确定被测目标的动静状态，若为动态则重新采集信号，若为静态则对感知目标的距离域内的信号进行距离波束赋形，增强目标信号的信噪比；将该目标信号进行快速傅里叶变换获得复数信号的频谱，计算得到呼吸率；将目标信号依次进行一阶差分和快速傅里叶变换，得到差分复数信号的频谱，根据差分复数信号的频谱和呼吸率计算得到目标的心率。
此外，上述的存储器中的逻辑指令可以通过软件功能单元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，本发明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(可以是个人计算机，服务器，或者网络设备等)执行本发明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。
本领域技术人员可以理解，上述计算设备的结构，仅仅是与本申请方案相关的部分结构，并不构成对本申请方案所应用于其上的计算设备的限定，具体的计算设备可以包括更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在本发明的一个实施例中，提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：采集包括目标的雷达回波信号，经低通滤波器后得到中频信号，对中频信号处理后得到信号频谱，选择动态能量最大的距离域作为感知目标的距离域；根据信号频谱确定被测目标的动静状态，若为动态则重新采集信号，若为静态则对感知目标的距离域内的信号进行距离波束赋形，增强目标信号的信噪比；将该目标信号进行快速傅里叶变换获得复数信号的频谱，计算得到呼吸率；将目标信号依次进行一阶差分和快速傅里叶变换，得到差分复数信号的频谱，根据差分复数信号的频谱和呼吸率计算得到目标的心率。
在本发明的一个实施例中，提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储服务器指令，该计算机指令使计算机执行上述各实施例提供的方法，例如包括：采集包括目标的雷达回波信号，经低通滤波器后得到中频信号，对中频信号处理后得到信号频谱，选择动态能量最大的距离域作为感知目标的距离域；根据信号频谱确定被测目标的动静状态，若为动态则重新采集信号，若为静态则对感知目标的距离域内的信号进行距离波束赋形，增强目标信号的信噪比；将该目标信号进行快速傅里叶变换获得复数信号的频谱，计算得到呼吸率；将目标信号依次进行一阶差分和快速傅里叶变换，得到差分复数信号的频谱，根据差分复数信号的频谱和呼吸率计算得到目标的心率。
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本申请是参照根据本申请实施例的方法、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。
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设备上，使得在计算机或其他可编程设备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设备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。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于雷达的非接触人体生命体征感知方法，其特征在于，包括：
采集包括目标的雷达回波信号，经低通滤波器后得到中频信号，对中频信号处理后得到信号频谱，选择动态能量最大的距离域作为感知目标的距离域；
根据信号频谱确定被测目标的动静状态，若为动态则重新采集信号，若为静态则对感知目标的距离域内的信号进行距离波束赋形，增强目标信号的信噪比；
将该目标信号进行快速傅里叶变换获得复数信号的频谱，计算得到呼吸率；
将目标信号依次进行一阶差分和快速傅里叶变换，得到差分复数信号的频谱，根据差分复数信号的频谱和呼吸率计算得到目标的心率。
2.如权利要求1所述基于雷达的非接触人体生命体征感知方法，其特征在于，所述选择动态能量最大的距离域作为感知目标的距离域，包括：
将中频信号进行快时间的快速傅里叶变换获得信号频谱，每一个频率对应一个距离；
将慢时间的各个chirp傅里叶变换的结果拼接起来，得到距离-时间图，纵轴为距离，横轴为时间；
根据距离-时间图确定呼吸目标的距离；计算每个距离域随慢时间变换的信号在预设频率范围内的能量占总频谱能量的比值，比值最高的距离域作为感知目标的距离域。
3.如权利要求1所述基于雷达的非接触人体生命体征感知方法，其特征在于，所述根据信号频谱确定被测目标的动静状态，包括：
对信号频谱一个帧内的多个chirp做2D FFT，得到距离-多普勒图；
在距离-多普勒图上检测速度非零的峰，若速度非零的峰的能量超过预先设定的阈值，则认为是动态，否则为静态。
4.如权利要求1所述基于雷达的非接触人体生命体征感知方法，其特征在于，所述对感知目标的距离域内的信号进行距离波束赋形，包括：
对感知目标的距离域内不同起始频率的信号进行数字波束赋形获得距离谱，该距离谱的最高值对应的距离为目标具体距离；
确定目标具体距离的导向向量，根据该导向向量将多频信号对齐，得到信噪比增强后的目标信号。
5.如权利要求1所述基于雷达的非接触人体生命体征感知方法，其特征在于，所述呼吸率的计算，包括：
信噪比增强后的目标信号随慢时间的变化反应了目标的人体生命体征参数，积累一个时间窗口的人体生命体征参数进行FFT，获得复数频谱；
复数频谱上包含了呼吸频率的对应的谱峰，在预设的频谱范围内寻找最大谱峰，得到目标的呼吸率。
6.如权利要求1所述基于雷达的非接触人体生命体征感知方法，其特征在于，所述差分复数信号的频谱，获取方法包括：
对信噪比增强后的目标信号进行一阶差分，得到复差分信号；
对得到的复差分信号进行快速傅里叶变换得到差分复数信号的频谱。
7.如权利要求1所述基于雷达的非接触人体生命体征感知方法，其特征在于，所述目标的心率，计算方法包括：
确定一个频率搜索范围，在频率搜索范围内找到所有的峰，除掉呼吸的谐波对应的峰，剩余的峰为心跳的候选峰；
逐一根据候选峰的频率生成模板，将模板与频率匹配，并确认匹配程度；
选取匹配程度最高的候选峰作为心跳的频率。
8.一种基于雷达的非接触人体生命体征感知系统，其特征在于，包括：
信号采集处理模块，采集包括目标的雷达回波信号，经低通滤波器后得到中频信号，对中频信号处理后得到信号频谱，选择动态能量最大的距离域作为感知目标的距离域；
信噪比增强处理模块，根据信号频谱确定被测目标的动静状态，若为动态则重新采集信号，若为静态则对感知目标的距离域内的信号进行距离波束赋形，增强目标信号的信噪比；
第一计算模块，将该目标信号进行快速傅里叶变换获得复数信号的频谱，计算得到呼吸率；
第二计算模块，将目标信号依次进行一阶差分和快速傅里叶变换，得到差分复数信号的频谱，根据差分复数信号的频谱和呼吸率计算得到目标的心率。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至7所述方法中的任一方法。
10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211239256.9A CN117918812A (zh) | 2022-10-11 | 2022-10-11 | 一种基于雷达的非接触人体生命体征感知方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211239256.9A CN117918812A (zh) | 2022-10-11 | 2022-10-11 | 一种基于雷达的非接触人体生命体征感知方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117918812A true CN117918812A (zh) | 2024-04-26 |
Family
ID=90765249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211239256.9A Pending CN117918812A (zh) | 2022-10-11 | 2022-10-11 | 一种基于雷达的非接触人体生命体征感知方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117918812A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118576183A (zh) * | 2024-08-07 | 2024-09-03 | 华南师范大学 | 基于体征信号的呼吸状态预警方法、装置以及计算机设备 |
-
2022
- 2022-10-11 CN CN202211239256.9A patent/CN117918812A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118576183A (zh) * | 2024-08-07 | 2024-09-03 | 华南师范大学 | 基于体征信号的呼吸状态预警方法、装置以及计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Schires et al. | Vital sign monitoring through the back using an UWB impulse radar with body coupled antennas | |
| CN112336322B (zh) | 一种无接触式呼吸或心跳检测方法 | |
| CN106805940A (zh) | 一种连续波生物雷达体征检测装置 | |
| Yan et al. | Phase-based human target 2-D identification with a mobile FMCW radar platform | |
| CN106805941A (zh) | 一种连续波生物雷达体征检测装置 | |
| Sacco et al. | A radar system for indoor human localization and breath monitoring | |
| JP2019152441A (ja) | バイタルセンサ | |
| Ling et al. | Non-contact heart rate monitoring based on millimeter wave radar | |
| Rong et al. | Cardiac sensing exploiting an ultra-wideband terahertz sensing system | |
| CN117918812A (zh) | 一种基于雷达的非接触人体生命体征感知方法及系统 | |
| Li et al. | Microwave vibrometry: Noncontact vibration and deformation measurement using radio signals | |
| Pratiwi et al. | Improved FMCW radar system for multi-target detection of human respiration vital sign | |
| 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 | |
| Jing et al. | Harmonics and intermodulation products-based fuzzy logic (HIPBFL) algorithm for vital sign frequency estimation using a UWB radar | |
| Rong et al. | Novel Respiration-Free Heartbeat Detection Algorithm Using Millimeter-Wave Radar | |
| Gharamohammadi et al. | Multi-Bin Breathing Pattern Estimation by Radar Fusion for Enhanced Driver Monitoring | |
| US20220381877A1 (en) | Method for removing random noise of radar collection signal in biometric signal measurement radar, and apparatus for same | |
| JP6843093B2 (ja) | 心拍計測方法および心拍計測装置 | |
| Radzicki et al. | Standoff CW radar for through-the-wall detection of human heartbeat signatures | |
| CN113786180B (zh) | 基于毫米波雷达信号的人体血压检测装置 | |
| D'Urso et al. | Differential approach for through-the-wall life signs detection | |
| US20220061815A1 (en) | Measuring physiological motion using fmcw radar | |
| Fu et al. | EEMD-MICA Based Heart Rate Extraction Algorithm for Radar Signals | |
| KR102181745B1 (ko) | 차동위상 레이더 생체신호 검출 장치 및 방법 | |
| Benny et al. | Design and Measurements of mmWave FMCW Radar Based Non-Contact Multi-Patient Heart Rate and Breath Rate Monitoring System |
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 |