一种基于毫米波雷达的人体呼吸和心跳信号准确提取方法

本发明属于生命信号检测技术，具体涉及一种基于毫米波雷达的人体呼吸和心跳信号准确提取方法。

背景技术：

1、现代社会对于呼吸和心跳等生命信号的检测具有极其重要的意义。呼吸和心跳作为人体基本的生理功能指标，其变化可以提供宝贵的健康信息，对于疾病预防、医疗诊断、监护护理和安全防护等方面至关重要。首先，呼吸和心跳是评估人体生命活动的关键参数之一。通过监测呼吸和心跳的频率、节律和幅度等特征，可以判断一个人的呼吸系统和心血管系统的功能状态。异常的呼吸和心跳信号可能暗示着各种健康问题，如心脏病、呼吸系统疾病、睡眠障碍等。因此，及时准确地监测呼吸和心跳信号对于早期疾病发现和治疗具有重要意义。

2、然而，传统的呼吸和心跳监测方法存在一些缺陷。例如，接触式传感器需要与人体直接接触，可能造成不适感或干扰，尤其对于长时间的监测不太适宜。此外，摄像设备常常需要明亮的光线和良好的环境条件，对隐私性有一定的侵犯，并且在复杂的背景下可能受到干扰。因此，需要一种非接触、便捷、准确的方法来监测呼吸和心跳信号。在这方面，毫米波雷达技术展现出巨大的潜力和优势。毫米波雷达利用毫米波频段的电磁波进行探测和成像，具有高分辨率、强穿透力和非接触式检测的特点。对于呼吸和心跳信号的监测，毫米波雷达可以通过测量毫米波在人体与环境之间的反射和散射特性，实时获取呼吸和心跳的信息。

3、毫米波雷达测量呼吸和心跳信号的优势在于其非接触性，无需与人体直接接触，避免了传统方法可能带来的不适感或干扰。此外，毫米波具有较高的分辨率，能够实现对人体微小运动的高精度成像和检测。它具有较强的穿透力，能够穿过衣物和障碍物，实现对人体内部的信号检测。因此，毫米波雷达作为一种先进的无线传感技术，在呼吸和心跳信号的检测领域具有巨大的潜力和优势。它可以为健康监测、医疗诊断和安全防护等方面提供更加便捷、准确和可靠的解决方案。本发明提出了一种基于毫米波雷达的人体呼吸和心跳信号准确提取方法，首先通过奇异谱分析(singular spectrum analysis,ssa)去噪，随后采用自适应噪声完备集合经验模态分解(complete ensemble empirical modedecomposition with adaptive noise,ceemdan)对呼吸和心跳信号分离，最后分别采用fastica和二阶导fastica(second order derivative fastica,sod-ica)提取呼吸信号和心跳信号。该方法实现了生命信号的高效去噪，完成了呼吸和心跳信号的精确分离，并采用对信号求二阶导的方法抑制了呼吸谐波心跳信号的干扰，实现了呼吸和心跳信号的准确提取。

技术实现思路

1、本发明的目的是提供一种高效的非接触式呼吸和心跳信号提取方法，它通过ssa算法以及ceemdan算法实现了呼吸和心跳信号的降噪及分离。当心跳信号中存在呼吸谐波干扰时，通过对信号求二阶导可充分抑制呼吸谐波的干扰，该方法在抑制呼吸谐波的同时保证了呼吸和心跳信号的准确率。

2、本发明所述的一种基于毫米波雷达的人体呼吸和心跳信号准确提取方法，包括以下步骤：

3、步骤一、采用调频连续波(frequency modulated continuous wave,fmcw)雷达采集人体胸腔位置相位信号。首先对每一帧的中频信号做快速傅里叶变换(fast fouriertransform,fft)可得到人体所在位置。随后将每一帧数据中人体位置相位信号提取出来得到x(t)。

4、步骤二、采用奇异谱分析对x(t)去噪，利用x(t)构造一个轨迹矩阵x，对轨迹矩阵构造协方差矩阵s＝xxt，在对s进行奇异值分解后可得到若干个降序排列的特征值λi，每个特征值对应特征向量ui。x可表示为多个子矩阵的和，特征值越大则对应的子矩阵所包含的信号成分越重要。通常选取前c个最大特征值重构x得到重构后的生命信号序列x(t)。

5、步骤三、采用自适应噪声完备集合经验模态分解(complete ensemble empiricalmode decomposition with adaptive noise,ceemdan)对呼吸和心跳信号分离。将具有标准正态分布的高斯白噪声ng(t)添加到x(t)上，得到g个信号序列，对每个信号进行emd分解得到imf1,g(t)。对g个imf求平均得到第一个分量imf1(t)。则第一个残余分量r1(t)为r1(t)＝x(t)-imf1(t)。随后，将白噪声ng(t)添加到残余分量r1(t)上重复上述步骤即可得到imf2(t)。重复上述步骤，直到残余分量为单调函数为止，x(t)经过ceemdan之后可以得到j个imf分量及一个残差分量。计算每个imf信号中0.1-0.5hz的分量以及0.8-2.0hz分量所占的百分比。得到每个imf与呼吸信号及心跳信号的相关程度后，选择与呼吸信号或心跳信号相关程度最高的imf信号，以及相邻两个imf信号作为潜在的呼吸信号集xr(t)或潜在的心跳信号集xh(t)。

6、步骤四、采用fastica提取呼吸信号，对于提取到的潜在呼吸信号集xr(t)，可以表示为xr(t)＝as(t)，xr(t)和s(t)分别为混合信号矩阵和源信号矩阵，a为混合矩阵。为了求解源信号矩阵s(t)，需求出权重矩阵w(即a-1)。fastica通过最大化数据在权重向量方向上的非高斯性求解w。算法主要包括三个步骤：1)中心化数据，2)白化数据和3)权重向量计算。对分解出来每一个独立源信号做fft，频谱峰值最大的源信号即呼吸信号。

7、步骤五、采用二阶导fastica提取心跳信号。对心跳信号集求导之后可充分抑制呼吸信号二次谐波及三次谐波对心跳信号的影响。本发明采用对信号求二阶导(secondorder derivative,sod)。在对潜在心跳信号集做完二阶导之后，同样采用fastica算法分离出心跳信号。最后，对每一个独立源信号做fft，频谱峰值最大的源信号即心跳信号。

技术特征：

1.一种基于毫米波雷达的人体呼吸和心跳信号准确提取方法，其特征在于包括以下步骤：

技术总结
本发明公开了一种基于毫米波雷达的人体呼吸和心跳信号准确提取方法。首先，通过部署毫米波雷达采集人体数据，获得人体位置以及胸腔相位信号；其次，通过SSA算法对相位信号进行重构，去除相位信号中的噪声；再次，通过CEEMDAN算法，设置一个信号选取准则，分别构造一个潜在呼吸信号集以及一个潜在心跳信号集；最后对于呼吸信号集直接应用FastICA算法提取呼吸信号，对心跳信号集则先求二阶导抑制呼吸谐波的干扰，再利用FastICA提取心跳信号。本发明专利通过SSA算法以及CEEMDAN算法实现了呼吸和心跳信号的降噪及分离。当心跳信号中存在呼吸谐波干扰时，通过对信号求二阶导充分抑制呼吸谐波的干扰，该方法在有效抑制呼吸谐波的同时保证了呼吸和心跳信号的准确率。

技术研发人员：王勇,刘恒,周牧,何维,杨小龙,庞宇
受保护的技术使用者：重庆邮电大学
技术研发日：
技术公布日：2024/1/15