基于VMD的人体生命体征信号分离方法技术

本发明专利技术提供了一种基于VMD的人体生命体征信号分离方法，包括以下步骤：步骤1，对由基于超宽带雷达的非接触式生命体征检测系统获得的雷达回波信号进行动目标检测、距离门切换和低通滤波得到目标生命体征信号；步骤2，对步骤1获得的目标生命体征信号采用变分模态分解算法对目标生命体征信号进行处理，分离出预设个数的模态分量；步骤3，对步骤2中分离出的各个模态分量画出时域波形图及其频谱图并进行频谱分析获取所需目标生命体征信号。本发明专利技术通过变分模态分解算法能够有效地分离单目标及多目标生命体征信号中分离和提取。

【技术实现步骤摘要】

本专利技术属于雷达
，特别是一种基于VMD的人体生命体征信号分离方法。
技术介绍
基本的生命体征信息主要指的是呼吸、心跳、血压和体温等，特别是呼吸和心跳信号是衡量人体健康状况的重要指标。同时生命体征是判断病人的病情轻重和危险程度的指正，体征参数的异常是引发医学突发紧急事件的重要原因。因而，对人体体征信息进行实时监测对于病人的及时救治和家庭医疗监护具有非常重要的意义。超宽带雷达体制的生命体征检测系统中，不管是单人的呼吸、心跳测量，还是多目标呼吸信号检测，其最重要的环节都在于不同频率信号的准确分离并提取。因此，选择恰当的信号处理技术从上述生命体征检测系统所采集到的信号中准确分离和提取不同频率的信号是该系统的关键所在。传统时频分析方法几乎都有一些不足之处，并且，对于人体的生命体征信号来说其中单人呼吸和心跳信号的频率以及多人的呼吸信号频率很接近，而且心跳信号较为微弱，传统方法不能准确表示信号的频率关于每一个时间点上的变化，甚至于无法分辨出心跳、呼吸信号。对于最为经典的FFT变换来说，其要进行大量的实验获取数据并进行分析和处理，同时分辨率较低是最为致命的缺陷；采用小波分析的方法会产生许多谐波，这可能会掩盖微弱的心跳信号。经验模式分解EMD算法虽然在分辨率上有很大提高，但是对于噪声和采样很敏感，同时缺乏数学理论的支持。
技术实现思路
本专利技术的目的在于提供一种基于VMD的人体生命体征信号分离方法，以有效分离和恢复单目标和多目标人体生命体征信号。实现本专利技术目的的技术解决方案为：一种基于VMD的人体生命体征信号分离方法，步骤如下：步骤1，对由基于超宽带雷达的非接触式生命体征检测系统获得的雷达回波信号x(t)进行动目标检测、距离门切换和低通滤波得到目标生命体征时域信号f(t)；步骤2，对步骤1获得的目标生命体征信号采用VMD即变分模态分解算法对目标生命体征信号f(t)进行处理，分离出预设个数的模态分量；步骤3，对步骤2中分离出的各个模态分量画出时域波形图并进行频谱分析获取所需目标生命体征信号。进一步地，步骤1所述对由基于超宽带雷达的非接触式生命体征检测系统获得的雷达回波信号x(t)进行动目标检测、距离门切换和低通滤波得到目标生命体征时域信号f(t)，具体如下：(1.1)动目标检测：首先求得每个距离门内所有慢时采样点的平均值x1，此平均值x1为目标环境背景噪声，再将原信号对应相同的距离门中的每个采样点减去该平均值x1就得到含有目标运动信息的信号x1(t)；(1.2)距离门切换：取固定窗长的点求平方和得到能量并取出最大值，该能量最大值对应的距离门为此时能量最大距离门；然后滑窗，进行同样处理得到一组能量最大距离门的数组，取该数组的众数即为最终的能量最大距离门；(1.3)低通滤波：选取的距离门时域信号携带有高频噪声，引入一个低通滤波器h(n)滤除该高频噪声。进一步地，步骤2中所述对步骤1获得的目标生命体征信号采用VMD即变分模态分解算法对目标生命体征信号f(t)进行处理，分离出预设个数的模态分量，具体如下：(2.1)对步骤1得到的生命体征信号f(t)进行镜像延拓，进行傅立叶变换将频谱搬移至频谱中心，再将频谱前一半取零，得到搬移至频谱中心的扩展信号频谱(2.2)初始化K个模态各模态对应中心频率拉格朗日乘子和迭代次数n；其中对于单目标，模态个数K取4；多目标时模态个数K取2×D+2，D表示目标个数；(2.3)计算更新模态i表示第i个，1≤i≤K，1≤k≤K，α表示数据保真平衡参数；(2.4)计算更新中心频率(2.5)计算更新朗格朗日乘子τ表示双上升时间步长；(2.6)如果或n＞N，则迭代停止，否则返回执行步骤(2.3)-(2.5)，ε表示判别约束条件，ε＞0，N表示迭代截止次数；(2.7)将获得的K个模态先进行逆傅里叶变换，最后解除镜像延拓使各分量恢复与原信号f(t)相同的时域长度。本专利技术与现有技术相比，其显著优点为：(1)先采取传统方法获取原始目标生命体征信号，然后利用变分模态分解算法分离单目标生命体征信号中的呼吸和心跳信号分离以及多目标生命体征信号中的呼吸信号；(2)对于噪声和采样具有较强的鲁棒性，能够保证较好的分辨率以便分离不同频率又很接近的信号，有效可靠、分离效果优异。下面结合说明书附图对本专利技术做进一步说明。附图说明图1为本专利技术基于VMD的人体生命体征信号分离方法流程图，其中(a)为单目标人体生命体征信号分离方法流程图，(b)为多目标人体生命体征信号分离方法流程图。图2为本专利技术中由采集数据获得的雷达回波信号能量图。图3为本专利技术中未经VMD算法处理的多目标生命体征信号。图4为本专利技术中经过VMD算法处理的各模态时域波形图，其中(a)为A的呼吸波形图，(b)为B的呼吸波形图。图5为本专利技术中经过VMD算法处理的分离出的目标生命体征信号频谱图，其中(a)为A的呼吸频谱图，(b)为B的呼吸频谱图。具体实施方式结合图1，本专利技术基于VMD的人体生命体征信号分离方法，其中图1(a)为单目标人体生命体征信号分离方法流程图，图1(b)为多目标人体生命体征信号分离方法流程图。步骤如下：步骤1，对由基于超宽带雷达的非接触式生命体征检测系统获得的雷达回波信号x(t)进行动目标检测、距离门切换和低通滤波得到目标生命体征时域信号f(t)；(1.1)动目标检测：首先求得每个距离门内所有慢时采样点的平均值x1，此平均值x1为目标环境背景噪声，再将原信号对应相同的距离门中的每个采样点减去该平均值x1就得到含有目标运动信息的信号x1(t)；(1.2)距离门切换：取固定窗长的点求平方和得到能量并取出最大值，如在512距离门取窗长为2048点，该能量最大值对应的距离门为此时能量最大距离门；然后滑窗，进行同样处理得到一组能量最大距离门的数组，取该数组的众数即为最终的能量最大距离门；(1.3)低通滤波：选取的距离门时域信号携带有高频噪声，为了滤除该高频噪声同时防止其影响多目标生命体征信号频率的准确提取和分离，引入一个低通滤波器h(n)滤除该高频噪声，该滤波器采用低通FIR滤波器，滤波器参数为：通带截止频率Ωp为1Hz、阻带截止频率Ωs为10Hz、通带纹波δp为0.01dB以及阻带衰减δs为80dB。步骤2，对步骤1获得的目标生命体征信号采用VMD即变分模态分解算法对目标生命体征信号f(t)进行处理，分离出预设个数的模态分量，具体如下：(2.1)对步骤1得到的生命体征信号f(t)进行镜像延拓，进行傅立叶变换将频谱搬移至频谱中心，再将频谱前一半取零，得到搬移至频谱中心的扩展信号频谱(2.2)初始化K个模态各模态对应中心频率拉格朗日乘子和迭代次数n；其中对于单目标，模态个数K取4；多目标时模态个数K取2×D+2，D表示目标个数；(2.3)计算更新模态i表示第i个，1≤i≤K，1≤k≤K，α表示数据保真平衡参数；(2.4)计算更新中心频率(2.5)计算更新朗格朗日乘子τ表示双上升时间步长；(2.6)如果或n＞N，则迭代停止，否则返回执行步骤(2.3)-(2.5)，ε表示判别约束条件，ε＞0，N表示迭代截止次数；(2.7)将获得的K个模态先进行逆傅里叶变换，最后解除镜像延拓使各分量恢复与原信号f(t)相同的时域长度。步骤3，对步骤2中分离出的各个模态分量画出时域波形图本文档来自技高网...

【技术保护点】
一种基于VMD的人体生命体征信号分离方法，其特征在于，步骤如下：步骤1，对由基于超宽带雷达的非接触式生命体征检测系统获得的雷达回波信号x(t)进行动目标检测、距离门切换和低通滤波得到目标生命体征时域信号f(t)；步骤2，对步骤1获得的目标生命体征信号采用VMD即变分模态分解算法对目标生命体征信号f(t)进行处理，分离出预设个数的模态分量；步骤3，对步骤2中分离出的各个模态分量画出时域波形图并进行频谱分析获取所需目标生命体征信号。

【技术特征摘要】
1.一种基于VMD的人体生命体征信号分离方法，其特征在于，步骤如下：步骤1，对由基于超宽带雷达的非接触式生命体征检测系统获得的雷达回波信号x(t)进行动目标检测、距离门切换和低通滤波得到目标生命体征时域信号f(t)；步骤2，对步骤1获得的目标生命体征信号采用VMD即变分模态分解算法对目标生命体征信号f(t)进行处理，分离出预设个数的模态分量；步骤3，对步骤2中分离出的各个模态分量画出时域波形图并进行频谱分析获取所需目标生命体征信号。2.根据权利要求书1所述的基于VMD的人体生命体征信号分离方法，其特征在于，步骤1所述对由基于超宽带雷达的非接触式生命体征检测系统获得的雷达回波信号x(t)进行动目标检测、距离门切换和低通滤波得到目标生命体征时域信号f(t)，具体如下：(1.1)动目标检测：首先求得每个距离门内所有慢时采样点的平均值x1，此平均值x1为目标环境背景噪声，再将原信号对应相同的距离门中的每个采样点减去该平均值x1就得到含有目标运动信息的信号x1(t)；(1.2)距离门切换：取固定窗长的点求平方和得到能量并取出最大值，该能量最大值对应的距离门为此时能量最大距离门；然后滑窗，进行同样处理得到一组能量最大距离门的数组，取该...

【专利技术属性】
技术研发人员：李彧晟，季文韬，唐良勇，洪弘，顾陈，朱晓华，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32