一种基于毫米波雷达的养老院智能监护系统及方法

1.本发明属于智能监护技术领域，尤其涉及一种基于毫米波雷达的养老院智能监护方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.随着我国进入深度老龄化社会，空巢老人现象愈发严重，养老机构管理中的看护巡视耗费大量人工成本但效果不理想，容易引发排斥心理。
4.如已经公开的发明专利-cn112472051a，现有技术基于毫米波雷达进行智能监控的方法为直接根据采集回的雷达信号提取作为目标人体的生命特征信号进行处理得到相应的的人体指标，并未考虑静止物体对运动目标的干扰，尤其室内场景中目标运动会造成虚假检测点，这些虚假检测点被毫米波雷达传感器误认为目标进行跟踪输出，造成虚警的问题。


技术实现要素：

5.为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种基于毫米波雷达的养老院智能监护方法及系统，其集成了一个体积更小、精度更高的毫米波雷达芯片式监控老年人的看护系统，无需在老人房间内外部安装监控摄像头就可以实现监控和检查老人的身体生命特征和肢体活动，在家中的老人碰巧遇到危险时向其他亲属或者是看护工作人员发出了警报，引导快速施救。同时可帮助看护人监控独居老人是否在家发生跌倒等意外，以及跟踪养老院内的老人以确保安全。
6.为了实现上述目的，本发明采用如下技术方案：
7.本发明的第一个方面提供一种基于毫米波雷达的养老院智能监护装置，包括：生命体征信号采集模块、信号处理模块以及云端预警模块；
8.所述生命体征信号采集模块用于发送雷达信号到待测目标，接收返回的回波信号，所述信号处理模块用于对回波信号进行处理得到距离-速度频谱图和距离-角度频谱图，基于距离-速度频谱图和距离-角度频谱图判断所述待测目标是否为目标人体，若是，根据回波信号计算单位时间内目标人体胸腔表面起伏的距离信息，根据距离信息中的相位差信号提取目标人体生命体征数据；
9.所述信号处理模块用于根据目标人体生命体征数据判断是否超过了设定阈值，若超过，则向云端预警模块发出预警信号，通过云端预警模块向相关联系人或看护者发送通知或及时报警。
10.本发明的第二个方面提供一种基于毫米波雷达的养老院智能监护方法，包括如下步骤：
11.发送雷达信号到待测目标，接收返回的回波信号；
12.对回波信号进行处理得到距离-速度频谱图和距离-角度频谱图，基于距离-速度频谱图和距离-角度频谱图判断所述待测目标是否为目标人体，若是，根据回波信号计算单位时间内目标人体胸腔表面起伏的距离信息，根据距离信息中的相位差信号提取目标人体生命体征数据；
13.根据目标人体生命体征数据判断是否超过了设定阈值，若超过，则向云端预警模块发出预警信号，通过云端预警模块向相关联系人或看护者发送通知或及时报警。
14.与现有技术相比，本发明的有益效果是：
15.对fmcw雷达获取的中频信号进行模数转换，通过傅里叶变换得到距离-速度频谱图、距离-角度频谱图，处理后的信号根据目标监测算法和多目标追踪的方法，获取目标的速度、方位、距离、信噪比等信息。通过静止物体消除算法消除室内环境中静止不动的物体，避免静止物体对运动目标的干扰。通过多径干扰消除算法消除室内场景中目标运动所带来的虚假检测点，避免这些虚假检测点被毫米波雷达传感器误认为目标进行跟踪输出，造成虚警的问题。
16.对于老年患者进行了实时的健康监控，当数据达到智能看护系统此前设置的阈值时，会向看护人或相关联系人发送通知即时警报，而通过云技术和ai智能算法，收集并分析用户对象的健康数据，为定制服务的老人建立健康档案并定期发送健康报告，针对性制定或改善治疗方案并及时反馈健康信息。
附图说明
17.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
18.图1是本发明实施一基于毫米波雷达的养老院智能监护装置的结构原理图；
19.图2是本发明实施二信号处理的流程示意图；
20.图3是本发明实施二线性调频脉冲信号示意图；
21.图4是本发明实施二中频信号输出原理图；
22.图5是本发明实施二中频信号时间函数的频率图；
23.图6是本发明实施二中接收不同物体的三个不同的rx线性调频脉冲表示；
24.图7是本发明实施二中毫米波雷达生命体征监测原理图；
25.图8(a)-图8(b)是本发明实施二中目标跟踪定位实验结果图；
26.图9是本发明实施二中2维fft距离-速度图；
27.图10(a)-图10(d)是本发明实施二中窗函数算法结果图；
28.图11(a)-图11(f)是本发明实施二中测试人员1在保持正常呼吸的情况下的测试结果图；
29.图12(a)-图12(f)是本发明实施二中测试人员2在保持正常呼吸情况下的测试结果图；
30.图13(a)-图13(f)是本发明实施二中测试人员3屏住呼吸时的测试结果图。
具体实施方式
31.下面结合附图与实施例对本发明作进一步说明。
32.应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
33.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发明的示例性实施方式。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。
34.术语解释：
35.毫米波：毫米波是一类使用短波长电磁波的特殊雷达技术，雷达系统发射的电磁波信号被其发射路径上的物体阻挡继而会发生反射，通过捕捉反射的信号，雷达系统可以确定物体的距离、速度和角度。
36.fmcw：(frequency modulated continuous wave，调频连续波)雷达连续发射调频信号，以测量距离以及角度和速度。这与周期性发射短脉冲的传统脉冲雷达系统不同。在雷达系统中，其基本概念是指电磁信号发射过程中被其发射路径上的物体阻挡进行的反射。fmcw雷达系统所用信号的频率随时间变化呈线性升高，这种类型的信号也称为线性调频脉冲。
37.单啁啾：即单个chirp，fmcw雷达发射的一个信号称为chirp，一个chirp是正弦曲线，其频率随时间线性增加。
38.实施例一
39.完整的毫米波雷达系统包括发送(tx)、接收(rx)、射频(rf)组件以及时钟等模拟组件，还有模数转换器(adc)、微控制器(mcu)和数字信号处理器(dsp)等数字组件。
40.如图1所示，本实施例提供了一种基于毫米波雷达的养老院智能监护装置，包括：生命体征信号采集模块、信号处理模块以及云端预警模块；
41.所述生命体征信号采集模块包括信号发生器以及毫米波雷达收发单元；所述信号发生器用于产生一个线性调频脉冲雷达信号；所述毫米波雷达收发单元用于将产生的线性调频脉冲雷达信号通过发射天线发射信号，经过待测目标后得到反射回波，接收天线接收被发射的回波信号；
42.所述信号处理模块用于对回波信号进行处理得到距离-速度频谱图和距离-角度频谱图，基于距离-速度频谱图和距离-角度频谱图判断所述待测目标是否为目标人体，若是，根据回波信号计算单位时间内目标人体胸腔表面起伏的距离信息，根据距离信息中的相位差信号提取目标人体生命体征数据；
43.所述信号处理模块用于对回波信号进行模数转换，通过傅里叶变化得到距离-速度频谱图和距离-角度频谱图，采用cfar算法作用于距离-速度频谱图上并结合距离-角度频谱图可得到点云数据，运用密度聚类算法对点云数据进行凝聚处理，将检测到的点凝聚成一个聚类，将每一个聚类作为一个人体目标；当一个人体目标移动时，必有一个相对应的簇在移动，可以根据聚类的位置和速度得到人的位置和速度。
44.根据目标监测算法和多目标追踪算法，获取目标的速度、方位、距离、信噪比等信息，通过静止物体消除算法消除室内环境中静止不动的物体，避免静止物体对运动目标的干扰。
45.通过多径干扰消除算法消除室内场景中目标运动所带来的的虚假检测点，避免这些虚假检测点被毫米波雷达传感器误认为目标进行跟踪输出，造成虚警的问题。
46.所述云端预警模块和信号处理模块连接，所述云端预警模块用于接收目标人体的心率和呼吸速率等生命体征数据，所述信号处理模块用于判断生命体征指标是否超过了设定阈值，若超过，则通过云端预警模块向相关联系人或看护者发送通知或及时报警；
47.所述信号处理模块用于根据距离-速度频谱图和距离-角度频谱图得到目标人体的身体姿态和运动信息，根据目标人体的身体姿态和运动信息判断是否发生突发情况，若是，则向相关联系人或看护者发送通知或及时警报。对老人的身体姿态和运动进行实时监控和精准识别，当老人发生突发情况时，对相关联系人或看护者发送通知或及时警报。
48.同时将数据上传云端康养服务平台，其数据具备可追踪的特点，可以帮助养老机构理清责任、降低风险。同时在云端康养服务平台建立健康档案，通过ai算法对定制服务的老年人进行健康数据分析，定期发送健康报告，制定改善或治疗方案，并及时反馈健康数据，修正方案。
49.运用实时睡眠监测系统，在用户熟悉的环境中进行实时的睡眠监测，这样能获得更加精确的数据，辅助医生进行诊断治疗，同时在治疗或改善睡眠质量的过程中及时反馈数据，帮助医生或专家修正方案。
50.并将该系统和智能家居进行结合，通过手势、语音等多种方式进行智能家居控制，降低操作难度，适应不同老年人群的操作习惯。
51.实施例二
52.如图2所示，本实施例提供了一种基于毫米波雷达的养老院智能监护方法，通过fmcw毫米波雷达原理，通过微带阵列天线向外发射毫米波，接受到目标物体的反射和传输信号，获取到目标物体的相位信息并对其数据进行分析和处理，从而非视觉无接触地获得了人体呼吸率、心率等各种生命体征数据，对于老年患者进行了实时的健康监控，当数据达到智能看护系统此前设置的阈值时，会向看护人或相关联系人发送通知即时警报，而通过云技术和ai智能算法，收集并分析用户对象的健康数据，为定制服务的老人建立健康档案并定期发送健康报告，针对性制定或改善治疗方案并及时反馈健康信息。
53.包括如下步骤：
54.s1:发送雷达信号到待测目标，接收返回的回波信号；
55.s2:对回波信号进行处理得到距离-速度频谱图和距离-角度频谱图，基于距离-速度频谱图和距离-角度频谱图判断所述待测目标是否为目标人体，若是，根据回波信号计算单位时间内目标人体胸腔表面起伏的距离信息，根据距离信息中的相位差信号提取目标人体生命体征数据；
56.s3:根据目标人体生命体征数据判断是否超过了设定阈值，若超过，则向云端预警模块发出预警信号，通过云端预警模块向相关联系人或看护者发送通知或及时报警。根据距离-速度频谱图和距离-角度频谱图得到目标人体的身体姿态和运动信息，根据目标人体的身体姿态和运动信息判断是否发生突发情况，若是，则向相关联系人或看护者发送通知或及时警报。
57.如图3-图4所示，fmcw毫米波雷达主射频组件包括合成器、发射天线(tx)、接收天线(rx)、射频(rf)组件以及混频器等组件，其工作原理为：
58.信号发生器产生一个线性调频脉冲信号并通过发射天线发射信号x
t
(t)，被目标反射的回波信号被接收天线接收，发射信号与接收信号xr(t)进入混频器进行混频，得到发射信号tx与接收信号rx的差值信号即中频信号(if，intermediate frequency)。
59.其中，fmcw雷达的发射信号x
t
(t)可以表示为：
[0060][0061]
其中，fc是线性调频信号的起始频率，b是带宽，a
tx
是传输信号的振幅，θ(t)是相位噪声，tc是线性调频信号脉冲的宽度，是线性调频信号的斜率，其代表频率的变化。
[0062]
接收到的信号xr(t)为：
[0063][0064]
式中，td为时延，td＝2x(t)/c，x(t)为胸部到雷达的距离，x(t)＝r(t)+d0，r(t)为胸部运动位移，d0为雷达传感器到人体的距离，c为光速。
[0065]
回波信号和传输信号通过两个正交的i/q通道混合，然后通过低通滤波器得到一个中频信号s
if
(t)：
[0066][0067]
其中，fb和为：
[0068][0069][0070]
图5中垂直虚线之间的时段，if信号仅在tx线性调频脉冲和rx线性调频脉冲重叠的时段有效，两条线之间的距离是固定的，这表示if信号包含一个频率恒定的单音信号。
[0071]
图6显示了接收来自不同物体的三个不同的rx线性调频脉冲。每个线性调频脉冲的延时都不一样，延时和与该物体的距离成正比。不同的rx线性调频脉冲转化为多个if单音信号，每个信号频率恒定。
[0072]
心跳和呼吸频率是人体心肺功能的重要指标，对于一般成年人而言，心跳每分钟大约60至100次，而呼吸则是15至30次。在很多的医学影像中可以观察到人体心脏的跳动过程，这种运动模式类似于振动的伸缩，其伸缩的幅度约为0.01～0.2mm；并且人体心跳的速率在一个稳定的范围内是周期变化的，所以，可以将心跳近似于正弦振动模型。
[0073]
呼吸是胸腔的扩张与收缩完成的，同样类似于正弦振动，也可近似为正弦振动模型，其起伏的幅度约为0.1～0.5mm。由于心跳呼吸频率不一样，可以视为两者之间存在相位延迟，假设人体相对于雷达处于静止状态，根据以上分析可以建立胸部运动位移模型r(t)：
[0074]
r(t)＝r0+h(t)+x(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0075]
其中，h(t)为呼吸部分，x(t)为心跳部分，r0为雷达与人体之间的距离，h(t)＝ahsin(2πfht)，x(t)＝absin(2πfbt+θ)。
[0076]
其中，ah为呼吸的振动幅度，fh为呼吸的频率值，ab为心跳的振动幅度，fb为心跳的频率值，θ是心跳的初始相位。
[0077]
普通成年人的心跳、呼吸的位移、频率参数如下:
[0078]
表1成年人的心跳、呼吸位移以及频率参数
[0079][0080]
如图7所示为毫米波雷达生命体征监测原理图，生命体征监测模块的毫米波雷达的信号发生器发射信号，发射信号遇待测物体后被反射，由于呼吸和心跳会导致胸腔的震动，所反射的回波信号也会有所差异，由正交接收机捕获回波信号并与发射信号进行正交混合生成混频信号，采用低通滤波器滤除高频部分，得到中频信号。
[0081]
所述距离信息中的相位差信号获取过程包括：
[0082]
对每个线性调频信号进行ad采样，生成时域采样信号，对时域采样信号进行距离fft。
[0083]
在快速采样时间轴上以单啁啾进行fft，以获得拍频信号的频谱，该频谱的峰值对应于不同距离的目标，称为距离fft。在慢采样时间轴上进行fft，得到振动频率，称为振动fft。
[0084]
每次线性调频信号结束都会记录并计算目标距离单元上的相位，由此计算出相位变化，得到相位差的集合。
[0085]
采集完一组数据后，将上位机保存的数据进行滤波和fft(快速傅里叶变换)处理，得到呼吸及心跳的时域及频域信息，经过谱峰搜索计算得到心率和呼吸速率，并通过显示界面进行显示。
[0086]
毫米波雷达可发射波长为毫米量级的信号。在电磁频谱中，这种波长被视为短波长，也是该技术的优势之一。因此，处理毫米波信号所需的系统组件(如天线)的尺寸确实很小，短波长的另一项优势是高准确度。工作频率为76
–
81ghz(对应波长约为4mm)的毫米波系统将能够检测小至零点几毫米的移动。
[0087]
所述根据距离-速度频谱图和距离-角度频谱图得到目标人体的身体姿态和运动信息包括：首先将回波信号经过低噪声放大器进行噪声去除，确保波形的平滑，经过低通滤波器滤除高频信号，对fmcw雷达获取的中频信号进行模数转换，通过傅里叶变换得到距离-速度频谱图、距离-角度频谱图，处理后的信号根据目标监测算法和多目标追踪的方法，获
取目标的速度、方位、距离、信噪比等信息。通过静止物体消除算法消除室内环境中静止不动的物体，避免静止物体对运动目标的干扰。通过多径干扰消除算法消除室内场景中目标运动所带来的虚假检测点，避免这些虚假检测点被毫米波雷达传感器误认为目标进行跟踪输出，造成虚警的问题。
[0088]
将cfar算法作用于距离-速度频谱图上并结合距离-角度频谱图便可得到点云，由于人的头、胳膊、腿等都会产生反射，在雷达可侦测范围内会产生多个反射点，因此需要对获得的点云数据运用密度聚类算法进行凝聚处理，将检测到的点凝聚成一个聚类，并将该聚类看成一个人体目标。
[0089]
当一个人移动时，必有一个相对应的簇在移动，可以根据聚类的位置和速度得到人的位置和速度。
[0090]
本实施例中，检测算法采用的是cfar-ca算法，cfar窗大小为32，cfar阈值为18db。
[0091]
如图8(a)-图8(b)，在室内进行多次实验，对获取的数据进行解析分析，在没有人员进入时界面会显示0，出现人员时会进行跟踪定位，显示人员数目以及位置信息。由图8(b)可以看到当前人数在4人，在人员移动时会进行动态跟踪定位，光圈显示即为当前人员的所在位置。
[0092]
毫米波雷达发射的正弦信号采用时分多路复用方式在多个发射天线tx上向目标发射调频连续脉冲信号，并通过多个雷达接收器rx接收目标反射的回波信号，采集回波信号并对其处理，经处理后的回波信号与发射信号进行混频，得到i/q两路基带信号对所述i/q两路基带信号进行解调处理，经滤波和快速傅里叶变换，得到呼吸和心跳的频率值和峰值，并输出呼吸和心跳速率。
[0093]
图9中显示了通过对捕获场景的一帧进行2d-fft计算得到的距离-速度图。x轴表示速度(单位为米/秒)，y轴表示范围(单位为米)。强反射器以较亮的颜色显示，噪音地板以深蓝色显示。每个通道的2d输出可以使用通道选择器独立选择。如果在通道选择器中选择“共同”选项，则绘制跨通道的2d fft输出的非相干和。
[0094]
如图10(a)-图10(d)所示，本实施例中，fft窗函数采用的汉明窗算法，当选用无窗设计时，2dfft振幅图强反射区域明显变窄，检测算法采用的是cfar-ca算法，由一维fft振幅图清楚看出，大的波动是由呼吸造成的，小的波峰波谷是由心跳造成的。时域图波形真实波形和理想波形近似相同。
[0095]
图11(a)-图11(f)为测试人员1在保持正常呼吸的情况下的测试结果图，测试人员距离雷达0.5米左右，此时的测试人员1的呼吸为18次/分钟，心跳为68次/分钟，图12(a)-图12(f)为测试人员2在保持正常呼吸情况下的测试结果图，测试人员距离雷达大概0.8米，此时的测试人员2的呼吸为13次/分钟，心跳为80次/分钟，在检测过程中能够流畅显示呼吸和心跳信号波形、胸腔位移变化以及目标的一维距离图。
[0096]
图13(a)-图13(f)为测试人员3屏住呼吸时的测试结果图，如图所示此时被测人员的呼吸为0，呼吸波形的变化很小趋于零值，但心跳波形依然清晰，由于屏住呼吸，所以此时被测者的胸腔位移是由人体的心跳导致，而由人体心跳造成的胸腔位移远小于呼吸造成的，因此，从图13(a)-图13(f)中可以看到此时胸腔的位移在测试人员从正常呼吸转换屏住呼吸的过程中，胸腔的位移变化量也逐渐变小。
[0097]
通过以上的测试，证明所设计的系统能够稳定地运行，能够得到我们所需要的呼
吸和心跳频率等重要的信息。
[0098]
本发明主要是采用了77ghz毫米波雷达技术、云计算技术和ai智能化算法，其中，77ghz毫米波雷达是通过微带阵列天线向外发射毫米波，接受到目标物体的反射和传输信号，获取到目标物体的相位信息并对其数据进行分析和处理，从而非视觉无接触地获得了人体呼吸率、心率等各种生命体征数据，对于老年患者进行了实时的健康监控，当数据达到智能看护系统此前设置的阈值时，会向看护人或相关联系人发送通知即时警报，而通过云技术和ai智能算法，收集并分析用户对象的健康数据，为定制服务的老人建立健康档案并定期发送健康报告，针对性制定或改善治疗方案并及时反馈健康信息。
[0099]
综合以上技术，将其与智能家居等软服务系统有机地结合，将该项目广泛应用于机构式养老、社区式养老于居家健康养老中，让更多的老年人仅仅通过语音和肢体动作就能够享受到一条龙的服务，大大提高了监测的精度和效率，减少了人工成本，同时又使得我们可以尽量最大限度地降低对于老年人操作困难度与不适感，为更多的老年人提供了高品质的健康养老服务，从而实现了满足不同层面、多元化的养老要求。该系统适用于所有人群，不易受烟雾等环境的影响，响应速度更快，监测范围更广，实现了随时随地查看自己的健康状况，及时发现问题并采取措施，避免了危险的发生。可以实现不侵犯隐私，不受设备束缚，二十四小时检测，真实有效的反应被测者的真实状况。给人体带来了更舒适、更快捷的智能化体验，在非接触式监护方面具有非常重要的意义，未来应用价值广阔。
[0100]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。