[0051] 步骤4. 5，对4[11] + ε ^(#[11])，i = 1，. . .，I进行经验模态分解，得到第一个本 征模分量，并由此得到
[0052] 步骤4. 6,重复步骤4. 4到步骤4. 5,步，当剩余分量不再满足可以分 解的要求时（剩余分量的极值不足两个），停止运算，最后的剩余分量表示为：
，K是总模态数。
[0053] 本实例中，取
，图 3所示为对实验实例中解调信号进行完全聚类经验模态分解后得到的一系列本征模函数的 波形，包括第1一9个本征模函数。
[0054] 步骤5,对所有本征模函数分别做希尔伯特变换，并且求得各本征模函数对应的希 尔伯特边际谱，具体计算步骤如下：
[0055] 步骤5. 1，令uk(n) = IMFk[n]，首先对uk(n)做离散希尔伯特变换：
[0056] 步骤5. 2,计算
[0057] 步骤5. 3,计算 对上式 >； 进行修正
[0058] 步骤5. 4,求希尔伯特谱
[0059] 步骤5. 5,求得各本征模函数頂Fk [η]对应的希尔伯特边际谱
[0060] 图4为第1一6个本征模函数对应的希尔伯特边际谱，记为边际谱1一6。由于第 六个以后的本征模函数能量极小，而且频率远远低于心跳频率，所以不予考虑。
[0061] 步骤6,在各本征模函数对应的希尔伯特边际谱上进行峰值检测。本实例中， 边际谱 1一6 的谱峰位置分别为：3. 5254Hz、1. 2598Hz、1. 2402Hz、0· 8105Hz、0· 4395Hz、 0. 3418Hz。
[0062] 步骤7,根据各希尔伯特边际谱的谱峰位置和谱峰附近的能量集中度来判断心跳 信号对应的希尔伯特边际谱，具体方法如下：
[0063] 步骤7. 1，判断各边际谱hk(f)的谱峰对应的频率fpeak,k是否在0. 5Hz到3Hz之间。 本实例中，由步骤6求得的谱峰位置可知，符合条件的为边际谱2、3、4。
[0064] 步骤7.2,对于满足步骤7. 1条件的边际谱（在本实例中是边际谱2、3、4)，计算其 在fpeakik-0. 1Hz到fpeakik+0. 1Hz之间各频率点的幅度的总和Ak，并计算其所有频率点的幅 度总和Bk，求能量集中度匕=Ak/Bk。本实例中，边际谱2、3、4的能量集中度分别为：E 2 = 0· 4609、E3= 0· 7806、E 4= 0· 3242。
[0065] 步骤7.3,当^大于阈值α时，认为hk(f)是心跳信号的边际谱；若有多个边际谱 满足^大于阈值α的条件，则认为峰值位置处谱幅度最大的边际谱是心跳信号的边际谱。 本实例中，将阈值α设为0. 7,由步骤7. 2计算得到的能量集中度可知，只有边际谱3满足 条件，则此边际谱就是心跳信号的边际谱。
[0066] 步骤8,在心跳信号对应的希尔伯特边际谱上提取心跳信号频率信息。本实例 中心跳信号的希尔伯特边际谱峰值对应的是频率为1. 2402Hz，则最终得到的心跳频率为 1. 2402Hz，此结果与心电监测仪测得的心率74次/分（1. 23333Hz)高度一致。
[0067] 由实施实例可见，本发明提供的非接触式生命体征监测系统的心跳频率检测算法 可在人体不稳定、环境干扰噪声大的条件下有效提取心跳信号并且获得准确心跳频率信 息。
【主权项】
1. 一种用于非接触式生命体征检测系统的屯、跳频率检测算法，包括如下步骤： 步骤1，对非接触式生命体征检测系统的连续波多普勒雷达前端输出的I、Q两路信号 分别进行带通滤波；其中，带通滤波器的低截止频率为0.甜Z、高截止频率为5. 2Hz; 步骤2,通过圆屯、估计算法恢复经过滤波的I、Q两路信号的有用直流分量； 步骤3,对步骤2得到的I、Q两路信号进行反正切解调； 其特征在于，得到解调信号之后的步骤如下： 步骤4,采用完全聚类经验模态分解算法对解调信号进行分解，得到一系列本征模函 数； 步骤5,对得到的本征模函数分别做希尔伯特变换，并且求得各本征模函数对应的希尔 伯特边际谱； 步骤6,在各本征模函数对应的希尔伯特边际谱上进行峰值检测； 步骤7,根据希尔伯特边际谱的谱峰位置和谱峰附近的能量集中度来判断屯、跳信号对 应的希尔伯特边际谱； 步骤8,在屯、跳信号对应的希尔伯特边际谱上提取屯、跳信号频率信息。2. 根据权利要求1所述的一种非接触式生命体征检测系统的屯、跳频率检测算法，其特 征在于，步骤4中采用完全聚类经验模态分解算法对解调信号进行分解，具体步骤如下： 步骤4. 1，构造I个信号X[η] +εy[η]，其中X[η]是反正切解调得到的信号，[η]，α=1，2,. . .，I)是分布为Ν(0, 1)的白噪声，利用普通经验模态分解算法分别求解I个信号 X[η] +εy[η]的第一个本征模分量IMFii[n]，并且计算：步骤4.2,计算第一个剩余分量ri[n] =x[n]-IMFi[n]; 步骤4. 3,对ri[η] +ε正1 [η])，i= 1，. . .，I进行经验模态分解，得到第一个本征模 分量；其中，算子E，（ ·）的功能是利用普通经验模态分解算法求一个信号的第j个模态，并 由此得到：y, 步骤 4. 4,根据k= 2,. . .，K，计算第k个剩余分量：fk[η] =r(k1) [η]-IMFk[η]; 步骤4. 5,根据fk[η] +εkEk[η])，i= 1，. . .，I，进行经验模态分解，得到第一个本征 模分量，并由此得到步骤4. 6,重复步骤4. 4到步骤4. 5步，当剩余本征模分量不再满足可W分解的要 求时，即剩余本征模分量的极值不足两个时，停止运算，最后的剩余本征模分量表示为：K是总模态数； 至此，解调信号x[n]被分解为K个本征模函数IMFk[n]和一个剩余分量R[n]。3. 根据权利要求1所述的一种非接触式生命体征检测系统的屯、跳频率检测算法，其特 征在于，步骤5中求解各本征模函数IMFk[η]的希尔伯特边际谱，步骤如下： 步骤5.1，令Uk(η) =IMFk[η]，首先对Uk(η)做离散希尔伯特变换：步骤5. 2,计莫步骤5. 3,计算对上式进行 修正/,;(") ='/>-Csin('Z; /'/;): 步骤 5. 4,求希尔伯特谱Hk(f，n) =Hk(fk(n)，n) =ak(n); 步骤5. 5,求得各本征模函数IMFk[η]对应的希尔伯特边际谱：4. 根据权利要求1所述的一种非接触式生命体征检测系统的屯、跳频率检测算法，其特 征在于，步骤7中根据谱峰位置和谱峰附近的能量集中度来判断屯、跳信号对应的希尔伯特 边际谱，具体方法如下： 步骤7. 1，判断各边际谱hk讯的谱峰对应的频率fpeek,k是否在0. 5化到抓Ζ之间； 步骤7. 2,对于满足步骤7. 1条件的边际谱，计算其在fpeak,k-〇.IHz到fpeak,k+〇.IHz之间 各频率点的幅度的总和Ak，并计算其所有频率点的幅度总和Bk，求能量集中度Ek=Ak/Bk; 步骤7.3,当Ek大于阔值α时，认为hk(f)是屯、跳信号的边际谱；若有多个边际谱满足Ek大于阔值α的条件，则认为峰值幅度最大的边际谱是屯、跳信号的边际谱。5. 根据权利要求1所述的一种非接触式生命体征检测系统的屯、跳频率检测算法，其特 征在于，步骤8中将屯、跳信号的希尔伯特边际谱的谱峰位置对应的频率作为屯、跳信号的频 率。6. 根据权利要求5所述的一种非接触式生命体征检测系统的屯、跳频率检测算法，其特 征在于，所述屯、跳信号的希尔伯特边际谱峰值对应的是频率为1. 2402化。
【专利摘要】本发明提供一种非接触式生命体征检测系统的心跳频率检测算法，步骤包括：对连续波多普勒雷达前端输出的I、Q两路信号分别进行带通滤波，然后采用圆心估计算法进行有用直流分量恢复，采用完全聚类经验模态分解算法将心跳信号与人体抖动信号、呼吸信号和环境干扰噪声分离，求各分解信号的希尔伯特边际谱并进行峰值检测，根据边际谱的谱峰位置和谱峰附近的能量集中度找出与心跳信号对应的希尔伯特边际谱，并且根据谱峰位置得到心跳频率信息。本发明可在人体不稳定、环境干扰噪声大的条件下有效提取心跳信号并且获得准确心跳频率信息，以提高非接触式生命体征检测系统的抗干扰性，满足医务人员对心跳频率检测准确性的需求。
【IPC分类】A61B5/0245
【公开号】CN105232026
【申请号】CN201510719734
【发明人】许建中, 王元恺, 肖泽龙, 许剑南, 陈泉
【申请人】无锡南理工科技发展有限公司
【公开日】2016年1月13日
【申请日】2015年10月29日